基于灰度聚类的光伏红外热斑图像分割方法

针对光伏红外热斑检测问题，提出一种曲线拟合结合图像聚类的热斑红外图像处理方法。首先，将图像灰度变换处理后，采用高斯最小二乘拟合确定聚类中心点；然后，针对传统模糊C均值噪声鲁棒性较差的特点，加入邻域空间影响以及用核距离代替欧式距离的模糊C均值算法对热斑图像进行聚类；最后，根据拟合图进行灰度多阈值分割。实验结果表明：该方法能将光伏组件损坏程度进行量化，区域进行分层，抑制红外图像噪声，提高检测热斑效率的同时，分割准确率可达86%以上。     

基于智能视觉的电力网络敏感区设备过热识别

电力网络的敏感区设备过热会导致电网故障和电力中断,对电力网络的敏感区设备的过热识别可以提高电网故障设备的检测和诊断能力。传统方法采用的是热信号分析方法实现对电力网络的设备过热识别,由于敏感区设备的过热状态下的热源信号自身具有不确定性,导致识别性能不好。提出一种基于图像处理和智能视觉分析的电力网络的敏感区设备过热识别算法。构建电力网络的敏感区设备的热点图像采集和噪点滤波模型,然后对电力网络敏感区设备图像进行视觉特征三维重建,采用图像分割算法实现对敏感区设备过热点的有效分割和检测,提高识别能力。仿真结果表明,采用该算法能有效提高设备过热点的识别率,提高对电力网络设备的状态监测能力。     

基于红外传感的配电房变压器高温过热故障识别研究

变压器高温过热故障识别的可靠性是保证变压器使用寿命以及电力系统安全运行的基础,因此提出基于红外测温技术的配电房变压器高温过热故障的识别方法。基础层通过红外测温仪获取变压器温度数据,利用BP神经网络对温度测量结果进行修正后,依据红外辐射原理生成热像图并将其传送至中间层;中间层接收热像图并存储至图像数据库中,将该图像与先验知识库中的图像作对比,检测图像中是否异常;将异常检测结果传送至服务层,服务层通过AlexNet卷积神经网络分类识别变压器的热性故障,并通过客户端显示屏展示故障位置。测试结果表明：该方法温度差值的修正效果良好,当温度标准偏差最大时,变压器测试值与实际值的最大偏差为0.98 ℃,小于1 ℃,能够最大程度地降低温度测量结果与实际温度之间的差值、准确识别出散热异常和出线套管内接点发热等热性故障、清晰展示出变压器的故障位置,其故障的识别精度高达94.6%,远高于传统方法,该系统具有一定的应用价值。     

基于MSR和BCI的变电站巡检图像融合方法

针对变电站巡检红外报警系统中的故障点温度读取与定位、目标设备分割、故障点匹配融合等问题,文章提出了一种基于多尺度Retinex(multi-scale retinex,MSR)和双三次插值(bi-cubic interpolation,BCI)的变电站巡检图像融合方法.首先采用MSR算法增强设备边缘图像;然后,提出改进...     

光伏热斑图像有效区域分割算法研究

根据光伏热斑图像的特征提出一种基于局部统计特征的有效区域分割算法。以图像局部标准差衡量图像局部灰度一致性,标记图像中局部灰度一致性高的区域,提出基于矩形尺寸及矩形内部有效区域比例的区域判别方法对背景区域进行去除,应用形态学运算处理所得区域,得到最终分割结果。实验结果表明:该算法可准确、有效地对光伏热斑图像有效区域进行分割,且效果优于边缘检测和区域生长算法。     

基于红外热点的电力缺陷检测方法

针对直升机电力巡检拍摄到的实时红外视频序列,寻找定位高温点并实时反馈给控制系统,首先对其进行Hough变换检测输电线,然后采用Otsu自适应阈值算法对红外图像中的热点区域进行分割,提取出缺陷区域,接着利用SIFT特征匹配识别红外图像中的绝缘子,最后对缺陷进行分类和分级。实验证明该算法发热点定位准确率较高,可智能识别缺陷,减轻了人工作业负荷。     

加权竞争聚类算法及其在空预器故障识别中的应用

在火电机组海量历史数据中,故障样本占比很低,数据样本分布非常不均衡。因此,常见的模糊聚类算法不能有效地识别故障类。本文在竞争聚类算法的基础上,提出一种改进算法,称为加权竞争聚类算法。该算法根据类间容量差异均衡化的思想,减弱大类对目标函数的贡献,防止较小类的聚类中心向大类靠拢,从而能均衡较大类和较小类对目标函数的贡献,改善算法处理不均衡数据集的聚类效果。为验证本文方法的有效性,在公共数据集上与其他聚类算法进行对比,并在包含故障集的空预器历史数据集上进行验证。结果表明,本文提出的加权竞争聚类算法在公共数据集及空预器历史数据集上都比竞争聚类算法有更好的识别效果。     

基于聚类算法的低压电网分段线损智能识别方法

传统电网线损识别方法未能对线损特征进行提取,导致识别结果不准确,识别用时较长。提出一种基于聚类算法的低压电网分段线损智能识别方法。通过Wpdec小波分解函数对低压电网分段线损数据进行3层小波分解,利用Wprcoef函数对小波系数进行重构,提取低压电网分段线损特征;根据提取到的线损特征变量,设定分段线损异常判定依据,使用K-means算法对所提取的特征向量进行聚类分析,借助聚类结果获取线损特征规则,最终实现基于聚类算法的低压电网分段线损智能识别。经实验结果表明,所提方法不仅能够精准识别低电压分段线损,同时还能够提升识别速率。     

基于FCM和EO-SVM水轮机尾水管压力脉动特征识别

为有效识别水轮机尾水管压力脉动特征,提出了一种基于模糊C均值聚类、平衡优化器算法与支持向量机的识别方法。该方法首先采用平衡优化器算法优化SVM的惩罚因子和核函数以获得更好的SVM参数组合,构建EO-SVM识别模型以实现其在水轮机尾水管压力脉动特征识别中的应用。然后采用模糊C均值聚类算法将待分类的压力脉动特征进行初始聚类,将其分为四类,并依据聚类结果选择最靠近每类中心的样本作为EO-SVM模型的训练样本。将SVM和EO-SVM两种模型的识别分类结果进行比较,验证了所提EO-SVM模型的有效性。     

基于特征匹配的变电站巡检机器人设备识别

目前变电站巡检机器人设备识别技术存在设备识别准确率低、设备识别效果差和指针定位精度低的问题,提出基于特征匹配的变电站巡检机器人设备识别方法。对图像进行定位、去噪、图像分割、二值化以及细化的预处理,提高识别精度,降低外界干扰;在Hough变换的基础上计算设备指针的详细斜率,完成指针定位,以此生成设备读数,与相应的阈值进行比较,在特征匹配下完成设备识别和录入,实现变电站巡检机器人设备识别。实验结果表明,所提方法的仪表设备识别准确率高、仪表设备识别效果好,且仪表指针的定位精度高。     

Bubble小波在高温熔体图像分割中的应用

在基于CCD图像传感器构成的高温测量系统中，为了计算高温目标的温度场，必须将高温目标图像与其背景图像准确分割。把通常用于图像边缘检测的小波模极大值取阈值法直接应用于目标图像的分割，设计一种基于Bubble小波变换的高温熔体图像分割算法，实验结果表明能快速准确地分割出目标图像，有很强的实用性。     

基于时频谱图与图像分割的柴油机故障诊断

将图像分割理论引入柴油机故障诊断中,提出一种基于时频谱图、图像分割和模糊模式识别的柴油机故障诊断新方法.首先利用二进小波对柴油机缸盖振动信号进行预处理,然后用时频谱图对柴油机气门机构4种状态下的缸盖表面振动信号进行时频分析,并将谱图结果根据图像分割理论对其等高图进行分割,最后通过选取分割后图像的特征体质心位置、特征体面积、数目和熵作为特征参数,并利用模糊C均值聚类对图像进行分类识别.试验结果表明,新方法提取的振动信号图像几何特征与形状特征参数能充分反映柴油机气门工作状态的信息,对不同类型的气门故障均能正确诊断.     

基于红外图像的太阳能光伏阵列故障分析

依据处于不同工作状态下太阳电池间存在明显温差这一特性,提出了基于红外图像分析的太阳能光伏阵列工作状态自动分析与识别的方案。该方案首先对光伏阵列的红外图像进行预处理与分析,提取可能的故障区域及区域的特征信息,综合考虑环境温度、照度、风力等环境因素的影响,采用信息融合与模糊推理的方法,实现了对光伏阵列中太阳电池工作状态的自动识别。研究结果表明,该方案能够准确地对运行于光伏系统中组件的正常、遮挡、老化损坏状态进行识别。     

基于图像深度学习与三维电场仿真的电力用复合绝缘子缺陷挖掘分析

鉴于复合绝缘子运行环境差异较大、表面电场分布特征各异,亟需合理评估现役运行复合绝缘子运行状态。为此,首先应用紫外、红外成像技术对典型复合绝缘子进行观测形成电-热影像图谱数据库;然后应用小波成像技术对原始图像进行去噪处理,并基于聚类算法对复合绝缘子进行图像区域分割,联合视觉深度学习实现了复合绝缘子类型自适应识别和外轮廓匹配。同时应用三维建模技术对典型复合绝缘子电场分布规律进行仿真模拟,实现复合绝缘子高场强区域电场分布可视化;最终联合深度学习图像后处理结果和电场分布特征形成现役复合绝缘子运行状态评估策略。研究结果对于电力系统用复合绝缘子运行维护具有较好指导意义。     

基于热像仪的变电站设备实时监测

为对变电站设备进行实时监测,设计一种基于热像仪的变电站设备状态监测系统,并提出一种利用热像仪获取热像图的变电站设备状态监测算法.首先,热像仪采集设备的热像图和正常图像,并应用光学字符识别方法找出图像中的最高温度和最低温度;其次,应用中值滤波和腐蚀技术得到矩形框为界的可能断层区域;再根据矩形框裁剪图像提取裁剪图像的加速鲁...     

基于热红外图像的风力机叶片损伤识别方法研究

针对风力发电机叶片损伤人工检测效率低,受作业人员业务水平制约等因素影响大的问题,提出一种基于热红外图像的风力机叶片损伤识别以及损伤位置判定和损伤大小计算的方法,通过数字图像处理技术在Matlab 2019b平台开发实现.对附有人工损伤的风力机叶片热红外图像采用对比度拉伸、Gabor滤波、二值化阈值分割等方法提取损伤特征...     

基于聚焦式模糊聚类算法的数据挖掘故障诊断方法

针对现有的火电厂大型设备故障诊断精度较低的问题，提出一种基于聚焦式模糊聚类算法的数据挖掘故障诊断方法。它采用分段相关分析的方法在火电厂SCADA系统历史数据库查找故障征兆变量，然后利用聚焦式量化算法对故障征兆变量进行离散化，最后应用双向模糊聚类算法找出对应故障类型的关键数据。该方法避免了为诊断故障而附加的专门测试或试验，在降低费用的同时，减少了试验对设备造成的潜在威胁。故障诊断实例表明：其诊断精度在不同的月份介于91％～95％之间，可以满足现场应用的要求。参3     

车用发动机聚类元素的选取及磨损部位识别

以某型特种车为研究对象,在判定其发动机存在异常磨损的基础上,通过实例阐述了基于模糊聚类分析方法和灰色关联分析理论的发动机磨损部位识别方法。选取不同聚类元素的发射光谱原始数据进行磨损部位识别,结论表明,聚类元素的选取直接影响模糊聚类结果,并对磨损部位识别的最终结果产生影响。为提高故障部位识别的准确度,在聚类分析中应剔除零部件中不存在的及工作环境影响较大的元素,并依据发动机材料元素构造合理的磨损部位标准模式。     

车用发动机聚类元素的选取及磨损部位识别

以某型特种车为研究对象,在判定其发动机存在异常磨损的基础上,通过实例阐述了基于模糊聚类分析方法和灰色关联分析理论的发动机磨损部位识别方法。选取不同聚类元素的发射光谱原始数据进行磨损部位识别,结论表明,聚类元素的选取直接影响模糊聚类结果,并对磨损部位识别的最终结果产生影响。为提高故障部位识别的准确度,在聚类分析中应剔除零部件中不存在的及工作环境影响较大的元素,并依据发动机材料元素构造合理的磨损部位标准模式。     

基于数字图像处理的风电机组叶片裂纹损伤识别方法研究

为实现风电机组叶片损伤检测的高效化、智能化、便捷化,研究一种基于数字图像处理技术的风电机组叶片裂纹损伤识别以及裂纹类型判断和特征参数提取的方法。以无人机采集的风电机组叶片图像为研究对象,通过对比灰度化、滤波、阈值分割等图像处理步骤的多种算法,对形态学处理方法进行改进,首先选用平均值法对叶片图像进行灰度处理,其次使用中值滤波对图像进行去噪处理,再次使用Otsu阈值分割以实现裂纹区域的分割,然后基于改进的形态学方法提取出完善的叶片裂纹损伤区域,最后基于连通域原理完成裂纹区域的框取。基于上述算法设计风电机组叶片裂纹损伤识别系统以实现叶片裂纹图像检测的可视化处理、裂纹类型判断及裂纹特征参数提取等功能。结果表明,该系统对于风电机组叶片裂纹损伤检测具有可靠的识别精度,识别准确率为85%,实现了风电机组叶片裂纹损伤的自动识别与特征参数提取,提高了叶片裂纹损伤的检测效率。