雨雪天气下特高压交流单回试验线段电晕损失实测分析

为了研究特高压交流输电线路在雨天、雪天气象条件下的电晕损失特性,基于我国特高压交流试验基地单回试验线段展开实测研究,采用研制的光电数字化输电线路电晕损失监测系统,实现了试验线段电晕损失全天候条件下实时在线测量,根据监测结果分析不同降雨率及大雪气象条件下电晕损失。研究结果表明,正常运行电压下,特高压交流单回试验线段雨天单相单位长度电晕损失约为20～60 W/m,在大雪气象条件下,根据监测结果,特高压交流单回试验线段单位长度电晕损失最大值为:边相达到53.54 W/m,中相达到62.95 W/m,与等值降雨率推算结果较为符合。电晕损失随降雨率增大呈非线性增长,在大雨条件下逐渐趋于饱和,并初步获得8×LGJ-500/35分裂导线降雨率与电晕损失拟合模型。该试验获得的特高压交流单回试验线段电晕损失实测结果,为特高压交流输电线路导线选型设计及运行经济性衡量提供了参考。     

高海拔地区±800kV特高压直流输电系统绝缘子带电自然积污特性

为了研究特高压直流绝缘子的自然带电积污特性,进行了全电压全尺寸特高压直流绝缘子积污特性试验。测定了绝缘子的等值盐密(ESDD)、等值灰密(NSDD),分析了不同材质(复合硅橡胶、玻璃、瓷)的绝缘子串,不同串型(I悬垂,V悬垂,耐张)的绝缘子串,不同伞形结构(复合伞裙、钟罩、三伞、瓷长棒)的绝缘子串,以及绝缘子伞裙上下表面和沿绝缘子串不同位置(高压侧、地侧、中间)的积污状况。初步结果表明:不同材质绝缘子串中瓷绝缘子积污最轻;不同串型的绝缘子串中耐张串积污最轻;不同伞形结构绝缘子串中瓷长棒绝缘子是最小积污伞型;伞裙上下表面污秽状况差异巨大,绝缘子杆塔侧积污最重。研究结果可为我国高海拔地区(特别是昆明地区)特高压直流输电工程的外绝缘提供重要的参考。     

基于数学形态学的电力设备紫外图像放电区域提取

紫外成像检测技术是电力系统中检测电晕放电、电力设备外绝缘状态以及污秽程度十分有效的手段之一,数学形态学是一种十分有效的图像处理工具。文章提出了一种基于数学形态学的电力设备紫外放电图像放电区域提取方法,在数学形态学概念的基础上,提取了图像的真实放电区域,并计算了放电区域的面积。试验结果表明,该方法对不同型号的紫外成像仪拍摄到的图像均有良好的适应性。不仅可以快速地定位放电点,而且可以对放电强度用放电面积进行量化,为紫外成像仪的现场应用开辟了新思路。     

在小电晕笼中分裂导线交流电晕的起始电压分析

电晕起始电压是研究导线电晕特性的重要参量,对于指导超、特高压输电线路的设计具有重要意义。为此,利用电晕笼进行电晕起始电压的研究,电晕笼尺寸为1.8 m×1.8 m,测量段部分长3 m,两侧防护段各有0.5 m长。实验时,将导线同轴放置在电晕笼的中心位置,利用电晕笼电晕损失测量系统测量不同电压下导线的电晕电流和电晕损失,根据电压-电晕损失曲线,利用切线法估算导线的电晕起始电压值,并研究在导线表面干净和污秽条件下不同导线的电晕起始电压值,获得了LGJ-300/40、LGJ-400/35和LGJ-630/45导线在干净和污秽条件下的起晕特性。研究结果表明,干净条件下,起晕电压随导线半径增加而下降,污秽条件下导线起晕电压变化规律类似。此外,随污秽尺寸增大,对导线表面场强的畸变作用增强,这也会降低导线起晕电压。     

深度学习结合影像组学的肝脏肿瘤CT分割

目的 从医学影像中进行肝脏与肿瘤分割是计算机辅助诊断和治疗的重要前提。常见的胸部和腹部扫描成像效果中,图像对比度偏低,边界模糊,需要医生丰富的临床解剖学知识才能准确地分割,所以精确的自动分割是一个极大的挑战。本文结合深度学习与医学影像组学,提出一种肝脏肿瘤CT（computed tomography）分割方法。方法 首先建立一个级联的2D图像端到端分割模型对肝脏和肿瘤同时进行分割,分割模型采用U-Net深度网络框架,在编码器与解码器内部模块以及编码器与解码器层次之间进行密集连接,这种多样化的特征融合可以获取更准确的全局位置特征和更丰富的局部细节纹理特征;同时融入子像素卷积与注意力机制,有利于分割出更加微小的肿瘤区域;接着生成两个用于后处理的学习模型,一个基于影像组学的分类模型用于假阳性肿瘤的去除;另一个基于3D体素块的分类模型用于分割边缘的细化。结果 实验数据来自某医院影像科300个肝癌病例CT,每个序列中的肝脏与肿瘤都是由10年以上的医学专家进行分割标注。对数据进行5倍交叉验证,敏感度（sensitivity）、命中率（positive predicted value）和戴斯系数（Dice coefficient）在验证结果中的平均值分别达到0.87±0.03、0.91±0.03和0.86±0.05,相比于性能第2的模型分别提高了0.03、0.02和0.04。结论 肝脏肿瘤CT的精确分割可以形成有价值的术前预判、术中监测和术后评价,有助于制定完善的手术治疗方案,提高肝脏肿瘤手术的成功率,且该方法不局限于肝脏肿瘤的分割,同样也适用于其他医学影像组织器官与肿瘤的分割。     

应用图像块和全卷积神经网络的肩关节MRI自动分割

目的 MRI正逐步代替CT进行骨头与关节的检查,肩关节MRI中骨结构的精确自动分割对于骨损伤和疾病的度量与诊断至关重要,现有骨头分割算法无法做到不用任何先验知识进行自动分割,且通用性和精准度相对较低,为此提出一种基于图像块和全卷积神经网络（PCNN和FCN）相结合的自动分割算法。方法 首先建立4个分割模型,包括3个基于U-Net的骨头分割模型（肱骨分割模型、关节骨分割模型、肱骨头和关节骨作为整体的分割模型）和一个基于块的AlexNet分割模型;然后使用4个分割模型来获取候选的骨头区域,并通过投票的方式准确检测到肱骨和关节骨的位置区域;最后在检测到的骨头区域内进一步使用AlexNet分割模型,从而分割出精确度在像素级别的骨头边缘。结果 实验数据来自美国哈佛医学院/麻省总医院骨科的8组病人,每组扫描序列包括100片左右图像,都已经分割标注。5组病人用于训练和进行五倍的交叉验证,3组病人用于测试实际的分割效果,其中Dice Coefficient、Positive Predicted Value（PPV）和Sensitivity平均准确率分别达到0.92±0.02、0.96±0.03和0.94±0.02。结论 本文方法针对小样本的病人数据集,仅通过2维医学图像上的深度学习,可以得到非常精确的肩关节分割结果。所提算法已经集成到我们开发的医学图像度量分析平台"3DQI",通过该平台可以展示肩关节骨头3D分割效果,给骨科医生提供临床的诊断指导作用。同时,所提算法框架具有一定的通用性,适应于小样本数据下CT和MRI中特定器官和组织的精确分割。     

一种基于条形块跟踪的圆弧识别新方法

圆弧识别是工程图纸矢量化研究中的重点和难点.为了提高识别的效率和精度,本文提出了一种基于条形块跟踪的圆弧矢量化方法,该方法采取条形块跟踪的思想获取圆弧和组合线的低级矢量—型值链,对组合线进行了分割,在几何意义明显的圆弧型值链上,通过检测和验证的方法识别出圆弧.在实验中,分别用标准数据和真实图纸进行了测试,实验结果显示算法具有较高的识别精度和识别效率.     

基于反馈的可伸缩视频编码容错策略

为提高可伸缩视频编码(SVC)在易错传输环境下的解码质量,研究帧内宏块刷新和参考帧选择2种容错技术,根据视频空间分层下SVC的层间预测特性,提出2种改进策略并进行对比。测试结果表明,在码率控制的情况下,改进的参考帧选择策略传输后重建图像的平均亮度峰值信噪比较高,更适用于低码率的传输环境。     

养护条件对EVA乳液改性水泥浆体水化行为和孔结构的影响

本文制备了不同乙烯-醋酸乙烯酯(EVA)乳液含量的聚合物改性硅酸盐水泥浆体,对比了其在相同水灰比,不同养护制度(标准养护、蒸汽养护)条件的水化性能与孔结构.通过X射线衍射分析、水化热分析、压汞分析、氮吸附测试,以及立方体抗压强度测试评价了EVA乳液在不同养护状态下对水泥水化产物、水化特性、孔结构以及抗压强度的影响.结果...     

基于粗糙集理论与模糊Petri网络的油浸电力变压器综合故障诊断

电力变压器故障诊断因果关系的复杂性与模糊性，采用单一智能方法难以准确描述。文中基于智能互补融合的思想，将粗糙集理论与模糊Petri网络有机结合在一起进行油浸电力变压器故障诊断。利用粗糙集信息表简化技术来实现对专家知识的简化与故障特征的压缩，获得最小诊断规则，基于最小诊断规则的Petri网络模型可以有效降低网络结构的复杂性与故障特征获取的难度。同时利用模糊Petri网络实现并行模糊推理，便于描述故障特征的变化及对变压器运行特性的快速分析。故障实例分析表明，文中所提出的智能方法可以有效地进行模糊推理，减小诊断信息的冗余性，诊断效率高，计算快速、准确，结果易于被人理解。