基于分层分布的变电站带电运维智能化技术及应用

针对变电站运维工作中存在的效率低、管理成本高和智能化程度低等问题,将带电检测技术和分层分布的设计思想应用到变电站的智能化运维中,研制了分层分布的变电站智能带电运维系统。提出了分层分布的变电站智能运维模式,并进行了应用验证。该系统成功提高了变电站运维的网络化、自动化和智能化水平,提升了变电站运维的效率和质量,具有良好的推广和应用价值。     

特高压换流变压器局放传输特性仿真研究

变压器内部的局部放电信号微弱且易受电磁干扰,物理试验研究较为困难。为此,本文中笔者以一台±800kV的特高压高端换流变压器为例,基于链式电路模型对局部放电信号在变压器内的传输过程进行仿真计算,分析了特高压换流变压器局放的传输特性。     

特高压换流变压器局放等效模型及放电缺陷设计

以一台特高压换流变压器为原型,基于分布参数的等效性研制了对应的等效缩比模型,结合变压器出厂试验、现场交接试验及运行过程中的实际典型放电性故障,在等效模型上设计了几种放电缺陷类型,实现了在各放电缺陷间的相互独立性,为研究特高压换流变压器的局放问题提供了试验平台。     

基于移动作业的变电智能运检装置设计与应用

针对国网公司提升变电运检装备智能化、小型化、规范化水平的迫切需求,设计并应用了一款基于移动作业的变电智能运检装置。该装置包含软硬件2部分,硬件集成红外仪、RFID、NFC、PTT、定位导航等常规作业功能,通过无线自主网外联局放检测仪、油色谱分析仪等专用仪表和内网管理辅助平台,运检APP遵循"五通一措"运检标准化、规范化作业流程。经过现场实际应用和分析,该装置充分理解并实现变电运检业务,为现场作业提供高效、可靠、安全的技术支持。     

电极覆纸时流动变压器油中金属微粒局部放电特性研究

本研究建立了变压器油循环流动装置,开展了含金属微粒流动变压器油的局部放电（PD）实验,并提取PD特征参数,结合流动变压器油中金属微粒的运动行为,讨论电极覆纸情况对流动变压器油中金属微粒PD的影响机制。结果表明：相比于电极裸露的情况,电极覆盖绝缘纸时,测得的局部放电起始电压升高,放电幅值和频率降低。在双电极裸露与仅下电极...     

基于高频及超声联合的换流变压器局部放电检测研究

为解决换流变压器局部放电检测不准确、定位误差大等问题,提出采用超声联合高频协同检测与定位的方法对换流变压器的局部放电进行在线监测。首先,对超声-高频电流联合检测的原理进行了论述;其次介绍了换流变压器超声-高频电流局部放电检测系统的硬件及软件系统;同时,建立了增广矩阵约束法的超声波信号估计;最后,对换流变压器的局部放电进...     

高热故障下变压器油纸绝缘系统的产气机理研究

针对高热故障下超/特高压变压器内部绝缘系统状态变化和产气机理不清晰而严重制约变压器状态分析诊断的问题,本文基于热焓理论与仿真模拟手段相结合的方式对超/特高压变压器高热故障下油纸绝缘系统特征气体的生成路径与油纸绝缘系统的裂解机理开展研究。依据热焓理论得到气体的生成机理,并利用仿真模拟验证本文所提出的产气机理与路径。结果表明：高热故障下油纸绝缘系统中链烷烃要比环烷烃和双环芳香烃更容易发生裂解,各组分裂解生成特征气体的速率从大到小依次为纤维素、链烷烃、环烷烃、双环芳香烃。根据气体生成能可知,特征气体CH₄和C₂H₆最容易生成,C₂H₂最难生成,可通过特征气体在油纸绝缘系统中的生成速率判断高热故障的严重程度。     

基于扩展Meanshift电气设备发热故障区域提取方法

在红外电气故障监测中,设备过热故障区通常表现出高亮度等特点,然而现有的提取方法因红外图像固有的低对比度、边界模糊等特点容易引起提取区域范围增大.为此,本文提出了一种基于扩展的均值漂移聚类的红外图像故障过热区域提取方法,引入了基于邻域灰度的权重因子.同时,为了提升聚类效率,摒弃了传统均值漂移算法遍历整个红外图像平面进行迭代聚类的方法,融合了自高向低的聚类阈值分割机制,使得改进的均值漂移算法能快速地将故障区域像素进行聚类,实现红外图像中热故障区域的有效提取.实验结果表明本文区域提取性能优于目前现有的一些方法以及传统均值漂移聚类方法.     

基于移动网络的手持式电力数据采集分析装置的设计与实现

介绍了一种基于移动平台的手持式一体化电力数据采集分析装置,即智能运检盒子。智能运检盒子作为运检工作现场侧与电网公司中心侧的桥梁,实现现场侧和中心侧的数据和资源共享。一方面可以规范现场操作、规范数据采集和实时上传运维试验数据。另一方面,运维人员可以在现场随时呼叫电网中心侧的资源,为现场运维提供技术指导。智能运检盒子的应用,对提高现场运维的专业化和智能化水平、提升运检工作效率和设备状态管控能力、强化状态检修和辅助决策及推动智能电网建设具有重要意义。     

一种随机的视觉显著性检测算法

图像处理与模式识别技术一样,依赖于高质量的视觉显著性图(saliency map)才能得到较好的处理结果.现有的视觉显著性检测技术通常只能检测得到粗糙的视觉显著性图;这些粗糙的视觉显著性图应用于图像处理中将严重影响图像处理的最终结果.本文提出了一种随机的基于内容的视觉显著性区域检测算法;该算法整合多层次粗糙的视觉显著性图到结果显著性图中,并逐步自适应地精化可信度不高的显著性值,最终得到一个考虑了多尺度特征的精细的视觉显著性结果.因为随机算法具有执行效率高,占用内存少等特点;本文的高效随机视觉显著性检测算法不需要建立额外的辅助数据结构来加速算法,只需占用少量内存就能快速检测出精细的高质量视觉显著性结果.并且高效随机的视觉显著性检测算法可以直接移植到GPU上并行执行;大量的实验结果表明本文的算法可以得到更加精细的显著性结果,这些精细的显著性结果应用于基于内容的图像缩放中得到了较好的处理结果.