变电站二次作业智能辅助系统的研发应用.pdf
《变电站二次作业智能辅助系统的研发应用.pdf》由会员分享,可在线阅读,更多相关《变电站二次作业智能辅助系统的研发应用.pdf(5页珍藏版)》请在咨信网上搜索。
1、132023.08.DQGYCHINA ELECTRICAL EQUIPMENT INDUSTRYPRODVCT AND TECHNIC产品与技术变电站二次作业智能辅助系统的研发应用王昭雷1 符鑫哲2 张 岩2 贾荣正1 姜小静3 周 玮1(1.国网河北省电力有限公司超高压分公司 2.河北科技大学电气工程学院 3.国网河北省电力有限公司石家庄市鹿泉区供电分公司)摘要:以改进卷积神经网络图像分类检测理论为基础,开发了基于“数据云平台”的二次作业智能辅助系统。系统可为变电站基建验收、检修预试、现场消缺等各类作业场景提供智能辅助,改变了“以人为主”的传统二次检修作业模式,实现二次作业数字化智能化的转
2、型,极大提高了变电站二次回路运行维护作业人员的安全与效率。关键词:变电站;二次作业;智能辅助;电缆走向基金项目:河北省自然科学基金(E2019208443);河北省高等学校科学技术研究项目(ZD2021202)。0 引言由于当前国民经济不断提高,群众生活条件与工业生产技术水平都获得极大提高,使得人民的生活和工业生产对电能的要求也有越来越高的要求,以致对能源工业已产生很大的需求,正是由于这些因素,智能变电站的二次系统优化已变成十分迫切的技术需要。经过几年的工程实践经验,对优化设计方案作出相应的调研和剖析。在变电站日常运维、设备改造、缺陷处理等工作中,经常需要确定电缆标号、起始位置、功能等。按照电
3、缆标签寻线是目前最常见的施工方式,电缆标签按照固定格式标示了线缆起点、终点、线缆类型等文字、字母和数字编码。检修人员日常一般是按照电缆标签开展寻线作业,在平时的工作和检修中,十分不便,随着变电站设备的不断改造和更换,配电箱中的电缆会出现更换和维修,在维修过程中会出现电缆线号标签脱落,字迹模糊的情况,导致下次维修人员检修时电缆识别困难,通过施工图很难确定电缆的走向和末端的电气连接状态,人工验证效率低,出错率高1-2。目前运行维护仍以人工检修为主,人工检修具有可靠性高、判断能力强等特点,但是,随着设备的发展设备控制线路复杂且电缆摆放位置狭窄,电缆线纷杂错乱,维护人员检修需要花费大量的时间,仅靠人力
4、不仅有一定危险且工作效率低。因此,开发一款具有智能、快速、准确检测电缆方向识别目标电缆的智能辅助系统是非常必要的。1 系统架构卷积神经网络(Convolutional Neural Network,CNN)3-4在许多方面发挥着巨大的作用,诸多算法中卷积神经网络在图像识别方面有着不可替代的巨大优势。卷积神经网络通过滤波器对输入与输出信息的逐点卷积和池化,将最高层语句数据层层抽取起来,再层层分解,最后实现输入与输出信息的平移旋转变发展绿色电力 保护地球环境2023-08期电器工业杂志排版设计和印刷发排.indd 132023-08期电器工业杂志排版设计和印刷发排.indd 132023/8/8
5、下午2:492023/8/8 下午2:49142023.08.DQGYCHINA ELECTRICAL EQUIPMENT INDUSTRYPRODVCT AND TECHNIC产品与技术化的功能。卷积神经网络可以理解为前馈神经网络结构模式,它的神经元可以响应部分覆盖邻域内的周围单元格,所以使得图像识别功能更快更准。同时卷积神经网络可以应用到很多场合,例如在断路器的故障预测、大型架空电力设备故障识别、无人机图像识别等,它也是诸多深度学习算法中最具有代表性的算法之一。目前随着深度学习理论的发展和数值计算设施不断优化,卷积神经网络在近些年有突飞猛进的进展,并逐渐覆盖到计算机视觉、故障诊断、语言信息
6、处理等领域。卷积神经网络通常是采用模拟生物视觉感知机制,与 BP 神经网络、支持向量机等其他深度学习方法相比,卷积神经网络在图像识别方面有更高的识别精度,由于需要通过图像识别来获取图纸信息,所以卷积神经网络有更大的优势。卷积神经网络避免了冗杂特征量在前期的处理,输入原始的数据就可以得到输出结果,非常方便快捷,当建立大量数据库后,采用卷积神经网络可以充分利用施工图纸信息和在线监测系统优势,构建远程系统数据库和模型库,并应用图像识别、人工智能和5G 专网等先进技术,基于卷积神经网络,开发基于“数据云平台”的二次作业智能辅助系统5。系统基于改进卷积神经网络图像分类检测模型进行现场端子排标号识别,有效
7、提高了图像识别速度和准确率。加快了智能化作业的效率,该系统可为基建验收、检修预试、现场消缺等各类作业场景提供智能辅助,颠覆“以人为主”的传统二次检修作业模式,实现二次作业数字化转型。如图 1 所示,系统由手持终端、智能穿戴设备和数据云平台三部分组成,云平台数据作为智能控制中枢,完成数据存储和高级应用分析;手持终端可完成图像与测量数据采集,通过 5G 专网与平台进行数据交互,并完成功能展示;智能穿戴设备则用于接收缺陷告警信息,方便工作人员及时检修与维护。通过三部分的构成,组成智能辅助系统。图 1 二次作业智能辅助系统架构通常,卷积神经网络在系统应用中主要包括输入层、隐层、隐层单元和输出层。隐式层
8、是卷积网络的核心,包括卷积层、激励层、ELU 层和池化层等几个部分。卷积层定义滑动窗口 filter 的大小,步长 stride,深度 depth。卷积层的主要作用是提取输入图片中的信息,这些信息被称为图像特征,首先将目标图像的特征先进行标记,再通过卷积运算对输入的不同目标图像的不同特征进行提取,提取过程分为很多步,最开始的卷积层提取的可能仅仅是图像轮廓、颜色变化等浅层简单信息,随着更多的迭代次数和卷积层数的增加,提取内容不断加深,信息提取的复杂程度也不断加深,甚至至今没有办法进行物理描述。激励层作用是采取卷积层输出结果进行非线性映射,但是非线性情况无法很好拟合。有的状况下卷积层和激励层一起统
9、称为“卷积层”。池化层是模拟人的视觉系统,使用降采样和抽象的方法对视觉输入对象进行处理,优势是特征不变、防止过拟合等特点。卷积神经网络的卷积层具有多个卷积单元,每个单元的参数特征是通过 SGD 随机梯度下降的反向传播方式得到最优参数。在卷积过程中,前一层的某几个神经元作为本层的输入,来提取特征信息,一旦局部提取完成找到最合适的权重和偏移项,由于神经网络参数共享机制的存在,特征之间的对应数据也被确定下来。2023-08期电器工业杂志排版设计和印刷发排.indd 142023-08期电器工业杂志排版设计和印刷发排.indd 142023/8/8 下午2:492023/8/8 下午2:4915202
10、3.08.DQGYCHINA ELECTRICAL EQUIPMENT INDUSTRYPRODVCT AND TECHNIC产品与技术图 2 二次作业智能辅助系统架构卷积核是根据输入输出对象的局部感受区域的局部差异,通过激活函数的作用重新形成的特征向量,而每一级的输入输出特性向量都是对多个输入或输出对象的卷积结果。本 文 提 出 的 智 能 辅 助 系 统 在 卷 积 神 经 网 络(Convolutional Neural Networks,CNN)的 基 础上,提出了一种全局动态剪枝的深度学习框架,采用全新的决策树(Gradient Boosting Decision Tree,GBDT
11、),GBDT 分类方法作为分类器对不同的目标图像进行分类。首先,模型利用卷积神经网络提取样本的高层次特征信息,由于全局动态剪枝同时在激励层采用(Exponential Linear Units,ELU),ELU 作为激励函数并且附带权重信息,使神经网络泛化能力加强并且防止过拟合的发生并且提高了系统的鲁棒性。其次,用高斯拉普拉斯算子锐化图像特征,首先将数字影像采取低通滤波方法,用来抑制噪声带来的影响。高斯函数在低通滤波器性能表现优异,将数字影像进行低通滤波,大大减少噪声对设备的影响,提高了整个网络对噪声图像处理的能力,最后,将CNN 几次信息的高层特征融合后做标签,用 GBDT做分类检测处理。与
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 变电站 二次 作业 智能 辅助 系统 研发 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。