基于小波域CHMT模型的110 kV变电站设备超温红外预警方法.pdf
《基于小波域CHMT模型的110 kV变电站设备超温红外预警方法.pdf》由会员分享,可在线阅读,更多相关《基于小波域CHMT模型的110 kV变电站设备超温红外预警方法.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷第期年月计算技术与自动化C o m p u t i n gT e c h n o l o g ya n dA u t o m a t i o nV o l ,N o J u n 收稿日期:作者简介:骆会详(),男,河北衡水人,本科,工程师,研究方向:变电运维,带电检测和变电站故障异常处理等.通信联系人,E m a i l:x i a e i q u n j k c o m文章编号:()D O I:/j c n k i j s j s y z d h 基于小波域C HM T模型的 k V变电站设备超温红外预警方法骆会详(国网青海省电力公司 海东供电公司,青海 海东 )摘要:为了提高 k V
2、变电站设备温度云图分辨率,精准判断设备内部超温位置,研究了基于小波域CHMT模型的 k V变电站设备超温红外预警方法.以CHMT模型作为变电站设备图像小波域的先验知识,将变电站设备超分辨率图像重建问题转换为最优代价函数最小化问题,经共轭梯度法求解后,结合小波变换获取变电站设备超分辨率图像重建结果;通过红外热成像取得 k V变电站设备超分辨率重建图像表面温度场分布状况,获取变电站设备表面温度云图;结合红外热成像非破坏性检测机理,通过AN S Y S软件,确定 k V变电站设备内部缺陷位置.实验结果表明:该方法可有效测量变电站设备温度,检测变电站设备不同时刻的温度场和热流场,发出 k V变电站设备
3、超温红外预警,并且可以准确判断该设备内部缺陷位置.关键词:小波域;CHMT模型;变电站设备;超温预警;图像分辨率;AN S Y S软件中图分类号:T P 文献标识码:AI n f r a r e dE a r l yW a r n i n gM e t h o do f k VS u b s t a t i o nE q u i p m e n tO v e r t e m p e r a t u r eB a s e do nW a v e l e tD o m a i nC HMTM o d e lL UO H u i x i a n g(H a i d o n gP o w e rS u
4、 p p l yC o m p a n y,Q i n g h a iE l e c t r i cP o w e rC o m p a n y,S t a t eG r i dC o r p o r a t i o no fC h i n a,H a i d o n g,Q i n g h a i ,C h i n a)A b s t r a c t:I no r d e r t o i m p r o v e t h er e s o l u t i o no f t e m p e r a t u r en e p h o g r a mo f k Vs u b s t a t i o
5、ne q u i p m e n ta n da c c u r a t e l yj u d g et h e i n t e r n a l o v e r t e m p e r a t u r ep o s i t i o no f e q u i p m e n t,t h e i n f r a r e de a r l yw a r n i n gm e t h o do f k Vs u b s t a t i o ne q u i p m e n to v e r t e m p e r a t u r eb a s e do nw a v e l e t d o m a i
6、 nCHMTm o d e l i s s t u d i e d T h eCHMTm o d e l i su s e da s t h ep r i o rk n o w l e d g e i n t h ew a v e l e td o m a i no f s u b s t a t i o ne q u i p m e n t i m a g e,a n dt h es u b s t a t i o ne q u i p m e n t s u p e r r e s o l u t i o n i m a g e r e c o n s t r u c t i o np r
7、 o b l e mi s t r a n s f o r m e d i n t o t h e o p t i m a l c o s t f u n c t i o nm i n i m i z a t i o np r o b l e m A f t e r b e i n gs o l v e db y t h e c o n j u g a t eg r a d i e n tm e t h o d,t h es u b s t a t i o ne q u i p m e n ts u p e r r e s o l u t i o ni m a g er e c o n s t
8、 r u c t i o nr e s u l t sa r eo b t a i n e d b yc o m b i n i n gt h e w a v e l e tt r a n s f o r m;t h r o u g h i n f r a r e d t h e r m a l i m a g i n g,t h e s u p e r r e s o l u t i o nr e c o n s t r u c t i o n i m a g eo f k Vs u b s t a t i o ne q u i p m e n t s u r f a c e t e m p
9、 e r a t u r e f i e l dd i s t r i b u t i o n i so b t a i n e d,a n dt h es u b s t a t i o ne q u i p m e n t s u r f a c e t e m p e r a t u r ec l o u dm a p i so b t a i n e d;c o m b i n e dw i t ht h en o n d e s t r u c t i v ed e t e c t i o nm e c h a n i s mo f i n f r a r e d t h e r m
10、 a l i m a g i n g,t h e i n t e r n a l d e f e c t l o c a t i o no f k Vs u b s t a t i o ne q u i p m e n t i sd e t e r m i n e dt h r o u g hAN S Y Ss o f t w a r e T h ee x p e r i m e n t a l r e s u l t ss h o wt h a t t h i sm e t h o dc a ne f f e c t i v e l ym e a s u r et h et e m p e
11、r a t u r eo f s u b s t a t i o ne q u i p m e n t a n dd e t e c t t h e t e m p e r a t u r e f i e l da n dh e a t f l o wf i e l do f s u b s t a t i o ne q u i p m e n t a t d i f f e r e n tt i m e s I t i sa n i n f r a r e dw a r n i n g f o r k Vs u b s t a t i o ne q u i p m e n t o v e r
12、 t e m p e r a t u r e,a n dc a na c c u r a t e l yd e t e r m i n e t h e l o c a t i o no f i n t e r n a l d e f e c t so f t h ee q u i p m e n t K e yw o r d s:w a v e l e td o m a i n;CHMTm o d e l;s u b s t a t i o ne q u i p m e n t;o v e r t e m p e r a t u r ew a r n i n g;i m a g e r e s
13、 o l u t i o n;AN S Y Ss o f t w a r e第 卷第期骆会详:基于小波域C HMT模型的 k V变电站设备超温红外预警方法 k V变电站设备存在各种缺点:灵敏度低、资源消耗大、接头处易松动等.一些变电站位于酷热或者酷寒地带,恶劣的环境导致 k V变电站设备无法满足变电站所需功率,影响人民正常用电需求.为排除 k V变电站设备的安全隐患,需要对设备进行实时检测,提高设备安全指数.为此,杨鹏等通过对图像双树复小波域进行建模,经过伽马分布和冯赛斯分布对累积数据参数进行有效地估计后,获得该图像的纹理特征,实现变电站设备检测.纹理特征通过纹理库V i s T e x解析仿
14、真,该方法能提升图像特征分辨率.董本志等通过图像二维离散小波变换取得新的小波域,结合WR D S R网络运用密集连接与残差连接获取图像各频率信息,将获取的全新特征输进亚像素卷积层产生小波子带图像,经过二维离散小波逆变换获取高分辨率图像,用于实时检测变电站设备.但前者无法对图像边缘进行高分辨率重建,导致图像边缘不清晰;后者没有相关性,无法对有规律图像进行高分辨率重建,均导致最终变电站设备检测效果不理想.小波域CHMT模型是在小波域隐马尔可夫树模型(h i d d e nm a r k o vt r e e,HMT)的基础上对图像进行超分辨率重建的一种算法,其能够对图像边缘进行高分辨率重建,使图像
15、边缘清晰;也可分析有规律性图像,对其进行高分辨率重建,有效判断 k V变电站设备内部缺陷区域.为此,研究小波域CHMT模型的 k V变电站设备超温红外预警方法,基于小波域CHMT模型有效分析 k V变电站设备温度场与热流变化,判断设备内部故障范围,保障 k V变电站设备安全.k V变电站设备超温红外预警 基于小波域C HMT模型的变电站设备超分辨率图像重建 基于小波域的变电站设备超分辨率图像分解通过隐马尔可夫树模型分析变电站设备低分辨率(l o wr e s o l u t i o n,L R)图像生成的繁杂过程.如果一幅高分辨率(h i g hr e s o l u t i o n,HR)图
16、像在某环境中被降质处理,生成变电站设备L R图像a幅.其中m维列向量bc(c代表L R图像序号,c,d,d为图像序号总数)为L R图像的序列,n维列向量e为变电站设备HR图像.变电站设备L R图像的观测模型公式为:bcFcGcHceic()其中,运动变形矩阵是Hc;模糊矩阵是Gc;降采样矩阵是Fc;加性噪声是ic,对公式()进行简化,得到:bcJceic()其中,观测矩阵JcFcGcHc.接下来,再将a幅变电站设备L R图像公式进行兼并,获得公式如下:bJ ei()通过L R变电站设备图像b估计HR图像e实现变电站设备超分辨率重建.由于观测矩阵J是高度病态矩阵,对J求逆会受较多噪音干预而无法得
17、出结果.所以要引进规整化方法,为得到安稳及唯一的估计e,利用e的先验知识对解进行抑制.通过贝叶斯的先验概率密度表述e的先验知识.如果公式()中噪音是零均值高斯白噪音,那么经过公式()可以获得原始变电站设备图像e的MA P(最大后验概率)估计e,得到:M(e,)bJe(e,)()其中,噪音方差是;e的能量函数是(e),可能出现的未知参数是;规整化参数是;HMT模型参 考 数.针 对 变 电 站 设 备L R图 像,将式()两面同时正交小波变换,获得该变电站设备图像超分辨率重建的小波域为:L b(L J LE)L eL ibJei()其中,二维小波变换矩阵是L;观测变电站设备图像、原始变电站设备图
- 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:
- 基于小波域CHMT模型的110 kV变电站设备超温红外预警方法 基于 小波域 CHMT 模型 110 kV 变电站 设备 红外 预警 方法
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。