下载文档原格式
电力系统中的灾害监测与预测研究灾害对电力系统的影响可能导致供电中断，给生活和经济带来巨大损失。
因此，对灾害的监测和预测显得尤为重要。
电力系统中的灾害监测与预测的研究，旨在提前发现灾害迹象，采取相应措施，确保电力系统的可靠运行，并减轻灾害造成的损失。
一、灾害监测方法1. 传感器监测传感器是灾害监测的重要工具，通过安装在关键部位的传感器，可以实时监测电力系统中的多种参数，如电流、电压、温度、湿度等。
传感器能够及时感知异常情况，提供数据支持，从而使运维人员能够快速反应，判别灾害并采取相应的措施。
2. 数据挖掘与分析电力系统中产生的数据通常是海量的，利用数据挖掘和分析算法可以从这些数据中提取有价值的信息。
通过对历史数据进行分析，可以发现潜在的灾害模式和规律，并建立相应的预测模型，从而为灾害的预测提供依据。
3. 图像识别技术图像识别技术在灾害监测中也得到了广泛应用。
通过分析并识别电力系统设备的图像，可以及时发现设备的异常情况，如渗水、腐蚀等。
利用图像识别技术，可以快速定位问题，减少人工巡检的工作量，提高监测的效率和准确性。
二、灾害预测方法1. 统计预测模型统计预测模型是一种基于历史数据进行预测的方法。
通过对历史数据进行统计分析，建立相应的预测模型，可以对未来的灾害情况进行估计。
该方法简单易行，但对历史数据的准确性有一定要求。
2. 机器学习方法机器学习方法是一种通过机器学习算法从数据中学习规律，进而进行预测的方法。
通过输入数据和相应的标签，机器学习算法可以自动学习数据中的关联规律，并对未来的灾害情况进行预测。
机器学习方法可以应用于各种类型的灾害预测，如天气预测、设备故障预测等。
3. 模糊理论预测模糊理论是一种基于模糊数学的推理方法，可以处理不确定性和模糊性。
在灾害预测中，模糊理论可以帮助处理不同因素之间的模糊关系，提供模糊的预测结果，并给出相应的决策依据。
模糊理论适用于处理复杂的灾害情况，但对输入数据的准确性要求较高。
探究计算机视觉技术在铁路检测中的应用1 前言自1825年世界第一条铁路在英国出现以来，铁路已经成为人们不可或缺的交通工具，越来越多的人在使用铁路出行，由于近年来铁路事故频频发生，促使了计算机视觉技术在铁路检测上的广泛使用并大力发展。
传统的铁路检测一直是靠人工和静态检测，这种检测缺乏实时性和准确性，并且效率低下，根本无法满足铁路的发展。
这就要求研究一种新的检测方法来适应环境的发展，人们就试图将计算机视觉技术应用于铁路检测上，并取得了很好的效果。
将计算机视觉技术应用在铁路检测上显著提高了铁路检测的实时性、准确性，有效的减轻了人工检测中工作条件恶劣，工作量大等缺点。
它能在列车行驶的过程中就能对铁路和列车状况进行检测，并及时的做出预警，防止安全事故的发生。
目前有关铁路检测主要集中在铁路信号检测、轨道检测、接触网检测、电力机车检测及站台环境监测等五个方面。
2 计算机视觉技术计算机视觉，也称机器视觉。
它是利用一个代替人眼的图像传感器获取物体的图像，将图像转换成数字图像，并利用计算机模拟人的判别准则去理解和识别图像，达到分析图像和作出结论的目的。
计算机视觉是多学科的交叉和结合，涉及到数学、光学、人工智能、神经生物学、心理物理学、计算机科学、图像处理、图像理解、模式识别等多个领域。
计算机视觉已有多年的发展历程。
随着计算机、控制理论、模式识别、人工智能和生物技术的发展，计算机视觉在机器人、工业检测、物体识别的应用越来越广，研究方向也从二维到三维，从串行到并行，从直接依赖于输入信号的低层处理到依赖于特征、结构、关系和知识的高层处理。
一般的计算机视觉系统是有CCD(电荷耦合器件)摄像机、装备有图像采集板的计算机、光照系统以及专用图像处理软件等组成。
CCD摄像机将所要研究的对象和背景以图像的形式记录下来，这其实是一个光电传感器，将光学信号转成电信号，图像采集板把采集的电信号转为数字信号，即数字化，一般情况下在摄取图像时都需要一个照明系统提供光照，然后再用专用的图像处理软件对图像进行处理，输出分析结果。
基于图像识别的保护压板投退状态辨识方法发表时间：2019-03-06T14:24:48.703Z 来源：《河南电力》2018年17期作者：杨茂周亚树辛亮宾进宽农高照滕昭林[导读] 继电保护压板的运行维护主要是实现电力系统安全稳定运转的必要保障，保护压板的状态监测是二次运维的重要组成（中国南方电网超高压输电公司曲靖局曲靖 655000）摘要：继电保护压板的运行维护主要是实现电力系统安全稳定运转的必要保障，保护压板的状态监测是二次运维的重要组成。
本文主要是通过基于图像识别的方法在一定程度上来获取到电力继电保护压板投退状态的辨识方法，这也是压板投退管理的主要解决措施；文中叙述了保护压板投退状态辨识系统，其在硬件上主要是有摄像机，计算机等集成嵌入终端所组成；在某种程度上充分运用模型聚类匹配方法，在除去椒盐噪音并实现聚类，为图像识别的保护压板投退状态辨识方法提供技术支持。
关键词：图像识别；保护压板；投退状态；辨识方法前言继电网络保护设备的种类相对校对，保护压板的名称和作用差异相对较大，投退状态的逻辑关联在一定程度上也是相对较复杂的，其中记忆错觉，人工监测压板状态很容易让人出现视觉疲劳等情况的出现，也会直接导致保护压板操作过程中的错误出现。
基于对这些现象的出现，我国有很多研究学者通过对防止电力系统继电保护压板操作错误进行了相关分析，其中主要包含了分析压板投退状态的辨识和规范操作流程以及智能压板应用等各方面，然后在通过图像识别方法来获取到继电保护压板投退状态辨识方法进行保护压板投退进行管理，这样能够有效的防止漏投退等现象的出现，从而保障电力系统的安全稳定运行。
一：图像识别的保护压板投退状态辨识方法的分析从某种程度上来看，现有的给予图像识别的继电保护压板投退状态辨识方法，在一定程度上对拍摄角度以及光照变化等方面较为敏感，其缺乏稳定性，是很难在实际系统中得到运用的，并且其技术上使用的仍然还是以往的图像识别方法，没有充分的利用先进技术。
第17卷第5期2017年2月1671—1815(2017)005- 0067 - 07科学技术与工程Science Technology and EngineeringVol. 17 No. 5 Feb. 2017©2017 Sci. Tech. Engrg.基于图像特征的变压器套管憎水性识别方法李和阳孙云莲黄雅鑫黎圣旻佘军伟(武汉大学电气工程学院，武汉430〇72)摘要鉴于当前复合绝缘材料变压器套管监测的现状，利用变压器套管盘面水滴图像特点，提出了基于图像特征的变压器 套管憎水等级识别方法。
首先，该方法采用小波理论对图像进行去噪和增强，增强了图像的视觉效果和细节，然后采用改进 的分水岭方法对图像进行分割，最大程度保证原始图像真实性的同时，得到水滴的边缘。
提取和选择最具表征特性的特征 量。
最后，设计了最小二乘支持向量机分类器，实现了憎水等级的智能识别，给出了仿真结果，并将该方法应用于现场在线监 测系统，取得了较好的效果。
关键词变压器套管憎水性 图像识别 最小二乘支持向量机中图法分类号TP317.4; 文献标志码A变压器是电力系统的主要变电设备，变压器套 管是将变压器内部的高压线引出变压器油箱外部的 装置，它起着绝缘、紧固和支撑引线的作用，必须保 持良好的绝缘性能和受力强度。
由于工作场强高且 易受环境污染，其复合绝缘材料质地的伞裙，常常易 发生老化和积污，绝缘状态逐渐老化，憎水性能大幅 度降低，是引起变压器故障的主要因素之一[1]。
因而，对变压器套管进行憎水性等级识别，及时对套管 进行清污或更换，排除可能存在的不安全隐患，是十 分必要的。
变压器套管在线监测是当前电力系统研究的热 点问题。
目前，国内外变压器套管监测主要是依靠 获取介质损耗因数、电容和末屏电流等技术指标进 行绝缘性能监测[2]。
借助图像特征进行憎水性等 级识别，尚无研究与成果。
现采用基于变压器套管 盘面水滴图像特征进行变压器套管憎水等级识别，与传统方法相比，具有安全可靠、准确高效、经济实 用等特点，为电力系统监测提供了一种有效的技术 手段。
基于特征检测的航拍图像电力线提取方法张少平;杨忠;黄宵宁;吴怀群【摘要】On the basis of analysis of the characteristics of the power lines of aerial images in the unmanned aerial vehicle inspection system, a methodis presented to extract power lines based on the features to overcome the shortcomings of low efficiency and poor results when using simple Ratio edge detector and hough transform to extract power lines. Firstly, the method utilizes Ratio edge detector to get edge points of lines and Hough transform to extract straight lines;secondly, the feature detection algorithm is used to extract power lines; at last, the result of the experiment indicates the algorithm can completely extract power linesfrom aerial images with complicated natural background and it has strong antinoise ability. The algorithm provides guarantee for detecting the typical defects and fault of the power lines, so it has a good practical value.% 在分析输电线路无人机巡检系统航拍图像中电力线特征的基础上，针对单一Ratio 算子和Hough变换提取电力线效率低、效果差的不足，提出一种基于特征检测的电力线提取算法。
压板状态在线监测的研究摘要：针对继电保护装置中压板位置很容易与正常状态不相符的现象，对压板状态在线监测技术进行了研究；同时提出并设计了压板状态在线监测装置。
研究表明，压板状态在线监测技术主要包含压板下口电位采集和分析。
此外，本研究从硬件设计、软件设计以及通信设计等3方面对压板状态在线监测装置进行了研制。
本研究不仅可以极大的减轻运维人员对压板状态周期巡视的压力，还可以消除了变电站运维中的一大隐患，进一步提高了电力系统的可靠性。
1.绪论继电保护装置作为变电站重要的设备，其安全运行与否影响着整个变电站的安全运行。
由于继电保护装置非常重要，在其跳闸回路上，一般都设置有二次压板。
该压板是一个可见的断开点，方便运行人员判断继电保护装置的跳闸回路是否连通，也为检修提供了方便。
但同时，由于这些二次压板的存在，每次都须人工去进行操作，这个过程中完全依赖人员的技术水平、细心程度等人为因素，因此存在发生误操作的可能。
在一些大型的操作、作业时，由于涉及的保护屏柜和压板数量多，在目前变电站少人、无人化的模式下，参与的工作人员人数少，不可避免地存在发生错误的几率，造成压板位置与正常状态不相符的现象，从而给一些事故埋下了隐患[1-2]。
在目前人员精简的情况下，采用一些技术手段实现压板状态的实时识别，并通过无线组网的形式上送集控后台实现压板状态的实时检测，杜绝继电保护二次压板状态核对不到位的错误具有重要的意义。
二次压板状态核对不到位主要有以下两种情况：（1）压板实际投/退状态与运行要求不符；（2）投入的压板压接不到位造成虚接。
随着二次系统防误的发展，为了得到压板的状态，不少厂家纷纷开发研制了新型产品或是提出了一些检测压板状态的方法，目前主要有以下几种压板状态检测原理：(1) 检测重动继电器触点状态。
压板固定在投入状态，用RTU控制重动继电器，将重动继电器的常开触点串入压板回路，并由RTU检测重动继电器触点的开合状态，达到远方遥控压板投退及检测压板投退状态的目的。
基于图像识别技术的电力系统在线监测研究
发表时间：
2019-12-17T09:07:13.187Z 来源：《中国电业》2019年17期 作者： 周林波
[导读] 本文以图像识别技术为研究对象，对其在电力系统在线监测工作中的应用条件进行分析。
摘要：本文以图像识别技术为研究对象，对其在电力系统在线监测工作中的应用条件进行分析。在简要说明总体性技术方案的同时，
在图像处理、二值化阈值选择、电力设备识别、故障判断分析内容中，说明此项技术的应用共条件与具体技术细节。由此为相关技术领域
的应用研究，提供参考材料。
关键词：图像识别；电力系统；在线监测
引言：电力设备运行状态，是保证电网功能性的基础条件，因此也是电网开展内部监控管理工作的重要对象。在具体电力设备的监测
工作中，由于高压设备在运行状态下，难以与电信号形成兼容性转化，因此，在进行此类设备的监控工作中，就产生了一系列的技术问
题，为了克服这一困难，并保证电力系统的监测工作执行状态，需要将图像识别技术作为基础条件，以形成在线化的总体监测方案。
一、总体方案说明
为了提高电力设备的自动化监测水平，需要在现有视频监测技术的基础上，增设图像识别、分析功能，通过对整体系统框架的优化调
整，将电荷耦合器作为图像监测的传感器设备，并安装在电力设备附近适当的位置上。通过仪器对于设备运行状态数据的采集，将其具体
信息内容转化为光信号数据，以此转入到用于监控的计算机设备体系中，通过计算机对于数字图像的采集与分析，定位现场设备可能存在
的异常变化情况，实现对于故障问题的识别与定位。而在此技术分析模式下，需要对电力设备的图像资料进行进一步采集，通过核心程序
发出的实时图像连续采集信号，保证对具体图像资料收集的连续性
[1]。尤其在GPRS无线网络技术中，可以通过计算机中的报警系统，对收
到的实时图像作出反应，以此保证图像采集与预处理工作的有效性，进而加强故障判断的时效性。
二、在线图像识别技术
（一）图像预处理
设备附近的图像采集设备，在完成设备图像资料的采集之后，会将图像数据进行灰度化处理，并使用较为平滑的滤波条件，消除图像
中的噪声信息。在这一预处理技术内容中，可以引入加权系数的平滑模板对图像进行处理，并抑制噪声条件产生的干扰问题。通过图像平
滑控制，使其处于低通滤波状态，在信号的低频部分，可以顺利通过，并在分析处理中完成对于高频部分噪声信号的识别，以此降低噪声
的影响条件。由于对于图像的边缘也进行了平滑处理，但受到其高频部分的影响，会造成图像界面边缘模糊的问题。为了克服这一情况带
来的负面影响，需要在收到具体图像数据资料之后，在计算机程序中，进行相应的取值均衡处理，以此保证整体图像的平整度状态。
（二）二值化阈值选择
为了在图像的识别与计算中，降低对于内存的占用条件，尽可能地提升计算机的运算速率，使图像分析处理能力得到提升，并保证电
气元件图像带灰度处理的同时，将其转化为有效地二值数据信号。而在图像的二值数据信号中，主要可以分为全阈值、局部阈值、动态阈
值这三种方式
[2]。
第一，全阈值二值法在应用中，表现出明显的便捷化特征。然而，在技术手段的应用中，受到噪音的干扰较为明显且光照效果不均匀
的问题一直存在。另外，在直方图中，也没有形成双峰分布曲线，且二值化效果明显相对较低。
第二，在动态阈值法的应用中，对于这几技术模式的选择，主要受到像素坐标位置的影响，而不仅受像素灰度这一单因素的限制。在
动态阈值的特征像素分析过程中，可以有效地突出背景环境，并在展现目标边界上，表现出明显的技术优势，可以对噪声条件有极强的抵
抗能力。也正是由于其良好的抗性条件，导致这一方法的转化，受到实践与空间的较为复杂的限制，使其处理能力与速率水平大打折扣。
第三，最大间方差与之分割法，是作为经典的分析模式，可以在没有参数、监督条件的前提下，形成技术的自适应状态，并在完成独
立分割处理的过程中，省去所有经验知识内容的累积，仅凭借图像灰度直方图数据，就可以实现对于阈值数据的分割处理。在这一技术条
件下，通过全局阈值法二值化的图像处理，在
Ostu法阈值化处理后，可以形成良好的分析力效果，并在一定程度上，适应不同的对比度图
像，以此保证分析的有效性。
（三）电力设备识别
经过以上技术手段的系列化处理，可以在系统结构中，获得干扰水平相对较低，且带有平滑二值图状态的图像。由此，能够完成对于
电力设备元件的细节分析，并在传统模板的匹配计算中，省去大量的无用计算条件，直接提升整体图像处理的速率水平。而在实践应用
中，序贯相似性检测算法的应用条件最为突出，可以完成以上效率化计算目标的同时，保证设备识别的有效性。
具体计算分析的数据模型中，可以进行子图图像数据的搜索，并在图像信息上，设置独立的参考点。在确定了具体子图坐标系统的前
提下，定义绝对值的误差数据。由此，在求取不变阈值的同时，在子图结构中，随机性的选取取像点，然后将这一取像点的数据信息计算
出来，与之前计算的点位误差相加，就可以在累积多次误差计算的前提下，获取到最终的工序管相似性检测算法曲面数据
[3]。
在以上的计算的分析中，可以定位匹配点的基准点条件，并在图像处理中，将其范围缩小到一定的区域中，通过分割单个元件的二值
化图像，形成图像信息矩阵。由此，在识别单元元件完成转化之后，可以提取出具体的模糊矩阵，并在消除其它
“污点”干扰条件的前提
下，保证模糊处理图形的应用条件。在模糊矩阵转化模型矢量的基础上，完成电力设备元件的标准矩阵矢量化处理。
通过这一系列化的元件矢量计算，可完成对于末班图像的模糊化处理，并以此形成标准化的图像资料。然后，将计算分析中，预估出
的绝缘子区域进行标注，以此保证处理结果的精确度，并提升模糊化末班的操作有效性。而对于模糊化的标准图接受，可以在接近程度计
算中，保证对于各种设备元件的计算分析，以此在简化
SSDA算法的同时，提升模糊矩阵计算方式中的抗干扰能力。
（四）故障判断分析
图像的识别与理解中，需要保证计算机视觉处理图像系统目标的明确性，并在判断电力设备运行状态正常条件的前提下，保证设备图
像与数据存储图形的比较条件。执行这一比对分析方式，可以将当前状态下的设备图像信息，与历史数据库系统中的图像资料进行比较，
并在
“差帧法”的比对分析中确定是否存在肉眼可见的故障问题。在技术管理中，如果电力设备外观上，出现机械损伤、结构放电、设备漏
油等问题，都可以在图像的对比分析中，之间通过系统的自动比对分析出来。同时，如果在电气设备中存在突变、毛刺、边缘凸起、轮廓
新增等表面问题，则说明在设备的内部结构中可能存在故障问题。对此，要通过软件系统，对图像的差异化程度作出判断，并在电力设备
的类型条件下，确定设备内故障问题的危险程度，并向整体数据系统释放劲爆信号为故障的及时处理，提供警示信息。通过这种帧数上的
图像系统自对比，可以有效地定位在外观上肉眼不易识别的变化，并将其进行量化定位取值，以此保证整体警告信号系统的指示性作用。
总结：综上，将图像处理技术作为基础，在落实智能识别技术的基础上，可以在电力设备的图像识别与分析中，形成创新性的技术应用条
件。尤其在高压、高危、恶劣环境的负面影响下，可以在减少调度人员负担的基础上，形成智能化的自动监测系统，以此实现对于大多数
故障问题的监测分析。以此，保证整体电力系统的监测工作的应用升级，并在无人化电站技术发展上获得突破。
参考文献：
[1]
张宇航,邱才明,杨帆,等.深度学习在电网图像数据及时空数据中的应用综述[J].电网技术,2019,43(06):1865-1873.
[2]
刘云鹏,许自强,李刚,等.人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述[J].高电压技术,2019,45(02):337-348.
[3]
戴彦,王刘旺,李媛,等.新一代人工智能在智能电网中的应用研究综述[J].电力建设,2018,39(10):1-11.
