摘要:变电站二次回路是二次高级集成业务的基础，采用图像识别技术对二次回路的自动特征识别、信息提取，可实现二次回路的智能运维业务。而变电站采集的图片环境背景杂乱、分辨率低以及失真，使得采用图像识别技术识别不规则文本极具挑战。因此，提出一种基于注意力机制的二次回路端子文本检测与识别方法。该方法主要包含预处理、文本检测和文本识别3个部分，其中文本识别部分提出一种时空嵌入编码方法，可以更好利用图片的位置信息。在训练过程中，相较未改进方法仅需要序列级的标注信息，而无需额外细粒度的字符级别框或分割掩码。最后，通过实际工作场景数据集证明该方法不仅易用、性能好，且在识别精度上也优于其他方法。

摘要:针对S变换的时频分辨能力不足导致串联故障电弧特征难以准确提取的弊端，以中心频率测度为标准筛选低频和高频段的主要频率点，分别引入低频和高频段对应的高斯窗口系数，形成一种改进的不完全S变换（improvement incomplete S?transform，IIST）时频分析方法。首先，依据标准搭建串联电弧故障试验采集平台，采集不同负载情况下的电流信号；其次，采用IIST对信号进行时频分析并提取低频和高频段的对应特征量，形成特征向量样本集；最后，在此基础上构建故障电弧诊断模型，对样本集进行分类识别。结果表明，该特征提取方法在支持向量机（support vector machine，SVM）中识别准确率达到98.29%，能有效地提取电流故障特征，通过增设对照实验，探究不同特征提取方法、不同核函数的SVM对诊断结果的影响，进一步验证了IIST与SVM故障诊断方法是有效的。

摘要:针对当前非侵入式负荷辨识中不同设备特征选择上主观性、盲目性的问题，提出基于Fisher?SVM特征选择的非侵入式负荷辨识算法。首先，基于高频采样终端提取入户侧电流、电压原始数据,使用傅里叶变换对原始信号分解得有功、无功及谐波时间序列；其次，将负荷波形分为4个阶段并计算得到负荷波形暂稳态特征；然后，通过Fisher?SVM算法在不同分类器中对特征进行选择，得到最优分类特征子集，并利用Sigmoid函数对结果进行概率校准；最后，根据贝叶斯理论对各分类器进行融合从而实现对不同负荷的辨识。以3类台区831户实际用户进行算法测试。结果表明，该算法能够有效利用不同电器负荷印记的独特性，克服特征选择上的盲目性，提高负荷辨识能力。

摘要:电力刀闸是电力系统基本组成部件,系统运维时刀闸状态往往需要人工多次确认。在此背景下,提出一种新的刀闸状态识别方法。首先,将输入的三维刀闸图像转换为彩色点云数据,并从彩色点云数据中提取场景特征;然后,利用现有的方向直方图颜色特征描述算法,基于局部纹理和形状信息构建识别特征的描述符,并根据给定提取的特征描述符,执行两阶段匹配过程以找到场景和目标的彩色点云模型之间的对应关系;其次,使用霍夫投票算法过滤对应集中的匹配误差,并估计刀闸的初始三维姿态;最后,姿态估计阶段采用随机样本一致性和假设验证算法来改进初始姿态,且过滤带有错误假设的不良估计结果。实验结果表明,该方法不仅能成功识别复杂电力场景中的刀闸部件,而且能准确估计目标的三维姿态信息。

摘要:电压暂降特征参数辨识是评估电压暂降严重性及分析其对设备影响的前提。提出一种相空间重构与原子分解相结合的复杂电压暂降特征参数辨识方法。首先对电压暂降扰动序列进行相空间重构,依据暂降信号的相轨迹特征将扰动波形分割成段,并确定扰动区段的起止时刻;然后构建正弦量原子库,充分利用波形分段结果,按特定方式实现原子参数的有序匹配,获取各段电压暂降波形的特征参数,从而减少原子匹配参数的数量和搜索范围,降低原子分解算法的计算量,保证算法的精度。算例结果表明,该方法能够准确提取电压暂降信号的特征参数,得到描述整个电压暂降过程的参量化解析表示。