基于高光谱技术的绝缘子污层电导检测方法

    公开(公告)号:CN109799440B

    公开(公告)日:2021-06-18

    申请号:CN201910246923.8

    申请日:2019-03-29

    IPC分类号: G01N21/94 G01R27/02 G01R31/12

    摘要: 本申请公开基于高光谱技术的绝缘子污层电导检测方法,包括拆取待测区域若干个绝缘子,测量绝缘子在不同潮湿程度下的污层电导;利用高光谱成像仪拍摄绝缘子,得到绝缘子在不同污层电导情况下的高光谱图像;对高光谱图像进行黑白校正、平滑去噪、多元散射校正;对谱线进行特征波段提取;将提取的特征波段数据作为训练数据,采用支持向量机构建绝缘子污层电导等级判别模型;获取待测污秽绝缘子的特征波段数据;根据绝缘子污层电导等级判别模型对待测绝缘子的特征波段数据进行等级判别。本申请能在输变电系统带电情况下,对现场绝缘子进行非接触的污层电导实时检测,为绝缘子的绝缘状态评估分析提供方便实时准确的绝缘子表面污层电导。

    一种复合绝缘子憎水性检测及高光谱图像拍摄多用装置

    公开(公告)号:CN112924333A

    公开(公告)日:2021-06-08

    申请号:CN202110111024.4

    申请日:2021-01-27

    IPC分类号: G01N13/00 G01N21/25

    摘要: 本申请示出了一种复合绝缘子憎水性检测及高光谱图像拍摄多用装置,包括:箱体、LED灯、绝缘子悬挂结构、图像拍摄装置、扫描装置、喷水装置、升降结构、集水盘、储水箱、对称光源、黑色摄影背景布、校正白板、高光谱成像装置以及三脚架。采用该多用装置,对复合绝缘子的伞裙进行精确定量的喷水,并拍摄绝缘子表面憎水情况的图片,利用相关图像处理技术分析憎水性,从而判断绝缘子憎水性状态,确定憎水性级别;同时,在不挪动绝缘子位置的情况下,利用高光谱仪对绝缘子进行高光谱图像拍摄。本申请示出的多用装置,能大幅缩减憎水性实验的人工量,同时满足高光谱仪的拍摄条件,实现采用同一装置完成憎水性实验及高光谱影像拍摄,大幅提高工作效率。

    一种用于调节铁塔角度的装置及输电铁塔

    公开(公告)号:CN112900954A

    公开(公告)日:2021-06-04

    申请号:CN202110074558.4

    申请日:2021-01-20

    IPC分类号: E04H12/08 E04H12/22 E04H12/20

    摘要: 本申请提供一种用于调节铁塔角度的装置及输电铁塔,所述装置包括:蜗轮蜗杆传动机构、固定机构和双向铰接架,固定机构的一端通过双向铰接架与蜗轮蜗杆传动机构连接,另一端为固定端;双向铰接架包括对称设置的两个安装孔,其中一个所述安装孔与固定机构活动连接,另一个安装孔与铁塔支腿连接。蜗轮蜗杆传动机构包括:运动杆、蜗杆、动力蜗轮、动力杆和动力传动键;蜗杆设置在运动杆的底部,蜗杆与动力蜗轮啮合连接,动力杆通过动力传动键与动力蜗轮连接。本申请通过蜗轮蜗杆传动机构上下运动的带动下调节铁塔角度,可以调节发生倾斜的输电铁塔,防止倒塌。同时,通过调节输电铁塔的角度,可以为卫星监测提供定标的标准输电铁塔。

    一种基于机器学习的电网地质沉降隐患风险预测方法

    公开(公告)号:CN112836897A

    公开(公告)日:2021-05-25

    申请号:CN202110240319.1

    申请日:2021-03-04

    IPC分类号: G06Q10/04 G06Q10/06 G06Q50/06

    摘要: 本申请提供一种基于机器学习的电网地质沉降隐患风险预测方法,包括:确定电网地理区域,并以预设的间隔将所述电网地理区域划分为地理网格;获取样本地理网格中的第一特征数据并进行相应的处理;将第一特征数据和第一预测变量,输入训练模型中,获得电网地质沉降隐患点分类预测模型;将待预测地理网格的第二特征数据输入至电网地质沉降隐患点分类预测模型中,得到第二预测变量;若所述第二预测变量为1,则待预测地理网格存在电网地质沉降隐患风险点。本申请能够有效解决卫星定点监测周期较长,并且得出的预测结果,可以给各个应急单位提供应对电网地质沉降的辅助指导,并且可以及时发现电网地质沉降隐患风险点,提前做好应急处理的方案。

    一种基于层次分析法的电网地质沉降风险评估方法

    公开(公告)号:CN112766688A

    公开(公告)日:2021-05-07

    申请号:CN202110036941.0

    申请日:2021-01-12

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本申请提供一种基于层次分析法的电网地质沉降风险评估方法,包括建立电网地质沉降风险评估指标体系,构建层次结构模型,构造各层次中所有判断矩阵,对层次结构模型进行层次单排序及一致性检验和通过层次结构模型计算各电网区域地质沉降风险权重指标,根据指标大小进行排序。本申请综合考虑影响电网地质沉降的自然因素及其人为因素,考虑的因素较为全面,构建了一个相对完善的电网地质沉降风险评估指标体系;同时各指标可以动态变化,有效解决了卫星观测时间周期较长的问题。风险评估结果能够给各应急单位提供应对电网地质沉降的辅助指导,能够有效进行电网地质沉降灾害的防治及快速处理工作。

    一种电流极导致的测量不确定评估方法及装置

    公开(公告)号:CN110764038B

    公开(公告)日:2021-03-02

    申请号:CN201911106633.X

    申请日:2019-11-13

    IPC分类号: G01R35/00

    摘要: 本申请公开一种电流极导致的测量不确定评估方法及装置,通过获取以电流极几何中心为球心以数个预设值为半径的土壤半球面上的电势和电场强度;获取立体角;计算土壤半球面上的平均电场强度与电场强度值偏差之和的平均值,以及,立体角和半径为预设值时对应的球面上平均电场强度与电场强度值偏差之和的平均值,获取以电流极几何中心为圆心以数个预设值为半径的土壤表面圆周上的电势和电场强度,获取圆心角,计算土壤表面圆周上的平均电场强度与电场强度值偏差之和的平均值,以及,在土壤表面圆心角对应圆弧的平均电场强度与电场强度值偏差之和的平均值,实现对地网接地电阻逆向短距测量中电流极选址导致测量结果不确定的评估。

    一种基于同相电容型设备的电压重构MOA阻性电流测试方法

    公开(公告)号:CN112305352A

    公开(公告)日:2021-02-02

    申请号:CN202011135112.X

    申请日:2020-10-20

    IPC分类号: G01R31/00 G01R31/52 G01R19/25

    摘要: 本申请一种基于同相电容型设备的电压重构MOA阻性电流测试方法,涉及MOA阻性电流测试技术领域,包括:通过电流传感器CT1获取避雷器接地引下线电流信号IX;通过电流传感器CT2获取同相电容型设备接地引下线电流信号Ii,同步接收IX和Ii,并通过信号放大器将器转换为K1IX和K2Ii;通过A/D转换器将所述K1IX和K2Ii分别转换为数字量输出;通过两个所述数字量求取Φx和Φi;将Φx和Φi进行相位比较得出相角差θ';再通过介质损耗角δ=arctan(b)求取θ=θ'+δ;最后求取阻性电流IR=IX×sinθ。本申请通过测得电容型设备的容性电流和氧化锌避雷器的泄漏电流,即可计算出避雷器的阻性电流。无需使用电压互感器提取电压,能够避免电压互感器提取电网电压时容易引起保护装置动作的因素,提高了测量的安全性与稳定性。

    一种验证双端测距定位公式可靠性的方法和模拟设备

    公开(公告)号:CN111830452A

    公开(公告)日:2020-10-27

    申请号:CN202010712269.8

    申请日:2020-07-22

    IPC分类号: G01R35/00 G01R31/08

    摘要: 本申请提供一种验证双端测距定位公式可靠性的方法和模拟设备,该方法包括:信号发生器用于在模拟线路的目标位置产生目标模拟故障信号;第一同步时钟设备用于获取接收到的第一模拟故障信号的第一时间戳t1;第二同步时钟设备用于获取接收到的第二模拟故障信号的第二时间戳t2;工控机用于根据模拟线路的总长度L、目标模拟故障信号在模拟线路中的传播速度v、第一时间戳t1和第二时间戳t2,利用双端测距定位公式计算故障距离x计算;在计算出的故障距离x计算与实际故障距离x实际相匹配的情况下,确定双端测距定位公式适用于气体绝缘输电线路GIL的故障位置检测。无需建设试验基地,降低了经济成本和时间成本。

    基于改进K-means算法的高光谱图像分类方法及装置

    公开(公告)号:CN111611954A

    公开(公告)日:2020-09-01

    申请号:CN202010465998.8

    申请日:2020-05-28

    IPC分类号: G06K9/00 G06K9/62 G06N3/12

    摘要: 本申请涉及高光谱图像处理技术领域,特别地,涉及一种基于改进K-means算法的高光谱图像分类方法及装置。一定程度上可以解决高光谱遥感的图像光谱维度高、聚类中心获取不合理、分类耗时的问题。所述方法采用带权重的欧式距离作为距离函数,能有效的提升了高光谱图像的分类精度。首先对原始图像进行预处理,使用主成分分析方法降低高光谱图像的光谱维度,然后对数据进行归一化处理。将完整的图像数据输入到将加权欧式距离作为距离函数的K-means算法进行分类,最终得到高光谱图像中每个像素的分类结果。