CN110399922A - 继电保护压板状态的分析方法及*** - Google Patents

继电保护压板状态的分析方法及*** Download PDF

Info

Publication number
CN110399922A
CN110399922A CN201910677025.8A CN201910677025A CN110399922A CN 110399922 A CN110399922 A CN 110399922A CN 201910677025 A CN201910677025 A CN 201910677025A CN 110399922 A CN110399922 A CN 110399922A
Authority
CN
China
Prior art keywords
pressing plate
relay
protection pressing
state
protection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910677025.8A
Other languages
English (en)
Inventor
顾军萍
李浩闪
赵艳坤
赵国强
刘玉峰
刘露
孙永辉
乔亚鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Xingtang Power Supply Co of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hebei Electric Power Co Ltd
Xingtang Power Supply Co of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Hebei Electric Power Co Ltd, Xingtang Power Supply Co of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910677025.8A priority Critical patent/CN110399922A/zh
Publication of CN110399922A publication Critical patent/CN110399922A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Emergency Protection Circuit Devices (AREA)

Abstract

本发明提供继电保护压板状态的分析方法，包括获取继电保护压板的历史记录，对其进行图像分割、提取特征量；构建基于决策树分类算法的继电保护压板状态分析模型；输入待判断继电保护压板的信息，得到待判断继电保护压板的状态类别。同时，本发明提供了继电保护压板状态的分析***，包括历史记录获取模块，图像分割模块，模型构建模块，待判断继电保护压板的信息获取模块，继电保护压板的状态分析模块和结果输出模块。采用本发明的技术方案，利用保护压板状态的历史数据，基于决策树分类算法，构建继电保护压板状态分析模型，可对后期继电保护压板投入和退出状态进行正确识别，有效提高确定检修压板的状态的可靠性。

Description

继电保护压板状态的分析方法及***
技术领域
本发明涉及电力***继电保护技术领域，特别涉及一种继电保护压板状态的分析方法。同时，本发明还涉及一种继电保护压板状态的分析***。
背景技术
继电保护功能一般由保护装置、纵联通道及接口设备、电缆二次回路等设备实现，智能变电站继电保护***除了上述设备之外，还包含合并单元、智能终端、过程层交换机等设备。在具体实施中，保护装置与智能终端之间采用光纤点对点连接。
在运维检修人员执行现场安全措施时，一般需要在保护装置和智能终端上投入和退出检修压板。继电保护压板投入和退出状态的准确性，是电网安全可靠运行的关键。近几年，众多学者对保护压板投入和退出状态的可靠检测、快速识别进行了大量研究。现有技术中，对于检修压板的状态是通过GOOSE报文的TEST位确定，TEST位为1表示投入，TEST位为0表示退出。由于0与1之间只存在一个bit位的差异，1误置为0的风险较高，所以该方法可靠性低，容易失效而导致误判。
CN106410973A公开了一种智能变电站继电保护装置的检修状态的分析方法，光耦将获取的检修压板的开入量同时传输至CPU和FPGA，CPU在接收到开入量后，结合当前的GOOSE报文设置TEST位，然后生成新GOOSE报文并发送至FPGA，FPGA在接收到新GOOSE报文后，判断新GOOSE报文中的TEST位的数据是否与自身接收到开入量相符合，只有在二者相符合的情况下，才将新GOOSE报文发送出去。由此可见，通过FPGA的再次判断形成冗余的方式，可确定检修压板的状态的可靠性，减少失效或误判的概率。另外，本方法无需更改GOOSE报文原有结构及配置。但是，如何进一步提高继电保护压板状态分析方法的可靠性，成为本领域技术人员亟待解决的问题。
发明内容
有鉴于此，本发明旨在提出一种继电保护压板状态的分析方法，以提高继电保护压板状态的分析方法的可靠性。
为达到上述目的，本发明的技术方案是这样实现的：
一种继电保护压板状态的分析方法，包括下列步骤
a、获取继电保护压板的历史记录，将所述历史记录分为投入和退出两个状态类别；
b、采用图像分割算法对所述历史记录进行图像分割，后进行特征量提取；
c、基于所述特征量和所述两个状态类别，构建基于决策树分类算法的继电保护压板状态分析模型；
d、获取待判断继电保护压板的信息；
e、采用图像分割算法对所述待判断继电保护压板的信息进行图像分割和特征提取，利用步骤c构建的所述继电保护压板状态分析模型，得到所述待判断继电保护压板的状态类别；
f、输出所述状态类别。
进一步的，所述特征量包括压板区域的大小、长轴长度、短轴长度和周长。
进一步的，构建基于决策树分类算法的继电保护压板状态分析模型的方法包括下列步骤：
c1、计算分类所需的期望信息
式(1)中，S为历史数据集，其中投入状态的记录数为m,退出状态的记录数为n；
c2、计算由属性A划分成子集的信息量
式(2)中，A属性的取值为{A1，A2，…，Ai},利用属性A将数据集S分为{S1，S2，…，Si}个子集。
c3、计算属性A的信息熵公式
c4、计算属性A的信息增益
Gain(A)＝Info(S)-InfoA(S) (4)
c5、计算属性A的信息增益率
进一步的，所述图像分割算法为基于区域、基于阈值或基于边缘的算法中的任意一种。
进一步的，所述图形分割算法为mean shift算法。
同时，本发明还提供了一种继电保护压板状态的分析***，以实现上述继电保护压板状态的分析方法。
为达到上述目的，本发明的技术方案是这样实现的：
一种继电保护压板状态的分析***，包括
历史记录获取模块，其被设置为用于获取继电保护压板的历史记录，将所述历史记录分为投入和退出两个状态类别；
图像分割模块，连接于所述历史记录获取模块，其被设置为用于采用图像分割算法对所述历史记录进行图像分割，后进行特征量提取；
模型构建模块，连接于所述图像分割模块，其被设置为用于基于所述特征量和所述两个状态类别，构建基于决策树分类算法的继电保护压板状态分析模型；
待判断继电保护压板的信息获取模块，连接于所述模型构建模块，其被设置为用于获取待判断继电保护压板的信息；
继电保护压板的状态分析模块，，连接于所述待判断继电保护压板的信息获取模块，其被设置为用于基于待判断继电保护压板的信息，采用图像分割算法对所述待判断继电保护压板的信息进行图像分割和特征提取，利用构建的所述继电保护压板状态分析模型，得到所述待判断继电保护压板的状态类别；
结果输出模块，连接于所述继电保护压板的状态分析模块，其被设置为用于输出所述状态类别。
进一步的，所述特征量包括压板区域的大小、长轴长度、短轴长度和周长。
进一步的，构建基于决策树分类算法的继电保护压板状态分析模型的方法包括下列步骤：
步骤1、计算分类所需的期望信息
式(1)中，S为历史数据集，S中只有投入状态和退出状态两种,其中投入状态的记录数为m,退出状态的记录数为n；
步骤2、计算由属性A划分成子集的信息量
式(2)中，A属性的取值为{A1，A2，…，Ai},利用属性A将数据集S分为{S1，S2，…，Si}个子集。
步骤3、计算属性A的信息熵公式
步骤4、计算属性A的信息增益
Gain(A)＝Info(S)-InfoA(S) (4)
步骤5、计算属性A的信息增益率
进一步的，所述图形分割算法为基于区域、基于阈值或基于边缘的算法中的任意一种。
进一步的，根据权利要求9所述的继电保护压板状态的分析方法，其特征在于：所述图形分割算法为mean shift算法。
相对于现有技术，本发明具有以下优势：
采用本发明的技术方案，利用保护压板状态的历史数据，基于决策树分类算法，构建继电保护压板状态分析模型，可对后期继电保护压板投入和退出状态进行正确识别，有效提高确定检修压板的状态的可靠性，减少失效或误判的概率，为电网设备的安全运行又增加了一道防线。同时，本发明的继电保护压板状态分析模型，不断累积新的历史数据，提高了继电保护压板退投状态判断的准确度，进一步提高确定检修压板的状态的可靠性。
附图说明
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例1的继电保护压板状态的分析方法的流程图；
图2为本发明实施例1的继电保护压板状态的分析***的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本领域技术人员知道，本发明的实施方式可以实现一种***、装置、设备、方法或计算机程序。因此，本发明可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制意义。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明涉及继电保护压板状态的分析方法，其主要设计思想在于：通过利用压板状态的历史数据，并改进改进的决策树分类算法，进而构建继电保护压板状态分析模型。
通过该整体设计思想的设置，能够正确识别后期继电保护压板退投状态，进而有效提高确定检修压板的状态的可靠性，最终达到确保电网设备的安全运行的目的。
实施例1
基于如上设计思想，本发明的其中一种具体限定方案中，继电保护压板状态的分析方法(如图1所示)，包括下列步骤：
a、获取继电保护压板的历史记录，启动摄像头，对准要拍摄的保护压板，进行图像拍照。将所述历史记录分为投入和退出两个状态类别；并同时输入保护压板的投入或退出状态。构成保护压板的历史数据集。
b、采用图像分割算法算法对所述历史记录进行图像分割，由于保护压板的图像边缘条件并不复杂，因此采用常规的图像分割方法即可，最终得到分割后的一系列图像区域。后进行提取特征量，这些图像区域可由多种特征量表示，例如颜色、边缘、形状，压板区域大小、长轴长度、短轴长度和周长，非压板区域压板区域大小、长轴长度、短轴长度和周长等。
c、基于所述特征量和所述两个状态类别，构建基于决策树分类算法的继电保护压板状态分析模型。
d、获取待判断继电保护压板的信息，启动摄像头，对准要拍摄的保护压板，进行图像拍照。
e、基于待判断继电保护压板的信息，采用图像分割算法对所述待判断继电保护压板的信息进行图像分割，最终得到分割后的一系列图像区域。后进行提取特征量，这些图像区域可由多种特征量表示，例如颜色、边缘、形状，压板区域大小、长轴长度、短轴长度和周长，非压板区域压板区域大小、长轴长度、短轴长度和周长等。利用步骤c构建的所述继电保护压板状态分析模型，得到所述待判断继电保护压板的状态结果。
f、基于所述的状态结果，得到所述待判断继电保护压板的状态类别。同时，该待判断继电保护压板的信息及得到的状态结果将作为历史数据构成保护压板的历史数据集。
采用本发明的技术方案，利用压板状态的历史数据，构建继电保护压板状态分析模型，可对后期继电保护压板退投状态进行正确识别，有效提高确定检修压板的状态的可靠性，减少失效或误判的概率，为电网设备的安全运行又增加了一道防线。同时，本发明的继电保护压板状态分析模型，不断累积新的历史数据，提高了继电保护压板退投状态判断的准确度，进一步提高确定检修压板的状态的可靠性。
为了进一步提高所述继电保护压板状态的分析方法的准确性，在本发明的其中一种具体实施方式中，所述特征量包括压板区域大小、长轴长度、短轴长度和周长。
为了进一步提高所述继电保护压板状态的分析方法的准确性，在本发明的另一种具体实施方式中，构建基于决策树分类算法的继电保护压板状态分析模型的方法包括下列步骤：
本实施例中，S为历史数据集，S中只有投入状态和退出状态两种,假设其中投入状态的记录数为m,退出状态的记录数为n；则计算分类所需的期望信息的公式为
假设决策树的根为A属性，A属性的取值为{A1，A2，…，Ai},利用属性A将数据集S分为{S1，S2，…，Si}个子集。其中Si为S中属性A取Ai值的样本实例数据,那么，计算由属性A划分成子集的信息量的公式为
计算属性A的信息熵公式为
计算属性A的信息增益为
Gain(A)＝Info(S)-InfoA(S) (4)
计算属性A的信息增益率为
基于改进的决策树分类算法，于各特征量选出信息增益率最大值的特征量作为分类属性，即分为投入和退出两大类，构建继电保护压板状态分析模型，极大减少了算法的时间，进而提高了保护压板状态分析的效率。
为了进一步提高所述继电保护压板状态的分析方法的准确性，在本发明的其中一种具体实施例方式中，所述图像分割算法为基于区域、基于阈值或基于边缘的算法。优选的，所述图形分割算法为mean shift算法。该算法是一种特征空间分析方法，运用于图像分割时，统一考虑图像的空间信息和色彩(或灰度等)信息，组成一个p+维的向量x＝(xs，xr)，其中，xs表示坐标空间(spatia，px，py)；xr表示颜色空间(range：[r，g，b])，若图像为灰度，则p＝1，若图像为彩色RGB，则p＝3。分别用xi和zi(i＝1，…，n)表示原始和分割后的图像。
定义向量：
式(7)中，ω(xi)为采样点xi的权重。离其近的采样点，xi有较大的权重，即离x越近的采样点对估计x周围的统计特征越有效；反之亦然。
定义核函数来估计x的分布：
式(8)中，hs和hr可看做分割分辨率，分布代表坐标空间和颜色空间的带宽，其值越大，越多的图像细节就会被忽略；C为归一化常量。
分割的具体步骤如下(对每一个像素点)：
步骤1，初始化j＝1，并且使yi,1＝xi；
步骤2，计算mh(x)；
步骤3，把mh(x)赋给x；
步骤4，如果‖mh(x)-x‖＜ε，分割结束，记收敛后的值为yi,c，否则，继续执行步骤1；
步骤5，赋值
步骤6，收敛至同一点的起始点归为一类，合并像素点过少的类，融合局部像素，得到分割结果。
为了便于更好地理解本发明的继电保护压板状态分析方法技术方案，作为示例性举例说明，在图2中还大致展示出了一个本发明的继电保护压板状态分析***的实施例的组成。
如图2所示，在这个实施例中，该继电保护压板状态分析***包括历史记录获取模块，图像分割模块，模型构建模块，待判断继电保护压板的信息获取模块，继电保护压板的状态分析模块和结果输出模块。
历史记录获取模块，其被设置为用于获取继电保护压板的历史记录，将所述历史记录分为投入和退出两个状态类别；
图像分割模块，连接于所述历史记录获取模块，其被设置为用于采用图像分割算法对所述历史记录进行图像分割，后进行特征量提取；
模型构建模块，连接于所述图像分割模块，其被设置为用于基于所述特征量和所述两个状态类别，构建基于决策树分类算法的继电保护压板状态分析模型；
待判断继电保护压板的信息获取模块，连接于所述模型构建模块，其被设置为用于获取待判断继电保护压板的信息；
继电保护压板的状态分析模块，，连接于所述待判断继电保护压板的信息获取模块，其被设置为用于基于待判断继电保护压板的信息，采用图像分割算法对所述待判断继电保护压板的信息进行图像分割和特征提取，利用构建的所述继电保护压板状态分析模型，得到所述待判断继电保护压板的状态类别；
结果输出模块，连接于所述继电保护压板的状态分析模块，其被设置为用于输出所述状态类别。
需要说明的是，本实施例提供的继电保护压板状态分析方法中的步骤，可以利用本实施例的继电保护压板状态分析***中对应的模块、装置等予以实现，本领域技术人员可以参照所述***的技术方案实现所述方法的步骤流程，即所述***中的实施方式可理解为实现所述方法的优选例，在此不予赘述。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种继电保护压板状态的分析方法，其特征在于：所述继电保护压板状态的分析方法包括下列步骤
a、获取继电保护压板的历史记录，将所述历史记录分为投入和退出两个状态类别；
b、采用图像分割算法对所述历史记录进行图像分割，后进行特征量提取；
c、基于所述特征量和所述两个状态类别，构建基于决策树分类算法的继电保护压板状态分析模型；
d、获取待判断继电保护压板的信息；
e、采用图像分割算法对所述待判断继电保护压板的信息进行图像分割和特征提取，利用步骤c构建的所述继电保护压板状态分析模型，得到所述待判断继电保护压板的状态类别；
f、输出所述状态类别。
2.根据权利要求1所述的继电保护压板状态的分析方法，其特征在于：所述特征量包括压板区域的大小、长轴长度、短轴长度和周长。
3.根据权利要求1所述的继电保护压板状态的分析方法，其特征在于：构建基于决策树分类算法的继电保护压板状态分析模型的方法包括下列步骤：
c1、计算分类所需的期望信息
式(1)中，S为历史数据集，其中投入状态的记录数为m,退出状态的记录数为n；
c2、计算由属性A划分成子集的信息量
式(2)中，A属性的取值为{A1，A2，…，Ai},利用属性A将数据集S分为{S1，S2，…，Si}个子集。
c3、计算属性A的信息熵公式
c4、计算属性A的信息增益
Gain(A)＝Info(S)-InfoA(S) (4)
c5、计算属性A的信息增益率
。
4.根据权利要求1-3中任一项所述的继电保护压板状态的分析方法，其特征在于：所述图像分割算法为基于区域、基于阈值或基于边缘的算法中的任意一种。
5.根据权利要求4所述的继电保护压板状态的分析方法，其特征在于：所述图形分割算法为mean shift算法。
6.一种继电保护压板状态的分析***，其特征在于：所述继电保护压板状态的分析***包括
历史记录获取模块，其被设置为用于获取继电保护压板的历史记录，将所述历史记录分为投入和退出两个状态类别；
图像分割模块，连接于所述历史记录获取模块，其被设置为用于采用图像分割算法对所述历史记录进行图像分割，后进行特征量提取；
模型构建模块，连接于所述图像分割模块，其被设置为用于基于所述特征量和所述两个状态类别，构建基于决策树分类算法的继电保护压板状态分析模型；
待判断继电保护压板的信息获取模块，连接于所述模型构建模块，其被设置为用于获取待判断继电保护压板的信息；
继电保护压板的状态分析模块，，连接于所述待判断继电保护压板的信息获取模块，其被设置为用于基于待判断继电保护压板的信息，采用图像分割算法对所述待判断继电保护压板的信息进行图像分割和特征提取，利用构建的所述继电保护压板状态分析模型，得到所述待判断继电保护压板的状态类别；
结果输出模块，连接于所述继电保护压板的状态分析模块，其被设置为用于输出所述状态类别。
7.根据权利要求6所述的继电保护压板状态的分析***，其特征在于：所述特征量包括压板区域的大小、长轴长度、短轴长度和周长。
8.根据权利要求6所述的继电保护压板状态的分析***，其特征在于：构建基于决策树分类算法的继电保护压板状态分析模型的方法包括下列步骤：
步骤1、计算分类所需的期望信息
式(1)中，S为历史数据集，其中投入状态的记录数为m,退出状态的记录数为n；
步骤2、计算由属性A划分成子集的信息量
式(2)中，A属性的取值为{A1，A2，…，Ai},利用属性A将数据集S分为{S1，S2，…，Si}个子集。
步骤3、计算属性A的信息熵公式
步骤4、计算属性A的信息增益
Gain(A)＝Info(S)-InfoA(S) (4)
步骤5、计算属性A的信息增益率
。
9.根据权利要求6-8中任一项所述的继电保护压板状态的分析***，其特征在于：所述图形分割算法为基于区域、基于阈值或基于边缘的算法中的任意一种。
10.根据权利要求9所述的继电保护压板状态的分析***，其特征在于：所述图形分割算法为mean shift算法。
CN201910677025.8A 2019-07-25 2019-07-25 继电保护压板状态的分析方法及*** Pending CN110399922A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910677025.8A CN110399922A (zh) 2019-07-25 2019-07-25 继电保护压板状态的分析方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910677025.8A CN110399922A (zh) 2019-07-25 2019-07-25 继电保护压板状态的分析方法及***

Publications (1)

Publication Number Publication Date
CN110399922A true CN110399922A (zh) 2019-11-01

Family

ID=68326057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910677025.8A Pending CN110399922A (zh) 2019-07-25 2019-07-25 继电保护压板状态的分析方法及***

Country Status (1)

Country Link
CN (1) CN110399922A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191721A (zh) * 2019-12-30 2020-05-22 国网浙江省电力有限公司宁波供电公司 基于ai技术的保护压板状态识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971182A (zh) * 2017-02-06 2017-07-21 王兴照 嵌入式电力继电压板投退状态智能识别装置及实现方法
CN108010026A (zh) * 2017-12-26 2018-05-08 深圳供电局有限公司 一种保护压板状态识别方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971182A (zh) * 2017-02-06 2017-07-21 王兴照 嵌入式电力继电压板投退状态智能识别装置及实现方法
CN108010026A (zh) * 2017-12-26 2018-05-08 深圳供电局有限公司 一种保护压板状态识别方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
肖立军，莫玲: "基于模式识别的继电保护压板状态检定***", 《新技术新工艺》 *
韩存鸽，叶秋孙: "决策树分类算法中C4.5算法的研究与改进", 《计算机***应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191721A (zh) * 2019-12-30 2020-05-22 国网浙江省电力有限公司宁波供电公司 基于ai技术的保护压板状态识别方法

Similar Documents

Publication Publication Date Title
CN105404867B (zh) 一种基于视觉的变电站隔离开关状态识别方法
CN112380952A (zh) 基于人工智能的电力设备红外图像实时检测及识别方法
CN110675588B (zh) 一种森林火灾检测装置和方法
CN106483143A (zh) 一种太阳能光伏板积灰在线监测装置及其检测方法
CN112966589A (zh) 一种在危险区域的行为识别方法
CN111831430A (zh) 一种基于边缘计算的电力设备缺陷识别***
CN112749813A (zh) 一种数据处理***、方法、电子设备及存储介质
CN106056069A (zh) 基于无人机图像分析的林地资源资产评估方法及其评估***
CN113485432A (zh) 一种基于无人机的光伏电站电致发光智能诊断***及方法
CN111723656B (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
CN108710990A (zh) 基于同期数据的线变台户多级线损分析方法及***
CN113837991A (zh) 图像处理方法、装置、设备及存储介质
CN111259736B (zh) 一种基于深度学习的复杂环境下行人实时检测方法
Odo et al. Aerial image analysis using deep learning for electrical overhead line network asset management
CN110399922A (zh) 继电保护压板状态的分析方法及***
CN111339927A (zh) 一种电力营业厅人员工作状态智能识别***
CN111428653A (zh) 行人拥挤状态判断方法、装置、服务器及存储介质
CN114037873A (zh) 基于人工智能的变电站二次回路保护压板检测***及方法
CN116298459B (zh) 一种智能雷电流在线监测***
CN109685051A (zh) 一种基于电网***的红外图像故障诊断***
CN115641607A (zh) 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质
US11749021B2 (en) Retrieval device, control method, and non-transitory storage medium
CN114898181A (zh) 用于涉爆视频的隐患违章识别方法及装置
CN113378723A (zh) 一种基于深度残差网络的输变电线路隐患自动安全识别***
CN208622217U (zh) 一种基于图像识别的输电线路外物入侵监测装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191101