1 国网浙江省电力有限公司营销服务中心, 浙江 杭州 311100
2 北京中电普华信息技术有限公司, 北京 100089
随着社会经济的高速发展, 电网规模不断增大, 电网容量不断提高, 电力损耗问题日趋严重, 为了合理高效地利用电力, 对于网用电量异常的研究十分关键。针对电网用电量异常的问题, 对某城市一区域电网用电量数据进行逻辑分组聚类预处理, 并运用启发式算法构建两种针对性的启发式模型。利用从电网部署的检测仪表收集到的数据进行实验验证, 结合启发式算法进行检测, 异常用电情况下的相对异常指数较正常情况扩大6~10倍, 能够对电网的异常电量使用现象有较好的识别与检测能力, 验证了所提出方法的有效性。
启发式算法 聚类分析 用电量 智能检测 异常识别 heuristic algorithm cluster analysis power consumption intelligent detection anomaly recognition
1 长春理工大学 理学院, 吉林 长春 130022
2 吉林建筑大学 电气与计算机学院, 吉林 长春 130000
3 中国大唐集团技术经济研究院,北京 101401
联合GPS、ISN、LiDAR、测距机等, 构建超POS信息；计算最小视场分辨率、像元数、焦距等选择相机；将POS采集系统与相机组合成LiDAR多通道光谱图像异常识别系统.采用多通道匹配融合法融合紫、红外、彩色图片, 基于Hough变换, 通过同族容器归纳法确定疑似故障点.运用Hough变换、免疫遗传Snake、最小二乘法解析椭圆形貌, 解决绝缘子异常识别问题.工程实验表明, 该系统平均探测精度是82.4%, 优于直升机与人工平均值24.05%, 是一种高效率的智能电网巡线排查手段.
输电线路巡检 激光雷达多光谱图像异常识别 超POS信息 多通道光谱成像系统 high-voltage line inspection LiDAR Multispectral image anomaly recognition tech super POS information multichannel spectral image system
1 四川工程职业技术学院电气信息工程系, 四川 德阳 618000
2 清华大学电子工程系, 北京 100084
针对砖瓦自动码坯中人工值守效率低、劳动强度大以及易漏检等问题，提出基于机器视觉的坯体异常自动检测与识别方法。分别采集分坯机和窖车上的坯体图像，采用改进的准十字中值滤波进行降噪处理；利用Canny算子提取坯体边缘；在分析坯体外形结构特点的基础上，采用极角约束的Hough变换对坯体纵向边缘直线段进行检测，提取每列坯体纵向完整度和横向宽度两个特征量对坯体进行异常识别。实验结果表明：在单层码坯和多层码坯方式下对掉坯、坯体错位和坯体倾斜的平均识别正确率为98.2%。能满足自动码坯系统中烧结普通砖坯体异常自动检测与识别的需求。
图像处理 码坯异常识别 机器视觉 自动码坯系统
