由于长期处于封闭或半封闭状态、出入口较为狭窄,自然通风条件差,有限空间作业存在危险程度高、救援难度大的特点,因此对有限空间现场作业进行安全智能管控非常必要.以传感器监测和视频监控为手段,开展有限作业空间智能管控技术研究,实现有限空间作业环境的实时监测智能预警、作业全程可视化监控以及安全智能管控,保障作业人员和财产安全,有效预防和遏制电力系统有限空间发生安全事故.

为了提升某款"三段式"结构12挡电控机械式自动挡变速器总成的传动效率,对其台架效率试验时出现的圆柱滚子轴承点蚀失效进行原因分析.计算与该轴承相关的尺寸链后发现,与该轴承接触的隔套与二轴存在着干涉的可能,从而导致变速器总成传动效率降低.通过修改相关零件尺寸,保证隔套与二轴为间隙配合,为滚子受热膨胀预留一定间隙.将调整后的台架试验结果与调整前的结果进行对比,结果显示其传动效率得到明显提升.根据推力滚子轴承与推力球轴承的摩擦阻力因数不同,将推力圆柱滚子轴承换为推力球轴承,进行变速器总成传递效率试验,其传动效率得到进一步提升.该研究内容和方法对于后续开展电控机械式自动挡变速器效率相关研究具有参考和借鉴意义.

目前,变电站保护硬压板信息管理处于完全依赖于人工巡检的状态.伴随着人工智能上升为国家战略,深度学习技术进一步发展,提出一种基于OpenCV+SSD深度学习模型的压板状态识别方法.在图像二值化并高斯滤波基础上,基于霍夫直线检测算法进行保护屏柜角点检测,并通过透视变换实现压板图像矫正,从而避免拍摄图像的角度变化对识别结果的影响;利用模板匹配的方法对压板图像进行分割,并建立不同压板与其功能间的映射关系,提升压板状态检测准确度;基于TensorFlow深度学习框架搭建SSD目标检测模型,通过不断调参并采用正则化处理提高训练模型的准确度和泛化能力.经测试验证,该方法目标检测精确率和召回率均大于0.95,相对于传统OpenCV 及 Hog+SVM的处理方法,压板状态识别效果有明显提高.

带前副箱结构的双中间轴变速器在匹配贯通轴取力器时,当取力器工作时,前副箱频繁"脱挡",分析了产生该故障的原因.以此为基础,提出了一种改变一轴外花键段的局部参数的新结构,使用该结构的新一轴,通过试验验证,"脱挡"故障得以解决.此研究结果对贯通轴取力器在带前副箱结构的双中间轴变速器上匹配有指导意义.

销钉在输电线路中起着连接关键部件的重要作用,其缺陷直接引起部件变形、不稳定甚至造成电力停电事故.针对已有单发多盒探测器(single shot multibox detector,SSD)模型对输电线路复杂背景下销钉缺陷检测能力不足的问题,提出基于残差网络和多层级特征融合策略的改进SSD模型.首先,改进SSD网络结构,引入残差网络,增加浅层特征层,并将深层特征进行融合,替换SSD原特征层,以提升网络的鲁棒性,增强特征层的信息提取能力.其次,采用卷积拆分压缩网络参数量,采用权值量化减小模型部署占用空间.最后,通过实验对所提方法的有效性进行了验证.实验结果表明,该方法在输电线路销钉缺陷检测上召回率达到80％以上,较原SSD模型及其他目标检测算法具有明显提升.同时,该方法在其他输电线路小目标缺陷测试中,也取得了较好的效果.

电力设备在高温、高湿、重载等极端条件下运行,将严重影响电网安全稳定运行和公共安全,亟须研究配电网主设备在多重极端条件下的运行状态影响机理及其寿命预测技术.提出以演化机理与有限元仿真相结合的设备运行状态演化模拟技术,根据设定的外部边界条件,以有限元仿真计算内部各区域场强、压力、温度等指标,融合演化机理Arrihenius公式,得到设备老化率模型,从而实现对配电网设备老化状态与运行寿命的预测评估.

有限作业空间由于封闭、与外界隔离、出入口较为狭窄,作业人员在内工作时,存在危险程度高、救援难度大的特点,因此有限空间现场作业的安全管控及智能分析非常必要.本文以气体监测和智能图像识别为手段,通过多种环境传感监测、作业人员智能化人脸识别管理、作业环境异常分析预警等技术,开发有限作业空间安全管控系统,可实现作业环境研判、人员体征监测、作业可视化监测和环境高危预警,从而增强人员作业安全、提升管理智能化水平和作业质量与效率,完成有限空间作业现场安全监督,保障电力安全生产,最终实现规避作业过程中存在的危险、危害因素

为了利用深度学习算法提高变压器运维的智能化水平,提出了一种基于色相饱和度值(hue-saturation-value,HSV)特征变换与目标检测的变压器呼吸器缺陷智能识别方法.该方法利用单发多盒探测器(single shot multibox detector,SSD)网络框架进行呼吸器目标提取,采用HSV颜色转换完成空间映射,通过设定HSV特征阈值进行呼吸器正常颜色和异常颜色的跟踪和提取,进而通过各颜色分量比例与分布情况进行呼吸器状态的智能判断.研究结果表明:所提识别方法能够利用图像特征对变压器呼吸器进行准确定位与状态识别.论文研究可为电力设备锈蚀识别等其他类似场景提供参考.

针对需求侧响应(DR)不确定性对配电网优化调度的影响,提出了基于正态云的DR不确定性建模及优化调度方法.首先,根据消费者心理学模型,分步建立了同时考虑响应量及响应边界不确定性的DR特性曲线.进而引入正态云概念,采用正态云模型对DR特性进行了统一数学描述.利用该模型,可同时反映DR误差的随机性及模糊性.在此基础上,建立了计及DR不确定性的配电网优化调度模型.针对该模型难以直接求解的问题,利用正向云发生器产生随机场景,并通过场景削减技术得到典型场景,将原模型转化为确定性模型并采用CPLEX软件进行求解.最后,采用算例仿真验证了所提调度策略的可行性及有效性.

针对换流站故障分析报告大量堆积得不到充分利用的情况,结合机器学习算法对故障分析报告进行智能分类.首先对故障分析报告进行文本分词,并针对分词结果进行建模、聚类分析.第一种方法是利用朴素贝叶斯理论构建模型,提取故障类别与特征词对应关系,当新的故障分析报告产生时,通过贝叶斯计算得到其所属故障类别;第二种方法是利用K-means聚类,根据分词结果将故障分析报告聚成故障簇,新的故障分析报告产生时,根据该故障报告与已有故障簇的相似度对故障分析报告分类.

电力系统运行环境复杂,电网运维面临危险大、难度高的难题.人工智能技术的发展,为解决这些难题提供了新的思路和方向.深度学习目标检测技术在电力领域的应用探索,为电网智能运维提供了有力的技术支撑.目标检测与图像处理相结合的电力缺陷分析技术,促进了人工智能与电网的深度融合.

为了提高压裂施工成功率及措施有效率,开展节点分析设计,从压裂施工前的裂缝规模、泵注程序及管柱优化设计,到施工过程中的温压计算、施工参数可视化分析,直至施工结束后压裂液返排制度优化及产能预测.通过以上内容的研究,编制了油气井压裂分析设计预测一体化系统(简称StimPAD),该软件采用国际上先进的压裂设计理论,提供多种井型、多种储层类型及多种压裂工艺的计算模型,能够实现全面而准确的压裂分析、设计及预测.