孙运涛
- 作品数：2 被引量：10H指数：1
- 供职机构：国网山东省电力公司济南供电公司更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：电气工程自动化与计算机技术电子电信更多>>
- 基于SOM神经网络的变电站设备红外热像诊断研究被引量：9
- 2016年
- 提出了基于自组织神经网络(SOM)判别变电站设备热故障类型的红外图像诊断方法.采用了最大类间差法(OTSU)对电力设备红外热像进行了分割处理,从中提取出包括设备红外热像的温度特征值、Zernike不变矩等12个参数,以此作为设备状态识别的信息输入量,将设备的状态分类信息作为输出向量.通过训练56组红外热像数据,确定了SOM神经网络识别模型中的参数值.试验结果表明:该方法可用于变电站设备状态诊断,相对于传统的神经网络方法的诊断结果,该方法对设备运行状态评估的准确率高达85.7%,如将诊断模型产生的可疑状态列入故障状态,则故障的诊断率可达到95%以上.
- 王佳林崔昊杨许永鹏孙运涛张同乔盛戈皞
- 关键词：红外热像SOM神经网络故障诊断OTSU法
- 基于改进RBFNN的变电站设备红外温度预测方法被引量：1
- 2015年
- 为了能够准确地获取变电站敞开式设备的表面温度信息,准确定位热异常区域并以此确定设备运行状态,提出了一种变电站设备红外温度预测方法。采用量子遗传（QGA）-正交最小二乘算法（OLS）优化了径向基神经网络（RBFNN）,通过将红外热像图像素与温度作为该神经网络的输入和输出量,建立了从红外图像获取设备温度的理论模型。结合同一场景的红外图像与可见光图像配准技术,即可直接从可见光图像上获取对应位置的红外温度值；也可从红外图像中获取设备任意点的温度值，并定位至可见光图像区域对应位置。研究结果表明，相对于OLS—RBF、AGA—OLS—RBF神经网络而言，此方法预测结果更符合设备实际温度，预测准确度高、重复性好，并且克服了变电站中电力设备的原始红外图像视觉效果不直观的缺点，保障了电力设备的可靠运行。
- 王超群崔昊杨孙运涛张同乔许永鹏
- 关键词：变电站OLSQGA径向基神经网络红外热像图
