更新日期: 2025-01-20

基于深度学习的电力设备铭牌识别

格式:pdf

大小:1.6MB

页数:11P

人气 :96

基于深度学习的电力设备铭牌识别 4.6

为了获取铭牌图像中的基本参数信息,提出一种基于深度学习的端到端文本识别模型TDRN(Text Detection and Recognition Network)。模型避免了图像裁剪和字符分割,将文本看作一个序列,使用BLSTM(Bidirectional Long Short-term Memory)来获取上下文关系。同时,将文本检测和文本识别整合在同一个网络中共同训练,共享卷积层,以提高整体性能,在文本识别中还引入了注意力机制。模型在公共场景文本数据集SVT(Street View Text)上测试表现良好,F值为68. 69%,高于一般的端到端文本识别模型。与传统铭牌识别方法相比,TDRN准确率更高,鲁棒性更强,能适应复杂的电力场景变化。

基于深度学习的高效电力部件识别

基于深度学习的高效电力部件识别

格式:pdf

大小:2.4MB

页数:8P

传统的图像识别方法,不能有效检测出电力部件的具体位置,同时在干扰物较多的场景下识别准确率较低。本文针对以上问题提出一种基于masklstm-cnn模型的电力部件巡检图像识别方法。结合已有的maskr-cnn方法,利用长短期记忆神经网络,通过络融合上下文信息来构建masklstm-cnn模型,然后结合电力部件的具体特征进一步利用优化算法来优化模型的参数,使设计的模型能够在干扰信息较多的现场环境下依然可以准确识别电力部件,成功解决了已有方法中存在的电力部件在被遮挡情况下识别率较低的问题,大大改善了部件识别的精度。结合实际采集的电力部件巡检图像数据集对提出的模型进行大量测试验证,实验结果表明提出的masklstm-cnn模型相比于r-fcn、fasterr-cnn等模型检测效果更优,平均识别准确率提高9%-12%左右,有效解决了干扰信息较多的电力场景中的部件识别问题。

电力监控箱内设备铭牌

电力监控箱内设备铭牌

格式:pdf

大小:164KB

页数:11P

名称名称 型号防爆标志型号防爆标志 工作电压(v)生产许可证工作电压生产许可证 本安输出ⅰ路本安输出ⅱ路本安输出ⅰ路本安输出ⅱ路 防爆合格证安全标志编号防爆合格证安全标志编号 出厂日期出厂编号出厂日期出厂编号 名称名称 型号工作电流型号工作电流 工作电压防爆标志工作电压防爆标志 出厂日期出厂编号出厂日期出厂编号 名称 型号工作电流 工作电压防爆标志 出厂日期出厂编号 50294 北京广大泰祥自动化技术有限公司 660/220/127 exd[ib]i xk06-014-01147 2012.12 21120088 2012.12 maa110019 50295 矿用隔爆兼本安型双路不间断电源箱2 kdw660/18bexd[ib]ikdw660/18b 北京广大泰祥自动化技术有限公司 西部集中变电所电力监控箱内设备铭牌 1

编辑推荐下载

基于深度学习的行为识别及在电力系统的应用

基于深度学习的行为识别及在电力系统的应用

格式:pdf

大小:261KB

页数:7P

基于深度学习的行为识别及在电力系统的应用 4.5

变电站在电力系统中发挥着重要的作用,随着智能监控系统的快速发展,无人值守变电站已经成为一种普遍的变电站管理模式。针对监控视频中的人体行为进行识别和分析对于电力系统有着重要的研究意义和广阔的应用前景。采用长效递归卷积网络(long-termrecurrentconvolutionalnetworks,lrcn)模型结合视频中的外观信息和动态信息实现对视频中的人体行为进行识别。通过实验验证了lrcn模型在标准数据集上表现了良好的鲁棒性和泛化能力;并针对变电站及电力施工相关场景下的监控视频进行了测试,验证了lrcn模型能够用于电力系统智能监控中进行行为的识别;最后将lrcn行为识别模型移植到嵌入式gpu模块上实现可移动的智能视频处理系统,使行为识别技术更好地应用到电力系统相关场景中。

立即下载
基于深度学习的电力绝缘子异常检测系统

基于深度学习的电力绝缘子异常检测系统

格式:pdf

大小:1.2MB

页数:1P

基于深度学习的电力绝缘子异常检测系统 4.8

1电力绝缘子异常检测现状输电线路巡检通过直升机、无人机等空中飞行平台进行巡线获取了大量航拍视频图像,若对这些海量视频图像数据采用工作人员肉眼判读而没有自动图像分析功能系统参与的话,易发生严重的检测误判或漏判情况,难以准确发现绝缘子存在的安全隐患,且极大地增加了检修成本。因此研究利用图像处理技术判断

立即下载

深度学习的电力设备铭牌识别热门文档

相关文档资料 1135431 立即查看>>
基于深度学习的电力大数据融合与异常检测方法

基于深度学习的电力大数据融合与异常检测方法

格式:pdf

大小:640KB

页数:5P

基于深度学习的电力大数据融合与异常检测方法 4.6

为了充分利用电力大数据中的异构数据源挖掘出电网中存在的安全威胁,采用深度受限玻尔兹曼机将不同格式的异构数据映射到统一的嵌入式向量空间,实现了异构数据的融合。采用循环神经网络对得到的嵌入式向量数据建立画像,实现了数据中异常事件的检测。实验结果表明,提出的异常检测方法在提出的互信息量度量指标中具有很高的互信息量。此外提出的方法在准确率、误报率和漏报率中的结果也优于其他异常检测方法。

立即下载
常见电力设备

常见电力设备

格式:pdf

大小:11.0MB

页数:18P

常见电力设备 4.4

*一、变电站 二、配电(架空杆塔、杆上设备、电缆、电缆井、站房) 1、配电架空杆塔 2、采集配电杆塔时,需要记录的一些属性信息(开关、刀闸、跌落 保险、变压器、避雷器、杆塔材质、杆塔性质、同杆架设回路数、 高低同杆、是否连接高压电缆等) 1)开关:分为断路器、负荷开关,现场如果规范的话,在杆塔上除 了杆塔的铭牌外还会为开关贴铭牌(如f1011断路器、y2011空气开 关等) 2)高压计量箱:不属于开断类设备,不是开关,此次采集也不需要记 录,但是与开关的外形有些相似,需注意区分。 3)刀闸:属于开断类设备,又称隔离开关,通常用于控制分支线路 或者分段线路的带电情况,现场如果规范的话,在杆塔上除了杆塔的 铭牌外还会为刀闸贴铭牌(如1012隔离开关) 4)跌落保险:属于开断类设备,通常接变压器或电缆终端头,也可 以代替刀闸控制分支线路。 5)变压器:正在运行的变压器一定会有低压出线

立即下载
电力设备

电力设备

格式:pdf

大小:2.6MB

页数:23P

电力设备 4.7

电力设备

立即下载
电力设备介绍

电力设备介绍

格式:pdf

大小:649KB

页数:5P

电力设备介绍 4.4

电力设备介绍

立即下载
基于深度学习的变电站巡检机器人道路场景识别

基于深度学习的变电站巡检机器人道路场景识别

格式:pdf

大小:408KB

页数:6P

基于深度学习的变电站巡检机器人道路场景识别 4.4

为了提升变电站巡检机器人对自身所处环境的理解能力,将深度学习技术应用于变电站巡检机器人对道路场景的识别中,提出了一种全卷积道路场景识别网络(roadscenerecognitionnet,rsrnet)。该网络主要由相对浅层的编码网络和镜像结构与跳层融合结构相结合的解码网络组成,通过编码网络提取图像特征后由解码网络识别出图像目标信息。通过实验表明,本文提出的网络在同类型网络中识别精度及效率更高,同时在实际变电站场景中也表现出了优良的场景识别性能。

立即下载

深度学习的电力设备铭牌识别精华文档

相关文档资料 1135431 立即查看>>
深度学习算法在电力系统短期负荷预测中的应用 深度学习算法在电力系统短期负荷预测中的应用 深度学习算法在电力系统短期负荷预测中的应用

深度学习算法在电力系统短期负荷预测中的应用

格式:pdf

大小:173KB

页数:3P

深度学习算法在电力系统短期负荷预测中的应用 4.5

首先,简要介绍了深度学习算法的有关内容,包括深度学习与神经网络的比较和深度学习的训练过程。其次,从负荷的日属性、负荷的周属性、温度因素、节假日因素这几个方面对负荷的特性进行了研究。最后,根据负荷的历史数据,应用深度学习算法进行了短期负荷预测,并将其预测结果与bp神经网络的预测结果做了比较。

立即下载
基于深度学习的高分辨率遥感图像建筑物识别

基于深度学习的高分辨率遥感图像建筑物识别

格式:pdf

大小:2.6MB

页数:9P

基于深度学习的高分辨率遥感图像建筑物识别 4.6

为解决当前深度学习方法在高分辨率遥感图像中存在识别结果过度分割;以及小物体识别差的问题;提出一种基于segnet架构改进的网络模型aa-segnet;增加了增强的空间金字塔池化模块和空间注意力融合模块;该网络可以加强特征传播并能够有效传递更高级别的特征信息以抑制低级特征的噪声;并且可以增强小目标特征学习;基于高分二号遥感影像制作数据集并进行实验;aa-segnet网络总体识别准确率为96.61%;在识别率、f1分数以及训练时间等方面也都优于segnet、u-net、deeplab-v3网络;

立即下载
电力设备结构及原理

电力设备结构及原理

格式:pdf

大小:12KB

页数:4P

电力设备结构及原理 4.7

电力变压器结构及原理 电力变压器是电力系统中最重要的设备,它利用电磁感应原理将一种电压 等级的交流电能转变成另一种电压等级的交流电能,在电压中通过升压和降 压,起到输电和配电的作用。 主压器主要由铁心、绕组、引线、调压装置、冷却装置、套管及绝缘介质 (油、sf6、环氧树脂)等部分组成。 电力电容器结构及原理 电力电容器在电力系统是用途较广的设备,主要用于电力系统的载波通信 及测量、控制、保护及提高电力系统的功率因数,减少线路损失、改善电压质 量、提高系统供电能力。 电容器通常是由两块中间隔以绝缘材料的导电极组成,用以隔开极板的绝 缘材料叫做绝缘介质。 电力电容器主要由芯子、外壳和出线结构三部份组成。 (1)芯子由若干个元件、绝缘件和坚固件经过压装并按规定的串、 并联连接而成。元件由一定厚度及层数的介质(通常是电容器 纸和塑料薄膜)和两极板(通常是铝筒)卷绕一定圈数后压

立即下载
电力设备施工合同(示例)

电力设备施工合同(示例)

格式:pdf

大小:112KB

页数:4P

电力设备施工合同(示例) 3

电力设备施工合同(示例)——电力设备选购和安装施工合同,本合同是一个总包合同,由乙方总体承包,包括器材设备的购买运输安装调试等.

立即下载
电力设备型含义

电力设备型含义

格式:pdf

大小:72KB

页数:5P

电力设备型含义 4.4

电力设备型号含义 1、变压器 1.1变压器本体 □□□□□□□□-□/□□ 特殊使用环境代号 高压绕组电压等级(kv) 额定容量(kva) 设计序号 调压方式(无励磁调压不标) 导线材料 绕组数量(双绕组不标) 循环方式(自然循环不标) 冷却方式(油浸自冷不标) 相数 绕组耦合方式(只标自耦变压器) 变压器新旧型号的含义对照 代表符号代表符号 含义符号 新型号旧型号 含义符号 新型号旧型号 单相变压器dd双绕组变压器不表示不表示 三相变压器ss三绕组变压器ss 油浸式不表示j无励磁调压不表示不表示 空气自冷式不表示不表示有载调压zz 风冷式ff铝线变压器不表示l 水冷式ws干式gk 油自然循环不表示不表示自耦变压器oo 强迫油循环pp分裂变压器ff 强迫油导循环d不表示干式浇注

立即下载

深度学习的电力设备铭牌识别最新文档

相关文档资料 1135431 立即查看>>
电力设备检修工艺

电力设备检修工艺

格式:pdf

大小:1.8MB

页数:56P

电力设备检修工艺 4.7

电力线路检修工艺(试行) 编制: 审核: 审批: 前言 为不断提高运管公司的电力线路检修技术水平,应用先进实用的检修方 法、检修和检测机具、仪器仪表等,提高设备质量,确保电力设备运行安全, 便于员工学习、使用,特制定本检修工艺。 本工艺适用于10kv和35kv电力线路的检修。 编制的主要依据: (1)《铁路电力安全工作规程》铁道部[1999]103号 (2)《中华人民共和国铁路技术管理规程》(铁道部29号令) (3)国家标准《电气装臵安装工程电气设备交接试验标准》(gb 50150-2006)。 (4)行业标准《铁路电力设备安装标准》(铁机字1817号) (5)行业标准《铁路电力施工规范》(tb10207-99)。 (6)行业标准《铁路电力工程施工质量验收标准》(tb10420-2003)。 (7)行业标准《电力设备预防性试验规程》(dl/

立即下载
破坏电力设备罪

破坏电力设备罪

格式:pdf

大小:72KB

页数:2P

破坏电力设备罪 4.5

来源:重庆智豪律师事务所编辑:张智勇律师(重庆律师协会刑事委员会副 主任) 刑事知名律师张智勇释义破坏电力设备罪 破坏电力设备罪 破坏电力设备罪(刑法第118条,第119条第1款),是指故意破坏电力设备, 危害公共安全的行为。 破坏电力设备罪 破坏电力设备罪犯罪构成: 本罪所侵犯的客体属于公共安全。犯罪对象是正在使用中的电力设备。所谓电 力设备,是指用于发电、供电、输电、变电的各种设备,包括火力发电厂的热力 设备,如锅炉、汽轮机、燃气机等;水力发电厂的水轮机和水力建筑物,如水坝、 闸门、水渠、隧道、调压井、蓄电池、压力水管等;供电系统的供电设备,如发 电机包括励磁系统、调相机、变波机、变压器、高压线路、础、拉线、接地装 置、导线、避雷线、金具、绝缘子、登杆塔的抓梯和脚钉,导线跨越航道的保护 设施,巡(保)线站,巡视检修专用道路、船舶和桥梁、标志牌及附属设施;(2) 电

立即下载
1电力系统及常见电力设备

1电力系统及常见电力设备

格式:pdf

大小:7.4MB

页数:61P

1电力系统及常见电力设备 4.4

1电力系统及常见电力设备

立即下载
基于深度学习的电力系统暂态稳定评估方法

基于深度学习的电力系统暂态稳定评估方法

格式:pdf

大小:1.5MB

页数:6P

基于深度学习的电力系统暂态稳定评估方法 4.5

在机器学习领域,暂态稳定评估问题被定义为通过大量故障样本来估计稳定边界的二分类问题。该文提出了一种深度学习方法来解决这个二分类问题。该方法包含4个步骤:首先,利用样本数据构建原始输入特征来描述电力系统动态特性;然后,采用变分自动编码器(variationalauto-encoders,vae)对原始输入特征进行无监督学习实现特征抽取,从而获得高阶特征;之后,对卷积神经网络(convolutionneuralnetwork,cnn)进行有监督学习训练得到高阶特征与电力系统暂态稳定性之间的映射关系;最后,将训练得到的模型应用于电力系统在线暂态稳定评估。在新英格兰39节点测试电力系统的仿真试验表明,所提出的暂态稳定评估(transientstabilityassessment,tsa)模型具有评估精度高、不稳定样本评估错误率低、抗噪声干扰能力强的特点,适合基于广域测量信息的准实时在线暂态稳定评估。

立即下载
电力系统及电力设备的可靠性

电力系统及电力设备的可靠性

格式:pdf

大小:70KB

页数:4P

电力系统及电力设备的可靠性 4.6

电力系统及电力设备的可靠性 郭永基 (清华大学电机系,北京100084) 摘要:介绍了电力系统可靠性和电力设备可靠性的基本概念及可靠性评估原理。总结了近年来国 内外在这一领域获得的新成果及面临的新挑战和新机遇。 关键词:电力系统可靠性;电力设备可靠性;可靠性评估 中图分类号:tm732 收稿日期:2001-03-01;修回日期:2001-05-17。 教育部博士点专项科研基金资助项目(1999000347)。 1 电力系统可靠性 [1~3] 电力系统可靠性是指电力系统按可接受的质量 标准和所需数量不间断地向电力用户供应电力和电 能量的能力的量度,包括充裕度和安全性两个方面。 充裕度(adequacy)是指电力系统维持连续供给用户 总的电力需求和总的电能量的能力,同时考虑到系 统元件的计划停运及合理的期望非计划停运,又称 为静态可靠

立即下载
德力西电力设备小卫士—断电示警器 德力西电力设备小卫士—断电示警器 德力西电力设备小卫士—断电示警器

德力西电力设备小卫士—断电示警器

格式:pdf

大小:251KB

页数:1P

德力西电力设备小卫士—断电示警器 4.5

据四川泸州电业局"95598"服务热线以及江阳供电局提供的消息称,泸州城区曾因频频发生用电客户电能表前或电能表后电线被盗割的事件,导致电业局频频派员抢修,最多时一天竞达二三十次,极大地增加了供电局人员额外的工作量。盗割电线这种破坏行为具有极强的社会危害性,不光对正常用电造成困扰,更会危及电网的安全运行。有人不禁要问:除了增强防范的意识,增

立即下载
基于物联网的电力设备数据共享

基于物联网的电力设备数据共享

格式:pdf

大小:958KB

页数:1P

基于物联网的电力设备数据共享 4.6

以电力实验室物联网为研究目的,将现有智能仪器接入网络,组建物联网系统.课题研究首先将四台仪器同时连接主机构成基本物联网,同时运用pc上位机软件进行实时通讯.其次开发了应用软件管理系统和查询与共享数据软件.最后将数据保存在共享文件下,使接入局域网的pc都能查看实验数据.结果验证以示波器与pc联网及pc之间数据共享为例,完全符合预期.研究成果使用户操作更加便捷,大大增强了电力实验室智能化程度.

立即下载
电力设备的基本知识与安装讲解

电力设备的基本知识与安装讲解

格式:pdf

大小:7.6MB

页数:50P

电力设备的基本知识与安装讲解 4.8

电力设备的基本知识与安装讲解

立即下载
电力设备的清洗与防腐

电力设备的清洗与防腐

格式:pdf

大小:12KB

页数:2P

电力设备的清洗与防腐 4.5

电力设备的清洗与防腐 胡定超(四川成都电业局成都610021) 完好健康的电力设备是电网安全运行的物质基础和重要保证。电力设备在长期的运行 中,需要经常地维修和不断进行保养,如对电力设备进行清洗和防腐,以延长它的使用寿命 和保证其健康水平。 1电力设施(设备)的清洗 大量的电力设施(设备)暴露在户外,受污秽环境和大气的影响,电力电瓷表面严重污 秽,金属构架表面腐蚀生锈,高压注油设备渗漏,轻则影响企业的文明生产,重则影响生产 安全。所以,必须对暴露在户外的电力设施(设备)进行清洗,让其恢复正常的面貌。 1.1高压电瓷表面的清洗 电力设施(设备)的清洗,主要是对裸露在户外的部件表面进行清洗(防护),其方法是定 期进行清洗和涂有机硅涂料。其目的是清除瓷表面上的污秽。 清洗的方法有水冲洗和化学清洗,水冲洗绝缘子表面污秽,安全性受到较大限制(带电 清洗的

立即下载
电力设备全寿命周期管理的研究

电力设备全寿命周期管理的研究

格式:pdf

大小:330KB

页数:1P

电力设备全寿命周期管理的研究 4.7

随着社会经济的发展及体制的变革,电力企业的设备管理越来越不适应企业的发展需求。本文通过对目前设备管理中存在的问题进行分析,提出电力设备应实施以企业总体效益为目标,打破部门界限,进行“全系统、全费用、全过程”的全寿命周期管理。从电力设备的规划设计阶段、采购建设阶段、运行维护阶段和技改报表四个阶段分别进行研究并提出解决方案,指出要实现电力设备的全寿命管理必须利用信息系统进行辅助决策,在设备采购过程中结合全寿命成本分析,在设备运行过程中实行状态检修和标准化作业。

立即下载
刘若宁

职位:机电设计工程师

擅长专业:土建 安装 装饰 市政 园林

深度学习的电力设备铭牌识别文辑: 是刘若宁根据数聚超市为大家精心整理的相关深度学习的电力设备铭牌识别资料、文献、知识、教程及精品数据等,方便大家下载及在线阅读。同时,造价通平台还为您提供材价查询、测算、询价、云造价、私有云高端定制等建设领域优质服务。手机版访问: 深度学习的电力设备铭牌识别