基于[db:标签]��式识别[db:标签]��继电保护压板状态检定系统

肖立军，莫玲

广东电网公司珠海供电局，广东珠海519000

摘要:随着计算机技术和人工智能技术的发展，模式识别在图像处理中的应用越来越广泛。提出了一种基于模式识别的继电保护压板状态验证系统。该系统通过建立继电保护压板开关状态的标准图像数据库，实时采集待测继电保护压板的图像，采用模式识别方法，基于均值漂移算法进行图像分割，并使用向量机决策分类器进行决策。在国内某500 kV变电站的现场应用表明，保护压板图像采集方便，压板状态识别准确率高，工作效率显著提高。

关键词:变电站；保护压板；模式识别；图像处理

1 模式识别的基本架构

继电保护压板存在倒闸错误，将导致继电保护装置故障或拒动，并可能造成严重的电网事故。这是继电保护运行中亟待解决的问题。目前，继电保护压板的合闸和分闸状态检查采用手动方式，不仅工作量大，而且会导致保护压板误合闸和漏合闸的情况时有发生，[1]。

模式识别是一种分类过程，其中信息由计算机处理和识别。典型的模式识别系统由五部分组成:数据采集、预处理、特征提取、分类决策和分类器设计。模式识别的基本框架如图1所示。

2 保护压板模式识别系统设计

图1模式识别的基本框架

保护压板模式识别系统由硬件和软件组成。硬件使用带摄像头功能的平板电脑，并配有Windows操作系统。该软件是基于VC和opencv工具开发的。主要功能模块包括图像拍摄、标准数据库和图像分析。系统结构如图2所示。

图2系统结构图

每个模块的主要功能如下。

1)拍照。启动相机，对准要拍摄的保护压板，按“照片保存”，输入“压板型号”，并存储为800×600像素的图像文件。图像上的“截取图像”并将其用作关联相应动作值的参考基元。

3 保护压板状态识别策略

2)标准数据库。依次输入保护屏的屏号、屏行数和列数，输入保护屏各屏的开/关状态，执行“写入”将输入结果保存为屏设定值。执行“修改”功能，以列表模式显示压板数据库。您可以根据需要修改每个压板的脱落状态，并保存修改结果。

3.1 图像分割

其中，ω(xi)是采样点x的权重。xi对靠近x的采样点具有较大的权重，即靠近x的采样点在估计x附近的统计特性时更有效；反之亦然，达拉斯到礼堂

定义一个核函数来估计X的分布:

(2)

在公式中，hs和hr可视为分割分辨率，分别代表坐标空间和颜色空间的带宽。值越大，忽略的图像细节越多。c是一个归一化常数。

分段的具体步骤如下(对于每个像素点):1)初始化j=1并使yi，1=Xi；2)计算MH(x)；3)将mh(x)分配给x；4)如果MH(x)-x lt。ε，分割结束，将收敛值记录为yi、c、c，否则，1)继续执行；5)分配；(6)将收敛到同一点的起始点分类为一类，合并像素点过少的类，合并局部像素，得到分割结果。

3.2 特征提取

分割的图像区域可以用各种特征来表示，包括颜色、边缘、纹理、形状和大小。该系统尽可能提取丰富的特征信息，并设计非线性分类器进行图像区域识别。首先，采用颜色直方图作为图像区域特征。然后，通过计算图像区域的大小和形状并与颜色直方图匹配来描述图像区域。

3.3 决策分类

图像分割后，得到一系列区域，用模式识别方法建立SVM决策分类器。这些区域分为两种类型:一种是压板区域；另一个是非压板区域。假设n维训练样本是x1，x2，xn，并且训练样本的每个维度的物理含义是压板区域的大小、长轴的长度、短轴的长度、周长、质心、颜色和图像中的其他特征。最佳分类界面h是:

ωTx-b=0

3

给定的训练样本集:

{(x11，y1)，(x12，y2)，…，(x1n，yn)}-输入

(4)

{(x21，y1)，(x22，y2)，…，(x2n，yn)}-退出

其中yi是一个区域是一个压板的标志，值是1还是0。1表示压板区域；0表示非压板区域。

将分类界面设置为平面:

(6)

3.4 比较结果

通过训练，所需参数λ i (i=1，2，n)和b应满足:

图像分割技术计算速度快，通常一次分割后可以形成大量的小模态区域。基于颜色直方图区域大小和形状特征的比较结果如图4所示。

生成的压板矩阵如下:

4 结语

将该结果与数据库中相应的保护屏压板设置表进行比较，生成测试结果。结果表明，所有压板状态均得到了很好的识别，能够满足现场应用的需要。

在中国某500 kV变电站的现场应用表明，该系统能正确识别继电保护压板的合闸和分闸状态。压板投退不正确时，会发出错误提示信息，可有效提高工作效率和可靠性；但是，该系统对野外光学环境有一定的要求，需要进一步改进和优化识别算法，以适应各种野外条件。

References

[1]朱力。影响变电站设备检查的因素[[]。电力安全技术，2002，8 (4) : 23-25。

[2]纪延平。《变电站设备检测技术的发展》，[。电气工程应用，2010 (4) : 30-32。

[3]卢守印，钱庆林，张斌，等.变电站设备巡检机器人的开发[J]。电力系统自动化，2006，30 (13): 94-98。

[4]周，等.智能变电站巡检机器人的开发与应用.电力系统自动化，2011，35 (19): 85-88。

[5]张信峰，沈。模式识别及其在图像处理中的应用[[]。测量与控制技术，2004，23 (5): 28-32。

[6]戴温雅，王三武，王晓亮。基于灰度信息的多特征模板匹配方法[。电气测量与仪器，2004，41 (4): 56-58。

[7]王海洋，潘德炉，夏德深。二维Otus自适应阈值选择算法的快速实现[。自动化学报，2007，33 (9): 968-971。

[8]李杰、彭、袁长安。等人基于数学形态学细化算法的图像边缘细化[。计算机应用，2012，32 (2): 514-516。

[11]王晏,孙怡。自适应均值漂移算法的彩色图像平滑与分割算法[杰].自动化学报，2010，36(12):1637-1644 .

作者简介以下内容以下内容:肖立军(1966-)，男,硕士,高级工程师,主要从事变电站智能巡检技术等方面的研究

收稿日期:2017-08-28

责任编辑 马彤

VerificAtion System of Relaying Plate Status Based on Pattern RecOGnition

肖立军,莫玲

(广东电网有限公司珠海供电局,珠海519000，中国)

摘要以下内容:随着计算机和人工智能的发展,模式识别在图像处理中的应用越来越广泛。本文提出了一种基于模式识别的继电器盘状态验证系统。建立继电器盘开关状态标准图像数据库,实现继电器盘图像的实时测量。利用模式识别方法和均值漂移算法对图像进行分割。它是基于向量机分类器的决策。经过在国内某500千伏变电站的实际应用,表明该方法获取继电保护板图像方便,继电保护板状态识别准确率高,工作效率显著提高

关键词:变电站,继电板,模式识别,图像处理

中图分类号:TU 998.13

文献标志码:A

在不久的将来,智能生活一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏智能生活,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来！