基于霍夫森林的變電站開關設備檢測及狀態(tài)識別.pdf

1、隨著我國電力網(wǎng)絡規(guī)模的不斷擴大，變電站的安全可靠運行正變得越來越重要，而開關設備的運行狀態(tài)是決定其能夠安全運行的關鍵因素之一。隨著視頻技術的發(fā)展，變電站無人值守化已經(jīng)成為電網(wǎng)調(diào)度自動化發(fā)展的趨勢，但是現(xiàn)有的視頻監(jiān)控系統(tǒng)局限于對變電站的監(jiān)視，缺乏對變電站開關設備狀態(tài)的自動識別，因此，借助于變電站遠程視頻監(jiān)控系統(tǒng)實現(xiàn)對開關設備狀態(tài)的自動識別有助于實現(xiàn)變電站的無人值守，對于變電站的安全運行也有重要的意義。
　　本文針對變電站開關狀態(tài)的識

2、別展開研究，提出一種基于霍夫森林的開關狀態(tài)識別方法。首先，利用隨機森林對“分”和“合”兩種狀態(tài)的開關模型進行學習，形成對應的投票碼本;其次，利用兩種開關模型生成的投票碼本通過霍夫變換對開關中心位置進行投票，獲得開關位置的矩形框描述，完成開關的檢測與定位;最后，根據(jù)兩種開關模型的檢測結(jié)果判斷開關的狀態(tài)。
　　由于隨機森林能夠融合多種特征作為其判別信息，因此，本文研究了圖像的邊緣、梯度以及顏色特征，采用不同的特征提取方法提取開關特征，

3、彌補了單一特征描述的缺陷，提高了開關檢測的準確性。
　　基于廣義霍夫變換的目標檢測需要通過非極大值抑制尋找霍夫空間中的局部最大值，從而獲得目標的最佳候選區(qū)域，但是非極大值抑制的閾值設置容易導致目標的漏檢或者誤檢，因此，本文通過建立霍夫變換的概率框架來描述投票元素與目標假設之間的關系，減少投票元素的虛假投票，避免非極大值抑制的步驟，解決多個開關的檢測與定位問題。
　　本文提出的方法能夠?qū)崿F(xiàn)開關狀態(tài)的自動識別，具有較高的準確率，