基于圖像特征的GIS局部放電嚴(yán)重程度評(píng)估的研究的開題報(bào)告

基于圖像特征的GIS局部放電嚴(yán)重程度評(píng)估的研究的開題報(bào)告一、選題背景和研究目的GIS（氣體絕緣開關(guān)設(shè)備）是一種重要的高壓開關(guān)裝置，在輸電線路、變電站等電力系統(tǒng)中廣泛應(yīng)用。但在GIS工作時(shí)，由于電場(chǎng)的集中，設(shè)備內(nèi)部容易出現(xiàn)局部放電（PD）現(xiàn)象，嚴(yán)重影響設(shè)備運(yùn)行可靠性和安全性，甚至引起事故。因此，對(duì)GIS設(shè)備進(jìn)行PD檢測(cè)和評(píng)估非常必要。當(dāng)前，針對(duì)GISPD的檢測(cè)手段主要有多項(xiàng)分析、超聲波和紅外熱像等技術(shù)，這些檢測(cè)手段基于的是物理信號(hào)的特點(diǎn)，具有一定的局限性和不足。圖像處理技術(shù)是一種常見的非破壞性檢測(cè)方法，適合于GISPD的檢測(cè)。近年來(lái)，研究者們也開始將圖像處理技術(shù)應(yīng)用于GISPD的檢測(cè)。但目前這些研究主要側(cè)重于PD的檢測(cè)，很少有研究關(guān)注如何對(duì)PD進(jìn)行評(píng)估。因此，本研究旨在開展基于圖像特征的GIS局部放電嚴(yán)重程度評(píng)估的研究，探究如何利用圖像處理技術(shù)對(duì)PD進(jìn)行評(píng)估，為GIS設(shè)備的安全運(yùn)行提供有益的技術(shù)支持。二、研究?jī)?nèi)容和方案研究?jī)?nèi)容：1、分析GISPD的特征，建立PD的特征提取模型；2、采用成熟的圖像處理技術(shù)對(duì)GISPD圖像進(jìn)行處理，提取PD圖像的特征信息；3、構(gòu)建基于機(jī)器學(xué)習(xí)技術(shù)的GISPD嚴(yán)重程度評(píng)估模型；4、設(shè)計(jì)實(shí)驗(yàn)，采集GISPD圖像數(shù)據(jù)，對(duì)PD嚴(yán)重程度評(píng)估模型進(jìn)行測(cè)試和驗(yàn)證。研究方案：1、首先，對(duì)GISPD的特征進(jìn)行分析，確定PD圖像的特征提取方法；2、其次，采集GISPD圖像數(shù)據(jù)，并進(jìn)行預(yù)處理和處理，提取PD圖像的特征信息，構(gòu)建GISPD嚴(yán)重程度評(píng)估模型；3、然后，采用機(jī)器學(xué)習(xí)算法對(duì)PD圖像進(jìn)行分類，對(duì)PD的嚴(yán)重程度進(jìn)行評(píng)估；4、最后，設(shè)計(jì)實(shí)驗(yàn)，采集PD圖像數(shù)據(jù)，對(duì)PD嚴(yán)重程度評(píng)估模型進(jìn)行測(cè)試和驗(yàn)證。三、研究意義本研究旨在開展基于圖像特征的GIS局部放電嚴(yán)重程度評(píng)估的研究，旨在探究如何利用圖像處理技術(shù)對(duì)PD進(jìn)行評(píng)估，為GIS設(shè)備的安全運(yùn)行提供有益的技術(shù)支持。通過對(duì)本研究進(jìn)行的分析和研究，可以得到以下幾個(gè)方面的意義：1、建立GISPD特征提取模型，為后續(xù)的研究提供理論基礎(chǔ)和方法支持；2、探究GIS局部放電的評(píng)估方法，豐富GISPD研究的范疇；3、提高GISPD的檢測(cè)準(zhǔn)確性和可靠性，為GIS設(shè)備安全運(yùn)行提供有益的技術(shù)支持；4、該研究的成果對(duì)其他基于圖像處理的PD檢測(cè)與評(píng)估研究具有參考價(jià)值。四、進(jìn)度計(jì)劃本研究計(jì)劃于2021年10月啟動(dòng)，預(yù)計(jì)于2022年6月完成。研究進(jìn)度如下：1、2021年10月-2022年2月：對(duì)GISPD的特征進(jìn)行分析，確定PD圖像的特征提取方法；2、2022年3月-2022年4月：采集GISPD圖像數(shù)據(jù)，建立PD特征提取模型；3、2022年5月-2022年6月：采用機(jī)器學(xué)習(xí)技術(shù)對(duì)PD進(jìn)行嚴(yán)重程度評(píng)估，撰寫論文并答辯。五、參考文獻(xiàn)[1]晉偉,徐列兵,王立.利用圖像信號(hào)處理技術(shù)在GIS針孔放電在線監(jiān)測(cè)中的應(yīng)用[J].電網(wǎng)技術(shù),2015,39(10):2931-2936.[2]AbdallahA,Al-OthmanA.Novelapproachforpartialdischargeclassificationanddetectionusingimageprocessingandneuralnetworktechnique[J].Measurement,2018,122:73-79.[3]WangP,LiM,LiT,etal.Partialdischargedetectionandlocalizationbased