为了提高电力系统设备异常识别效果,提出了基于人工智能技术的电力系统设备远程实时监控异常识别方法。首先通过云台摄像头实时采集电力系统设备图像并传送至远程监控中心,远程监控中心实时截取视频流中的设备图像并进行图像实时预处理;然后采用变分模态分解方法提取图像中电力系统设备异常状态特征,并将该特征输入支持向量机中作为训练样本,实现电力系统设备异常状态实时识别;最后对某电力公司电力系统设备进行仿真实验,结果表明该方法在雾霾、雪天等恶劣天气下均可实现电力系统设备异常状态的有效识别。

通过对特厚煤层综采工作面及巷道围岩控制理论的研究,设计了一种8.8 m液压支架。支架采用特制的高强轻质钢板,同等强度下较传统用材支架质量减轻25%以上,方便井下运输、安装及搬迁。采用人工智能技术使综采面用人减少55%以上,大大减轻工人的劳动强度,同时提高了综采工作面的安全性,对于提高煤炭开采效率具有重要意义。