外力破坏影响下的输电线路综合监测与预警系统

针对现有输电线路需要人工巡查盯守且监测效率低的缺陷,提出新型的方案.采用MSP430F5438单片机芯片计算,通过杆塔监测子系统中的六种传感器检测出输电线路受外力破坏情况,利用云存储智能摄像头采集输电线路现场视频,经由光纤通信网络传送至后台主机管理子系统.后台主机管理子系统通过高斯背景模型法,判断外力破坏情况是否符合输电线路杆塔安全距离.测试结果表明,该系统可稳定监测不同电压等级输电线路受外力破坏情况并及时预警.     

基于高压输电线路的防外力破坏预警技术研究

输电线路分布区域广、传输距离长、地形条件复杂,超高车辆线下通行或超高机具线旁作业等外力破坏引发线路断裂、短路事故时有发生,这不仅给用电企业造成了经济损失,也对电网安全运行构成了严重威胁。这些事故的发生往往具有经常性、隐蔽性、突发性,致使日常巡视难以达到预期效果。为保护输电线路的安全,预防输电线路外力破坏隐患,本文设计和开发了一套输电线路防外力破坏预警系统,旨在有效减少或消除外力破坏事故,提高输电线路安全运行和智能化管理水平。     

输电线路防外力破坏预警系统的设计与实现

针对各种施工吊车、塔吊等超高车辆在输电线路线旁作业或线下通行以及各种违法、违章行为造成输电线路断裂、短路,导致停电等事故隐患,设计一种基于超声波测距的输电线路防外力破坏预警系统.该系统由线上测距机和现场告警终端构成,采用超声波测距获得输电线路与隐患目标之间的距离,利用短距离无线传输将距离测量信号传送至现场告警终端,由现场告警终端分析、判决、处理后执行语音报警,从而达到保护输电线路安全的目的.详细介绍了系统功能、系统构成、无线模块及其与单片机之间的接口编程等.     

基于YOLOv4的输电线路外破隐患识别算法

针对人工巡检及传统视频监测方式不能及时识别输电线路外破隐患的问题, 本文提出基于YOLOv4的输电线路外破隐患识别算法. 该算法采用改进K-means算法对图片样本集目标的大小进行聚类分析, 筛选出符合检测目标特征的锚框, 之后利用CSPDarknet-53残差网络提取图片深层次网络特征数据, 并采用SPP算法对特征图进行处理增加感受野, 提取更高层次的语义特征. 最后结合实际的输电线路现场监控图片, 测试结果表明该算法能够及时准确检测到外破隐患.     

基于卷积神经网络的输电杆塔缺陷智能识别系统研究与应用

针对当前电力系统输电线路的巡检现状,本文设计了一套贴合实际生产应用的输电缺陷智能识别系统,实现了数据快速分类、图像智能识别、识别结果人工审核、报告生成等功能,并且对两阶段的检测关键技术展开了研究。经过实践应用发现,该系统能够有效提高巡视数据分析效率,为输电线路实现智能化提供有效的支撑。     

嵌入式视频和图像识别技术在架空输电线路智能监控中的应用研究

输电线路智能视频监控系统是由嵌入式视频装置、通信通道、后台存储服务器等部分组成,嵌入式视频装置在现场拍摄视频和图像后,现场通过色度提取、基于小波的Canny边缘检测、轨迹追踪、向量机分类等图像识别和模式识别方法,自动识别出架空输电线路本体及周边环境变化产生的风险因素,如导线弧垂变化、大型机械入侵施工、鸟巢活动、飘挂物等,然后产生报警信息后发回服务器,节约了通信费用．经过3年的实际运行经验表明,此系统为佛山地区输电线路防外力破坏发挥了巨大作用,具备广阔的推广应用情景．     

基于深度学习的输电线路外力破坏检测方法研究

针对输电线路附近可能出现的大型违章车辆施工造成外力破坏的情况,为保证输电线路运行的安全和稳定,提出了改进的YOLOv5目标检测算法。在原有YOLOv5算法的基础上,将其使用的Boundingbox损失函数GIOU_Loss改为CIOU_Loss,使其具有更快更好的收敛效果;同时将其使用的经典NMS改为DIOU_NMS,使其对一些遮挡重叠的目标有更好的识别效果。实验结果显示,改进后的YOLOv5算法模型可以有效地监控输电线路附近的外力破坏情况。     

图像处理在输电线路防外力破坏监控中的应用

针对工程机械在输电线路走廊内施工时可能会对输电线路造成外力破坏的问题,提出了一套基于电子稳相、连通域检测、形状特征提取的运动图像处理算法。该算法以多高斯建模方法提取的运动目标为基础,对输电线路走廊内出现的工程机械施工场景进行检测、识别和判断。试验证明,该图像处理算法能准确、可靠地提取正在运动的工程机械吊臂。     

基于BP神经网络的输电线路隐患预放电识别研究

针对输电线路在长期运维过程中出现的异常主要依靠人工定期巡线来排查,无法高效、准确的对隐患进行预判的局限,本文提出了基于BP神经网络方法对输电线路典型隐患预放电识别。首先在南方电网防冰减灾重点实验室梅花山基地搭建起输电线路放电试验平台,得到了输电线路在树障和污秽绝缘子两种典型隐患的预放电脉冲电流波形数据。继而绘制得到放电信号中放电量,放电次数,相位参数的三个二维统计图,在此基础上提取并构建得到放电特征参量数据库,再将特征量带入反向传播神经网络分类器中对线路隐患模型进行训练。最后对模型测试的结果表明,采用BP神经网络算法能够有效识别输电线路中典型的隐患,且识别准确率达到92%以上,进而为输电线路隐患识别提供了参考。     

基于深度学习的输电线路外破图像识别技术

在电力系统中,识别并排除输电线路外破风险隐患对保障电力系统的安全运行方面具有非常重要的作用.图像识别技术是识别外破风险的一个有效方法.针对外破隐患识别问题,本文提出了一种通过卷积神经网络训练获取深度模型的检测算法,该算法根据防外破风险隐患图像特点对现有深度网络结构进行了改进优化,增加ROI池化层并修改了损失函数;采用大量样本训练得到鲁棒模型,测试时对待测图片首先产生候选区域,然后针对各候选区域进行检测识别,达到在复杂背景中检测出外破风险隐患的目的.实验结果说明了本文方法可以有效地识别出输电线路外破隐患.     

一种新型的矿井通风智能监测系统

介绍了一种新型的矿井智能监测系统的结构、组成、工作原理及性能指标,并对仪器的测频精度进行了分析。该智能监测仪通过对井下风压、风速、温度等参数的监测,找出煤矿通风系统存在的隐患。这对提高煤矿安全生产具有重要的现实意义。     

嵌入式监控系统中断点续传的设计与实现

智能监控设备（嵌入式系统）在远程控制领域已广泛应用,同时嵌入式TCP/IP协议已成为嵌入式网络中广泛应用的通信协议。为了提高嵌入式监控设备图像或视频传输的可靠性和稳定性,设计并实现了一种基于嵌入式TCP/IP协议的嵌入式监控设备的图像或视频断点续传的功能。文中详细论述了嵌入式设备断点续传的实现方法和关键技术,并给出了程序实现的流程图。实际应用表明,这种设计能够有效地满足嵌入式系统中图像或视频稳定、可靠的传输的需求。     

基于传统图像处理算法和YOLOv4的水位识别方法研究

水位监测是水利建设的重点问题,为及时掌握水情、预防洪涝灾害,提出了一种智能图像水位识别系统解决方案。对多种情况下的水尺图片利用传统图像算法进行图像预处理后,使用基于YOLOv4的深度学习水位识别算法,对采集的图像进行训练,实现水位自动识别。实验结果表明,基于YOLOv4的深度学习水位识别算法能够有效的通过水尺图像读取当前的水位,算法误差仅在1~2cm左右,符合工程水位监测误差要求。     

山东省水利系统网络安全工作探索

针对山东省水利系统网络安全威胁感知能力不强、应急处置水平不高等突出问题,结合水利信息系统现状及网络安全实际需求,在山东省水利厅部署态势感知系统平台,全省 16 个市部署网络流量采集引擎,不间断采集分析水利网络数据,实现安全态势实时感知和动态监测,对全省水利重要业务应用开展实战化网络攻防演练,深度检验水利信息系统防护、监测预警和应急处置等能力,进一步发现网络安全深层次问题和隐患。通过部署态势感知系统,开展网络攻防演练,山东省水利系统网络监测预警机制初步建立,网络安全工作队伍得到有效锻炼,网络安全整体水平显著提升,并为构建智慧水利时代全面、智能、联动的网络安全体系提供工作参考。     

智能监控系统中的图像识别与分析

当前,随着计算机通信技术和网络技术的快速发展,图像处理技术在科学技术领域中的地位愈来愈重要。图像识别属于智能监控设备中的重要技术组成部分,本文在概述智能监控系统的基础上,研究智能监控系统图像识别的关键技术,并对智能图像监控系统的图像识别与分类进行分析。     

航天测控站供电系统智能监测系统设计及验证

为准确把握航天测控站的供电系统运行情况,设计一套航天测控站供电系统智能监测系统,系统将实现对测控站中多类型供电终端的数据采集,并通过统一的数据采集终端发送至采集上位机,上位机将获取的数据存储并分析,最后以网页形式展现数据采集及分析结果。通过实现软硬件结合、B/S与C/S架构结合的供电系统智能监测系统,将提出一种航天测控站对其供电系统进行监测的新方法,可以及时有效发现供电系统的隐患,提高供电系统运行的稳定性和可靠性,为保障航天发射的顺利实施提供有力支撑。