一种改进型YOLOv4输电线路防外破检测方法

输电线路场景图像易受野外多种环境干扰,当前主流的深度学习网络模型难于满足输电线路防外破检测模型的边缘部署实时性和精度要求。该文提出了一种融合残差学习的YOLOv4输电线路防外破检测方法。首先采用数据增强技术对所采集的输电线路图像数据集增强,建立了输电线路防外力破坏的图像数据集。其次,考虑到输电线路网络模型便于实际边缘部署配置的需要,对YOLOv4网络结构进行了改进,基于ResNet50构建特征提取主干网络。最后引入标签平滑技术对YOLOv4的分类损失函数进行了优化以减缓过拟合问题,提高了网络模型的检测精度。用实际采集的输电线路图像构成的数据集进行了测试,实验结果表明该文所提出的方法在运算速度和检测准确度上均优于其他方法。     

330 kV四回路并联短电缆线路暂态特性研究

为满足城市日益增长的用电需求,多回路并联电缆大量敷设,电缆之间的相互影响越来越大,为提高多回路并联电缆的可靠性,需针对该线路稳态、暂态特性开展大量研究。针对目前研究较少的多回路并联短电缆线路暂态特性进行了分析。首先根据实际四回路并联短电缆线路进行仿真建模,研究了故障暂态电流特性,得出故障出现的位置与故障电流大小之间的规律。其次,研究了金属护套感应电压与护套接地方式的关系,当故障发生在靠近护套直接接地端时,另一端通过保护器接地,护套感应电压较小。各回路电缆护套分别接地也能有效降低故障感应电压。最后,研究了多回路电缆回流缆的最优布置方案,采用"三七"原则中间完全换位的布置方案可有效降低护套感应电压,与中间不换位布置方案相比,护套感应电压暂态峰值可降低约18.32%。     

一种轻量化YOLOv4输电线路防外力隐患检测方法*

输电线路多地处野外偏远，易受各种外力隐患破坏而出现安全故障。针对基于深度学习的输电线路外力隐患检测模型不能满足边缘部署的实时性需求的问题，提出一种轻量化YOLOv4的输电线路防外力隐患检测方法。首先引入深度可分离卷积，采用MobileNetv3作为YOLOv4模型的主干网络用以提取输电线路图像的多尺度特征。然后用建立的输电线路图像数据集对改进的轻量化模型进行训练、验证和测试。实验结果表明，提出的方法在输电线路外力隐患检测中准确率可达到87.73%，运算速度可达到32.49，与同类方法相比综合性能较优。