FAGAN：一种基于模型迁移与注意力机制的太阳电池缺陷图像对抗生成方法

缺陷微小微弱、数据样本规模不足等是制约太阳电池质量检测技术快速发展的瓶颈问题。因此，该文提出一种用于生成太阳电池缺陷图像的生成对抗网络模型FAGAN。该方法先在源域公开道路数据集上进行模型预训练提取跨域底层视觉特征，以提升FAGAN在目标域生成缺陷形式的多样性；然后设计了有效通道空间注意力ECSA，在空间与通道两个维度对缺陷特征进行增强，以提升微小微弱缺陷生成样本的质量。实验结果表明：该文提出的方法所生成的太阳电池缺陷图像的性能评价指标FID优于现有的梯度惩罚Wasserstein距离生成对抗网络（WGAN-GP）、深度卷积生成对抗网络（DCGAN）、循环生成对抗网络（CycleGAN）和样式生成对抗网络（StyleGAN）。     

基于生成对抗网络和深度残差神经网络的变电站异物检测

变电站电力巡检能够保证变电设备安全运行,及时发现潜在危险和隐患。传统方法主要依靠人工完成,需要较多的人力物力,并且由于变电站异物入侵的偶然性和突发性,传统方法很难预测发生的时间和地点。针对该问题,提出了基于生成对抗网络和深度残差神经网络的变电站异物检测技术。利用深度残差神经网络提出图片的特征,结合区域推荐网络和池化分类器实现目标的分类和定位。利用生成对抗网络生成样本扩充训练数据库,提升了网络的学习能力。最后利用真实变电站的图片数据进行测试,提出的方法具有较高的异物识别准确度,并且比较了不同种类不同数目的训练集,验证了通过生成对抗网络扩充样本的有效性和可行性。     

基于多源遥感数据的输电线路危险源检测及智能运维方案研究

为了维护电网线路安全,快速、准确地发现输电线路危险源,将输电线路运维工作便捷化、智能化。本文基于多源遥感数据,借助人工智能算法,将其与输电线路危险源检测和智能运维相结合,通过算法模型的研究,研究分析输电线路不同危险源的自动检测识别方法,为输电线路智能运维提供新的方式,以解决输电线路通道运维与城市建设、自然环境的矛盾,减轻基层巡检作业人员的工作负担,提升运维效率。     

基于“互联网+”大数据的输电巡检智能管控平台研发及应用

常规输电网络存在明显的信息检测不足行为,进而导致整体巡检数据的动态能力偏低,针对此问题,设计基于“互联网+”的大数据输电巡检智能管控平台。按照管控架构的部署现状,选用合理电力大数据采集层设备,进而设计完整智能巡检终端网络结构,完成输电巡检智能管控平台的硬件运行环境搭建。在此基础上,利用互联网电子采集点位分布情况,实时监控输电数据的巡检行为,进而连接相关智能串口服务器,完成智能管控平台的软件运行环境搭建,实现“互联网+”大数据输电巡检智能管控平台应用。对比实验结果表明,与常规输电网络相比,应用新型智能管控平台后,输电信息的最大检测量超过8.5×1013 T,定向化输电巡检管控精准性达到90%,巡检数据的整体动态能力得到稳定提升。     

融合元学习和双路径注意力的太阳电池缺陷生成

针对太阳电池缺陷图像数据少导致深度学习模型过拟合，从而造成小样本缺陷检测困难的问题，该文提出一种融合元学习和双路径注意力的生成对抗网络（MAGAN）作为数据增强策略。所设计的元学习调参模块（MTM）优化生成器中权重参数；所设计的双路径注意力模块（DPAT）在特征提取过程中更关注图像中微小微弱缺陷特征；在改进网络构架的同时提出一种聚类约束损失函数解决训练过程中梯度消失问题。实验和研究结果表明，所提方法能够针对小样本缺陷生成有效目标数据集并优于其他生成对抗网络，最后通过分类准确率验证了该网络的有效性。     

基于无人机云端控制的智慧输电业务巡检方法

为了提高输电业务巡检结果的准确性和抗干扰性,有效降低巡检成本,实现输电业务高效安全巡检,提出了基于无人机云端控制的智慧输电业务巡检方法。根据一体化和智能化设计原则,设计无人机云端控制系统,建立系统整体架构,构建管理、查询统计、数据协作等多个功能模块;基于无人机云端控制系统,获取智慧输电业务巡检任务,利用空间变换模型,定位输电线路塔杆;融合输电业务通道模型和地球模型之间坐标,经坐标系统转换,记录巡检线路;将全球定位系统与惯性导航系统结合,识别输电线路缺陷,通过无人机云端控制传感器采集输电业务巡检情况,使用实景模型软件,生成可视化巡检结果,实现智慧输电业务巡检。实验结果表明,该方法的基础架构稳定,具有较强的抗干扰性能,能够有效提高输电业务巡检结果的准确性和抗干扰性,降低巡检成本,实现精准高效的巡检工作。     

基于输电状态监测平台的巡检系统研发及应用

为提高输电线故障应急处理能力,利用移动巡检系统实现人员调度、抢修决策分析等功能,从而实现管理人员指挥决策与现场人员作业的无缝结合、快速互动.详细介绍了基于输电线路状态检测平台研发的移动巡检系统各组成部分的功能,并通过实例描述了本系统如何结合输电线路状态检测系统以及生产管理系统各业务功能模块在设备状态检测、故障预警分析、...     

北斗/GPS组合相对定位方法及其在输电线路巡检中的应用

针对单卫星系统定位精度低和输电线路巡检过程存在管理成本高、工作效率低的问题,提出了基于Helmert方差分量估计的加权组合定位方法,并将其应用到输电线路巡检中。基于Helmert方差分量估计的加权组合定位方法考虑不同定位系统间的差异性,将来自BDS和GPS的数据看作两类不同的观测值,根据观测值方差对卫星重新赋权,从而更合理地确定不同卫星的权重。基于组合定位的输电线路巡检系统实现了导航和定位功能、GIS显示功能与设备信息管理、缺陷管理等功能。系统实现及实验结果表明,提出的组合定位方法定位相比于单位性系统有更高的定位精度和更小的误差,巡检系统规范了输电线路的巡视工作,能有效地监管巡视人员的巡视情况,并能规范管理输电线路的检测记录与线路缺陷。     

基于Cascade R-CNN算法的输电线路小目标缺陷检测方法

输电线路无人机航拍图像缺陷识别是维护线路安全运行的重要巡检手段,但目前的识别算法对于销钉、螺母等小目标缺陷存在识别精确度低、易漏判等问题。将Cascade R-CNN算法应用于输电线路缺陷检测中,利用ResNet101网络进行特性提取,增强的网络的特征提取能力,并利用多层级联检测器对输电线路小目标进行判别和分类。基于无人机航拍图像数据集进行实验,实验结果表明,相比于Yolov3检测器和Lighthead R-CNN检测器,Cascade R-CNN算法提高了小目标缺陷检测中的召回率和精确度。     

基于无人机航拍摄影的变电站运行环境智能巡检方法

由于变电站面积大且运行环境复杂,导致传统巡检方法的效率较低,无法保证变电站运行安全,提出基于无人机航拍摄影的变电站运行环境智能巡检方法。规划一条可以巡检所有目标点的最优无人机巡检路径,控制无人机按照规划路径自动采集变电站运行环境的航拍影像,识别影像中缺陷进行变电站电力故障的检测,实现变电站运行环境的智能巡检。实验结果表明,设计方法追踪巡检输电线路时,每条线路的平均巡检时间为29.14s,有效克服了变电站巡检速度过慢的问题。     

基于改进SSD算法的光伏组件缺陷检测研究

为了解决无人机巡检光伏组件的效率和识别准确率低的问题,提出了一种基于超分辨率和双池化融合的光伏组件缺陷检测方法。首先,使用生成对抗网络（GAN）对光伏组件图像数据进行扩展,建立可用于光伏电站缺陷目标检测的图像数据集;然后,构建图像超分辨网络,减小图像数据集的噪声和提高局部区域的纹理特征。最后,将单次多边框检测（SSD）的主干网络替换为双池化方式融合的特征提取网络（VGG19＿MP）,在不提高网络参数的情况下,学习更深层次的纹理结构。结果表明基于超分辨率网络和双池化融合的光伏组件缺陷检测算法精确率达到了98.21%,平均检测时间为0.066 s,相较于对比的检测算法提高了0.9%～9.1%,平均检测时间提高了0.01～0.07 s,为光伏组件缺陷的精确识别提供了更有效的检测方法。     

无人机在特高压输电线路巡检中的应用研究

随着无人机技术的发展,采用无人机进行线路巡检将成为一种常态化作业趋势。但现有的无人机巡检存在着采集方式依赖人工操控、影像数据未得到充分挖掘利用和数据管理粗放等问题。针对上述问题,结合特高压线路输电线路工程项目,分别就不同巡检作业模式下的无人机线路巡检数据采集手段方法进行了改进,并基于地理信息系统对无人机巡检数据进行科学管理和应用。实践证明提出的改进方式能为特高压输电线路无人机巡检提供更智能、更高效的数据采集方式,为无人机巡检数据的应用、管理和决策提供了更有力的支撑。     

基于多旋翼无人机的输电通道自主巡检技术研究

传统输电线路通道电网巡检技术无法控制巡检安全距离,导致存在巡检精度低的问题,提出输电线路通道多旋翼无人机电网巡检技术研究方法。构建多旋翼无人机电网自主巡检飞行控制模型,寻找塔体的兴趣点,在确保不穿越塔体的情况下,实现安全检测,通过高速图像模块、成像传感模块、超声波局放传感模块,实现对无人机电网自主巡检飞行控制。为检测巡检技术的综合能力,设定对比实验,检测不同技术的环境适应能力、巡检精度和成像效果,实验结果表明,多旋翼无人机电网巡检技术的环境适应能力强、巡检精度更高,成像传感效果更好。     

基于YOLOv5 LiteX算法的光伏组件缺陷检测

利用无人机载热红外设备对光伏组件进行航拍和缺陷检测。针对无人机存储和算力的局限性,以及现有基于深度学习的缺陷检测模型在大型光伏电站复杂环境下模型参数量大和计算开销大的问题,设计使用YOLOv5 LiteX作为超轻量化的缺陷检测模型。首先,选择加权双向特征金字塔BiFPN替换原来的特征金字塔PANet,使特征有效的跨尺度连接和加权融合;其次,在特征融合的基础上增加更大的检测尺度,以提高模型检测较小缺陷目标的性能;引入focal-EIoU Loss对原有的边界框坐标预测损失加以改善,使网络专注于困难样本的运算。此外,通过数据增强方法来克服数据量过少的问题。改进后网络的平均精确率（mAP）相较于基准网络（Lite-YOLOv5）提高了7.32个百分点,困难样本（异物遮挡）的mAP大幅度提升。     

基于二维码资产全生命周期智能管理系统的研制

随着电网规模的不断扩大,各项业务对信息通信设备的依赖程度也越来越高,为确保信息通信安全稳定运行,公司通过采用最新二维码技术研发出一款高效智能的设备巡检系统,从而提升信息系统与相关设备的管理水平、提升设备的巡检效率和设备运转率,以及提升设备故障异常检测能力,达到减小日常巡检工作的压力,和节约人力资源成本的目标;实现对信息机房、通信机房、变电站内主要设备标识规范化统一整理和升级,实现对供电公司设备巡检流程、效率和方式的改进。     

基于深度学习的绝缘子缺失检测方法研究

绝缘子缺陷严重影响输电线路安全,航拍图像绝缘子缺失的有效识别是无人机线路巡检。提出一种轻量级网络的绝缘子缺失检测模型,使用轻量级网络MobileNetV3替换YOLOv4模型的CSPDarknet53网络。以分割性能和计算速度为判据,综合分析比较了YOLOv4模型和使用轻量型网络对其主干网络替换后的模型在绝缘子缺失检测上的性能,实验结果表明：筛选的YOLOv4-MobileNetV3轻量级网络绝缘子缺失检测模型能够准确定位图像中单、多目标绝缘子;改进后YOLOv4-MobileNetV3检测模型比原模型的体积减少了78%,FPS提升了4.85 f/s,而mAP仅降低0.6%。提出的绝缘子缺失检测方法能够满足无人机电力线路巡检的需求。     

C5.0算法在极端环境输电线路巡检中的应用

摘要： 以新疆地区的极端环境为背景,针对目前输电线路巡检效率低下等问题,选取新疆某地区的历史巡检数据,详细介绍了利用C5.0算法对该数据进行自动提取、分类的过程,构建了输电线路巡检评估决策树,并从中提取了一些重要信息。研究方法和结果可为输电线路巡检人员制定巡检计划提供参考。     

输电线路设备运行寿命的检测与评估

长期运行后的输电线路,随着设备老化、电气与机械性能的降低,检测与评估输电线路设备运行状况,确保线路健康、安全运行尤为重要。在介绍上海电网输电线路运行状况的基础上,分析了影响线路设备运行寿命的主要因素。通过对具有代表性的输电线路导线、铁塔等重要部件取样检测,获取长期运行后的线路设备状态信息,基本掌握了上海地区输电线路的运行状态。经过科学评估输电线路的预期寿命,为线路安全运行和科学维护,提出了相关技术措施和加强管理的建议。     

南方电网直升机巡检管理系统研究与应用

南方电网超高压输电公司目前使用直升机进行输电线路巡检,为了提高对直升机和直升机输电线路巡检数据的信息化和规范化管理,设计并开发了直升机巡检管理系统.首先提出了基于J2EE技术的系统体系结构,设计了系统的功能模块,论述了基于Google地图的输电线路和飞行路线的动态交互可视化原理与实现方法,开发了与其他应用系统的数据接口...     

多旋翼无人机在输电线路巡检中的应用局限及发展前景

随着电网规模的不断扩大,输电线路传统的人工巡检方式已无法适应新形势下的运行维护要求。以多旋翼无人机为载体,地面监控设备为支撑的输电线路巡检系统,正受到越来越广泛的关注。但目前多旋翼无人机尤其是输电用无人机还处于发展初期,无法适应当前繁重复杂的输电线路巡检要求。分析了输电线路巡检的特殊要求,总结了当前输电线路无人机巡检存在的诸多问题,最后从输电运检实际出发,针对未来多旋翼无人机的发展提出了一些建议。