基于AD-Census代价及目标检测的吊车防碰线技术

针对大型吊车在高压输电线路下施工易发生碰线事故的问题,提出一种基于目标检测和双目测距的方法来对风险进行管控。所提方法首先使用YOLOv4算法对输电线进行检测,然后考虑到双目相机处于不同拍摄角度会导致图像存在亮度差异的情况,提出了基于AD-Census代价的SGBM（Semi-Global Block Matching）双目测距算法对输电线进行测距。最后通过实验验证了所提方法的有效性。结果表明：该方法在检测输电线时平均置信度能够达到81.67%,在5~8米以内测量误差能够控制在0.4米以内,平均检测测距用时50ms。相比原始双目测距算法,改进算法的测量精度有一定提升。所提方法能够准确测量吊臂与输电线间的距离,对防止吊车碰线具有一定意义。     

智能自动测距声光报警信标灯的研制与应用

为防止输电线路外力破外事故的发生,从技术防范角度研制了一种智能自动测距声光报警信标灯。该装置安装于输电线路上,能自动测量附近物体距离并发出声光警示,提醒附近施工机械和过往行人注意与输电线路保持安全距离,可有效防止输电线路外破事故和人员触电等事故,提高输电线路防外破技防工作水平。     

基于双目视觉监控的输电线路通道异物闯入检测技术的研究

异物闯入已经成为输电线路外力破坏的主要原因,严重威胁了输电线路的正常运行。将双目视觉技术运用在输电线路通道视频监控系统中,设计了输电线路通道异物闯入检测方案,并针对输电线路通道中可能会出现"鬼影"和光照变化的情况,对视觉背景提取算法(visual background extraction algorithm,ViBe)算法进行改进,通过视频图像实验验证了其相对Vi Be算法对"鬼影"和光照变化具有更好的检测效果,下一步需要在实际输电线路环境中进行实地验证。     

基于GPS的输电线路故障测距方法的研究

在比较了各种输电线路故障测距方法的基础上,提出了基于全球定位系统(GPS)的双端同步采样故障测距算法.该方法利用GPS的秒脉冲信号来确保双端同步采样,并利用双端测距提供的硬件设备,采用线路参数在线估计算法,有效消除了由于线路参数不确定对测距精度的影响.介绍了基于GPS的输电线路故障测距系统的结构、工作原理、防干扰措施,以及双端故障定位的计算方法.这种测距算法具有计算简单、稳定性好、且无伪根识别的特点.仿真结果表明,该算法具有可靠性高、测距精度高的特点,完全不受故障类型、过渡电阻和系统参数的影响.     

基于I-OHEM的输电线路防外破目标检测方法研究

在电力系统中,及时有效地识别并排除高压输电线路外破风险隐患对保障电力系统的安全运维具有非常重要的作用。基于深度学习的目标检测技术能够有效识别输电线路安全区域内的工程机械和导线异物等可疑危险目标,降低输电线路的外破风险。针对外破隐患识别问题,基于工业界广泛应用的目标检测算法模型YOLOv3来进行输电线路防外破目标检测,提出了一种改进版的在线困难样本挖掘(I-OHEM)算法,对YOLOv3网络结构进行了改进和优化。结果表明,改进后的算法在保证实时性的要求下,提高了目标检测的准确度。     

架空输电线路外力破坏现状分析及建议

针对架空输电线路因外力破坏跳闸及由此造成故障停运率居高不下的问题,对当前架空输电线路外力破坏现状进行了分析,总结了国内架空输电线路防外破现行管理、技术手段的优缺点,针对"防外破"工作下一步研究的重点,提出开发基于互联网的输电线路外破人防物防技防系统及建设电力在线监测设备与移动办公专用网络等建议。     

基于特征融合与随机森林的吊车碰线预警算法

现有的输电线路防外力破坏技术无法自动识别目标,导致对吊车碰线的监测效果较差。因此,该文提出了1种基于特征融合与随机森林的预警算法来解决这一问题。该算法在分析吊车自身特点的基础上设计了"形状–纹理–颜色"的融合特征提取方式:首先采用改进的边缘直线检测方法提取吊臂形状特征,然后利用局部二值模式(local binary pattern, LBP)算子获取纹理特征,最后在两步量化后的色调饱和值(Hue, Saturation, Value, HSV)颜色空间内得到颜色特征。进行融合特征后采用随机森林分类器进行目标识别,当判定目标为吊车时,根据其姿态和距离参数发出不同等级的预警信息。实验结果表明:该算法对工程吊车的平均识别准确率达到90.6%,相比于3种单一特征提取方式分别提升17.3%、7.9%和12.6%。同时该算法具备较强的实时处理能力,适用于输电线路防外力破坏的智能监控场合。     

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。     

面向架空输电线路的防外破装置设计

针对传统防外破技术抗干扰能力弱、适配性低、报警效果差以及平板电容型传感器对称结构中存在的边缘效应问题,研制一种适用于多组态与多电压等级架空输电线路的防外破装置。首先,分析感应电压与场强关系,进行等位环结构改进并完成PCB设计制作,利用Ansys Maxwell搭建多组态与多电压等级架空输电线路仿真模型,为报警阈值设定提供理论依据;其次,完成防外破装置的硬件与软件设计,实现不同线路情况下的电压档位选择、电场信号采集处理以及声光报警等功能;最后,搭建10 kV模拟架空输电线路高压实验环境并进行现场验证,测试分析装置的工作性能。结果表明,所设计的防外破装置感应电压测量平均相对误差在3%以内,与测试电压线性相关系数R=0.999 7,其变化规律符合电场分布规律;现场报警成功率为100%,装置稳定可靠、兼顾精准性与线性度要求。     

基于改进Mask R-CNN的输电线路防外破目标检测方法研究

随着现代电力系统的不断发展,电网规模越来越大,外破原因引发的故障已经成为架空输电线路故障的主要原因之一。在架空输电线路视频监控中,使用传统的边界框式目标检测方法进行外破预警时,误报或漏报的情况时有发生。掩模实例分割神经网络(Mask-RCNN)训练时使用的像素级掩模标注数据集成本较高,限制了该算法的大规模应用。针对这些问题,将改进的Mask-RCNN网络应用到输电线路外破目标检测领域,在数据集标注过程中,使用边界框标注代替部分掩模标注。训练时,将检测分支的特征迁移到掩模分支。实验结果表明,改进后的算法能够在掩模标注样本占比80%的条件下,对常见外破类别的平均识别准确率高于91%,为输电线路外破隐患的准确识别与分割提供了一种可行的思路。