一种基于改进K均值聚类的输电线路覆冰状态侦测方法

输电线路覆冰是影响电网在寒冷季节正常运行的一大隐患.因此,必须对输电线路覆冰状态进行侦测,以确保及时发现覆冰现象并采取应对措施.本文提出一种基于改进K均值聚类的输电线路覆冰状态侦测方法.首先,获取输电线路图像,并进行预处理;之后,依次使用直线段检测(LSD)算法、改进K均值聚类、最小二乘拟合确定导线位置;最后,计算导线...     

基于TensorFlow的高压输电线路异物识别

针对传统异物识别准确率较低的问题,提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理,并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架,通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数,并针对ReLU激活函数与特征权重进行理论分析。实验结果表明,经过15次迭代训练后,深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力;与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比,所提模型更具有优越性。     

基于卷积神经网络与ECOC-SVM的输电线路异物检测

输电线路悬挂异物会引发输电线路单相接地、相间短路等停电事故,因此本文提出一种基于卷积神经网络与ECOC-SVM的输电线路异物检测方法。首先,本文构建气球、风筝、塑料和鸟巢4种输电线路异物图像数据集;然后采用Otsu自适应阈值分割、形态学处理等方法提取感兴趣区域;再利用DenseNet201提取感兴趣区域的特征;最后对ECOC-SVM模型进行训练、测试与结果分析。所用方法在4类异物上的平均识别准确率可达93.3%,有助于提高输电线路运维的效率。     

基于深度学习网络的输电线路异物入侵监测和识别方法

为解决输电线路异物入侵在线监测图像样本量较小的问题,针对异物图像特点,提出了一种基于深度学习的输电线路异物入侵监测和识别方法.首先选取典型正常运行输电线路图像和目标异物图像,采用条件生成对抗网络算法对有异物入侵的输电线路图像进行样本扩充.然后将Dense-net网络替代YOLOv3网络中倒数第二层网络,建立Dense-...     

基于卫星遥感影像的输电线路异物故障特征分析

电力是国民正常生活和安全生产的重要保证,为提高运营效率,维护高压输电线路的正常运行,提出一种基于卫星遥感影像的输电线路异物故障特征分析方法,通过卫星遥感影像检测提高输电线路异物检测的准确性。首先对输电特征节点的关键帧进行筛选,分析数据结构的特征,然后采用预估漂移区域筛选法提取关键帧,最后使用Mean-Shift算法对异物故障特征指标进行计算,实现故障特征分析算法的设计,并在某实验场地进行塑料袋、鸟窝、断股散股等异物的试验验证,结果证明了所提算法的有效性。     

输电线路智能除异物装置的研制与应用

输电线路异物影响供电可靠性。针对传统除异物工器具的不足,从移动方式、操作方式和观察控制方式三方面的优化改进着手,研制了一种输电线路智能除异物装置。该装置集合了自动爬行、自动翻转、远程操控、高温无火切割、视频观察等功能,解决了间隔棒、防震锤、通道等因素的制约,适用于各类可融、可燃异物。经试验和现场应用表明,该装置具有安全可靠、操作便捷、高效实用等优点,可减轻作业人员劳动强度,保障输电线路供电可靠性。     

输电线路异物入侵多维度检测及预警系统

输电线路是电网的重要组成部分,其分布范围广、工况复杂,极易遭受到外力破坏。为预防异物入侵影响输电线路的安全稳定运行,设计了一套输电线路异物入侵多维度检测及预警系统,可实现对电力现场入侵物体空间位置确定、与架空线之间的距离测算。该系统可提高输电线路的整体智能化运维水平,提升工作效率,降低运维成本,有效保证电网运行安全。     

基于改进SinGAN的电力线巡检异物数据增强技术

针对电力线异物识别模型能使用的数据集较少,并且传统单幅自然图像的生成式模型(SinGAN)模型生成数据与异物识别模型匹配度不高、质量不佳、耗时过久的问题,提出了改进SinGAN模型。在改进SinGAN模型基础上加入仿射变换单元、大小变换单元进一步增强数据集,加入图像滤波单元提高电力线异物识别模型所需数据质量。并通过改进SinGAN反向传播训练过程和SinGAN的单精度生成器结构提升模型生成质量,减少所用时长。实验结果表明,经50次实验后,改进SinGAN的平均弗雷谢特起始距离(Fréchet inception distance, FID)为91.375,平均训练时长1.21 h。分别比传统SinGAN降低了27.247%和87.31%。改进SinGAN与其他主流生成式对抗网络相比有更好的异物数据生成能力,可以增强电力线异物识别模型所需数据,具有优越性。     

基于改进SinGAN的电力线巡检异物数据增强技术

针对电力线异物识别模型能使用的数据集较少,并且传统单幅自然图像的生成式模型(SinGAN)模型生成数据与异物识别模型匹配度不高、质量不佳、耗时过久的问题,提出了改进SinGAN模型。在改进SinGAN模型基础上加入仿射变换单元、大小变换单元进一步增强数据集,加入图像滤波单元提高电力线异物识别模型所需数据质量。并通过改进SinGAN反向传播训练过程和SinGAN的单精度生成器结构提升模型生成质量,减少所用时长。实验结果表明,经50次实验后,改进SinGAN的平均弗雷谢特起始距离(Fréchet inception distance, FID)为91.375,平均训练时长1.21 h。分别比传统SinGAN降低了27.247%和87.31%。改进SinGAN与其他主流生成式对抗网络相比有更好的异物数据生成能力,可以增强电力线异物识别模型所需数据,具有优越性。     

基于OpenCV的电气柜电气符号识别方法

提出了基于OpenCV函数库,对摄像头范围内的目标物体进行轮廓提取及识别携带信息的方法。对精准识别电气符号的颜色、轮廓、内容有较高的可行性,实现了从人工巡检向机器巡检的转变。     

基于数字图像处理的液位测量系统的研究与实现

基础设备的数字化是智慧电厂发展的基本要求。为实现基地式液位仪表的远程监视与自动读数,提出了一种基于数字图像处理的液位测量系统。图像处理算法包括颜色阈值分割、改进的Canny边缘检测、模板匹配,并提出窗口搜索峰值检测算法,分别对采集图像进行仪表定位、液位分界面提取、数字识别和摄像头自标定,从而实现液位图像的数字化。同时,该测量系统具有自适应中值滤波、直方图分析和透视失真自矫正功能,增强了测量的抗干扰性和自适应性。经实验室试验,测量系统的有很好的准确性,能维持原有仪表的精度等级。     

输电线路导、地线异物清除器的研制与应用

介绍了一种新型的输电线路带电作业异物清除器,该工具轻便、安全、快捷,能及时清理威胁输电线路安全运行的异物。实践证明,该工具的使用可有效避免带电作业人员进入强电场作业,具有较高的实用价值和推广意义。     

基于改进胶囊网络的电力线巡线异物检测

针对电力线巡线异物检测使用的传统卷积神经网络空间辨识度较差、训练样本需求过多的问题,提出一种改进胶囊网络模型。使用数据灰度化、三维块匹配滤波算法预处理巡线数据集。提出自适应贡献池化降低数据信息丢失量,异物数据深度信息提取单元提取主要特征来滤除冗余信息、减少数据数量以改善模型性能,改进异物识别主胶囊层和动态路由结构以适应电力线巡线异物检测的二分类情况。对自适应贡献池化和最大池化,无池化、传统结构胶囊网络和改进胶囊网络,改进胶囊网络和AlexNet、GoogLeNet分别进行异物识别对比实验和改进胶囊网络的空间辨识度性能进行测试实验。实验结果表明,在3 700张小训练样本条件下,经20次训练后,自适应贡献池化比最大池化的改进胶囊网络平均准确率提高2.7%,改进胶囊网络比无池化、传统结构胶囊网络平均准确率提高3.6%,改进胶囊网络比AlexNet、GoogLeNet的平均准确率分别提高21.9%和12.6%,且改进胶囊网络在大小、角度不同的测试数据中仍具有高于91%的平均准确率。改进胶囊网络在空间辨识度复杂、少训练样本情况下仍具有较高的异物识别能力,实现了高效率、高准确率的自动化无人巡线异物...     

输电线路导地线异物处理方法

介绍导地线异物给输电线路安全运行带来的危害,总结分析输电线路导地线异物常规处理方法。实践表明,地电位带电作业法具有高空作业量少、安全系数高、操作简单、适用性强等特点,能够提高供电可靠性。     

基于S变换的超高压输电线路暂态信号识别方法

提出利用S变换暂态能量和对单相短路、故障性雷击、非故障性雷击与电容投切等4种常见暂态信号进行分类识别的方法.基于PSCAD/EMTDC的500 kV输电线路仿真模型,产生4种暂态信号,然后利用S变换暂态能量和对各个暂态信号不同频带的暂态能量和进行提取,通过分析比较,得出分类识别的判据.算例验证,该方法具有准确率高、结果...     

基于改进YOLOv5s的输电线路异物检测*

针对输电线路背景复杂导致异物检测性能不高的问题,提出一种基于改进YOLOv5s的输电线路异物检测方法。该方法引入CBAM注意力机制并构建了基于Transformer架构的C3TR层,增强了模型筛选关键特征的能力;然后使用动态的WIoU v3函数作为改进方法的损失函数,解决模型检测精度下降的问题。利用输电线路异物数据集进行训练和测试,结果表明改进后的模型在各项检测性能均有提升,具有较好的检测精度和泛化能力,能满足输电线路异物检测的应用要求。     

无人机搭载高能射线装置清除输电线路异物研究

目前,清除输电线路异物的传统方法及工具均存在诸多弊端。从无人机角度出发,提出一种新的清除异物方式,采用无人机挂载高能射线装置清除导线异物。从装置的设计构思、操作方式及应用效果方面对清除输电线路异物的作业方法进行讨论。     

无人机高压输电线路异物清除装置

针对高压输电线路上各种可燃异物的清理问题,研制了一种无人机高压输电线路异物清除装置,即利用六旋翼无人机携带喷火装置,采用燃烧的方法清除异物。使用该装置的工作人员无需靠近输电线路,通过远程遥控即可在带电情况下快速清除塑料薄膜、风筝线等异物,既可保障工作人员的生命安全,又为企业节省大量的人力物力。     

基于GIS技术的输电线路隐患缺陷识别方法

常规的输电线路隐患缺陷识别方法使用二维AI识别技术训练输电线路隐患缺陷样本数据,易受数据迭代作 用影响,导致识别性能较差,因此基于GIS技术设计了一种全新的输电线路隐患缺陷识别方法.利用GIS技术构建了 有效的输电线路缺陷可视化识别模型,再利用数字图像处理技术设计了输电线路隐患缺陷智能识别算法,从而完成了 输电线路隐患缺陷识别.实验结果表明,设计的输电线路隐患缺陷GIS识别方法的识别AP 性能指标较高.