加强农网输电线路管理、提高运行维护管理水平

自2008年以来,国网湖北省电力公司坚持输电线路外部隐患排查治理,进一步强化组织保证体系,完善了一整套全过程管理制度和考核制度,制定了切实有效的管理流程,通过实施全面排查、全方位治理、全过程监控,积累了一套行之有效的输电线路外部隐患排查与治理手段,确保了外部隐患“可控、能控、在控”。本文就结合该公司情况分析研究如何加强农网输电线路管理、提高运行维护管理水平。     

小型无人机在输电线路故障排查定位中的应用

为了提高小型无人机在输电线路故障排查定位中的应用效果,文章对此展开研究。根据输电线路的巡检距离和高度选定小型无人机类型,通过坐标系定位转换,构建输电线路故障定位模型,采用行波测量方法完成故障的定位检测,实现对输电线路故障排查定位的方法设计。实验结果表明：在选择的6组输电线路图像中,本文设计的方法能够保证无人机航拍路线的准确性,故障点定位结果平均误差值分别为0.003、0.029、0.0026,切实提高了实际应用效果。     

基于Faster R-CNN的输电线路缺陷识别模型研究

随着多旋翼无人机引入输电线路巡检作业后,对巡线人员通过图像判断线路上设备是否有缺陷提出了新的挑战。为了帮助巡线人员做出准确决策,提高发现缺陷的能力,基于深度卷积神经网络,搭建了适用于无人机图像识别的输电线路缺陷识别网络模型。首先详细描述了输电线路缺陷识别图像数据库的建立过程,然后通过分析对比三个预训练前端网络的性能及多个参数对网络模型识别准确率的影响,得到基于Faster R-CNN的输电线路缺陷最优识别网络模型。经过测试集验证,提出的缺陷识别网络模型的识别准确率达到了90%以上,单张图片耗时达到了毫秒级,在识别准确率和耗时上均明显优于其他识别网络模型,为实际巡线工作中的输电线路缺陷判别提供智能有效的决策依据,是机器学习在智能电网中应用的有益探索。     

输电线路外部隐患排查与治理

输电线路通道运行环境复杂,其外部隐患排查治理对保证输电线路安全的安全运行具有重要意义。广水供电公司肩负着广水地区35k V高压输电线路运行维护任务,所辖输电线路375.27公里,其中多数线路通道运行环境复杂,防外破任务艰巨。     

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。     

基于蚁群算法输电线路检修计划的制定*

为了提高制定输电线路检修计划的工作效率,提出了一种输电线路检修计划模型。该模型为任务量均分的多旅行商问题模型,综合考虑了线路缺陷的严重程度和重要性,在保证线路检修时间始终控制在允许范围内,以可靠性理论中故障率为基础的经济损失风险最小为目标。应用了改进蚁群算法和基本蚁群算法对模型进行仿真比较,结果显示前者求解质量较好,这表明了改进蚁群算法能够改善基本蚁群算法易于陷入局部最优解的缺点。     

基于无人机巡检的输电线路规避系统设计

针对无人机进行输电线路巡检时存在与线路发生碰撞的风险,影响无人机巡线系统及输电线路运行安全。基于毫米波雷达传感器,采用LTCC多层技术,设计了输电线路规避系统,通过采用恒虚警算法和多目标检测算法,设计了规避算法。试验结果表明,输电线路规避系统对输电导线和地线的测试范围在50m左右,误差小于1m,规避效果良好,对保障无人机巡检系统和输电线路运行安全具有重要的意义。     

基于改进型蚁群算法的输电线路故障测距模型研究

为了解决输电线路运行过程中容易出现的单相短路、两相接地、相间短路、三相短路等故障,构建一种基于改进型蚁群算法的输电线路故障测距模型,以实现输电线路故障测距优化。通过在常规蚁群算法的基础上优化寻优路径,以解耦方式消除三相线路中的互感作用。利用阻抗矩阵与导纳矩阵获取电力系统的相模矩阵。根据相模变化结合傅氏补偿算法,解决影响输电线路故障测距精度的多项因素,并以此为基础构建输电线路故障测距模型最优解。采用MATLAB仿真软件对所构建的模型进行了仿真试验。试验结果表明,所设计的模型受故障测距影响因素的影响较小,测距精度更高。该研究为后续的输电线路故障测距算法改进奠定了理论基础。     

输电线路无人机自动巡检系统不间断作业实时监控方法

针对输电线路无人机自动巡检信息冗杂,数据噪声较大,海量数据传输难以完整传输的问题,提出了一种输电线路无人机自动巡检系统不间断作业实时监控方法,保障输电线路不间断作业。构建输电线路不间断作业监控架构,利用无人机自动巡检系统的无人机飞行器实时采集输电线路图像信息,经无线传输模块传输至地面站存储;输电线路不间断作业监控模块调用采集到的数据,采用非局部均值滤波算法去噪处理输电线路图像,将去噪后图像输入至卷积神经网络,优化检测异常输电线路图像,并利用粗定位算法定位异常点,便于巡检人员实时修复输电线路,实时监控输电线路不间断作业。实验结果表明,所提方法能够清晰、直观地检测到输电线路异常点,实时监控输电线路不间断作业;拥有较为优秀的去噪效果,为后期高效、实时检测输电线路异常点提供保障;信息传输性能突出,保证海量数据传输具有极高的完整性。     

极端条件下高压输电线路覆冰识别检测技术

目前,越来越多的高压输电线路需穿过重度覆冰区,由冰雪灾害引起的输电线路故障问题频繁发生,从而造成一定的经济损失,故需要探索一种有效识别极端条件下覆冰输电线路状态的检测算法。提出小波变换模极大值和多尺度多结构形态学两者加权融合算法,对算法的原理进行了分析,结合所采集到的图像,通过去雾、滤波、灰度增强等方法对图像预处理,对边缘检测算法进行实现。通过对比经典常用的边缘检测算子发现,该方法在极端条件下对覆冰输电线路边缘轮廓检测误差只有0.661 7%,满足极端条件下覆冰输电线路识别检测,为下一步输电线路覆冰厚度计算以及故障诊断提供技术支持。     

蚁群算法在输电线路检修计划中的应用

以编排输电线路检修计划为背景开展蚁群算法应用研究。以系统在整个规划周期内输电线路检修引起的供电不足风险增加量最小为目标,同时保证各条输电线路检修启动时段始终控制在可选集范围内,提出并描述了基于蚁群算法的输电线路检修计划模型,实例仿真验证了模型的有效性和实用性。     

输电线路单组检修计划模型及求解

为保证电力系统运行的安全性和可靠性,建立一种基于单组维修输电线路检修计划的时间约束旅行商问题模型。考虑线路重要性,同时保证线路检修时段始终控制在可选范围内,以可靠性理论中故障率为基础的经济损失风险最小为目标,设计出一种新的改进蚁群算法对模型进行求解,以便改善基本蚁群算法易于陷入局部最优解的缺点。实验结果表明,应用该算法的模型能够较好地解决输电线路检修计划的制定问题。     

激光点云中输电线拟合与杆塔定位方法研究

通过竖直直方投影和均匀网格离散将激光雷达扫描得到的输电线路三维点云降维成二维灰度图像,提取其中直方响应最大的地方作为杆塔的水平位置,分离杆塔,输电线在走向上以杆塔为界分段;再沿其悬垂面的法线方向对各段输电线作正投影,对投影的散点进行迭代的鲁棒二次曲线拟合,实现在竖直方向上的各层输电线的分离。杆塔的提取和输电线的拟合是实现电力系统净空排查分析、输电线点云实体化和场景漫游的重要环节。     

煤矿供电系统雷击情况的仿真研究

选取矿区常用的110 kV级的输电线路作为仿真研究对象,采用ATP-EMTP电磁暂态分析软件建立了雷击输电线路的数学模型,通过改变杆塔接地电阻值的大小以及安装与不安装线路避雷器对雷击过程的影响进行了仿真分析。仿真结果表明,雷击杆塔顶时,输电线路杆塔接地电阻值越大,输电线路的耐雷水平会降低;输电线路安装避雷器可有效降低输电线路过电压。     

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。     

融合高效注意力的多尺度输电线路部件检测

针对在高分辨率输电线路图像中，不同种类部件尺度跨越大，难以被均衡检测的问题，提出一种融合高效注意力的多尺度输电线路部件检测算法。在YOLO v5目标检测算法中，设计添加高效注意力模块ECBAM提高算法特征提取能力。根据输电线路部件的特征分布统计，使用滑动窗口对高分辨率输电线路图像进行切片，并对切片前后的图像分别使用改进后的YOLO v5算法训练模型。将两个模型的检测结果进行集成，得到多尺度输电线路部件检测结果。在公开的PLAD架空输电线路图像数据集上，该模型的检测性能远超现有目标检测模型，Precision可达83.2%,Recall可达92.8%，相比数据集原作者提出的模型，mAP值提升了1.6个百分点，达到了90.8%，且能检测出未在原始数据集上标注出的隐蔽目标，验证了在高分辨率图像中检测多尺度输电线路部件的有效性。     

基于PSO算法的输电线路相间距离计算分析

PSO算法的主要用途在于解决优化问题,通过粒子运动选出种群中的最优解。在输电线路的设计中,需要把握和检验导线之间的最小相间距离。本文从以下几个方面探讨基于PSO算法的输电线路相间距离计算:一是PSO算法概述,二是PSO算法在计算输电线路相间距离时的应用。     

输电线路电流电压保护问题与完善措施

众多线路和电力设备共同构成了电力系统,而其中最基础的部分就是输电线路。输电线路直接影响着电能能否安全地输送。本文就输电线路的基本情况进行了叙述,并且分析了如何有效地保护和完善输电线路电流电压。     

输电线路运行常见故障原因分析与防治

输电线路是电力系统中最基本的组成部分。近年来,由于输电线路故障引发了多次大面积的停电事故。为避免或减少线路故障的发生,提高送电可靠率,需深入分析输电线路故障原因并制定不同防治措施。根据我国近年来输电线路故障跳闸类型及故障数据分析,总结了以下几方面故障原因,包括雷击、覆冰舞动、风偏放电、鸟害、污闪、山火等。本文重点分析了几类常见的输电线路故障跳闸原因,同时提出了有效的且具有针对性的防治措施,供输电线路运行维护人员参考。     

基于深度学习的输电线路风险预警识别研究

“三跨”输电线路出现的故障,对于电力保障及铁路公路等基础交通设施均会造成重大影响。因此对“三跨”输电线路的潜在风险进行识别与预警,是至关重要的。针对这一问题,本文提出了一种结合深度学习和图像处理技术的输电线路安全区域内工程机械设备的的识别与检测方法。采用区域卷积神经网络（Faster-RCNN）对位于输电线路安全区域内的各类工程机械设备进行识别与检测,并基于caff框架下进行了实现;算法还结合同态滤波等图像处理技术,以进一步提高在不良光照等复杂环境下的目标检测结果的准确度。多组实验结果表明算法对于各种复杂环境下的各类工程机械设备均具有较高的检测识别率,算法实现了对位于输电线路安全区域内的工程机械类的风险预警识别,为输电线路故障与风险智能识别平台的建立提供了基础。