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。     

云南某电网架空输电线路鸟害故障分析

针对云南某电网近年来深受鸟害故障影响，统计2013～2022年该地区输电线路跳闸故障数据，从杆塔形式、导线空间分布、跳闸月度分布、每日时段分布等多维度开展故障原因和规律分析。统计分析发现：输电线路鸟害故障成为仅次于雷击、山火的第三大故障原因。研究表明：该地区因鸟粪引起故障为首要故障类型，鸟害故障主要集中在110 kV和220 kV输电线路，发生在11月～次年4月的鸟害故障占比88.52%，发生在21时～次日7时的鸟害故障占比89.83%。研究结果可为输电线路防鸟害工作提供借鉴和参考。