连续3天覆冰微气象数据驱动的架空输电线路覆冰类型识别与预测

架空输电线路不同覆冰类型对电网的危害程度不同,同时也影响防冰和除冰决策。针对图像覆冰类型识别存在的图像质量差、利用率低、泛化能力较弱的问题,研究连续3天覆冰微气象数据驱动的架空输电线路覆冰类型识别与预测。通过覆冰图像的拍摄时间和终端号数据融合2014—2018年南方电网输电线路覆冰监测系统的覆冰图像、微气象、终端和杆塔等信息,构建了覆冰类型微气象数据集,统计分析了雨凇、雾凇、混合凇和湿雪4种覆冰类型的微气象特征和地理分布特征,提出了最近邻（k-nearest neighbors,KNN）分类方法,利用连续3天9个微气象参数和覆冰类型的5 075个样本训练集识别与预测1 269个样本测试集的覆冰类型,准确性达80%以上,其中精确率P、召回率R和准确率A分别达到86.7%、86.6%和92.2%,大大提高了架空输电线路覆冰数据的利用率、分析效率和泛化能力。     

输电线路智能带电检修关键技术研究综述

采用智能装备代替人工进行带电检修,可保障带电作业人员安全,如何在不同应用场景下安全、可靠、高效地完成带电检修是其关键问题.首先介绍了架空线路、电力电缆、气体绝缘输电线路(GIL)这3类线路的运行环境和带电检修需求,分析了电力无人机、架空线路机器人、绝缘子机器人、车载机器人、电缆机器人、GIL检修机器人6种智能装备的应用...     

输电线路覆冰导线Mask R-CNN图像识别与分割

架空线路覆冰是危害电力系统安全运行的重要因素之一,已推广应用的覆冰图像监测技术迫切需要强泛化能力的图像分析,以提高数据分析的准确率、效率和辅助决策应用。基于南方电网架空线路覆冰预警系统2014—2018年覆冰图像监测数据,提出图像数据清洗和人工标注规则,对图像进行人工质量评估、分类标注及分割标注,建立南方电网输电线路覆冰图像数据集,研究适用于复杂背景下的融合多尺度特征的改进Mask R-CNN导线识别与分割方法。模型训练和测试结果表明,所提方法的识别、分割准确率达92%以上。     

浅谈音乐教育与智力开发

音乐教育与智力开发的感性思维和理性思维是紧密结合在-起的,二者之间是不可分割、互相存在、互相影响,并有着深刻的辩证关系.注重音乐早期教育对智力开发的引导作用,但不能舍本逐末而放弃音乐教育的主要任务,更不能用音乐教育代替智力开发教育.     

基于Yolo v5与Grabcut的架空线路绝缘子可见光图像自动识别与分割方法

准确识别与分割绝缘子图像是架空线路绝缘子状态感知与缺陷诊断的重要前提。针对绝缘子的可见光图像提出了结合深度学习Yolo (You only look once) v5模型与图论分割Grabcut算法的两阶段图像识别与分割方法。首先采集图像建立数据集并训练Yolo v5,实现绝缘子的识别,然后用识别框坐标确定感兴趣区域,预判前景和背景,基于Grabcut算法实现绝缘子的自适应分割。根据该方法识别与分割架空线路绝缘子的在线监测可见光图像,结果表明,该方法无需分割标注或人工交互,可以高效准确地定位复杂背景下绝缘子的边缘并分割绝缘子,极大地提高绝缘子图像的分析效率。