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。