关键词： 输电线路   故障定位   行波测距  

摘要： 高压输电线路在我国广泛分布,准确定位线路故障点,对于保障电力供应的可靠性与稳定性,防止故障进一步扩大,并且减少运维、检修人员的工作量至关重要。提出了一种采用双端行波测距的算法定位故障点,首先将输电线路划分为几个区间,每一个区间节点处安装行波测距仪;然后根据每一个行波测距仪检测到的信号时间计算故障矩阵,最后对故障矩阵进行调零修正与行波速度修正,以提高故障距离计算的精度;最后搭建了仿真模型,验证了所提算法的有效性。

关键词： 输电线路   异常检测   算法   综述   电力系统  

摘要： 为了确保电网的安全稳定运行,对电网进行了有效的故障诊断。首先,本文重点介绍了输电线路异常探测的国内外研究状况和应用情况,简单说明了其研究的背景和重要意义,接着,对目前常见的一些方法进行了归纳和概括,分别从统计、模型和深度学习三个角度对不同的方法进行了综述,并指出了它们的优点和用途,并对未来的研究趋势和发展趋势进行了展望期望通过本文的研究,为电网的实际运行提供理论依据,促进电网的快速发展。

关键词： 架空输电线   无人机   激光雷达   抛物线   张力  

摘要： 针对目前激光雷达架空输电线测距时存在数据依赖高、对天气条件不敏感等问题,提出一种基于无人机机载激光雷达架空输电线弧垂仿真模型。利用无人机采集架空输电线3D点云数据。提出一个架空输电线弧垂曲线模型,可基于抛物线悬链线方程模拟不同天气条件下输电线形变形状。实验阶段,以中国某省110 kV输电线路为例验证所提方法。实验结果表明,温度的升高导致张力减小和输电线长度的伸长,垂直于输电线的水平张力随着风压的增加而增加。同时,所提模型模拟出的输电线形变与真实情况相比偏度小于1.22%。仿真结果验证了所提模型的有效性,该模型对架空输电线巡检和输电线安全分析的发展提供了一定借鉴作用。

关键词： 架空输电线路   多类缺陷目标   轻量化检测   高斯滤波算法   SSD算法  

摘要： 架空输电线路图像中的缺陷目标具有多样的形状、尺寸和纹理特征,适当地表示和提取这些特征是一项挑战。为此,提出架空输电线路多类缺陷目标轻量化检测方法,建立轻量化主干网络,设计架空输电线路多类缺陷目标轻量化检测整体架构。以此为基础,引入高斯滤波算法,对架空输电线路图像实现预处理,增强图像特征。最终利用SSD(Single Shot MultiBox Detector)算法实现架空输电线路多类缺陷目标轻量化检测。实验结果显示,研究方法的图像特征增强效果明显,且在300次的迭代实验中,检测率始终接近100%,虚警率始终保持在2%左右。

关键词： 输电线路   智能运检   监测和感知   异常状态预警  

摘要： 阐述输电线路中的智能运维技术创新,包括输电线路智能监测和感知、全景集中运检管理。从输电线路安全防护、巡检业务管理、异常状态预警、设备故障应对方面,探讨新技术的应用与实践。

关键词： 110kV输电线路   设计分析   施工管理  

摘要： 为确保110kV输电线路的施工质量和运行稳定性,110kV输电线路工程从前期路径到线路施工,都应全过程考虑技术细节,严格把控施工质量落实设计意图,做好安全管理和环水保等多方面工作。结合潜江某项目110kV输电线路的设计及施工管理实践,复盘分析线路设计及施工过程中质量管控所需要重点管控的因素。

关键词： 输电线路检修   无人机   机械臂   感知检测系统   模糊神经网络  

摘要： 由于输电线路受到天气、环境和外界因素的影响,导致输电线路出现各种故障和损伤,无法确保电力系统安全稳定运行。为此,设计了输电线路检修无人机机械臂感知检测系统。硬件结构设计包括无人机模块、通信模块、机载吊舱模块、数据处理模块和无人机机械臂零值检测模块,5个功能模块协调配合工作,增强无人机机械臂感知效果。通过模糊神经网络计算无人机机械臂运动轨迹期望位置,实现无人机机械臂感知。实验结果表明,所设计系统具有较好的检测效果,能够有效提高检测精度。

关键词： 电力系统   输电线路   节能降耗  

摘要： 科技社会与经济社会的发展为社会生产水平提升创造了良好的平台,在社会生产力提高背景下,电力输配电网运行所存在的高耗能问题随之显露出来,电力行业在发展清洁可再生能源的过程中需深入探究降低电力输配电线路能耗的措施,以促进电力行业与工业行业高效发展。基于此,本文主要研究了电力输配电线路节能降耗措施,以期减少输电线路能耗,提升电力资源利用率。

关键词： 输电线异物检测   YOLOv8   StarNet   卷积注意力融合模块   动态检测头   WIOU损失函数   EMA-Slide Loss损失函数  

摘要： 针对无人机对输电线路异物检测准确度有限,模型计算复杂度高、计算速度有限的问题,提出一种改进YOLOv8的输电线路异物检测方法SC-YOLO。该方法引入StarNet以构造C2f_Star模块实现Neck网络轻量化,有效降低模型参数量与计算量,同时通过增加特征空间维度提升Neck部分特征提取能力;在骨干网络输出特征图后添加卷积注意力融合模块,提升骨干网络对输入特征图的初步特征提取能力,增强模型整体检测效果;将原检测头替换为动态检测头,提升模型对不同输入的动态调整能力与对关键信息的关注程度;使用WIoU作为边界框损失函数,EMA-Slide Loss作为分类损失函数,提升模型泛化能力与检测性能。实验结果表明,提出的SC-YOLO计算量较原始模型下降8.02%,mAP提升1.4个百分点,达到了95.2%的检测精度,在降低模型计算复杂度的同时实现了较高的检测准确率,具有高可行性与实用性。

关键词： 输电线路   机器人   间隔棒安装   模型预测控制   目标检测   深度相机   间隙识别  

摘要： 为解决输电线路人工安装间隔棒作业危险性高和劳动强度大的问题,设计了一种间隔棒安装机器人。针对传统电力机器人依赖摄像头观察和上位机手动调整的低效率和精准度较差的问题,提出了一种基于模型预测控制(model predictive control,MPC)的运动控制方法,在预测模型中加入积分项以减小系统的稳态误差,并且采用了D‒H法对机械臂进行连杆坐标建模,使用拉格朗日法对其建立动力学模型。此外,采用YOLOv7目标检测算法并结合深度相机,对机器人进行定位。针对间隔棒安装至输电导线过程中存在间隙过大或者对准率不高的问题,提出了一种基于DeepLabV3+轻量级间隔棒安装机器人间隙识别算法,以确保安装的可靠性。仿真及试验对比分析表明,采用MPC方法的系统控制收敛时间为18 s左右,控制器的超调量约为0.05,系统的上升时间为12 s,与传统的PID控制或模糊PID控制相比,其具有更好的稳定性和鲁棒性。在模拟220 kV输电线路间隔棒安装试验中,利用所提定位方法得出的坐标与实际值偏差量小于1 cm,符合机器人作业要求,验证了所提的机器人作业控制方法的可行性。