摘要： 中国南方电网有限责任公司超高压输电公司昆明局（以下简称“昆明局”）秉持为新员工“扣好职场第一颗扣子”的理念，结合自有运维设备的特殊性和员工在校专业学习情况，完善培训模式，确保新员工的技术技能水平符合新时代电力企业的要求。

关键词： 导线舞动   轨迹跟踪   单目测量   图像处理  

摘要： 输电线路舞动是导线存在非圆截面覆冰时在风激励下发生的低频率、大振幅的振动。因振幅较大,舞动一方面会由于张力增大而引起金具损坏、导线断股断线、甚至倒塔,另一方面可能因相间距离过近而导致闪络、跳闸等,对电网安全运行存在严重威胁。随着机器视觉的发展,电力视觉技术提出采用视觉传感器监测线路舞动状态。本文优化模板匹配算法,预测舞动搜索区域,结合空间约束假设,通过导线上的导线标记物,快速准确跟踪线路舞动轨迹。 改进模板匹配算法,考虑导线标记物的形状和亮度特征,结合相关定理,提出在图像序列中检测导线标记物的优化观测模型,快速准确地跟踪线路舞动轨迹。分析线路常见金具形状,针对以此为导线标记物时背景像素过多问题,提出通过二次加权构建非矩形精准模板,与标准模板相比,精准模板能够提高模板匹配的准确性。改进模板匹配计算量极大的遍历运算,通过相关定理和快速傅里叶变换,提出优化观测模型,优化后模板匹配的运算速度得到极大提升,检测导线标记物的耗时明显降低。 为进一步提高舞动轨迹跟踪速度和准确度,根据线路舞动特点,提出多项式拟合和帧差法的数据融合方法,构建运动模型预测舞动轨迹趋势,缩小观测模型检测导线标记物的搜索区域。对比拟合不同阶次泰勒多项式和三角多项式预测舞动轨迹趋势的效果,可以发现,用少量点拟合低阶多项式的效果更好。考虑舞动节点处和峰值处两种情况,提出基于帧差法的舞动运动模型,能够极为准确地生成舞动搜索区域。分析总结多项式拟合和帧差法特点,利用数据融合构建运动模型,能够生成更小更准确的导线舞动搜索区域,提高了舞动轨迹跟踪的效率。 针对单目相机测量线路舞动物理坐标问题,在单目相机成像模型基础上,结合导线舞动空间约束假设,构建单目平面测量模型,对舞动轨迹的物理坐标进行测量。通过实验验证了在空间约束下,单目平面测量模型的测量误差受相机外参数影响,但仍能较为准确地测量物理坐标。结合舞动特点,提出合理空间约束假设,实验验证了单目跟踪测量导线标记物运动轨迹的可行性,结果表明,相比面内运动假设,无轴向窜动假设的平面误差更小,其测量误差也更小。

关键词： 无人机巢   线路巡检   选址部署   航线规划   作业调度  

摘要： 随着无人机技术的发展,无人机巢由于其远程自主巡检能力正逐渐成为未来输电线路巡检的重要发展方向之一。然而无人机巢在电力巡检工程应用过程中存在着配置部署、航线规划和作业调度等问题,导致了机巢对人工巡检替代效果并不理想,极大地限制了其发展。科学合理地配置部署和调度管理无人机巢具有十分重要的意义,不仅能提高机巢的利用率和作业效率,而且能提高电网经济效益和管理水平、保障电网设备安全。本文在总结现有研究的基础上对输电线路巡检无人机巢工程应用问题进行研究,提出配置部署和协同作业航线规划方法,制定作业调度优化方案和巡检管理策略,主要研究工作和成果如下: 首先,针对无人机巢在电力巡检工程应用中配置部署问题,提出一种定量分析决策方法。以总成本最小为目标建立整数规划模型,并提出改进模拟退火算法对模型求解,计算无人机巢最优部署位置。基于佛山北部片区为研究区域仿真计算分析,验证结果表明本文所采用的方法能有效降低无人机巢部署成本,提高无人机巢利用率。 其次,针对无人机巢在电力巡检工程场景协同作业航线规划问题,提出一种定量计算规划方法。结合巡检航程最小和任务完成时间最短等多目标优化条件构建综合效用函数,建立整数规划模型,并提出自适应大邻域搜索算法对模型求解,计算无人机巢协同巡检最优作业航线。基于研究区域仿真计算分析证明算法的有效性,验证结果表明本文所采用的方法能有效提高无人机巢协同巡检作业效率,降低资源消耗。 最后,针对无人机巢在电力巡检工程场景作业调度问题,提出无人机巢作业调度优化方案。基于无人机巢系统结构和原始作业流程,结合无人机巢协同作业航线规划方法,制定无人机巢作业调度优化方案。通过各方案比较和试验分析优选方案,并制定无人机巢巡检管理策略。最终建立输电线路无人机巢智能巡检作业的新模式。应用实践表明优化方案让电力巡检更安全、更高效、更精准和更智慧,真正实现无人机巢智能高效巡检的工程应用价值。

关键词： 无人机巡检   输电线路   关键部件   目标检测   知识蒸馏  

摘要： 我国用电需求持续增大,并且考虑到我国“双碳”战略目标,未来对长距离输电线路输送电能的需求预计将显著增长。然而,输电线路上的关键部件长期暴露在各种环境中,可能会存在缺陷,.将会影响电力系统的供电可靠性。因此,本文针对输电线路关键部件缺陷检测技术进行了研究。 针对目前输电线路缺陷检测中边缘设备存在高延迟和巡检环境复杂导致难以检测缺陷目标的问题,提出了一种名为YOLO-inspection的输电线路缺陷检测算法。首先,采用GhostNetV2模型重新构建C3模块,以降低网络计算复杂度,并有效捕获远距离像素间的依赖关系,从而使模型更加关注缺陷目标的关键区域。其次,在特征融合网络PANNet的基础上,设计了动态自适应权重分配模块,并引入跨尺度连接,以确保模型能够有效利用不同尺度的特征并保证特征有效融合。通过实验验证,本文提出的方法能够准确定位复杂环境中的缺陷目标,在低光照和下雪天气两种场景下表现出优异的泛化能力,平均精度均值达到了 94.3%,检测速度为每秒30帧,展现出卓越的检测性能和较高的效率。 针对YOLO-inspection方法在检测运动模糊数据中检测效果差甚至目标丢失的相关问题,提出了可回顾性学习的联合知识蒸馏方法。该方法综合运用了基于响应的知识蒸馏和基于特征的知识蒸馏,并设计了可回顾性学习的策略。在模型训练过程中,采用了独特的训练策略:使用正常的数据集训练教师网络,利用运动模糊的数据集训练学生网络。同时,在学生网络中,提出了一种YOLO-Faster算法,设计并提出了动态自适应注意力机制DAAM模块。实验结果表明,所提出的方法在检测速度和检测精度上明显优于主流的缺陷检测器。在边缘设备上,使用模糊数据集进行实验,新模型平均检测精度达到93.7%,检测速度为每秒29帧,并且能够克服无人机相对运动带来的图像模糊对检测精度的影响,为实际巡检任务提供了可靠的支持。 为了使整个研究形成闭环,并且能够快速和高效地完成巡检任务,设计了一个“边-云-端”协同的输电线路缺陷检测系统。采用PyQt5构建了直观易用的可视化平台,用户可以轻松地浏览和分析数据,快速了解输电线路的健康状况。同时,利用MySQL数据库进行数据管理和存储,为系统提供了可靠的数据支撑。为了优化算法在实际应用中的性能,将YOLO-inspection和可回顾性学习的联合知识蒸馏算法部署于NVIDIA Jetson Xavier NX平台,并使用TensorRT优化加速,模型的精度得到进一步提升,分别可以达到每秒63帧、每秒65帧。系统充分利用云服务器、边缘设备和终端设备的优势,实现了对无人机巡检的实时监控和缺陷预警,显著提升了巡检效率。

关键词： 鸟害检测   鸟种识别   输电线路   YOLOv7  

摘要： 根据电力系统历年的数据统计,鸟害已经成为输电线路发生故障的一个重要因素。电力系统迫切需要一种输电线路鸟害检测以及危害鸟种识别方法,为输电线路鸟害差异化防治提供支撑。然而鸟害检测中由于识别目标小造成检测困难,对鸟害检测提出了挑战。危害鸟种识别过程中,传统模型存在漏检、误检等缺陷导致无法准确识别危害鸟种。本文与国网江西省电力科学研究院合作,针对输电线路鸟害及鸟种的特点在YOLOv7基础上进行了改进,改进后的模型具有更好的鸟害检测能力和危害鸟种识别能力。本文具体工作内容如下: (1)首先针对输电线路鸟害数据集中目标与YOLOv7原始锚框不匹配问题,采用K-means重新聚类锚框生成与鸟害数据集相匹配的锚框,提升了模型识别精度;其次针对鸟害数据集中目标小检测困难问题,采用Mosaic数据增强方法扩充了数据集,增强了目标信息特征;再次对MPConv模块进行改进,使用SpdConv模块替换MPConv中的跨步卷积模块,减少了因跨步卷积造成的目标特征信息丢失。最后引入ODConv卷积改进特征提取模块,提高了模型对小目标的特征提取能力。改进后的模型对输电线路鸟害检测的平均精度为98.78%,较改进前提升了0.78%。 (2)制作了包含27种鸟类共计6650张图片的输电线路危害鸟种数据集。针对危害鸟种识别过程中出现的背景误检、不同鸟种间误检、漏检等缺陷,本文对YOLOv7模型进行了针对性改进。首先引入了SK注意力机制,SK注意力机制根据输入特征不同选择合适的卷积核,使得感受野能够自适应调整,提升了模型识别能力;其次将Bi Former模块融入到YOLOv7模型中,Bi Former模块能够根据输入图像的特征自适应调整权重分配,使得模型能够学习到更为重要的特征信息;最后改进了损失函数,提出的EIOU损失函数将锚框宽高比的影响因子相互独立,提升了模型的收敛精度和速度。改进后的模型对危害鸟种的识别平均精度为95.39%,较改进前提升了1.58%。 (3)本文设计了一款便携式鸟害检测和鸟种识别app,将输电线路鸟害检测改进模型和输电线路危害鸟种识别改进模型部署到手机上。首先将PC端上模型架构和训练好的权重文件转换成NCNN格式,其次使用Android Studio软件开发app。最后实际测试表明,两种改进后的模型在手机端上成功部署并实现了鸟害检测和鸟种识别。