关键词： 输电线路   深度学习   防振锤   缺陷检测   YOLOv8s  

摘要： 在输电线路防振锤缺陷检测中，常常面临缺陷样本不平衡、环境背景复杂以及防振锤尺寸较小等挑战，基于此本文提出一种用于输电线路防振锤缺陷检测的FSO-YOLO模型。在YOLOv8s的主干和颈部结构中引入全维动态卷积模块(omni-dimensional dynamic convolution，ODConv)，增强算法对小目标缺陷特征提取和融合的能力；在模型中加入聚焦调制网络(focal modulatoin network，FMNet)，提高模型聚焦关键区域的识别能力；使用样本加权函数Slideloss取代原分类损失函数，以缓解样本不均衡问题。实验结果表明，本文提出的FSO-YOLO模型能够有效检测输电线路防振锤缺陷，平均精度均值(mean average precision，mAP)可达95.3%，浮点计算量(floating point operations，GFLOPs)比原模型降低了32%，检测速度(frames per second，FPS)为51帧/秒，可以更加快速精准的定位识别缺陷目标。

关键词： 输电线路   非均匀覆冰   非均匀脱冰   最大跳跃高度   动力特性  

摘要： 非均匀覆冰和脱冰跳跃对输电线路安全运行构成了极大的威胁，在微地形、微气象区域尤为显著。为此，文中根据线路非均匀覆冰特点，设计了两种典型的非均匀覆冰形式，运用有限元方法建立了连续五档覆冰输电导线脱冰跳跃分析模型，计算得到了非均匀和均匀覆冰导线在不同非均匀脱冰形式下的动力特性，探究了档距、高差、档数等参数对非均匀覆冰条件下导线非均匀脱冰的最大跳跃高度及其发生位置的影响规律。结果表明：在不同的覆冰形式下，导线中部脱冰时的跳跃高度总是最大，且非均匀覆冰条件下导线的脱冰动力响应更加剧烈；导线最大跳跃高度所在位置受脱冰形式的影响显著，总体来看，非均匀脱冰时最大跳跃高度位置主要分布在0.39～0.62倍档距范围内。研究结论可为输电线路抗冰设计和除冰方案制定提供参考。

关键词： 动力响应分析   输电线   移动载荷   非线性效应   数值仿真  

摘要： 针对巡检设备对输电线路振动激励大、振动机理不明确的问题，本文通过研究移动载荷对输电线的动力学特性，探究其动力响应及振动规律。提出了一种三维动态非线性柔索模型，并对巡检机器人进行了动力学建模；采用联合拉格朗日-里兹法对移动载荷输电线耦合系统的动力学方程进行离散，利用Matlab语言进行数值仿真，分析了非线性效应对输电线路的影响；针对移动载荷速度和输电线路安装高差的典型工况进行了仿真计算。结果表明，在移动载荷作用下，输电线呈非线性大位移特性并具有端部效应，轴向力增量的非线性因子最高达1.677；增加移动荷载速度(0.5～2 m/s)，横向位移、纵向位移和轴向力增量分别增加2.4%、3.9%和4.4%，端部效应振幅分别增加140%、138%和225%；增加安装高差(0～10 m)，输电线下垂距离减小，纵向位移与轴向力增量分别降低7.3%和6.2%，端部效应振频最大降低50%。研究成果可为移动载荷作用下柔索结构的相关工程设计提供理论参考。

关键词： 输电线路   山火检测   烟雾检测   图像处理   目标检测  

摘要： 山火监测与定位是提高输电线路可靠性的关键。然而，高压电沿线山火图像数据具有一定的复杂性且检测目标易混淆，传统的目标检测算法无法满足山火检测任务在识别精度与速度方面的需求。为此，提出一种两阶段的高效低报警率山火检测算法，以实现高召回率高精确率的实时山火检测系统。算法架构中，第一阶段采用基于正负山火图像样本的目标检测算法，以神经网络模型YOLOv7作为目标检测器，在训练时使用足量且比例均衡的正负样本图像，提升模型的可靠性；第二阶段采用易混淆目标分类算法，以轻量级神经网络MobileNetV3作为特征提取网络，并根据第一阶段得到的易混淆类别选择不同的分类权重参数，提升易混淆目标的易分性。此外，分析了训练数据对山火目标检测算法的影响，并在山火检测数据集上进行了将所提出方法与主流目标检测器的对比实验，结合模型的多进程并行推理帧率，验证了所提出算法的有效性。

关键词： 输电线路   防振锤   缺陷检测   多尺度目标   特征融合   注意力机制  

摘要： 利用无人机对输电线路进行巡检的过程中，航拍的防振锤图像目标尺度多变且背景复杂，容易导致漏检、误检。为此，针对现有目标检测算法在复杂背景和多尺度目标检测方面的局限性，提出了一种基于改进YOLOv8的防振锤缺陷目标检测算法。首先，为了增强模型的多尺度特征提取能力，提出多尺度特征提取（MSFE）模块，有效扩大模型的感受野；其次，为了在多尺度特征融合过程中抑制复杂背景的干扰，设计空间金字塔核注意力（SPKA）模块，提升模型对目标的全局感知能力；最后，由于小尺度目标在图像中容易被忽略，在网络中增加丰富小目标语义信息的特征层（STSIL），提高小目标缺陷检测能力。对比实验中，改进算法与基线模型YOLOv8s相比mAP50提升了5.7%，防振锤正常、倾斜、掉落的AP50分别提升了3.4%、4.5%、9.2%，证明了改进算法对防振锤缺陷检测的有效性与先进性，且其应用将有助于保障电力系统的安全可靠运行。

关键词： 无人机   倾斜摄影   输电线路   多光谱影像  

摘要： 随着电力系统的发展，电力线路在电网中的作用越来越重要。为了解决电力线路在实地勘测遇到的问题，研究构建基于无人机倾斜摄影的输电线路环水保地物多光谱影像模型。首先利用无人倾斜摄影构建三维模型，然后将三维模型、多光谱影像检测融合构建模型，最后利用仿真实验去判断模型的性能。结果表明，在支持向量机(Support vector machine，SVM)和最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)两种函数下对不同地物的探测平均精度都能达到90%，且测试与训练耗时差距不大。同时利用模型对两种不同地形进行残值分布检测，模型得到的结果都符合测量精度的要求。验证了模型的稳定性，且完全能够满足实际勘测的要求。

关键词： 输电线路   金具   深度学习   目标检测   小目标   密集遮挡  

摘要： 针对输电线路航拍图像的金具目标尺寸小与密集遮挡问题，提出了基于级联查询-位置关系的输电线路多金具检测方法(CQPR)。首先提出了级联稀疏查询模块，通过小尺度特征图上小目标的粗略位置来查询大尺度特征图中的小目标精确位置，提高小目标金具检测的准确性。接着，提出了位置特征关系模块(PRM)，通过利用图像中不同金具之间的位置关系建立PRM，提取金具位置关系，丰富遮挡区域的特征，进而优化了密集遮挡下的金具检测效果。在多个基线模型上的实验结果表明，将CQPR应用到基线检测框架时，Faster R-CNN、Cascade R-CNN、Libra R-CNN、Dynamic R-CNN的准确率分别达到82.9%，82.4%，83.7%和77.3%，优于其他先进目标检测模型，对其中小目标金具和存在遮挡情况的金具检测准确率的提高较为明显，推理速度也有一定的提高，兼顾定位精度与检测实时性。

关键词： 无人机巡检   缺陷检测   YOLOv8n   小目标检测   AFPN  

摘要： 由于无人机航拍巡检图像中绝缘子缺陷存在背景复杂、缺陷目标较小、不同检测目标尺寸相差较大等问题，目前的目标检测算法对此类目标识别时缺陷特征容易丢失，导致精度低且误识率高。为此，提出了一种基于改进YOLOv8n的输电线路绝缘子缺陷检测方法。首先，为了解决小目标绝缘子缺陷特征丢失问题，设计了PCFocalNeXtC2f模块，并用其对YOLOv8n的Backbone进行优化。其次，为了解决缺陷目标的特征在多级传输中的信息丢失或退化问题，使用支持在非相邻层次上直接交互作用的渐近金字塔网络（asymptotic feature pyramid network,AFPN），对YOLOv8n的Neck进行优化。最后，引入损失函数Sigmoid-CIoU，对YOLOv8n中的损失函数进行优化，并采用Sigmoid-CIo UNMS获取检测结果，提升模型的鲁棒性。实验结果表明，所提出的算法相较于改进前的YOLOv8n,F1值提升3.3%，平均检测精度map@0.5和map@0.5-0.95分别提高了3.8%和6.1%，同时参数量降低了23.9%，证明了所提出的算法具有更优越的检测性能。

关键词： 小波阈值函数   变分模态分解   改进Teager能量算子   行波波速   故障定位  

摘要： 为解决输电线路故障行波波头在噪声背景下检测困难的问题，提出一种融合小波去噪与变分模态分解(VMD)结合改进Teager能量算子(NTEO)的行波波头检测新方法。首先，将含噪行波信号经所提的新小波阈值函数进行去噪处理，有效提高输出信号的信噪比；然后，对输出信号进行VMD自适应分解，选择最能反映行波波头特征的高频模态分量，利用NTEO能量算子对高频模态分量波头进行标定；最后，根据输电线路各档距内导线水平长度和实际长度之间的比例关系，推导出一种不受波速影响的双端行波测距公式，利用该测距公式计算故障距离。仿真结果表明所提波头检测方法在噪声背景下具有良好的检测效果，且能够保证定位结果相对误差维持在0.1%以内。

关键词： UPFC   输电线路保护   故障检测   故障分类   TET  

摘要： 为应对统一电力流控制器对传统距离保护的影响，提出了一种新的输电线路故障检测与分类方案。方案运用瞬态提取变换算子进行快速故障检测，继而通过BP神经网络、支持向量机、决策树和随机森林等分类器进行故障分类。仿真结果表明，TET特征使BP神经网络、支持向量机、决策树和随机森林分类器的平均分类准确率分别达到99.71%、99.82%、99.89%和99.93%，检测时间均在5 ms以内。该方案在OPAL-RT实时仿真平台上的验证也证实了其有效性，可快速准确地检测和分类UPFC补偿线路的各种故障。