关键词： 覆冰检测   输电线路   单目视觉   弧垂分析  

摘要： 本文从输电线路覆冰和弧垂两个问题展开叙述,分别介绍了利用阈值分割和边缘提取技术对覆冰的输电线路进行分析,利用ARM图像采集装置和Harris角点提取方法对弧垂进行分析,提出了覆冰问题的复杂性,并对之后的研究工作进行展望。

关键词： 电力工程建设   输电线路   施工管理   策略   途径  

摘要： 加强对输电线路的施工管理、提高施工工艺和施工质量,是当前电力工程建设中亟待解决的问题。本文分析了输电线路施工工艺要点,并就如何加强施工管理进行了探讨,供同行参考。

关键词： 模糊数学法   架空输电线路   鸟害故障   防治效果   组合权重法  

摘要： 为进一步确保输电线路安全可靠性,设计一种基于模糊数学法的架空输电线路鸟害故障防治效果评价模型。通过时空聚合分析方法采集鸟害发生时空大数据,根据所采集的鸟害发生时空大数据对鸟害发生频率及程度进行预测,基于预测结果,采用组合权重法确定防鸟装置多样化组合权重,构建架空输电线路鸟害故障防治效果评价模型。实验结果表明,所设计模型对于鸟害发生频率预测准确率较高,输电线路运行稳定,减少了输电线路跳闸次数,保证了架空输电线路通道的安全性能。

关键词： 感应取能   无线传输   无人机   输电线路  

摘要： 为了保障输电线路安全运行,应用无人机在线巡检成为越来越重要的手段。由于无人机存在续航里程短、野外充电困难等问题,因此为其提供安全可靠的电能输入是保障无人机巡检的关键。针对无人机自主电平台设计了一套基于无线电能传输的供电装置。该装置利用感应取电装置输电线路直接获取电能,并对其后端增设保护稳压电路,保证输出电能的稳定,然后设计E类逆变式无线传输装置供铁塔上无人机自主充、换电平台使用,从而保证无人机自主充、换电平台供电来源,提高了无人机巡检效率。

关键词： 故障测距   固有频率   支持向量回归   鲸鱼优化算法   测距精度  

摘要： 为提高高压直流输电线路故障定位的准确度,提出了一种基于行波固有频率法和单端行波法时域定位相结合的新方法。线路端点故障时利用固有频率法测距存在死区问题,而采用行波法时域定位不受频变影响,将两种方法结合可以有效提高定位准确度。将变分模态分解(VMD)后的变分模态能量值与小波模极大值提取的行波波头到达测距装置的时间作为特征值,利用支持向量回归(SVR)拟合特征值与故障距离之间的非线性关系,并用鲸鱼优化算法(WOA)优化SVR的参数,形成WOA-SVR故障测距模型。仿真结果表明:该方法具有较高的测距精度和收敛速度,耐受过渡电阻能力强,具有较高的实用价值。

关键词： 输电线路   在线监测   触发算法   雷电流暂态信号  

摘要： 对于输电线路的雷击过电压在线监测装置,快速准确地识别雷电流信号至关重要,目前不论是硬件触发还是软件触发都存在误触发和漏触发等触发问题,而且目前的监测系统在经济性和便捷性方面存在明显弊端。本文提出一种基于嵌入式的雷击在线监测系统,可以实现对输电线路高效便捷的实时监测,极大的提高雷击监测装置的便捷性和经济性。同时提出先检测后识别的触发算法准确识别雷击电流暂态信号,首先通过幅值差的方法快速检测雷电流信号(不良数据),然后通过周期作差的方法准确识别不良数据,通过分析实验,证明该方法可以减少监测系统的误触发和漏触发次数。并且通过实验室测试,证明该监测系统的采集精度为98.49%,满足实时监测的需求,为输电线路在线监测提供一种经济便捷的监测系统。

关键词： 5G通信技术   网络切片   输电线路   在线监测  

摘要： 5G通信技术是全球通信领域的新一代核心技术。本研究使用5G网络切片技术,构建了输电线路状态视频在线实时监测系统。结果表明,该系统可以完成对输电线路状态。

关键词： 输电线路   柱上变压器   架空配电线路   配网工程   钢管杆   森林防火   森林火灾   差异化  

摘要： 针对配网工程输电线路建设中森林防火问题,以输电线路差异化设计为重点,为森林防火提供技术支撑。差异化设计的方法广泛应用于产品设计,其核心思想是一个好的设计应该根据应用对象的具体情况,采用不同的设计方案。随着我国森林资源的不断恢复和增长,输电线路成为诱发森林火灾的原因之一,如何降低输电线路引发森林火灾的概率成为一项重点课题。为此,基于配网输电线路建设工作实际,重点从10千伏及以下配网设施设备差异化设计为切入点,对柱上变压器台差异化、架空配电线路差异化以及钢管杆差异化提出具体方法建议,努力从源头上防范森林火灾的发生。

关键词： 输电线路   立体化巡检   缺陷识别   人工智能图像识别技术  

摘要： 为了准确、及时地发现输电线路中的缺陷,研究基于人工智能图像识别技术的输电线路立体化巡检模式。具体地,以人工智能图像识别技术为支持,借助K-means算法对立体巡检图像进行聚类处理,同时,采用人工神经网络对图像中输电线路缺陷进行智能识别。经测试,在相同工作量下,未采用本文所提技术的输电线路缺陷识别需要5个分析员持续工作15 d,平均每分钟进行2~3张图片的识别,图像识别速度为20~30 s/张;采用人工智能识别技术,识别速度高达0.25 s/张,仅需3.6 h便可以将识别任务完成。在弱光环境下,经过增强处理的图像边缘更加清晰,目标图像与背景实现明显分界,且现阶段可利用输电线路中相同部件不同角度的7张图片实现高于90%的识别准确率。另外,通过对相同条件下其他几种方法影响模型实际收敛情况的比较发现,所有方法的重构误差均呈现出逐渐降低之势,最终都趋于稳定。结果表明本文技术在立体化线路图像缺陷检测中有一定普适性,有利于工作效率的显著提升。

关键词： 输电线路   故障原因判别   多视图学习   稀疏表示   特征选择  

摘要： 日渐增加的多源异构数据为输电线路故障原因判别带来了信息融合的机遇和挑战。为解决故障录波和多源关联信息的特征融合问题,引入多视图学习概念,提出了基于多视图稀疏特征选择的架空输电线路故障原因判别方法。根据故障录波和关联信息区分并提取双视图故障特征,随后基于稀疏表示提出了层次多视图特征选择算法(HMVFS)。该算法引入ε-dragging扩大分类类别的标签间距,并通过Frobenius范数和l2,1范数的正则化项分别从故障视图和故障特征的高低维度实现特征选择。最后采用某地区输电线路故障数据进行对比实验,结果验证了该方法在输电线路故障原因判别的有效性和优越性。