关键词： 输电线路   目标检测   深度学习   异物检测   电力安全  

摘要： 输电线路作为电力传输的主要载体,对电力系统的安全稳定运行起到至关重要的作用。在日常生活中,输电线路经常受到异物的侵害,导致导地线的单相接地和相间短路等事故,若不能及时排查异物,甚至会造成人员伤亡和火灾。因此,定时巡检输电线路,及时排除异物隐患是维护电力系统安全的重要工作。而传统人工巡检存在效率低、危险性高和机动性弱等问题,为了实现快速、精确地检测异物,本文基于YOLOv5算法对输电线路开展异物检测方法研究。具体研究工作如下:(1)构建输电线路异物图像数据集。通过电力巡检图像与网络公开数据收集训练样本,对原始数据集进行数据增强,扩增样本数量并优化数据集的质量,从而提升算法的泛化能力。分别对每张图像中的异物目标进行人工标注包围框和标签,再将数据集按照一定比例划分为训练集、验证集和测试集,完成数据集的构建。(2)提出了一种轻量级输电线路异物检测算法YOLOv5-Lite。基于YOLOv5算法采取两种轻量化改进策略改造其网络。首先,利用轻量级卷积神经网络Rep VGG轻量化YOLOv5的主干网络,并调整其网络宽度减小网络规模;其次,引入轻量级卷积模块Ghost模块,设计了Ghost C3和GBS模块用于颈部网络,进一步压缩网络参数量。实验结果证明,YOLOv5-Lite能够在仅降低1.2%检测精度的情况下,大幅度减少网络参数量的产生,其模型大小被压缩至8.3MB,约为YOLOv5的十分之一。(3)提出AM-YOLOv5-Lite轻量级输电线路异物检测算法。针对特殊场景下异物检测性能不佳的问题,在YOLOv5-Lite的基础上改进其网络结构,提升算法的检测能力。考虑复杂背景对异物特征表达的弱化与干扰,引入CBAM注意力机制,使网络关注于重要特征信息即异物目标特征;针对小目标异物识别能力弱的问题,设计了多层级特征融合层来整合不同的感受野信息,并自适应生成各级特征图输出权重来动态优化小目标异物的特征表达;进一步将YOLOv5算法的耦合检测头替换为解耦检测头,为定位与分类任务解耦出单独的特征通道,提升目标定位能力。实验结果表明,AM-YOLOv5-Lite的检测精度在YOLOv5的基础上提升了1.8%,检测速度FPS提升了约一倍。本文提出的输电线路异物检测方法,可对复杂环境下的输电线路异物实现精确检测,其网络参数量低、模型小,兼具检测效率与准确率,做到挂线异物及时发现、尽早处理,减少经济损失。

关键词： 深度学习   绝缘子检测   角度预测   邻域信息交互   特征优化融合   绝缘子缺陷检测  

摘要： 随着社会的不断发展,人们对电力资源的需求日益增长,为了应对这种情况,必须尽快推动智能化电网的建设。在电网设备中,架空输电线路起着至关重要的作用,因此对其进行智能化巡检是电网智能化的重要组成部分。由于架空输电线路往往铺设在自然环境恶劣、人烟稀少的地区,传统的人工巡检方式存在人力成本高、危险性大等问题。因此,本文构建了基于航拍图像的绝缘子数据集,并结合以深度学习理论为基础的目标检测算法,提出了一种在复杂背景下的绝缘子检测及故障诊断算法。具体的研究成果如下: 1.提出了一种基于邻域信息交互的任意角度航拍绝缘子检测方法。航拍图像中绝缘子空间方向多变且其自身具有大长宽比,传统的水平框检测方法会引入大量背景信息,从而不利于进一步在绝缘子上进行故障诊断。为此,本文首先在绝缘子检测算法框架中引入目标边界框的角度预测分支,使网络可以更精准的检测绝缘子。角度预测分支的引入,对网络的特征表达能力提出了更高的要求,因此本文提出一种基于邻域信息交互的空间通道融合注意力机制。该机制通过将空间中任意位置与其邻域信息进行交互,建模绝缘子空间关系并抑制复杂的背景信息,以增强特征提取网络对绝缘子特征的表达能力,提高检测精度。通过在航拍绝缘子图像构建的数据集上进行实验,结果表明,相对于主流的注意力机制,该方法在参数量更少的前提下,较大地提高了绝缘子检测精度。 2.提出了一种基于特征优化融合的绝缘子缺陷检测方法。针对航拍绝缘子缺陷部位目标尺寸较小,深层网络绝缘子缺陷特征信息丢失的问题,提出了一种基于特征优化融合的绝缘子缺陷检测方法,该方法设计了基于空间信息优化融合模块和语义信息优化融合模块的特征融合机制。该机制在特征融合之前先对特征提取网络层的特征信息进行优化筛选,然后将优化后的特征信息融合到解码器部分的特征信息中,使网络更好的识别并定位绝缘子缺陷,大大提高了绝缘子缺陷的检测精度。 论文有图31幅,表6个,参考文献63篇。

关键词： 故障定位   变分模态分解   S变换   特高压直流输电  

摘要： 在现代电力技术迅速发展的时代,特高压直流输电拥有独特优势,在高电压等级、大容量输电工程中占有重要的地位。由于特高压直流输电传输距离远,且多经过地理环境复杂及气候恶劣的地区,因此线路发生事故的概率大,故障位置检测困难。特高压直流输电线路故障定位技术对于改善供电可靠性、经济性和准确的定位事故点,有着重要意义。本文针对特高压直流输电线路故障定位技术进行研究。首先,本文以云南-广东特高压直流输电工程参数为基础,搭建云-广±800 k V特高压直流输电系统仿真模型,分别对正常运行和短路故障运行时的电压电流仿真波形进行分析。其次,分析了输电线路行波的基本理论,在此基础上对双端和单端行波测距原理对比分析。然后,针对变分模态分解(Variational Mode Decomposition,VMD)算法的固有缺陷,提出利用灰狼算法(Grey Wolf Optimization,GWO)得到不同信号最优分解层数,避免模态混叠。针对S变换时频分辨率精度不够的问题,提出广义S变换(Generalized S-transform,GST)提高时频分辨率进行准确时刻标定。提出GWO优化VMD和GST相结合的故障定位方法。利用凯伦贝尔解耦电压行波得到线模信号,用GWO算法针对线模信号得到VMD最优分解层数,接着用VMD处理解耦后的信号,得到不同频率固有模态分量(Intrinsic Mode Function,IMF),再通过GST对高频IMF进行时频分析,得到瞬时能量谱,其中奇异点即行波到达时间,波速采用固定波速,用双端定位法计算故障距离。通过不同情况下仿真算例验证了该方法准确和可靠性,并和同类型方法比较,其精确性更高。最后,针对采用固定波速会造成定位误差的问题。提出考虑波速影响的故障定位方法。基于依频特性分析实现波速-频率变化关系拟合,避免使用固定波速;通过GWO优化VMD与GST结合的方法提取行波波头对应的频率和时间;通过波速-频率变化关系图得对应频率下的波速,应用所提出的考虑波速影响的故障定位方法,进行仿真算例。算例结果表示该方法的定位误差进一步减小,与其他不同波速处理方法比较精度更高,适应性更强。

关键词： 输电线路   复合振动能量收集   能量管理   自供电传感   无线监测  

摘要： 目前为了监测输电线路安全运行常采用人工巡检或挂网装置进行监测,但人工巡检存在偏远地区监测困难、肉眼观测不准确、人工监测成本高等问题,现有的一些挂网监测装置又存在供电困难、工作时长受限等缺陷。通过采集输电线路上广泛分布的微风振动能量来为无线传感监测系统供能,可以延长监测装置工作时间,提高电网运行稳定性与可靠性,具有较好的科学研究价值和工程应用意义。论文的主要工作包括:(1)分析总结了振动能量收集和输电线路自供能技术的研究现状,分析比较了各自的结构特性及其优缺点,提出了适用于本应用场景的研究方案。(2)从振动能量收集机理出发,提出了磁悬浮式摩擦电-电磁能量收集器新架构。通过静电纺丝方法制备了具有高电荷密度和环境友好性的纳米纤维膜作为摩擦功能层,利用仿真建模优化结构参数并据此制备了能量收集器。(3)针对复合式振动能量收集器不同发电方式下的输出特性,分别设计了相对应的前级接口电路和能量存储电路,实现了能量提取、电能存储与输出控制。(4)根据所设计的能量收集器和能量收集管理电路,设计了低功耗传感监测系统,通过硬件选型与软件优化实现了输电线路温度和振动信息的低功耗传感监测与无线发送。(5)测试了能量收集器的输出性能,器件输出峰值功率约为1.62 m W。测试了监测系统的功耗和系统功能,并在野外输电线路上挂网验证,结果表明本文设计的输电线路传感监测系统能很好地满足输电线路的健康监测需求。本文设计的适用于输电线路的自供能监测系统,利用复合式摩擦电-电磁能量收集器收集输电线路上的微风振动能量,经过能量收集管理电路将收集到的能量存储在可充电锂电池中,为输电线路监测节点供电,监测系统将传感数据无线发送出来,实现了输电线路的实时在线监测,为电网的安全稳定运行奠定了一定的技术基础。

关键词： 输电线路   异常目标检测   增强特征提取   注意力特征融合   轻量化  

摘要： 为了确保输电系统的可靠性、稳定性和有效性,及早发现输电线路可能存在的风险是至关重要的。基于深度学习的检测方法可以更加高效的对输电线路异常目标进行检测,但由于输电线路存在的目标尺度变化大、小目标多、背景复杂、数据集类别不均衡以及检测模型过大等问题,现有检测方法存在检测速度慢、检测精度低、误检漏检率高以及边缘端设备难以部署等问题。本文提出了基于深度网络的输电线路异常目标检测方法,以解决上述问题,其主要研究内容包括:提出特征感知增强与双向细化的输电线路异常目标检测方法,设计增强特征提取网络,利用特征感知增强模块来有效减少特征提取过程中的信息丢失,更好的保留小目标特征信息。为了适应目标的多尺度变化并减少复杂背景信息的干扰,引入了通道优化和空间优化模块来构建双向特征融合网络。该网络能够获得语义强、位置精确的显著特征信息。在区域建议网络中引入均衡采样的方法,来提高困难样本的采样概率,并引入自适应类抑制损失作为分类损失函数,缓解类别不均衡问题。实验结果表明,该方法在输电线路数据集上的准确率达到了89.3%,并且模型鲁棒性较好。提出跨阶残差增强与注意力特征融合的输电线路异常目标检测方法,构造跨阶残差增强的特征提取网络,引入深度可分离卷积并扩大其卷积核,在保证模型轻量化的同时,扩大感受野,捕获丰富的特征信息,提高了检测速度与精度。此外,提出了一种基于注意力机制的特征融合方法,用于跨尺度信息融合,解决了小目标多尺度不均衡的问题,进一步提高模型的检测性能。最后,引入解耦检测头,并加入双重权重的动态标签分配方法,进一步提高了训练样本的质量,提高模型的检测性能。在输电线路数据集上进行实验,该方法在降低参数量的同时达到90.5%的检测精度。提出适用于边缘端设备的输电线路异常目标检测方法,使用重参数化的思想构造骨干网络与检测颈,在不影响检测精度的情况下,提高推理速度。使用CSP的思想优化SPPF模块,在降低参数量的同时提高检测精度。在特征融合阶段,加入多层特征融合模块,充分利用特征的位置信息,提高小目标的检测精度。使用了anchor-free的解耦检测头,并且在训练阶段加入锚框辅助训练,进一步提高检测准确性,在推理阶段移除辅助模块,不会造成推理延迟。通过在输电线路数据集上进行实验,该方法的检测精度达到了83.2%,检测速度高达609FPS,而且模型参数仅有4.7M,可以满足边缘端设备的部署需求。

关键词： 输电线路   小目标检测   上下文信息   YOLO   特征融合  

摘要： 构建智能电网是当今电力系统的重要发展方向,其中运用计算机视觉技术实现输电线路的智能化检测是其主要任务之一。输电线路智能检测场景可分为两类:输电本体和输电通道。输电本体一般包括杆塔、绝缘子和各类金具等部件,通常需要对这些部件进行定期巡检,及时发现故障或缺陷。输电通道是指输电线路的周边环境,输电线路周围环境会存在对输电线路造成外力破坏的隐患,如输电线下施工机械超高作业、烟雾山火、导线悬挂异物等。两类输电场景均具有利用图像进行智能检测的需求,且均存在较难解决的小目标检测问题。本文对输电本体中的螺栓销钉缺陷检测问题和输电通道中施工机械隐患检测问题展开了研究,针对两类场景中的视觉小目标问题分别提出了不同的解决方法,主要工作如下: (1)提出输电本体螺栓销钉缺陷检测模型CAM-YOLO。首先,针对缺陷螺栓目标小而背景相似物干扰多的问题,基于YOLOv5检测模型,设计了上下文感知模块,使用不同扩张率的空洞卷积来获取更大的感受野,使模型学习到目标周围的上下文信息,减少误检和漏检的情况。然后,针对螺栓销钉缺陷目标特征较为单一的特点,设计了更加简单高效的简化特征融合结构,提升特征融合的效率,同时降低了网络参数量。最后,针对图像分辨率大而造成的网络训练效率低的问题,利用切图训练策略,使网络模型能够更加充分地学习目标特征,同时有效减少了模型训练过程中的计算负担。实验结果表明,CAM-YOLO能够有效改善输电本体螺栓缺陷小目标的检测效果,在检测精度和检测速度上相比其他网络模型有明显的优势。 (2)提出输电通道施工机械隐患检测模型TC-YOLO。首先,针对施工机械小目标细节特征信息不足的问题,基于YOLOX检测模型,在特征融合网络的基础上设计了纹理增强模块,通过大尺寸卷积核来提取主干网络中的浅层特征,加强网络对浅层特征图中丰富的纹理细节信息的利用。然后,针对不同目标之间特征相似以及目标本身特征模糊的问题,在特征融合网络中加入了深度上下文感知模块,借助目标周围的上下文信息,辅助模型对目标类别进行判断。最后,对网络的损失函数进行了改进,在边界框损失函数中加入指数参数以提高检测精度。实验结果表明,相比于其他网络模型,TC-YOLO在输电通道施工机械小目标检测上具有较高的检测精度,并且检测速度能够满足实时性的需求。 本文研究内容可为输电本体和输电通道的智能化检测提供技术参考。

关键词： 输电线路   瓷绝缘子   污秽监测   闪络预警  

摘要： 瓷绝缘子作为输电线路的重要组成部件,使用量大、影响面广,其运行过程中可能会受潮湿、污秽等环境因素的影响,出现污秽闪络现象,严重威胁输电线路的安全稳定运行。因此,针对瓷绝缘子的污秽闪络问题,研究输电线路瓷绝缘子污秽状态在线监测系统,评估瓷绝缘子污秽等级,及时预警工作人员维护瓷绝缘子,预防瓷绝缘子闪络故障发生,对提高输电线路运行可靠性具有重要意义。 本文以输电线路瓷绝缘子为研究对象,建立了输电线路瓷绝缘子污秽电弧模型,分析确定了瓷绝缘子污秽状态在线监测的特征量,设计开发了瓷绝缘子污秽状态的在线监测系统,提出了基于模糊神经网络的瓷绝缘子污秽状态评估算法,并结合人工污秽试验数据验证了该算法的准确性,主要取得了以下研究进展: 1)分析了输电线路绝缘子的污秽闪络过程,建立了瓷绝缘子污闪的动态电弧模型,仿真了典型瓷绝缘子污闪过程,确定了瓷绝缘子污秽状态在线监测的特征量。结果表明,泄漏电流是绝缘子污闪过程中的重要动态参数,当绝缘子施加电压为12.5k V,污层表面电导率为15μS时,绝缘子发生污秽闪络且泄漏电流峰值为100m A。 2)建立了输电线路瓷绝缘子污秽状态在线监测系统的总体架构,设计了在线监测系统的硬件电路,完成了微控制器、电源、无线数据传输、温湿度传感、泄漏电流信号采集等模块的芯片选型,结合仿真分析确定了泄漏电流采集方式、下位机的安放位置与抗干扰措施。 3)完成了输电线路瓷绝缘子在线监测系统的程序设计,实现了泄漏电流、环境温度和相对湿度等特征量的数据采集、处理、传输、显示与存储,开展了泄漏电流调理电路测试和在线监测系统有效性测试,验证了在线监测设计内容的正确性。 4)提出了基于模糊神经网络的瓷绝缘子污秽状态评估算法,构建了3输入、4输出、隐层10个节点的模糊神经网络模型,确定了在线监测特征量的隶属度函数,利用人工污秽试验数据对模糊神经网络完成了训练。测试结果表明,本文瓷绝缘子污秽状态评估算法的平均正确率可达95%。 本文研究的输电线路瓷绝缘子污秽状态在线监测系统与污秽状态评估算法,可为输电线路瓷绝缘子的污秽监测与闪络预警提供重要支撑。

关键词： 输电线路   单目深度估计   注意力机制   补丁嵌入   深度图融合  

摘要： 根据《国家电网有限公司2021年生产安全事故(事件)分析报告》显示,施工车辆、树木、鸟害以及异物等外力干涉是引起输电线路故障的重要原因之一,因此针对输电线路下的外部目标巡检对于维护电网安全稳定运行至关重要。其中,判断外部目标与输电线路之间的距离关系是巡检工作中的重要一环。随着计算机视觉技术的快速发展,固定巡检摄像机、无人机巡检等无人巡检方式正在逐步取代人工巡检方式。但在目前的无人巡检方案中,固定巡检摄像机方案大多采用深度相机进行测距,无人机巡检方案大多采用激光雷达进行测距,这导致无人巡检的使用成本和后期维护成本较高。针对该问题,本文将单目深度估计技术引入电力领域的无人巡检任务中,可实现利用采集的图像直接计算出满足精度要求的距离,以减少无人巡检任务对深度相机和激光雷达等测距硬件的依赖,从而进一步降低使用成本和维护成本。目前主流的单目深度估计算法大多为基于卷积神经网络的编码器-解码器架构的方法,本文通过分析主流方法在应用于输电线路场景中的不足之处,总结了在当前场景下进行单目深度估计的挑战,即如何有效地避免卷积神经网络结构通过降采样扩大感受野的方式带来的细粒度信息损失的问题、如何有效地解决远距离小目标的预测精度过低的问题、如何在保留深度图中局部细节信息的同时保证深度图的预测一致性。针对输电线路场景下进行单目深度估计面临的挑战,本文在图像信息处理模块中采用Transformer架构建模深度预测过程,使得模型在保证全局感受野的同时,可以充分利用细粒度信息,从而确保了对于图像信息处理的完备性;针对实际场景中的远距离小目标,本文在自适应补丁嵌入模块中实现了多尺度特征的自适应选择,模型可以针对不同远距离小目标,学习到与自身更相关的尺度信息,从而更好地完成对深度图的预测;为了保留深度图中的局部细节信息并保证深度图的预测一致性,本文设计了多粒度深度图融合模块,用于整合模型在不同分辨率下深度估计的优势,将在低分辨率下的预测深度图的一致性优势与在高分辨率下的预测深度图的局部细节信息丰富的优势相结合,以此提升模型整体的预测准确性。本文在输电线路场景数据集上分别进行了详细的对比实验分析和消融实验分析。实验结果表明,本文模型相比于基线方法,AbsRel和SiLog分别提高了至少0.11和5.476。目前该算法已经在实际场景中落地应用,并取得了良好的预测效果。

关键词： 巡检机器人   输电线路   关键部位检测   杆塔骨架模型   图像映射算法  

摘要： 随着我国经济社会不断飞速发展，电力需求不断攀升，电网规模持续扩大。作为电网的核心组成部分，输电线路的安全稳定运行对整个电网的安全和稳定至关重要。线路巡检工作是保证架空输电线路正常运行的重要手段和方法。在当今机器人与人工智能技术日益成熟的背景下，研究和应用输电线路巡检机器人有助于改变传统巡检模式，提高巡检工作的质量和效率。本文基于输电线路巡检机器人，搭载可见光摄像头对巡检镜头中关注的杆塔关键部位进行检测并自主命名，通过构建的杆塔骨架模型并利用图像映射算法定位杆塔其他关键点，实现对杆塔所有关键部位的定位和拍摄。主要内容概括如下:　　(1)总结了高压输电线路巡检机器人与输电线路关键部位检测方法的国内外研究现状，并介绍了卷积神经网络及目标检测算法等理论基础。　　(2)介绍了高压输电线路巡检数据集的构建过程，包括数据的获取、数据组成、规范与标注、数据划分等相关工作。　　(3)针对机器人前端实时检测需求及自主巡检要求，在对比多种实时检测算法的基础上，提出应用基于YOLOX的输电线路关键部位目标检测算法。针对预测时因背景复杂导致的检测误差，提出了如噪声增强、滤波(模糊)增强、对比度增强、透视变换、基于图像合成的数据增强策略等方法，通过实验验证了各个方法的可靠性，并能共同提高目标检测精度。　　(4)对检测到的关键部位进行定位和命名，提出构建基于各个关键部位的杆塔骨架模型，利用图像映射算法，实现杆塔单线图与杆塔骨架的映射，有助于定位其他关键点，使巡检工作更加灵活，自主拍摄更加便捷。

关键词： 目标检测   SPT-YOLO   图像测距   夜间增强   防外破  

摘要： 随着计算机视觉技术的不断进步和电网数字化转型需求释放,智能系统己经被广泛运用于输电线路的日常监测工作。作为人工智能与生产业务落地融合的有效抓手,基于目标检测的输电线路防外破预警,通过检测分析和挖掘系统告警,能够有效提升系统智能化运维水平,对提升线路安全系数、降低人力损耗需求等,均发挥了非常重要的作用。输电线路防外破预警主要通过输电线路现场摄像回传、检测风险再做出示警,每个环节密切相关——最基础的图片拍摄结果会受检测目标所处景深、检测目标遮挡、拍摄场景光照昏暗等情况影响,这也将直接关联着检测和最终示警的效果。国内外研究人员在目标检测、图像测距、夜间增强等各个领域都分别有着深入的研究,不过在融合使用方面的应用相对较少。 本文主要基于目标检测的方法对以上领域进行研究,并针对输电线路工作场景,设计与实现一个输电线路防外破预警系统。本文的主要贡献如下: (1)本论文设计和实现了用于检测潜在外破因子的SPT-YOLO模型:在YOLOv5x模型三层检测层的基础上新添小目标检测层,提升对小尺寸潜在外破目标的检测性能,向主干网络中引入融合协同注意力机制,在PAN中增加底层特征图与高层特征图的融合,使用α-EIo U作为边框回归的损失函数,最后在江苏电力信息技术有限公司的专有数据集的基础上进行模型的训练和测试。本论文提出的SPT-YOLO算法在检测精度上有显著的提升,同时保持检测速度没有明显下降。 (2)本论文设计和实现了针对输电线路作业场景的风险判断方式:在检测出杆塔目标和潜在外破因子的基础上,通过单目测距的方式,对于场景图片上的潜在外破因子进行筛查,对于超越安全阈值的潜在外破因子判定为具有实际危险性并标注风险。该方法简单快速、易于执行,可以大幅减少人工复查的工作量。 (3)本论文设计和实现了前线光照较差时用于增强视觉效果的EE-N算法:基于NIEMM夜间增强算法增强原始图像和采用CLAHE算法,进行加权融合和多尺度细节增强,设计一种EE-N暗光照场景图像增强算法。EE-N方法在LOE、BIQME和信息熵方面都拥有较好评分,且执行速度极快、执行时间小于2秒。 基于上述工作,本文最终设计实现了一个基于目标检测的输电线路防外破预警系统。系统通过了功能测试和非功能测试的检验,并能够保证在2分钟内实现风险评估功能、在30秒内实现暗光增强功能、在500并发量下平均响应时间低于1秒。系统达到输电线路防外破预警的使用要求,能够在产生危险前及时预警,展现了良好的可用性、实时性与抗压承受力。