关键词： 绝缘子缺失检测   图像处理   YOLOv5s算法   卷积块注意力机制   神经网络   Transformer模型  

摘要： 电能是当今社会不可或缺的能源，与人们的日常生活息息相关。输电线路作为传输电能的唯一手段，保障其安全稳定的运行显得尤为重要。随着智能传感技术和计算机视觉技术的进步，利用目标检测模型对无人机、摄像头等设备采集到的输电线路图像进行检测逐渐成为主流的巡检方式。相比于传统人工巡线的方式，上述巡线方式安全且高效，符合自动化巡检的要求。本文综合考虑影响输电线路安全运行的因素，从输电线路自身部件和外部非自然干扰因素两个角度出发，分别对绝缘子及其缺失以及外力破坏类型进行检测。本文主要的工作如下：　　(1)创建面向两种检测任务所需的PASCALVOC格式数据集。在开源数据集和自主收集的部分图像数据的基础上，通过数据增强技术对数据集内容进行扩充并且利用LabelImg标注软件对图像目标进行标注，生成模型训练所需的.xml格式文件。　　(2)针对现有绝缘子缺失检测模型计算复杂度高和小目标难以检测等问题，提出一种改进的YOLOv5s轻量级检测模型。首先，移除主干网络中的C3模块来减少模型的参数量。其次，在多尺度特征融合网络中引入卷积块注意力机制来提高复杂背景下模型的特征提取能力。同时采用加权双向特征金字塔网络结构对特征进行双向跨尺度加权融合，提升网络在遮挡物、相似目标干扰下目标的检测性能。最后，选用SIoU损失函数提升网络的收敛速度和检测精度。实验结果表明，所提模型的平均精准率为96.8%，浮点运算数为2.8GFLOPS，而原始YOLOv5s在保证97.4%的平均精准率下的浮点运算数为16.3GFLOPS。相较于原始模型，所提模型对小目标、遮挡目标以及模糊等场景有着较强的鲁棒性，且在保证近似检测精度的同时极大减少计算量。　　(3)针对现有的一些外力破坏检测模型同时进行多种破坏类型检测时检测效果不均衡，导致模型总体检测精度下降的问题，本文选择检测精度较高的两阶段目标检测模型Faster-RCNN作为基础模型。首先，结合Transformer模块设计一种双通道特征提取网络，实现对不同维度特征图的全局特征提取。接着通过空洞卷积构建多阶特征提取模块，实现对不同大小的局部特征的提取。最后，对RPN网络采取Anchor-Free机制以提高模型对目标的敏感程度，避免预先设置的Anchor参数限制模型识别大小差异较大的目标的能力;并且通过添加一个额外的二分类器对候选区域进行初筛，减少无效候选区域对网络的干扰。实验结果表明，所提模型对四种外力破坏类型的平均检测精度分别为95.2%、94.8%、93.8%和93.2%。相较于现有模型，所提模型对多种外力破坏类型的检测精度得到明显提高且检测效果均衡。

关键词： 断股修补作业机器人   主动式捋线   夹紧块拆除   控制策略   PID控制  

摘要： 由于我国电力系统的规模宏大,输电线路经常会跨越较远距离,部分线路则直接处于恶劣环境中,会长期受到风雨、腐蚀、覆冰等自然灾害的影响,导致线路表面出现裂纹,进而使外层铝线产生断股,降低输电线路承载能力,过于严重则会直接对电力系统的稳定运行造成影响,也对人们的日常生活带来不便,因此在维护输电线路过程时若发现断股导线,需及时展开修补作业,消除安全隐患。在目前的断股修补方式中,较多的还是工作人员身穿防护服进行上线修复,危险系数较高的同时也存在效率低下、劳动强度大的问题。用带断股修补功能的输电线路机器人代替人工修补可避免上述问题的出现,并且可提高电力系统的稳定性。 本文针对输电线路断股问题,设计并研制了LGJ-300/20型导地线的输电线路断股修补作业机器人,文章具体工作有以下几个方面: (1)提出机器人的作业环境以及设计指标,针对初代机器人断股捋回和预绞丝缠绕的不足,对新一代修补作业机器人进行了全新的结构设计,其中包括机器人本体设计(本体包含机械臂和机器人底座),主动式捋线机构设计,可拆卸式绕线补强机构设计,并在机器人上新增上下线辅助装置以及分析了机器人详细的越障流程。最后对机器人受力的关键零部件以及搭载各类机构的机器人本体进行了静态力学分析,证明机器人的结构强度满足要求。 (2)选择主动式捋线机构进行运动学分析,采用适用范围更广的改进的DenavitHartenberg法(D-H法)对其进行运动学建模,并使用MATLAB进行仿真验证。在ADAMS View中对捋线作业和绕线作业过程进行了动力学仿真,通过对仿真过程中受力大小的分析,得出在捋线作业过程中最为合适的行走电机速度(直流电机),以及在绕线作业过程中最为匹配绕线作业速度。 (3)对机器人作业过程进行详细分析,并基于前文动力学分析结果,在捋线机构和绕线补强机构的作业电机控制策略中应用PID算法,搭建对应电机的闭环控制模型,并在Simulink环境中搭建对应电机的开环控制和带PID控制器的闭环控制仿真模型,对比仿真输出效果,由仿真结果可知电机在有PID控制的情况下,其速度稳定性与达到所需速度时的响应速率都得到有效提升。 (4)搭建修补机器人控制系统框架并设计机器人的电源管理系统,在实验室搭建架空输电线路进行线上实验,最终完成了捋线作业实验、绕线作业实验与夹紧块拆除作业实验,验证了机器人各机构与其功能的稳定性,以及在关键机构的作业电机控制中PID算法运用的可靠性。

关键词： 螺栓   缺陷检测   图知识推理   语义关系   结构关系  

摘要： 螺栓作为保障电力系统稳定性、可靠性和不间断服务的重要组成部件,在长距离输电线路中承担电力系统的保护与运行责任,及时检测螺栓缺陷成为保障输电线路安全稳定运行亟待解决的问题。本文研究基于图知识推理的输电线路螺栓缺陷检测问题,主要完成了以下工作: 针对螺栓在航拍图像中存在的视觉不可分及语义歧义问题,通过深挖输电线路中螺栓属性之间存在的相关性及相关程度,总结出螺栓子部件组成、朝向与所属金具之间存在的安装规律,以螺栓缺销为起点逐步构建螺栓缺陷规则化信息,并基于此建立了螺栓多属性数据集作为后续实验的数据支撑。 针对因螺栓开口销缺失后销孔不可见产生的视觉不可分问题,提出了基于语义关系图知识推理的螺栓缺销识别方法,通过语义关系模块学习螺栓各属性对应的有判别力的特征表示,以螺栓缺销规则化信息为指导知识,经图知识推理实现信息的传播与增强。相较于基线模型,对螺栓缺销识别准确率提升了9.13%。 针对螺栓仅包含开口销和螺母是否属于螺栓缺陷的语义歧义问题,在基于语义关系图知识推理方法中引入结构关系图,利用螺栓多尺度特征进行结构交互建立增强的语义特征表示,同时完善螺栓缺陷规则化信息,利用图卷积神经网络进行知识的传播与增强从而实现语义消歧。通过螺栓多属性数据集验证,消融实验结果证明了联合结构-语义关系图知识推理的螺栓缺陷识别方法的有效性,螺栓属性识别准确率较基线模型提升3.06%,螺栓缺陷识别准确率提升了7.83%。最后从全局性角度考虑在联合结构-语义关系图中加入静态共现矩阵,实现联合结构-语义关系动态图知识推理的螺栓缺陷识别,并引入多尺度可变形注意力的目标检测模型由粗到细级联搭建螺栓缺陷检测框架,从而完成螺栓缺陷检测。

关键词： 输电线路   部件识别   改进YOLOv5s算法   缺陷检测   改进SSD算法   智能运维  

摘要： 输电线路是电力系统中重要的组成部分,长期运行会导致部件出现不同程度的缺陷和损坏,对电力系统的正常运行造成严重影响。无人机凭借高效、安全、低成本的优势被广泛运用于输电线路部件巡检工作。通过计算机视觉技术对航拍图像数据进行精确识别和缺陷检测是提升输电线路巡检效率的有效手段。巡检航拍图像具有背景复杂、部件形状大小不一、拍摄角度多变的特点,这些因素严重影响部件识别和缺陷检测效果。针对上述问题,本文对其所涉及的目标检测算法进行优化改进,满足准确性、实时性和稳定性等要求。首先,针对输电线路复杂环境场景下多尺度目标识别准确率低、模型边缘部署实时性差、识别难度大等问题。通过改进YOLOv5s框架提出一种基于双注意力机制的输电线路部件识别轻量化算法。该算法引入CBAM(Convolutional Block Attention Module)注意力机制重组C3(CSP Bottleneck With 3 Convolutions)模块残差结构,加深主干网络对特征图的自适应修饰,抑制复杂背景对重要特征的影响;使用轻量化卷积GSConv(Graph-Structured Convolutional Networks)替换颈部网络中的标准卷积,再通过Vo V-GSCSP1模块细化颈部网络,降低颈部网络参数量且最大化保留计算精度;为减少融合后的特征图可能存在冗余信息或者不重要的特征,该算法在颈部网络尾部嵌入轻量级的CA(Coordinate Attention)注意力机制,更新融合后的特征图。为提升边界框回归精度,采用Alpha-Io U优化损失函数。实验结果表明,所提算法的部件识别准确率达到了94.1%,识别精度提升明显。在NVIDIA Jetson TX2平台推理速度达到了43FPS,模型大小仅29.7MB,速度和精度之间实现了更优的平衡。其次,针对输电线路部件缺陷目标小且表征不一导致缺陷检测准确率低的问题,通过改进SSD(Single Shot Multi Box Detector)框架提出一种基于感受野扩增与双向特征加权的缺陷检测算法。所提算法引入RFB(Receptive Field Block)模块,借助不同大小的标准卷积核和不同空洞率的空洞卷积充分提取浅层特征图的细节信息,增强浅层特征图的感受野。在此基础上,所提算法通过Bi FPN(Bidirectional Feature Pyramid Network)网络引入可学习的机制来动态调整特征融合的权重,实现浅层特征与深层特征的信息融合,提升特征图的表征能力。同时,运用K-means聚类算法优化SSD的先验框选取策略,获得更加贴合目标尺寸的先验框。算法实验结果表明,所提算法对四类缺陷平均精度均值达到了83.4%。在进行光线不足、浓雾、雨天干扰等情况的鲁棒性测试中,所提算法对缺陷目标特征更敏感,漏检误检率更低,算法的鲁棒性也更强。最后,针对巡检图像中部件缺陷在整个图像的占比小,检测难度大的问题,提出一种基于分级框架的输电线路部件智能检测模型,通过分级检测的处理方式,提升了缺陷检测的准确率。以此模型为核心开发输电线路部件智能检测软件系统。经过应用测试,验证了系统具备优异的检测性能,且软件设计合理,操作简便,可满足智能运维的实际巡检需求。

关键词： 特高压输电线路   运行维护检修   云模型   熵权法   风险评估与控制  

摘要： 近年来随着国内特高压输电线路投入运行的数量不断增加,导致输电线路运行过程中的电网、设备、人员的安全风险逐年攀升。这不仅影响电力系统的安全稳定运行,也给用电企业带来经济损失,影响社会正常生产生活秩序。本文以A地区某特高压输电线路作为研究对象,对输电线路运行过程中的风险因素、风险控制策略进行研究,为同类型的输电线路运行风险评估与控制提供参考与借鉴。主要工作内容如下: (1)基于WBS-RBS法的A地区特高压输电线路运行风险识别。为探究A地区某特高压输电线路运行过程中的风险因素。通过调研并分析A地区某特高压输电线路的运行环境,运用WBS-RBS方法对工作、风险因素进行分解,得到输电线路运行工作分解结构(WBS)、风险分解结构(RBS)。研究结果表明A地区某特高压输电线路运行过程中的全部风险因素共计33项,形成WBS-RBS风险识别表。 (2)基于熵权法的A地区特高压输电线路运行风险组合赋权。针对现有风险评估方法主要考虑客观风险权重占比为主,较少考虑主观权重对人身安全管控的重要性。首先运用Vague集理论筛选出WBS-RBS风险识别表中的管理类、设备类、环境类3类关键风险因素共计16项;然后,基于熵权法和Vague集理论计算出16项关键风险因素的主观权重值和客观权重值;最后,通过组合赋权获得16项关键风险因素的组合权重值。 (3)基于云模型的A地区特高压输电线路运行风险评估与控制。针对现有研究主要集中在电力工程项目建设期的风险评估与控制,较少涉及电力工程项目运行期的风险评估与控制问题。基于云模型理论构建A地区某特高压输电线路运行风险评估云模型,运用风险评估云模型对A地区某特高压输电线路运行风险进行评估。研究结果表明A地区某特高压输电线路运行过程中的总体风险呈现较低风险水平,并从管理、设备、环境三个方面有针对性的提出8项风险控制对策来降低风险。

关键词： 先验知识   输电线路   大视场   超分辨率重建   旋转目标检测  

摘要： 输电线路巡检能够及时发现线路故障、部件缺陷等问题,是确保电力系统安全稳定运行的重要措施。目前输电线路多采用直升机或无人机巡检的方式,但现有的算法对采集到的航拍图像进行检测时存在漏检、误检等现象。为了解决这一问题,本文针对输电线路目标的先验知识与目标检测算法展开了研究,主要内容如下: 本文针对无人机巡检过程中采集到的大视场输电线路图片中待检测目标像素占比小,容易出现漏检、误检等现象,提出了基于先验知识的输电线路目标检测方法。首先使用基于深度递归残差网络的超分辨率重建算法对数据集进行预处理,通过分析输电线路的先验知识,使用YOLOv5模型初步定位图像中的大目标如杆塔。随后,结合其他小目标与杆塔之间的相对位置关系,对检测到的杆塔目标框进行像素范围扩大并裁剪,将裁剪后的图片再次输入YOLOv5模型,以提高网络对大视场小目标的检测能力。将本文所提方法应用于大视场输电线路场景中,实验结果表明,本文方法较基线模型有更高的平均精度和识别效果,且改善了漏检、误检现象。 为了解决水平目标检测模型在检测倾斜绝缘子时产生背景干扰和目标框重叠等问题,本文提出了一种基于先验约束的倾斜绝缘子检测方法。在旋转目标检测模型的基础上加入了先验尺度约束和先验角度约束,加强了网络对倾斜绝缘子的检测能力。在预处理后的自建航拍绝缘子数据集上对所提方法进行了实验,实验结果表明与基线模型相比,本文方法提高了7.98%的检测精度。同时,实际检测效果优于其他几种目标检测模型,为倾斜绝缘子的准确检测提供了新思路,同时也证明了本文算法的有效性。

关键词： 山腰垭口   输电线路   风荷载   气流集中度  

摘要： 近年来,由大风引起的输电线路倒塔、断线事故对国内供电造成了很大的影响,大部分大风事故发生在复杂山地地形中,而垭口地形作为最典型的微地形之一,广泛地存在于山地区域中。当气流流经垭口地形时,气流被迫集中导致流速变快,输电线路整体风荷载变大,且地形的存在破坏了风场均匀性,导致输电线路风荷载分布不均,使得途经垭口地形的输电线路更易发生大风事故。垭口地形的风场分布在空间上具有显著的特点,其受到垭口形状参数的影响较大,因此明确垭口形状参数对气流集中度的影响规律,对于指导山区输电线路的差异化抗风具有重大的意义。本文针对垭口地形输电线路面临的大风问题,通过垭口地形风场研究、导线风荷载计算,还原出多种垭口输电线路的风荷载曲线,进而得出垭口形状参数对气流集中度的影响规律,本文具体工作和取得成果如下:(1)通过对输电线路途经大量山地地形的观察,本文提出一种新的垭口类别,即由次级山脉群构成的垭口,并结合已有的两种垭口模型,依据各垭口的地形特征,将三种垭口分别称为双山、山脉、山腰垭口。构建不可压缩流风场计算模型,得出三类垭口典型地形的风场分布,将地形对风场的加速效应无量纲化,计算结果表明山腰垭口峰值加速比可达到2,双山、山脉垭口峰值加速比分别为1.5、1.8。对缩比垭口模型进行风洞实验,通过摆放尖劈、粗糙元产生边界层风,风洞实验结果与计算结果保持了良好的一致性,从而验证了风场计算模型。(2)通过导线外界风场计算得出导线表面的风压分布,进而计算出单位导线的风荷载,多风速计算结果表明单位导线的风荷载随来流风速的增大近似指数增大。引入多连杆计算中常用的桁架模型,将导线简化为只承受轴力的桁架单元,计算输电线路的弧垂曲线,结合垭口地形风场及风速与风荷载间的对应关系,得出三类典型垭口的输电线路风荷载曲线,发现线路弧垂区具有特征性走势,如双山垭口在该处下凹,山脉、山腰垭口在该处下行、弯折,从垭口地形风场分布及线路架设两方面论述该特征走势的成因。本文计算多种形状参数组合下垭口输电线路的风荷载曲线,发现部分极端形状参数会改变该特征。(3)在雪峰山能源装备安全国家野外科学观测研究站进行垭口输电线路的覆冰实验,实验表明靠近山顶处线路冰层较厚,覆冰理论计算表明线路风荷载与冰层厚度呈现正相关,故推断出山顶处线路风荷载较大,与计算风荷载曲线规律吻合。(4)以平地输电线路风偏角为基准,将垭口输电线路风偏角相较于该基准的增幅作为衡量垭口气流集中度的指标。三种典型垭口地形的气流集中度计算结果表明山腰垭口内部气流集中度最大,山脉垭口外侧气流集中度最大,且垭口内部气流集中度通常大于外侧气流集中度。计算多种形状参数组合下垭口气流集中度,并定性分析了垭口形状参数对内外气流集中度的影响规律(如垭口坡度的增加使得双山垭口内外气流集中度同时增大),通过该规律构建多元非线性回归方程的基本结构,结合计算数据量化了形状参数与垭口内外侧气流集中度的关系。

关键词： 输电线路缺陷检测   Transformer   强化学习   自适应反馈  

摘要： 输电线路是现代电力系统中的关键一环,对保障电力系统安全平稳运行至关重要。然而输电线路所处位置环境复杂,气候条件恶劣,长期受到自然条件干扰,各种部件容易出现故障,因此需要定期进行故障巡检,排除安全隐患。伴随着现代社会的不断发展,输电线路规模不断扩大,电力公司现有的人力巡检方式存在效率低、准确率低以及人员作业安全难以保证等问题,难以满足实际需求,因此,亟需研究高效率的输电线路缺陷检测方式,确保电力系统的稳定运行。本文针对现有输电线路缺陷检测方法无法聚焦前景目标和开环结构泛化性能差的缺陷,借鉴人类认知模式,探索了一种基于强化学习和Transformer的输电线路缺陷智能检测方法。 本文主要工作如下: (1)针对输电线路缺陷中存在大量小目标缺陷,传统线性网络和卷积神经网络在构建特征向量时难以保留其中关键信息这一问题,提出了一种基于空洞卷积和特征图融合的方法提取图像特征向量集合,在不增加计算量的同时克服了传统卷积过程中深度增加导致的小目标特征丢失问题。 (2)针对输电线路缺陷航拍图像中存在大量的无关背景信息影响最终检测效果的问题,提出了一种基于强化学习的方法筛选前景特征向量,对筛选后剩余的特征向量,通过双线性注意力机制进行投影,压缩特征向量集合规模,在保留特征向量中关键信息的同时,降低无关信息在特征向量中所占比重。最后,使用强化学习评测前景特征向量集合,将调制后的前景特征向量集合与压缩融合后的背景特征向量集合连接。 (3)针对现有深度学习的开环模型中模型结构单一固定导致泛化能力差的问题,提出了一种基于自适应Transformer层级的输电线路缺陷智能检测模型结构,并对Transformer解码层进行改进,提高训练过程中的收敛速度。在解码层的输入中增加位置尺寸先验,同时在交叉注意力机制中增加尺度约束,使得模型对于小目标和狭长目标有更好的识别能力,在提高精度的同时提高了模型在训练过程中的收敛速度。接着,模仿人类认知过程,在每个Transformer解码层中增加一个长短期记忆网络作为门控单元,动态决策本层是否执行。门控单元接收识别结果的反馈,通过混合强化学习动态更新Transformer的层级结构,提高识别效率和准确度。 通过实验结果证明,本文所提出的方法能够有效增强模型的泛化能力,提升认知精度,相比其他算法在输电线路缺陷检测领域有更好的检测效果。

关键词： 无人机影像   输电线路   缺陷检测   深度学习算法  

摘要： 使用无人机对输电线路进行精细化巡检可以显著提高作业效率，采用单阶段深度学习目标检测算法可以快速从海量无人机图像中识别出线路缺陷，进一步提高线路运维效率。鉴于此，提出了可泛化的输电线路多缺陷检测模型，研发了基于无人机影像深度学习算法的输电线路主要缺陷智能识别软件，即使用Yol ov5目标检测算法，利用无人机搭载光学相机获取的可见光照片进行输电线路主要缺陷智能识别，实现对绝缘子、金具、导线等主要缺陷的检测。研究表明，所提模型平均精度均值（mAP）达到93%，平均召回率96%，为开展输电线路的快速智能巡检、缺陷检测模型的扩展和优化提供了基础平台。

关键词： 积污特性   数值模拟   污秽平均沉积速率   污秽分布形态   绝缘子  

摘要： 随着用电需求的增加,输电线路电压等级逐渐升高,高压、超高压输电的重要地位日益凸显。绝缘子是输电线路中至关重要的绝缘部件之一,而复合绝缘子与瓷双伞绝缘子分别为目前输电线路中使用数量较多、增长最快的两种。因此,全面解析这两类绝缘子的积污特性以防止或控制污闪事故的发生,是保障输电线路安全运行的重要课题之一。 本文以这两类绝缘子为研究对象,采用数值模拟方法,运用多物理场模拟软件COMSOL Multiphysics,解析了交流电压220kV、330kV和500kV电压作用下绝缘子伞裙的总体积污量、积污量沿各伞裙的分布情况,交流电压220kV、330kV和直、交流电压500kV绝缘子伞裙表面污秽沉积时间与平均沉积速率、污秽在绝缘子伞裙表面的分布形态及其影响因素。 研究结果表明:1)对于复合绝缘子,分别控制风速和飞灰颗粒粒径为单一变量,其积污量随电压等级的升高整体呈现增加趋势。2)对于瓷双伞绝缘子,随电压等级的升高,其积污量总体上亦呈现增大趋势;当控制风速为单一变量时,风速约2m/s为较适宜飞灰颗粒沉积的风速;当控制飞灰颗粒粒径为单一变量时,随飞灰颗粒粒径的增大积污量呈现增加趋势。3)在复合绝缘子伞裙表面,积污量沿绝缘子各伞裙分布呈现高、低压端伞裙高,而中部位置低的分布趋势,且低压端伞裙积污量高于高压端。4)对于瓷双伞绝缘子,由低压端伞裙至中部位置积污量先降低,之后在高压端附近呈现小幅度增加趋势,且随风速增大分布趋势逐渐明显。5)对于这两种绝缘子,模拟计算交换飞灰颗粒所携带正、负电荷量比例前、后沿各伞裙积污量,其结果呈近似相反的分布趋势,且污秽在各伞裙的分布主要受飞灰颗粒带电情况和电场情况影响。6)以风速4m/s、飞灰颗粒粒径20μm为代表工况进行积污量计算,对于复合绝缘子,低压端伞裙污秽平均沉积速率最大,在交流电压220kV、330kV、500kV与直流电压500kV作用下,低压端平均沉积速率分别约为1.20（mg/cm2）/s、1.29（mg/cm2）/s、1.57（mg/cm2）/s和1.81（mg/cm2）/s,且低、高压端伞裙开始沉积污秽的时间差:ΔtAC 220>ΔtAC 330>ΔtAC 500、ΔtDC 500>ΔtAC 500。7)对于瓷双伞绝缘子,低压端伞裙污秽平均沉积速率最高;不同电压作用下,飞灰颗粒均在低压端伞裙率先开始沉积,且低压端与中部伞裙污秽开始沉积的时间差:ΔTAC 220>ΔTAC 330>ΔTAC 500、ΔTDC 500>ΔTAC 500。8)相同的环境因素下,两种绝缘子在直流电压作用时比交流电压作用时,沉积污秽时间更短且污秽沉积量更大。9)在各种电压作用下,复合与瓷双伞绝缘子均表现为背风面污秽平均沉积速率高于迎风面,背风面等值灰密值约为迎风面的2倍。10)模拟结果与实验结果中,污秽在伞裙表面的分布形态一致,侧迎风区分布较为集中,伞裙表面污秽分布形态主要受流场因素的影响。