基于动态监督知识蒸馏的输电线路螺栓缺陷图像分类

螺栓是输电线路中广泛存在的紧固件,其缺陷图像具有类内差异性小、类间差异性大的特性。针对复杂度高且性能优秀的大模型在分析螺栓缺陷图像消耗大量计算资源的问题,将知识蒸馏技术引入到输电线路螺栓缺陷图像分类中,提出了一种基于动态监督知识蒸馏的输电线路螺栓缺陷图像分类方法:在网络输出层采用自适应加权方法,提高小模型学习螺栓缺陷标签的准确性;在网络隐藏层进行注意力转移,提高小模型螺栓特征的表达能力;将网络输出层的自适应加权方法与网络隐藏层的注意力转移机制相结合,以充分提高小模型的螺栓缺陷分类能力。最后通过自建螺栓缺陷图像分类数据集验证了大模型利用所提蒸馏方法指导小模型训练的有效性,实验结果表明:小模型的分类准确率提高了2.17%,小模型与大模型的分类准确率只差0.63%,且小模型的参数量仅为大模型参数量的7.8%。研究实现了螺栓缺陷的高效分类,达到了精度与资源消耗的平衡。     

基于迁移学习的架空电力线路螺栓状态分类方法研究

架空电力线路螺栓缺陷检测意义重大,其首要任务为准确分类螺栓各种状态.而螺栓不同状态缺陷之间相似度较高,加之无人机飞行姿态灵活、拍照角度多样又造成螺栓在不同视角下视觉差异较大,出现了细粒度分类的难题.针对上述问题,提出一种基于DenseNet网络的迁移学习方法,对架空电力线路螺栓进行细粒度状态分类.首先自制三类别螺栓数据集并进行数据增强,然后对在ImageNet数据集上进行预训练的 DenseNet网络进行微调,迁移至螺栓状态分类的任务中学习,得出分类结果.实验表明该模型在螺栓状态分类中准确率达到98.9％,比传统方法和不使用迁移学习的模型效果更好.     

基于DBSCAN-FPN的输电线路螺栓缺销检测方法

螺栓作为输电线路上数量最大的紧固件,其缺陷检测是输电线路巡检工作中的一项重要内容。针对螺栓缺销为小目标,其定位困难、特征难提取的问题,提出一种基于DBSCAN算法与FPN模型相结合的螺栓缺销检测方法。首先,利用FPN模型定位螺栓缺销目标区域,同时基于DBSCAN聚类算法对具有相同形态结构的区域进行聚类;然后,改进FPN模型：基于螺栓先验知识,利用卷积网络实现自底向上的特征提取,采用双线性插值方法将特征的高层语义信息自顶向下地传递到各个层级,通过卷积滤波方法横向加强高层语义特征与高分辨率特征的融合信息,获得更优化的螺栓缺销特征表达;利用改进FPN模型实现螺栓缺销的初步检测;最后,采用DBSCAN聚类算法对初步检测结果进行误检甄别,实现了螺栓缺销的精确检测。实验结果表明,DBSCAN-FPN在自建数据集上的检测精度达到76.23%,检测效果优于FPN、R-FCN和Faster R-CNN。所提方法可以有效提高螺栓缺销检测精度,对输电线路运维有实际意义。     

基于深度学习的输电线路螺栓检测技术

输电线路螺栓缺陷检测对电力系统安全可靠运行具有重要意义,但螺栓在巡检图像中具有特征不明显、尺寸小的特点,这给螺栓检测研究带来了一定挑战。随着直升机、无人机巡检技术和边缘计算的发展,传统巡检图像处理方法已满足不了实时检测的需求。针对上述问题,提出一种基于深度学习的输电线路螺栓检测系统。采用分级检测原则,首先利用SSD(single shot mutibox detector)算法定位存在缺陷螺栓的连接部位并切割出连接部位,增大螺栓在巡检图像中的占比,其次利用数据增强扩充数据集,最后利用YOLOv3算法检测缺陷螺栓。最终将边缘计算装置搭载在直升机、无人机上,实现输电线路螺栓缺陷实时检测。为验证该系统的鲁棒性,对不同光照强度下的巡检图像进行仿真。实验结果表明,该方法能够有效、精确地实现巡检图像中螺栓缺陷的实时检测。     

基于SVM-BP混合网络的输电线路安全评价模型研究

为了能够科学、客观地评价输电线路安全状态，提出了基于SVM-BP混合网络的输电线路安全分析模型。首先，对天气数据、输电线路标准文件和缺陷数据等进行处理和分析，利用关联规则和主成分分析法对输电线路缺陷数据进行整合，建立输电线路安全状态评价体系；然后，提出了SVM-BP混合网络模型挖掘各因素与缺陷状态间的关联，评价输电线路的安全状态；最后，以某地区输电线路为数据集进行验证，该评价模型的准确率达到97.4%，可以快速准确地评价输电的安全状态，并在灾害性天气下提前做好应对措施，保证输电线路的稳定运行。     

基于关联规则挖掘的输电线路缺陷状态预测

对输电线路缺陷状态进行关联因素的分析和预测工作,可以为输电线路的巡维工作提供重要的技术支持。在现有输电线路状态分析和影响因素研究的基础上,提出了基于关联规则挖掘的输电线路缺陷状态预测方法。首先根据历史缺陷数据评价得到输电线路缺陷状态。结合各种影响因素,构建线路缺陷状态与相关因素的特征库。然后引入FP-Growth算法挖掘各因素与缺陷状态间的关联规则,并将得到的规则用于预测线路的缺陷状态。最后以某地区架空输电线路为例,通过历史缺陷等数据评价得到缺陷状态样本,提取相关条件特征作为输入特征,并用于预测线路的缺陷状态。结果验证了该方法的有效性,对输电线路的巡维检修有一定的参考价值。     

基于Cascade R-CNN算法的输电线路小目标缺陷检测方法

输电线路无人机航拍图像缺陷识别是维护线路安全运行的重要巡检手段,但目前的识别算法对于销钉、螺母等小目标缺陷存在识别精确度低、易漏判等问题。将Cascade R-CNN算法应用于输电线路缺陷检测中,利用ResNet101网络进行特性提取,增强的网络的特征提取能力,并利用多层级联检测器对输电线路小目标进行判别和分类。基于无人机航拍图像数据集进行实验,实验结果表明,相比于Yolov3检测器和Lighthead R-CNN检测器,Cascade R-CNN算法提高了小目标缺陷检测中的召回率和精确度。     

基于关联规则的能源互联网输电线路安全分析

伴随着我国能源互联网战略的不断推进,输电线路作为电能的长距离稳定传输的重要媒介,在能源互联网中的作用越来越大,但输电线路长期暴露于外界环境之下,易受气象因素的影响,如何保证输电线路的稳定运行成为研究的焦点问题.首先对输电线路的历史天气数据和缺陷数据进行处理和分析,实现天气因素和输电线路缺陷数据的整合;然后,使用Apriori数据挖掘算法进行关联分析,建立气象因子与输电线路缺陷的关联关系;最后,通过实验算例对比分析验证了方法的合理性和有效性,并在灾害性天气下提前做好应对措施,保证输电线路的稳定运行,保障能源互联网的安全运行.     

基于深度可分离卷积及SVD输电线路缺陷检测

针对输电线路实时巡检中无人机嵌入式移动端的存储和计算受限问题,在Faster R-CNN目标检测框架及VGG特征提取网络基础上,融合深度可分离卷积及SVD分解,构建了一种轻量级的输电线路缺陷检测方法。在公共的PASCAL VOC 2007与COCO数据集上的实验结果验证了所提方法的优越性。在输电线路缺陷数据集上实验,在保证检测精度不下降的同时降低了模型存储空间,提升了模型的检测速度,实现了检测的实时性。     

基于简约参数集的输电线路状态评价方法研究

为提升对输电线路状态评价的准确、全面、可靠性,开展输电线路状态检修和智能化运行维护,提出了一种基于简约参数集的输电线路状态评价方法。该方法结合南方电网现有的输电线路评价导则、规程规范、缺陷库等,提取输电线路状态基础参数体系,在此基础上,构建了能够表征输电线路状态的简约参数集,以此作为输电线路状态评价的参量来源。通过对南方电网某500 k V输电线路进行实例验证,并将评价结果与现有导则进行对比,验证了该方法的有效性和准确性,大大提升了状态评价的效率。     

基于径向基概率神经网络的输电导线缺陷状态识别

输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。     

基于深度学习的电力杆塔缺陷检测

针对目前无人机电力杆塔巡检过程中航拍图像背景复杂、杆塔组件尺寸差异大、缺陷种类多导致的巡检效率低和缺陷漏检率高等问题,本文提出一种动态位置查询引导的多尺度实例分割方法和基于图特征记忆的缺陷检测方法。所提实例分割方法通过提取多尺度航拍图像特征,选择特征中具有最高关注度分数的低分辨率像素,将其映射到高分辨率特征的相应位置,并添加边界框检测器以提高电力杆塔的分割精度。在缺陷检测算法中提出可学习的图特征描述符,构建了一个记忆库来提取关键元素,以获得更准确的样本特征,提高缺陷检测效率。本文方法在自建的两个缺陷检测数据集上与其他先进算法进行对比,实例分割box＿AP和mask＿AP相较于Mask2Former分别提升了7.6%和0.5%,缺陷检测算法AUROC分别比次优算法提高7.3%和1.6%,F1-Score分别比次优算法提高6.7%和6.9%,充分表明了本文算法出色的电力杆塔缺陷检测性能。     

输电线路螺栓紧固带电作业机器人的视觉搜索、识别与定位方法

在输电线路采用机器人进行螺栓的全自动带电紧固作业是一项非常有挑战性的工作,螺栓的自动紧固首先必须解决螺栓的自动搜索、识别与定位,由于线路环境复杂,这些工作变得十分困难,为此,提出一种新的螺栓视觉搜索识别定位方法,该方法分为两部分,基于参考物的螺栓追踪,通过设定引流线为参考物,先对引流线进行定位,然后沿着引流线方向来搜索螺栓,从而简化螺栓搜索过程,降低螺栓识别难度;基于改进Hough变换的螺栓识别算法,通过对经典Hough变换的峰值选择策略进行改进来实现螺栓的精确识别,然后利用螺栓头部圆形特征来完成螺栓中心的验证,并通过HOG和SVM技术来实现目标物体的识别分类,消除外界不相关物体对目标图像的影响,进一步提高识别精度。根据该方法,设计了机器人原理样机并进行了模拟测试和现场测试,测试结果表明,该方法能够高效地实现输电线路上螺栓的搜索、识别与定位,极大程度地提高了机器人的带电作业效率。     

高强度螺栓在输电铁塔上的应用

随着超高压输电线路的发展,对铁塔的型材材质提出了更高的要求,高强钢将在输电线路上大量采用,与高强钢相匹配的高强螺栓选型问题将成为设计者关心和讨论的问题之一。这一问题包括杆件的孔壁承压和高强螺栓抗剪切2个方面。结合高强螺栓连接时的试验破坏特性,对高强螺栓在输电铁塔上的应用情况进行探讨和研究,对高强度螺栓的选择、紧固扭矩值的确定以及螺栓准线的定位作了详细描述,为输电线路铁塔中高强螺栓的使用提供借鉴。     

基于知识图谱技术的电力设备缺陷记录检索方法

电网生产管理系统中存在大量电力设备缺陷记录,其准确检索对于缺陷管理有着重要的指导作用。基于知识图谱技术,探索了电力设备缺陷记录检索方法。首先提出了利用现有电力设备缺陷记录语料构建电力设备缺陷知识图谱的方法;然后基于所构建的知识图谱,提出了利用图搜索进行电力设备缺陷检索的方法;最后通过算例对比了上述缺陷记录检索方法和传统机器学习语义分析方法的检索效果。算例表明,基于知识图谱的电力设备缺陷记录检索方法能提升缺陷记录检索的效果。     

定向识别航拍绝缘子及其缺陷检测方法研究

针对现有绝缘子检测算法无法定向检测绝缘子及其缺陷的问题，提出了一种改进YOLOv5(you only look once v5,YOLOv5)算法的航拍绝缘子识别及其缺陷检测方法。通过定向标注航拍绝缘子图片，形成航拍绝缘子数据集和缺陷绝缘子数据集；在YOLOv5的主干特征提取网络引入轻量化注意力机制模块、在特征融合阶段使用改进的空间金字塔池化结构；通过改进YOLOv5网络的头部结构使其可以对绝缘子进行定向识别，并对损失函数添加角度损失分类。实验结果表明在检测时间由单张0.044 s到单张0.049 s并无显著增长的前提下，改进后的算法在测试集上的mAP(mean average precision)的值为95.00%,实现了定向识别绝缘子及其漏帽缺陷，还可应用到绝缘子视频流检测。为后续的绝缘子精确定位以及进一步故障检测打下良好基础。     

结合注意力机制的相对GAN螺栓图像生成

螺栓缺陷非常容易引起输电线路异常甚至故障,但大量的缺陷数据难以获得。将生成式对抗网络应用于缺陷螺栓图像的生成,针对生成过程中存在的图像质量差、生成样本单一,模型收敛缓慢等问题,提出一种基于改进DCGAN的螺栓图像生成方法。首先在损失函数中加入相对均值鉴别器和梯度惩罚,平衡了生成器和判别器的能力,提高了样本质量和模型的收敛速度;然后在模型的生成器和鉴别器中引入注意力机制,捕获图像中长距离的像素特征,提高了缺陷样本的多样性;实验结果验证了改进方法的有效性,实现了缺陷样本的扩增。     

Optimization of Transmission Expansion Planning by Minimal Cut Sets Based on Graph Theory

Abstract—This research proposes a method based on the graph theory for transmission network expansion planning. The proposed method suggests an optimal investment cost for transmission network expansion planning by using the minimal cut sets based on the graph theory. On the basis of the oriented connected graph of an intent transmission network, this research aims to find the maximum power flows through the bottlenecks of the network. The main object function of the proposed algorithm is the construction cost of new lines, which needs to be added in parallel with the overloading lines of an existing transmission network. The major consideration is the load demand in the given future. This research uses three benchmark systems to illustrate the proposed method: Garver's 6-bus system (Garver system) the 24-bus and 21-bus IEEE reliability test systems. In a word, the Garver system is used to demonstrate the algorithm of the proposed method, and the 24-bus and 21-bus IEEE reliability test systems are tested by using the proposed method in many cases to compare the results and performance with those of recent studies. The findings of this research are of value to solve transmission network expansion planning problems.     

基于改进YOLOv5的输电线路鸟巢检测方法研究

输电线路上的鸟巢会对电力设备的安全运行构成威胁,甚至影响整个电力系统的稳定性。针对复杂场景下输电线路鸟巢检测方法适用性较差的问题,提出一种基于改进YOLOv5的输电线路鸟巢检测方法。该方法结合通道注意机制和空间注意机制设计特征平衡网络,以通道权值和空间权值作为引导,实现检测网络不同层次特征之间语义信息和空间信息的平衡。同时,为了避免因网络层数增加导致特征信息不断被弱化的问题,设计特征增强模块以捕获与鸟巢相关的通道关系和位置信息。最后,利用输电线路无人机巡检图像建立鸟巢数据集进行训练和测试。实验结果表明,所提出的输电线路鸟巢检测方法具有较强的泛化能力和适用性,同时也为电力图像缺陷检测提供技术参考。