智能输电线路巡检缺陷记录仪的设计与开发
![智能输电线路巡检缺陷记录仪的设计与开发](https://img.360docs.net/img4b/18ttnda9i3zkkbauu0qdtlsn6lgbna78-b1.webp)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
智能输电线路巡检缺陷记录仪的设计与开发
发表时间:2019-09-10T10:18:26.673Z 来源:《当代电力文化》2019年第09期作者:喻海涛[导读] 对电力设备巡检过程中产生的图像数据进行了分类识别,对于提高输电线路巡检的工作效率具有重要意义。淮北万里电力工程有限公司安徽淮北 235000 摘要:输电线路的巡检是核心的日常业务,能够及时发现设备缺陷和线路隐患,保证线路的安全和电力系统的稳定运行。当前在输电线路的缺陷记录基本上靠人工的方法来解决,容易发生描述不清、操作不规范、无照片证据等问题。为此,本文开发了一种用于输电线路巡检使用的手持缺陷记录仪。在巡检时记录线路的缺陷现象、缺陷原因、缺陷地点等信息,能够在发现缺陷的第一时间进行拍照取证,并
在线发布电子稿违章整改通知书。同时,能够进行巡检线路的规划和任务下发,实现违章整改情况跟踪,保证了输电线路巡检过程的标准操作。
关键词:电力线路;缺陷巡检;缺陷记录
引言
随着无人机技术的发展,在电力系统领域无人机巡检业务由于其可操作性强、工作效率高等优点也获得了广泛的应用,并在输电线路巡检过程中起到了重要的作用。但随着无人机巡检业务的开展,对于无人机巡检工作效率的提升以及巡检数据的管理也提出了新的要求。针对上述问题,本文采用J2EE技术体系,通过组件化、微服务和动态化的软件技术,基于Faster-Rcnn深度学习算法,利用图像识别技术对输电线路无人机智能管理系统进行了研究和开发。对电力设备巡检过程中产生的图像数据进行了分类识别,对于提高输电线路巡检的工作效率具有重要意义。
1概述
输电线路的运行维护是国家电网公司的核心业务,其中对线路的巡检是重要的日常业务之一。线路巡检目的是通过巡视检查来掌握线路状况和周围环境的变化,发现设备缺陷和危及线路安全的隐患,提出具体的消缺要求,以便及时消除缺陷,降低故障发生的风险,保证线路的安全和电力系统的稳定运行。从而达到电力系统“安全、稳定、高可靠”的运行目标。根据统计,2017年到2018年期间,国网浙江省奉化供电公司的输电线路由于绝缘子异常等缺陷,发生电网故障110余次。输电线路缺陷不仅给供电线路的维修等造成了重大影响,而且,由于停电所造成的经济损失和社会影响更是难以估计。因此巡线时的及时记录和高效的整改显得越来越重要。当前在输电线路的缺陷记录基本上靠人工的方法来解决,线路巡视组沿着线路走向巡视线路状况和周围环境,当发现线路缺陷或者隐患的时候,进行手工记录,然后使用数码相机将照片拍下照片,到办公室进行整理,如果遇上周围环境存在安全隐患的现象,还需要向业主填送“违章整改通知书”。对缺陷和隐患,通过人工的办法进行消缺监督。这些操作方法容易发生人为问题,如故障原因描述不清、巡检程序操作不规范、照片和实物难以一一对应、违章通知书难以跟踪、缺少缺陷的位置信息等。针对上述问题,本文研发了一个用于输电线路巡检使用的手持缺陷记录仪。在巡检时记录线路的缺陷现象、缺陷原因、缺陷地点等信息,能够在发现缺陷的第一时间进行拍照取证,并在线发布电子稿违章整改通知书。同时,能够进行巡检线路的规划和任务下发,实现违章整改情况的跟踪,保证了输电线路巡检过程的标准操作。 2设备缺陷识别算法
为了对无人机巡检业务数据进行综合管理,并对输电线路故障缺陷进行识别。本文采用了基于深度卷积神经网络的图像识别算法,对输电线路故障进行识别。同时对计算结果进行分析,用于指导电力系统检修工作。输电线路典型设备缺陷识别技术采用了Faster-Rcnn算法,其基本思路是利用无人机巡检技术获得的照片和视频数据中对电气设备进行标注,然后与数据库中的典型设备缺陷数据进行对比。进而识别出现场设备的缺陷,算法流程如图1所示。无人机巡检系统典型设备缺陷识别的算法流程如下:1)样本制作首先对获得的图像数据进行设备特征标注。然后从中随机抽取总数的90%作为深度学习算法的训练数据集,剩余图片作为测试数据集。2)模型训练利用Faster-Rcnn对样本数据进行训练,并使用随机梯度法对Faster-Rcnn算法参数进行实时更新。当数据满足识别误差要求时,停止训练。3)模型测试使用测试数据集对步骤2)得到的深度学习数据模型进行测试,并根据测试结果判断模型是否需要修正。4)目标样本制作针对电力系统中设备的典型缺陷特征制作检测目标分类器样本,并利用Faster-Rcnn算法对分类器样本进行测试。检测算法能否满足缺陷识别的要求,从而对样本进行修改。5)模型应用利用上述步骤训练得到的基于深度神经网络的Faster-Rcnn模型对无人机巡检得到的照片数据进行设备缺陷故障识别,并对故障进行分类标注。6)参数更新在原有图像识别模型的基础上,抽取新采集到的数据图像重新制作Faster-Rcnn识别样本,从而实现对模型的不断优化,提高模型的识别效率。
3智能输电线路巡检缺陷记录巡线仪
3.1输电线路巡检项目本体建模
根据《架空送电线路运行规程》要求,架空输电线路巡检的主要内容包括七个项目,分为沿线环境、杆塔基础、接地装置、杆塔本体、导线和地线、绝缘子金具及导地线附件线路等部分,并分别记录其线夹测温、接地电阻、导线缺陷、周边环境、绝缘子异常等问题,共计42项检查要求。我国电网企业在设备运维管理过程中,以中文形式记录设备的故障、缺陷、检修、消缺等信息,以手写方式或者电子文本形式保存在信息管理系统中。由于存在手写描述的多义性,或者同一缺陷或者同一个部件的多种描述方法,很难把缺陷信息和具体的对象能够对应起来。因此当选中缺陷部件时,无法自动关联检查要求,使缺陷登记有针对性。更无法从中文文本信息中挖掘出直观的可靠性统计信息。解决这个问题的方案只有对塔杆本体、基础、接地等部件进行本体建模。本文以42项检查要求中的电网缺陷文本为研究对象,建立故障与缺陷基本词库,形成本体字典。经过对大量缺陷文本的分析,我们发现,一个设备可能存在多种缺陷情况,因此建立了电网缺陷文本的语义框架与语义槽,用多个语义槽对一个设备的语义框架进行填充。通过输电线路缺陷的本体字典的建立,由此保证了42项检查要求的规范输入和规范描述。
3.2离线式缺陷数据记录和保存技术研究
输电线路的数据,包括线路走向、位置、级别等数据(包括缺陷数据)对电力供应具有重要的意义,需要保证数据的安全性。为了确保数据的完整性和私密性,本系统中采用了离线数据存储的方法,因此需要研究离线的缺陷数据保存和记录办法。包括基础数据交换和巡线、缺陷数据的记录与保存。
结语
更深远的意义在于,为电网企业的巡检项目建立了本体字典,在数据层面和语法层面提供了缺陷数据的规范描述和关联,为日后电网企业每年的设备缺陷分类与分析统计工作提供了坚定的数据规范性和正确性保障。
参考文献
[1]杨振伟,易伟,金玉,等.输电线路智能巡检系统的实用化研究[J].吉林电力,2015,43(1):32-34.
[2]韩冰,尚方.面向无人机输电线路巡检的电力杆塔检测框架模型[J].浙江电力,2016,35(4):6-11.