基于图像数据耦合识别的输电线路安全风险评估方法

摘要：

位于高海拔、高覆冰风险地区的输电线路在极端气候下面临大面积断线和倒塔风险,传统人工巡线识别速度慢、准确度低,造成大量人力成本开销.提出一种考虑多维图像耦合驱动的输电线路安全风险评估方法,将关键设备覆冰图像与电网运行状态等高线图像进行融合识别,以实现相关输电线路安全风险快速准确辨识.首先将输电线路电气数据和环境数据耦合生成多维热力图像,生成可反映全系统内输电线路电压偏移度、线路负载率、环境温度和线路覆冰程度的多维图像数据,并根据电气数据和环境数据计算线路安全风险指标.之后,搭建基于MobileNet-V3框架的卷积神经网络模型,并将生成的多维图像数据作为该模型的输入,输电线路安全风险指标作为输出,对模型进行训练,生成输电线路安全风险快速评估模型.最后在某省500 kV输电线路上对该模型进行测试,测试结果表明,该方法可实现输电线路安全风险快速准确评估.

关键词：多维数据耦合、MobileNet-V3、卷积神经网络、环境温度、线路覆冰、输电线路安全风险评估

所属期刊栏目：50

分类号：TM721(输配电工程、电力网及电力系统)

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：793-798