【摘 要】
:
鸟害检测和涉鸟故障危害鸟种智能识别研究对输电线路鸟害防治工作具有重要的意义和应用价值。根据数据统计,鸟害已成为造成输电线路故障跳闸的第三大因素,为了更加高效地预防鸟害,电网运维人员对涉鸟故障类型和风险进行了评估,针对不同危害程度的鸟种在输电线路上装设对应有效的防鸟装置进行防护,但由于输电线路巡检人员对涉鸟故障危害鸟种相关习性和对应鸟害类型缺乏足够的了解,还难以做到针对不同类型和不同危害程度的鸟种进
论文部分内容阅读
鸟害检测和涉鸟故障危害鸟种智能识别研究对输电线路鸟害防治工作具有重要的意义和应用价值。根据数据统计,鸟害已成为造成输电线路故障跳闸的第三大因素,为了更加高效地预防鸟害,电网运维人员对涉鸟故障类型和风险进行了评估,针对不同危害程度的鸟种在输电线路上装设对应有效的防鸟装置进行防护,但由于输电线路巡检人员对涉鸟故障危害鸟种相关习性和对应鸟害类型缺乏足够的了解,还难以做到针对不同类型和不同危害程度的鸟种进行精准化、智能化防护。随着深度学习技术在目标检测领域的快速发展和广泛应用,对鸟害及其危害鸟种类型进行智能化检测和识别从而开展差异化、高效性鸟害防治工作已经成为大势所趋。本文围绕输电线路鸟害检测和涉鸟故障危害鸟种智能识别开展了以下三项工作:(1)首先通过在江西地区输电线路杆塔及周边装设高清摄像头来拍摄现场鸟害图像数据和包含相关危害鸟种的高清图像数据,同时查阅输电线路危害鸟种名录,选择了25种包含两种危害等级的鸟类,分别对每张图像中的鸟类目标进行人工标注包围框和标签,建立了包含1500幅图像的输电线路鸟害图像数据集,和包含25种危害鸟类共计5000幅高清图像的输电线路涉鸟故障危害鸟种图像数据集。(2)提出了一种基于深度卷积神经网络EF-YOLO目标检测的输电线路鸟害检测方法,采用Efficient Net-lite0模型中的MBConv Block轻量型模块作为主干部分,在MBConv Block模块后添加Dropout层来抑制过拟合现象,通过设计3种检测尺度形成FPN特征金字塔结构,并在每一种尺度检测层前添加SPP模块来加强特征信息的提取,最后将模型在输电线路鸟害图像数据集上进行训练和测试,实验结果表明模型检测平均精度m AP(@0.5)达到了87.60%,检测平均帧速达到了138fps,模型权重为4.01MB,非常适宜以后在输电线路上的边缘移动端中进行模型部署。(3)提出了一种基于改进深度卷积神经网络YOLOv5n目标检测的输电线路涉鸟故障危害鸟种智能识别方法,为了得到最优的YOLOv5n模型,首先对比重新聚类先验框与默认COCO数据集锚框设置,其次在危害鸟种图像数据集中随机添加五种数量等级的负样本进行对比来对数据集进行优化,最后再对比先验框数量、学习率调整策略、损失函数、Mosaic数据增强、模型Neck部分网络结构、训练技巧、NMS类型及其阈值对最终模型测试精度的影响,最终训练出最优的YOLOv5n模型,测试结果表明模型检测平均精度m AP(@0.5)值达到了97.2%,m AP(@0.5:0.95)值也有85.0%,能精准定位并准确识别出输电线路鸟种图像中危害鸟种目标的类型,而且模型平均检测一幅图像(416x416)仅需2.8ms,可轻松完成实时检测危害鸟种目标的任务,同时模型权重大小为3.68MB,模型总浮点计算量为4.3GFLOPs,很适宜以后在输电线路端的边缘检测平台上进行模型部署。本文提出的两种方法配合使用能在远端快速发现入侵输电线路的鸟类,进而触发摄像头对焦拍摄清晰鸟种图像并准确地识别出危害鸟种类型,在及时发现鸟害进而启动驱鸟器驱鸟的同时,将入侵危害鸟种的类型、危害等级、数量及所处方位等检测结果通过通讯技术反馈给输电线路巡检人员,巡检人员可针对实际情况快速执行有效的驱鸟方案,达到及时消除各种鸟害隐患的目的。
其他文献
过硫酸盐高级氧化技术因高效、环保、无二次污染等优点被广泛应用于去除新兴污染物。碳材料因具有锯齿状边缘缺陷、含氧官能团等过硫酸盐活化位点,且可避免金属催化材料离子浸出和二次污染的问题,是一种绿色环保的过硫酸盐催化剂。但是,纯碳在活化过硫酸盐方面材料存在催化位点不足、活化效率不高的问题。而碳基表面缺陷是催化过硫酸盐的有效活性位点,杂原子掺杂是构筑碳基结构缺陷的有效策略。因此,本研究将氮、硫原子共掺杂到
随着社会经济的快速发展,中国居民食物消费结构正在发生巨大的变化,呈现出动物性食物替代植物性食物消费的趋势。其中,动物性食物摄入的不断增加导致了食物系统温室气体排放量显著增加。在2020年9月,中国承诺2030年温室气体排放总量将达到峰值水平。因此,考虑温室气体减排的区域居民食物消费结构优化研究对中国实现碳达峰目标具有重要意义。本研究首先运用生命周期分析方法评估食物的温室气体排放因子,构建食物温室气
淡水中的微塑料(MPs)、重金属和多环芳烃(PAHs)的复合污染是一个越来越引人关注的问题。重金属和PAHs容易流入河流,造成水污染。MPs作为重金属和PAHs的载体,加快了污染物在淡水系统中的迁移。近年来,MPs对不同环境污染物之间的吸附机理研究越来越多。虽然重金属和PAHs在MPs上的吸附已被广泛研究,但在大多数研究中,这些实验中的污染物浓度远远高于现实的环境浓度,从而导致在MPs和污染物之间
“碳达峰、碳中和”已成为国家重大战略目标,电动汽车及充电设施产业化、规模化发展,是实现“双碳”目标的必由路径,是应对气候变化、推动绿色发展的战略举措。随着新能源汽车保有量的不断增长以及充电设施的大规模建设,各类充电故障、异常、安全事故频发,电动汽车充电安全问题日益凸显。然而,作为电动汽车快速补电手段的直流充电设施,其当前状态监测、故障响应机制存在响应慢、成本高、效率低等问题,如何可靠地保障充电安全
随着传统化石能源的供应量与需求量的杠杆平衡在慢慢打破,减污降碳双控格局正逐渐形成,分布式光伏发电系统在新一轮的能源转型革命中扮演着越来越重要的角色。并网逆变器作为连接太阳能电池板与电网的核心转换器件就变得举足轻重了,其中,非隔离型单相双极并网逆变器以其工作平稳、转化效率高、装机配置灵活等优势在光伏发电系统中极具发展前景。然而,目前单相双极并网逆变器仍然留下若干技术短板需及时补充:首先,后级并网输出
随着全球经济的快速发展,能源短缺和环境污染问题越发严重,新型可再生能源的开发和利用已成为解决这类问题的必经之路。传统的供能方式需要消耗大量的化石能源,而冷热电联供(Combined Cooling,Heating and Power,CCHP)系统基于能量梯级利用的原理,以节能减排为目标,可以结合新型可再生能源实现能源利用最大化。由于可再生能源的出力具有间歇性和波动性的特点,并且渗透率越来越高,使
电力行业作为国家重要的基石行业之一,它的稳定运行会为各行各业的发展提供有力的保障。其中电力负荷预测既是影响电力系统稳定运行的重要因素之一,也是构建智能电网的重要一环。精准的电力负荷预测对于优化能源配置、节约电网运行成本以及提高社会经济效益都具有重要的意义。而随着人工智能技术的发展以及智能设备的普及应用,将深度学习技术应用在电力负荷预测领域成为了新的方向,并且海量的电力数据也为深度学习的应用提供了数
配电网重构是通过改变开关状态来变换网络结构,实现负荷转移,从而实现高电能品质、高运行可靠率、清洁能源的高渗透率和为主网提供备用电能。随着分布式电源大规模并网,配电网络由单向潮流向多向潮流转变,分布式电源出力的随机性对系统网损和电能质量影响较大,传统的控制手段例如负荷侧调压、优化调度、配电自动化等已不能抵抗高渗透率分布式电源对电网的冲击,因此本文针对含分布式电源的主动配电网重构问题展开研究。首先分析
现阶段,电网基础负荷持续增长、可再生能源和电动汽车等大量接入、电能质量要求的进一步提高,加大了配电网调峰、调压、安全经济运行的难度。而储能系统接入配电网可改善可再生能源功率特性、参与电网调峰调频工作、参与需求侧响应等,其对解决配电网诸多难题具有重大意义。因此,本文针对考虑电动汽车充电负荷的配电网储能配置问题,构建相应模型并采用基于改进和声搜索算法结合二阶锥松弛的混合求解方法进行求解,完成储能配置并
智能配电网与传统配电网相比在其自愈性、可靠性、兼容性、高效性和交互性等方面都有其优势,是建设现代智能电网的重要模块,一直以来也是国内外学者研究的热点。智能配电网非正常状态下的网络恢复也是智能配电网自愈控制中重要的一环。智能配电网在故障情况下,能够有效的维持系统安全运行、自动修复、快速恢复供电的能力,也能够针对配电系统内外可能会发生的扰动进行预防抵御,有效消除运行中的不确定性影响。本文主要的研究内容