构建输电线路人工智能检测大系统

构建输电线路人工智能检测大系统

郭博

中国电建集团青海省电力设计院有限公司 青海 西宁 810008

摘要：输电线路的运行环境长期裸露在空气中，会受到多方面的环境的影响，为了保证输电线路能够正常稳定地运行，供电企业必须不断地加大对输电线路安全的保障工作。因此，需要采取有效的检修技术和故障维护措施，全面消除故障问题，保障输电线路安全稳定运行。本文在经典深度学习网络的基础上，结合特征信息融合策略设计了人工智能检测大系统，目的在于满足复杂输电线路检测系统检测速度要求的基础上进一步提高输电线路异常情况目标的检测精度。

关键词：输电线路；人工智能；检测

引言

输电线路是整个电网系统中的网络，即连接着电网系统中发电企业与变电站之间的高压电路输送，又连接着变电站到用电用户之间的电路的输送。据此输电线路对整个电网系统来说是非常重要的，供电企业必须对输电线路的安全稳定运行有非常大的重视，保证输电线路的安全稳定运行。就本文输电线路检测大系统而言，数据来源于无人机航拍下的海量输电线路图像；算力的提供为CPU服务器；场景对应的是电网中的输电线路；那么算法就成为了输电线路检测效率是否满足实际工业需求的重点。这里的算法其实也就是对输电线路检测大系统中的核心进行建模，形成具有良好性能的网络系统模型，因此本文主要就核心算法对应的网络模型展开系统科学的研究与分析。

1当前电网巡检方式

在电力工程领域，输电线路巡检是重点性的工作，就现阶段的巡线方式来看，包含地面目测法、航测法和机器人巡检法几种，但这几种方式相比较，地面目测法和航测法因为固有的工作模式限制，在具体的应用过程中还存在着一定的问题。首先，以地面目测法为例，在这种方式下，需利用人的肉眼对辖区内的输电线路实施观测，由于输电线路的分布复杂，面临的环境条件恶劣，巡检工作量大，需投入大量的巡检人员，才能够完成巡检工作，且耗时长，一些巡检工人还需翻山越岭、涉水过河，工作效率低且可靠性不足。其次，以无人机航测法为例，在这种方式下，包含有直升机、无人机巡检的方式，如果在输电线路巡检的过程中采用的是无人机巡检的方法，无人机一般会与线路保持一定的距离，而这大大降低了巡检精度，总体来看，无人机巡检时有安全距离要求且巡航时间短，直升机巡检同样有距离要求，且在巡检时往往会受到天气因素的干扰，如果天气条件相对恶劣，将无法开展巡检工作，且利用航测法开展的巡检工作，成本消耗较高。最后，机器人巡检方式可克服前两种巡检方式的弊端，通过智能机器人的配置，可精准识别故障。

2智能机器人的状态

（1）待机状态。当智能巡线机器人没有接收到后方控制系统发出的任何指令时，就会一致保持待命状态，使自身配备的各种设备都处于关闭状态，从而保证电池电量不被消耗，等待后方控制中心进行巡线任务的下达。（2）充电状态。智能巡线机器人在工作过程中，会通过传输线路进行充电，将输电线路内的电能当做自身行动的能量来源，使电池一致保持饱和状态，假如因为故障的修理而需要损耗大量的电量，这时巡线机器人会快速的向后方控制中心进行这一具体状况的汇报，并及时的返回距离最近的充电位置进行电池充电。（3）工作状态。智能巡检机器人处于工作状态时，通常包括三种工作模式，分别是手动控制模式、半自动巡检模式和全自动巡检模式。①手动控制模式。在这一模式下，智能巡检机器人进行巡检任务时都由工作人员负责控制，依据工作人员下发的指令开展工作，一般应用于地形十分复杂的输电线路巡检当中或者需要对大型故障进行确认的情况下。②半自动巡检模式。这一模式下，智能巡检机器人会依据提前设定好的工作计划进行线路的巡视检查，在完成既定的巡检工作以后返回到距离最近的充电站进行充电或者进入待机状态等待控制中心下发的任务。③全自动巡检模式。在这一模式下，智能巡线机器人会根据自己的想法主动对输电线路进行巡视检查。在常规巡检中通常会应用半自动和全自动巡检模式。

2构建输电线路人工智能检测大系统

2.1系统整体结构

系统整体结构的灵感来源于R-CNN系列网络的特点，在其基础上设计了一种用于电网输电线路检测大系统的跨层融合特征网络。该网络将候选区域生成方案与多级特征图融合理论相结合进行输电线路异常情况的目标检测任务，系统整体结构系统整体结构的灵感来源于R-CNN系列网络的特点，在其基础上设计了一种用于电网输电线路检测大系统的跨层融合特征网络。该网络将候选区域生成方案与多级特征图融合理论相结合进行输电线路异常情况的目标检测任务，

2.2系统要素

输电线路人工智能检测大系统具有三个要素，分别体现系统科学中的自组织适应性、不确定性和涌现性等复杂系统特点。这里体现的是让复杂网络系统具有自组织适应性的能力，这种能力反应的是复杂系统能够可以自适应、自学习、自组织、自聚集，进而根据环境条件改变自身的结构、行为、能力，以更好地适应环境的变化。所谓环境的变化在输电线路检测大系统中指的是被检测图像所包含的内容是多变的，那么为了应对这种图像的多样性与复杂性，就需要网络本身具备学习以及适应能力，以便可以得到图像本身内含的感兴趣目标，也就是本文所要识别出的异常情况，例如线路断股、着火等情况到底是一种什么样的特征或者是一段什么样的特征区间。因此关键在于特征信息量是否足够丰富，这种丰富程度可以衡量网路系统到底学到了多少东西以适应变化无穷的输入图像。该部分表现的是一种复杂系统的不确定性，这种性质描述的是通常情况下很难对复杂系统进行形式化的分析，也就是说不能重复再现复杂系统的行为。这里的行为实际上就是网络系统对候选区域框的选取，首先确定一个方向就是这些候选区域框是一种对目标定位的体现，用一个框来表明感兴趣目标（线路异常情况）在图中的位置。此时依旧不能脱离复杂系统自学习、自组织的能力，在网络系统刚开始运行的时候，并没有积累出明确的学习经验，也就是说此时该复杂系统学习到的内容较少，那么就需要一种不确定性的规则来先让系统获得一些定位上的特征表示，然后通过自适应学习来完善内在规律，但是前面提到所处理的图像是千变万化的，不可能有一种统一的特征表示方法来对其进行全面展示，因此该部分从头至尾体现的是一种不确定性，但是也要从这种不确定的情况出发来探索一些比较适用的规律。这里表现的是一种复杂系统的涌现性，这种性质可以通过一个列子来说明。我们人脑思维过程实际上是这样的：对某种事物进行感官上的认知，此时这个认知对应的是上述神经网络的学习过程，然后人脑通过认知细节的分析进而涌现出对该事物的感觉，即判断这种事物“是什么”“为什么”和“怎么样”。这一现象就是一种对事物形态从信息搜集上升到信息整合最终得到认知结果的过程。因为我们看到的是事物形状、颜色等局部信息，然后根据神经元反应对这些信息进行梳理与传递，最终得到一种抽象的表达，也就是人脑思维对事物涌现出的一种结果。因此，这部分子网络系统的作用实际上就是要给出输入图像的结果：分别是异常情况的类型以及异常情况的位置。这种类型和位置是一种抽象的表达形式，想得到这种形式的结果，那就必须要有前面神经网络认知的过程。

结束语

在电力系统运行中，电力企业和相关工作人员一定要将输电线路的运行维护和管理工作重视起来，在架设输电线路前，对线路设置进行合理规范的设计，在线路运行过程中，也要做好线路日常维护和检测工作，构建了一种基于跨层融合特征的输电线路人工智能检测网络模型。为了满足电力系统与日俱增的检测需求，对设计的网络进行了加速优化处理，使得其检测时间大大缩短。

参考文献

[1]陈钊,黄恒硕,吕毅.110kV输电线路运行检修及故障分析[J].通信电源技术,2019,36(12):103-104.

[2]张燎原.35～220kV输电线路运行维护与检修技术分析[J].电子技术,2021,50(11):288-289.

[3]李福志.输电线路施工中的安全管理及质量控制探析[J].机电信息，2019（5）：40-41.

[4]黄仁智.架空电力输电线路安全运行的探讨[J].科技资讯，2019，17（3）：30-31.

[5]佟承武，包宗坤.输电线路安全运行是如何做好防雷电灾害的[J].山东工业技术，2018（12）：174.