目前我国电网规模已经位居世界前列，但是运维人员严重不足，如果仍旧采取传统的人工巡检工作模式，不但无法满足实际工作的需求，并且用工成本会显著升高，尤其是位于偏远地区的输电线路，需要做好巡查工作[2]。图像识别技术在电力运维中具有较好的应用效果，可以通过无人机、监视器等传感设备，采集输电线路的图像，从而及时发现故障、异
常情况，优化电力运维检修工作模式，降低电力系统的运行风险，采取多样化的检修技术进行故障排查，例如采用红外线检测技术进行故障排查，从而减少运维人员的工作风险，提高电力运维的工作效率。在实际工作中，可以通过架设摄像头来监控变电站、配电线路、机房等重要场所的实时监控，从而满足电力运维的需求[3]。对于一些复杂环境的配电线路，尤其是山区、林区的线路，则可以使用无人机进行航拍巡查，可以进一步提高巡查的效率，对于树障、山火、线路破损等异常情况具有较高的敏感度，且现在的无人机续航能力以及图像清晰度也不断提升，可以满足电力运维的实际要求。
二、电力运维中人工智能图像识别的应用
从电力运维的实际情况来看，输电线路出现绝缘子损伤、均压环脱落、接地线断股（如图一）、设备锈蚀等缺陷，都会诱发各种各样的故障，影响供电的稳定性与安全性。过去主要是采取人工检查的方式，不但巡查的工作量大、工作效率低，在连续高压工作状态下，很难发现一些隐秘的缺陷，虽然目前使用的一些无损检查技术，可以辅助巡检工作，但是也有一定的局限性。因此需要充分利用人工智能图像识别技术，对传感器采集到的图像数据进行快速的识别，提高巡检工作效率。
针对输电线路缺陷，需要构建相应的智能识别模型，并利用模型来判断某一图片中是否存在目标物体的缺陷以及缺陷发生位置，例如绝缘子的伞裙多为圆形的对称结构，且绝缘子作为绝缘的承力部件，具有两侧对称的特点，如果绝缘子出现破损、自爆等情况，可以以两侧对称性作为图像识别的重要因素；绝缘子灼伤则可以绝缘子表面颜变化作为识别因子。螺栓、均压环脱落则主要是从图像中寻目标部件，确定图像中有无目标，从而判断有无螺栓、均压环脱落的情况。配电线路的金属部件由于长期暴露在自然环境中，容易发生锈蚀、断裂的情况，因此可以通过观察图像中有无锈蚀、韧窝、纹理变化，从而判断有趣锈蚀损伤。接地线断股之后会出现个别股散开的情况，可以通过接地线方向寻不规则毛刺，作为接地线断股图像识别的重要因素。
图一 接地线断股
客流统计系统方案
输电线路的完整性对于供电的稳定性与安全性造成了较大的影响，若线路故障发生，会威胁电力系统中的其他设备，因此需要及时发现线路异常，避免线路故障的发生，这就需要运维人员对输电线路的运行状态进行实时监测和实时图像识别，从而发现异常情况如山火、鸟巢、破损等情况。但是从实际情况来看，由于输电线路异常情况的表现是多种多样的，尤其是山火、冒烟、异物等情况，需要大量的图片作为学习样本进行深度学习。
三、电力运维中人工智能图像识别技术应用的策略
1.样本扩充
人工智能图像识别技术应用缺陷在于无法提供大量的训练图像进行深度学习，尤其是在各种人工神经网络的支持下，人工智能的学习能力正在不断提升，如果无法提供大量的训练数据，会导致其实际应用效果下降。因此对于训练样本数量不足的问题，可以人为增加训练样本，例如对原始图像进行旋转、位移变化、镜像处理等方式。人工智能的深入学习需要有大量的训练数据支持，训练数据过少会导致过拟合的情况出现，无法满足实际应用的要求。
2.迁移学习
机器学习算法在数据挖据研究中的应用往往存在着训练数据很难获取的问题，尤其是在新的领域中的应用。人工智能图像识别技术在电力运维中的应用时间短，需要大量的训练数据来满足人工智能学习的要求，但是这样会耗费一定的人力物力，但是如果数据不足，将无法提高人工智能图像识别的效率。而迁移学习则可以满足实际应用的需求，可以从现有的数据中来辅助机器学习。样本迁移是指从源域中寻目标相似数据，调整数据的权值，使其与目标域相匹配，该方法具有操作简单、容易实现的优势，但是权重的选择过多依赖经验，且源域和目标域的数据分布存在较大的差异。特征迁移则是指通过寻源域与目标域存在的交叉特征，并将其转移到相同空间，使其具有相同分布特征的数据，从而提高机器学习效果。
四、结束语
在电力企业管理中，电力运维检修是其管理的重要内容，电力运维的有效开展，对于电力系统运行的稳定性与安全性有着直接影响，因此具有重要的现实意义。为了确保电力运维工作的有序开展，需要引入现代化技术，提高工作效率的同时，减少安全事故的发生。人工智能下的图像识别技术，在电力运维中具有较好的应用价值，不但可以提高巡检效率，并且可以应用于复杂环境，具有较好的应用效果。苍蝇拍
参考文献：
[1] 毛先胤,马晓红,丰俊宽. 基于无人机巡图像技术的电力设备缺陷智能识别系统[J]. 能源与环保,2021,43(7):225-230.
诱捕黄鳝[2] 毛先胤,马晓红,王雪晨. 基于可见光机巡图像技术的电力设备杂草智能识别[J]. 自动化技术与应用,2021,40(11):118-121,126.
[3] 吴跃,郭洋,张永梅,等. 人工智能图像识别技术在电力系统中的应用[J]. 电子测试,2021(6):115-116,89.钢水包
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议