基于改进YOLOv5模型的智能变电站目标违规行为检测方法研究

针对目前智能变电站安全智能巡视方法巡视效率低和所耗时间长等问题,在视频监测系统的基础上,提出了一种改进的YOLOv5模型用于智能变电站目标违规行为检测。引入K-means++算法解决小目标不敏感问题,引入注意力机制(convolutional block attention module,CBAM)提高小目标特征占比,引入alpha-IoU损失函数增强对小数据集的鲁棒性。为了验证所提模型的适应性和优越性,对其进行试验分析。结果表明,所提方法与常规方法相比,在多种目标行为检测中具有较高的检测性能,检测准确率为93.80%,检测速度为32.6 FPS,满足智能变电站对目标违规行为检测要求。可为智能变电站无人值守提供一定的参考。

输变电设备状态监测数据阈值告警模型构建

为全面提升输变电环境中的信息敏感程度,建立输变电设备的状态监测数据阈值告警模型。提取输变电设备状态监测数据的必备性告警事务,根据提取结果,通过数据清洗的方式,确定权限阈值的具体数据水平,实现输变电设备状态监测数据阈值告警模型的顺利应用。对比实验结果表明,与局部态量处理模型相比,应用新型阈值告警模型后,电力传输数据的最大通行量超过5.5×10^9T,定向电子的准确转承度接近80%,且阈值能够达到标准权限阈值水平,原始遗留的输变电信息敏感程度过低问题得到有效解决。