基于深度学习的居民区识别在电力线规划中的应用

针对高压输电线路规划设计中居民区数据难以精准获取的问题,采用人工智能算法,提出了基于深度学习的遥感影像居民区自动识别方法。在Matconvnet框架下,利用迁移学习技术在小样本情况下开发了一套针对多源遥感影像的居民区检测系统。以陕西省宝鸡市为例,对算法进行验证,结果表明,该算法居民区识别精度优于93%,能很好地满足高压线规划设计中对居民区数据的需求。

变电站运维管理中人工智能技术的应用

现阶段,人们对电力的需求逐年增加,电力网络系统中变电站的稳定运行可以保障整个区域电力网络的稳定运行,为生产、生活的电力供应提供保障。因此,需要优化变电站的运维管理,结合人工智能技术,为现代化变电站的现场施工作业提供更多的管控模式,借此实现对电力网络问题的提前警示。文章从变电站运维管理着手,分析了变电站运维管理工作对人工智能技术的实用需求,以及人工智能技术与变电站运维管理的融合要点,讨论了未来变电站运维管理中人工智能技术的发展方向。

基于视频监控的变电站可视化远程智能巡检方法

常规变电站巡检方法采用增强现实(Augmented Reality,AR)技术,对变电站巡检图像进行检测,此种巡检方法应用范围局限性较强,巡检覆盖率较低,无法实现远程智能巡检的目标。为了改善这一问题,引入视频监控原理,提出了一种全新的变电站巡检方法。首先,选取轻型高清云台摄像机与网络球机,作为可视化远程智能监控设备,实时监控并查看变电站设备的运行细节。通过多传感器的配合使用,远程采集变电站设备运行的图像并上传。引入视频监控与可视化原理,对变电站巡检图像进行检测,将检测结果上传至巡检中心的显示器,获取变电站的巡检信息数据与视频监控图像。实验分析可知,通过提出方法进行变电站巡检,其巡检覆盖率得到了显著提升,均在97.82%以上。