人工智能在电力系统故障诊断中的应用研究

电力行业的发展影响着民众生活的各个方面,政府对电力系统发展也越来越重视。日常生活中用电问题一旦出现故障,那么对民众和社会都会造成不一样的损失。故障诊断工作是维护电力系统稳定运行的关键,通过故障诊断可以早早发现系统问题。人工智能技术在各个行业中运用,在电力系统故障诊断中也发挥着重要作用,提高了电力系统故障诊断能力。随着科技技术的不断提升与发展,人工智能在电力行业中得到广泛应用,并且有效提升了工作效率促使电力企业发展更加迅猛。 电力系统的自身特点和实际作用决定,当其发生故障却得不到快速准确判断、处理时将会直接对人类的生产生活甚至社会稳定构成威胁,对此本文介绍了人工智能在故障诊断、负荷预测、设备检测等业务领域的研究和发展现状,电力行业需要进一步整合行业基础设施,应用人工智能促进电力系统的升级。

基于AI图像识别的输电线路缺陷自动识别技术研究

针对传统识别技术在对输电线路缺陷问题识别时存在识别用时长,进一步造成识别效率低的问题,开展基于AI图像识别的输电线路缺陷自动识别技术研究。通过输电线路缺陷识别部件标注、基于AI图像识别的输电线路缺陷识别数据库建立、自动识别输电线路视频图像缺陷目标,提出一种全新的识别技术。通过实地场景验证证明,该识别技术与传统识别技术相比,有效缩短对输电线路缺陷问题的识别时间,并且识别准确率可达100%,为供电企业输电提供安全保障。

基于无人机蜂巢技术的应用系统及方法

本文基于无人机“蜂巢”技术,提出一套无人机“蜂巢”技术应用系统的设计和实现方法,并用仿真进行了论证。结果显示无人机“蜂巢”技术应用系统通过多智能体系统编队控制的新算法实现了无人机自动巡航、回收、充电等目标,可真正实现巡检“无人化”。

基于多旋翼无人机的机载激光点云树障隐患识别方法

传统的架空输电线路树障隐患识别方法速度慢,树障隐患识别过程耗时较长。为了解决这个问题,文章设计了一种基于多旋翼无人机的机载激光点云树障隐患识别方法。以激光雷达点云作为识别技术,构建B/S架构的激光雷达点云数据运算框架体系。以多旋翼无人机机体为坐标原点,构建巡检空间坐标系,对树障隐患实施跟踪监测。将不同跟踪周期内的无人机位置点作为不同的空间点,对树障隐患位置进行定位。以无人机飞行过程中3个轴向的不确定参数作为设备隐患距离参数,采用嵌入式容积卡尔曼滤波(Embedded Cubature Kalman Filter,ECKF)算法创建一个随机常数值,控制识别过程的计算量,并实现对树障隐患的识别。实验结果表明,该方法的平均识别程度参数约为82.2%,识别精度数值约为0.94,所需的平均识别时间约为5 ms,证明其满足设计预期。

基于图像识别的输电线路设备缺陷识别应用系统设计

为更好地保障输电线路设备的电子汇集能力,并实现对高压电网络结构的合理性规划,基于图像识别技术设计了一种输电线路设备缺陷识别应用系统。联合输电循环回路,妥善连接任务管理模块与电量基站控制设备,完成对系统硬件执行环境的搭建。在此基础上,设计卷积神经网络,借助栈式自动编码器结构体,对RBM识别节点进行训练处理,完成系统软件执行环境的搭建。将软硬件结构结合,实现基于图像识别输电线路设备缺陷识别系统的顺利应用。对比实验结果表明,与传统的深度学习型缺陷识别系统相比,该文系统可同时检测的传输电子量更多,且既定时间节点处的识别精准度也更高,能够较好地实现对输电线路设备电子汇集能力的保护。

直升机电力线路自动巡检系统及其应用

本文通过图像采集装置将位于目标巡查范围内的图像发送至主控装置,再通过主控装置将该图像转换成图像数据信号并发送至数据分析设备进行分析并输出分析结果。采用数据分析设备可及时对图像进行分析,分析结果准确有效,为电力设施的正常、稳定运行提供了安全、可靠的基础。采用直升机电力自动巡检系统无需人工进行巡检,巡检到位率高,能够避免发生错检和漏检,从而可有效提高巡检的工作效率。本文为自动跟踪电力线提供了保障,具有较好的工程实用价值。

基于DirectX的无人机航迹规划研究

为解决传统无人机航迹规划合理度低的问题,基于DirectX研究无人机航迹规划。通过采集无人机航迹规划数据,以DirectDraw为底层支撑,建设无人机航迹规划适应度函数,剔除无人机航迹规划中的环境影响因素,实现无人机航迹规划。设计实例分析,结果表明,设计方法规划合理度明显高于对照组,能够解决传统无人机航迹规划合理度低的问题,航迹规划可行性更强。

基于点云数据的输电线路安全检测分析研究

输电线路超高压大容量的建设已经成为必然的趋势,在这一背景下设计基于激光点云数据的输电线路安全检测分析系统对做好输电线路的检测工作以及分析输电线路的运行状况具有重要影响,在当前输电线路的落实环节需要关注输电线路自身的特点以及安全检测与分析手段的应用特征,提高输电线路安全检测与分析的效果。