基于卷积神经网络的输电线路金具缺陷检测方法

针对架空输电线路长期处于恶劣、复杂的自然环境中,线路上的金具受气候、地形、外力作用等影响出现的不同类型缺陷,提出一种基于YOLO V3卷积神经网络的输电线路金具缺陷检测方法。通过YOLO V3卷积神经网络提取不同类型缺陷的特征,并对其进行适应性改进,识别与定位这些缺陷在输电线路上的位置,可提高检测的准确性和实时性,及时发现线路故障,确保输电线路安全稳定运行,提高输电线路巡检的效率和电网的智能化程度。

基于有向邻接矩阵的配电网拓扑检测与识别

准确的拓扑结构是配电网精细化管理和安全运行的基础。针对现有配电网拓扑识别方法无法确定网络潮流方向以及拓扑变动检测方法受负荷突变影响大的问题,提出一种基于有向邻接矩阵的配电网拓扑变动检测与识别方法。首先,提出一种基于有向邻接矩阵的配电网拓扑识别模型,将配电网的未知拓扑描述为不确定的有向邻接矩阵,实现配电网的拓扑识别并确定潮流方向。其次,提出一种基于节点电压邻接矩阵的拓扑变动检测方法,通过分析相邻节点电压幅值的下降趋势判断拓扑是否发生变动。此外,所提出的拓扑变动检测方法可以缩小未知拓扑的范围,降低拓扑识别问题的变量规模。最后,通过仿真分析验证了所提方法的正确性和有效性。

带电作业机器人电磁防护方法研究

随着科学技术的迅猛发展,生产自动化水平不断提高,提高带电作业的检修效率,输电线路带电作业机器人成为了目前世界各国的研究热点。1输电线路带电作业机器人结构输电线路带电作业机器人主要结构分为支撑支柱、机器人控制箱、机械臂等,模型如图1所示。控制箱内的机器人控制系统由大量电磁敏感元件组成,如果受到电磁干扰,会导致系统性能降低、传输通道失灵等,因此电磁分析与防护设计是保证机器人可靠工作的必要条件。