基于嵌入式Linux的输电线路杆塔倾斜度自动化测试系统的设计与实现

在总结实际工作经验的基础上,针对在测试输电线路杆塔倾斜度在线监测系统过程中存在的搭建测试环境复杂、测试步骤繁琐、测试周期长、测试效率低、测试结果格式混乱等问题,设计了一个使用客户端/服务器架构的自动化测试系统,详细论述了该系统的设计方案和实现原理;客户端基于嵌入式linux系统,采用多线程技术,通过以太网,使用定制的通信协议与服务端通信,能够在收到服务端指令后自动完成输电线路杆塔倾斜度在线监测系统硬件模块的功能测试;服务端采用python和PyQt开发,能够跨平台运行,使用多线程技术,实现了图形化控制客户端、查看客户端测试状态、保存测试日志、生成标准化的xls和pdf格式的测试报告等功能;实际应用表明,该系统有效可靠结果准确,提高了测试效率,提升了输电线路杆塔倾斜度在线监测系统的可靠性。

基于深度学习增强的LSD杆塔倾斜度检测

杆塔的倾倒会对整个电网产生严重的破坏并威胁周围居民的生命安全,电力巡检无人机利用计算机视觉对杆塔进行巡检既节省了人力资源又显著地提高了电网的巡检效率。为了国网巡检人员在杆塔倾倒前及时得到预警,对电力巡检无人机中的基于计算机视觉的杆塔倾斜检测算法进行了研究,设计了一种基于YOLOv3的深度神经网络结合LSD线段提取方法对杆塔的倾斜进行检测。利用在山西电网无人机实际巡检的杆塔图片制作杆塔的VOC2007数据集并利用YOLOv3神经网络对杆塔进行目标检测,并将检测后得到的Bounding box根据网络训练后的mIOU参数进行微调后作为LSD检测的ROI。接着,该方法在ROI中将检测的线段进行过滤和融合,根据杆塔特点进行杆塔的二次识别。最后利用得到的杆塔外边线做出该方向上的杆塔中线并计算杆塔在该方向的倾斜度。该文中实验利用山西国网电力公司提供的数据进行验证,结果表明,杆塔的倾斜检测效果在各种拍摄高度和背景干扰下都较为精确,杆塔目标的正确识别率达到97%,倾斜度检测平均误差小于0.85°。

基于嵌入式linux的杆塔倾斜度在线监测仪设计

为保障电网的安全稳定运行,减少因杆塔倾斜引起的停电事故,需要对杆塔的状态进行实时监测;没计开发了一种杆塔倾斜度在线监测装置;建立了杆塔倾斜度监测模型,根据重力加速度测量值计算倾斜角的原理,采用SCA100T-D01双轴倾角传感器进行数据采集,采用基于arm9的嵌入式linux系统进行数据的存储和计算,并通过以太网或GPRS网络传送数据,实现了对杆塔倾斜各状态量的在线监测;详述了该装置各个模块的软件设计;该装置支持配置不同地区的重力加速度,提高了测量精度;支持自动配置初始安装角度,大大提高了输电线路生产管理水平;详述了自动配置的规范,经工程实践,该装置在输电线路杆塔倾斜度的监测上取得了良好应用。

利用连通器原理测量杆塔倾斜度

杆塔倾斜度超标会严重威胁到线路运行和检修作业人员的安全,因此应准确测量杆塔倾斜度,以便及时采取措施。利用连通器原理制作出带刻度透明软管测量仪器,通过两端液面高差测出杆塔两点的距离,进而计算出杆塔倾斜度。此方法操作便捷,测算快速、准确,可及时发现不合格杆塔,确保线路运行检修安全。

基于MEMS加速度计的杆塔倾斜设备设计

杆塔倾斜测量设备保障了输电线路运行安全,是国网物联网建设重要一环。但杆塔附近环境的复杂性会对杆塔倾斜测量设备数据精确度造成干扰,导致计算的倾角等数值与实际测量值有误差。文章针对该问题,对基于三轴MEMS加速度计传感器进行两方面改进:一是对原始数据进行低通滤波去除高频部分;二是使用改进型滑动平均值滤波保证杆塔倾斜度综合计算的精确性与实时性。文章在硬件与软件两方面对设备有低功耗改进。实验表明:采用上述方法有效保证测量精确度、实时性与低功耗。