基于改进模糊小波域的架空输电线路鸟害监测响应模型

针对传统驱鸟装置启停功能判断准确率较低,且驱鸟响应速度较慢的问题,构建基于改进模糊小波域的架空输电线路鸟害应急响应模型。引用改进模糊小波域算法,改善极端天气下图像识别的误差兼容问题。根据架空输电线路实时监控采集的图像数据,提取图像的深层次特征,采用多尺度目标识别模型对鸟害进行网格化识别。根据识别结果启动应急响应模型,对鸟害进行距离判断后,开启声波驱鸟装置。经实验分析,在架空输电线路鸟害识别任务中,该模型准确率可以达到98.75%,识别速度达到56frame/s,可以精确实时地识别出架空输电线路周围的鸟害数目,并验证了该模型在极端天气影响下具有较强鲁棒性,可以保障架空输电线路的安全、稳定运行。

基于机器视觉的超高压输电线路覆冰灾害分级预警模型

超高压输电线路一旦覆冰会造成严重的危害,甚至会影响电网正常运行,预测输电线路覆冰情况对于解决灾害有重要意义。目前提出的预警模型覆冰率预测结果与实际结果相差较大,为了解决上述问题,基于机器视觉设计了一种新的超高压输电线路覆冰灾害分级预警模型,处理超高压输电线机器视觉信息,采集原始图像信息,划分原始图像中的线路特征,确定梯度特征,分析梯度方向,实现梯度增强。利用卷积神经网络对图像进行分类,根据分类结果完成信息处理。同时检测历史覆冰灾害因子、气象因子和线路冰冻因子,根据检测结果建立PSOEM-LSSVM模型,计算预警模型权重,分析综合风险指数的赋权及合理性,对输电线路覆冰风险进行分级,通过指数结果将灾害分为5级,评判灾害程度。实验结果表明,基于机器视觉的超高压输电线路覆冰灾害分级预警模型预警相对误差始终低于0.02%,预警过程不会受到风速影响,能够很好地保证超高压输电线路运行安全性。