CN112557815B - 一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法 - Google Patents

一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法 Download PDF

Info

Publication number
CN112557815B
CN112557815B CN202011360891.3A CN202011360891A CN112557815B CN 112557815 B CN112557815 B CN 112557815B CN 202011360891 A CN202011360891 A CN 202011360891A CN 112557815 B CN112557815 B CN 112557815B
Authority
CN
China
Prior art keywords
line
fixed
tree
distribution network
fault
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011360891.3A
Other languages
English (en)
Other versions
CN112557815A (zh
Inventor
胡峰
游林辉
孙仝
陈政
张谨立
宋海龙
黄达文
王伟光
梁铭聪
黄志就
何彧
陈景尚
谭子毅
谢少章
吴宏曜
潘嘉琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202011360891.3A priority Critical patent/CN112557815B/zh
Publication of CN112557815A publication Critical patent/CN112557815A/zh
Application granted granted Critical
Publication of CN112557815B publication Critical patent/CN112557815B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像识别技术领域，更具体地，涉及一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法。其主要步骤为：(1)获取配网自动化系统的线路开关跳闸记录；(2)根据配网GIS系统关联确定线路开关的地理位置；(3)线路固定摄像头拍摄固定巡视图像进行树障一次识别；(4)无人机搭载移动摄像头拍摄移动巡视图像进行树障二次确认识别；(5)根据识别结果及无人机返回的定位信息确定树障故障位置。利用本发明涉及的图像识别方法，可实现对配网线路的树障进行精准识别，并能快速定位配网树障故障的发生地点，提高线路树障故障抢修效率，大大缩短停电时间。

Description

一种基于固定式和移动式巡视图像的配网线路树障识别与故 障定位方法
技术领域
本发明涉及图像识别技术领域，更具体地，涉及一种基于固定式和移动式 巡视图像的配网线路树障识别与故障定位方法。
背景技术
树障故障是导致配网线路发生跳闸事故的主要原因。现阶段，配网线路因 树障导致跳闸时，无法快速精确地定位到发生树障故障的具体位置，使得巡检 人员清理树障故障的时间大大延后，恢复供电的时间也不得不延后，从而影响 配网供电可靠性问题。随着配网线路视频监控的普及以及图像识别技术、定位 技术的快速发展，借助基于固定式和移动式巡检图像的树障识别技术有助于解 决上述问题。
现有的配网树障识别与定位方法主要有人工逐段巡查法，如专利 CN111578861A，公开日为2020.08.25，公开了一种配电网树障检测方法；若线 路较长且位于偏远山区，故障巡查时间很长，或者需要投入很多人员同时进行 巡查，工作效率低下；另外，随着配网线路视频监控系统以及无人机巡视系统 的应用，采用人工回看监控视频和巡视视频的方法也相继出现，但是该方法仍 然需要后台人员回看视频，依靠人工进行树障故障识别，其工作效率仍旧不高。
发明内容
本发明为克服上述现有技术中的至少一个缺陷，提供一种基于固定式和移 动式巡视图像的配网线路树障识别与故障定位方法，有效提高故障识别效率， 缩短停电时间。
为解决上述技术问题，本发明采用的技术方案是：一种基于固定式和移动 式巡视图像的配网线路树障识别与故障定位方法，包括以下步骤：
S1.获取配网自动化系统的线路开关跳闸记录；
S2.根据配网GIS系统关联确定线路开关的地理位置；
S3.线路固定摄像头拍摄固定巡视图像进行树障一次识别；
S4.无人机搭载移动摄像头拍摄移动巡视图像进行树障二次确认识别；
S5.根据识别结果及无人机返回的定位信息确定树障故障位置。
进一步的，所述的步骤S1中线路开关跳闸记录至少包含以下信息：线路开 关跳闸时间、跳闸线路开关的名称、跳闸线路开关的设备台账ID、线路开关的 跳闸状态。
进一步的，所述的步骤S2中配网GIS系统至少提供线路开关的名称、线 路开关的设备台账ID、线路开关的地理坐标信息。
进一步的，所述的步骤S2中关联确定线路开关的地理位置具体包括以下步 骤：
S21.字符精确匹配线路开关跳闸记录中的跳闸线路开关的名称与配网GIS 系统的线路开关的名称，匹配结果记为A1；
S22.字符精确匹配线路开关跳闸记录中的跳闸线路开关的设备台账ID与 配网GIS系统的线路开关的设备台账ID，匹配结果记为A2；
S23.计算关联匹配结果A＝A1 AND A2，若A＝1，则返回对应线路开关p 的地理坐标P(Wp，Jp)，若A＝0，则返回提示文字“匹配不到结果”。
进一步的，所述的步骤S3中，线路固定摄像头是指固定安装在线路杆塔两 端的摄像头，具有实时监视线路通道周围运行环境状态的功能，同时定时推送 该摄像头的地理坐标Q(WQ，JQ)。
进一步的，所述的步骤S3中所拍摄的固定巡视图像是指线路固定摄像头所 拍摄的图像，线路固定摄像头拍摄固定巡视图像的触发条件是步骤S23推送跳 闸线路开关的地理坐标P(WP，JP)。
进一步的，所述的步骤S3具体包括以下步骤：
S31.获取配网范围内装设有线路固定摄像头的坐标集合C，记为C＝ {Qi(WQi，JQi)|i＝1,2,3,…,n}，其中n为配网范围内固定摄像头的数量；
S32.计算各固定摄像头Qi与跳闸线路开关p的距离Lpi，距离计算公式如 下：
Figure BDA0002803957510000021
其中，Lpi是各固定摄像头Qi与跳闸线路开关p的距离，R是地球的半球， Wp、Jp分别是跳闸线路开关的纬度和经度，WQi、JQi分别是配网范围内第i 个固定摄像头的纬度和经度；
S33.初步搜索树障故障发生的大概线路区段，计算需要触发拍摄且进行树 障一次识别的固定摄像头集合D＝{Qi(WQi，JQi)|Lpi≤γp，i＝1,2,3,…,n}， 其中D∈C，γp是指跳闸线路开关p附近固定摄像头的搜索半径；
S34.将集合D中固定摄像头所拍摄的固定巡视图像I进行树障一次识别， 以缩小步骤S4中无人机进行树障故障定位的搜索范围；
S35.利用YOLOv5训练配网线路场景下的树木目标检测模型，用于检测固 定巡视图像I中是否存在树木这一目标；
S36.将固定巡视图像I分别输入树木目标检测模型，进行树木目标的检测 识别，得到存在树木目标的固定巡视图像所对应的固定摄像头集合Dt。
进一步的，所述的步骤S4中，无人机搭载移动摄像头拍摄移动巡视图像的 区域为固定摄像头集合Dt所监视的线路通道范围；无人机搭载移动摄像头的拍 摄方式为90°仰拍线路通道，使得所拍摄的移动巡视图像的背景部分都为天空， 以提高线路目标分割的精度。
进一步的，所述的步骤S4中，树障二次确认识别的步骤具体包括：
S41.制作面向输电线路、树木、天空三类目标进行语义分割的数据集；
S42.训练建立基于深度学习的DeepLab V3+语义分割网络；
S43.对移动巡视图像M进行裁剪放大操作，得到x*y个子图像，并对子 图像进行滤波预处理；
S44.将预处理后的子图像输入已经训练好的DeepLab V3+语义分割网络， 识别输出输电线路掩模区域S1、树木掩模区域S2、天空掩模区域S3；
S45.当区域S1∩区域S2不等于空集时，则二次确认发生树障故障。
进一步的，所述的步骤S5中，确定树障故障位置的方法是当步骤S4输出 二次确认发生树障故障时，触发无人机向后台发送其即时地理坐标，完成树障 故障的定位。
与现有技术相比，有益效果是：
1.本发明通过YOLOv5树木目标检测模型，能够自动将固定巡视图像中含 有树木目标的图像筛选出来，从而减少无人机巡视的线路范围，缩短树障故障 识别与定位时间；
2.利用本发明涉及的方法，可实现从线路跳闸发生后，自动对固定式巡视 图像进行树木目标检测，缩小无人机巡视范围后，对无人机采集回来的移动巡 视图像进行树障二次确认识别，并通过无人机搭载的定位模块将故障位置发送 到后台检修人员，提高检修人员清理树障故障的工作效率，大大缩短配网线路 的故障停电时间。
附图说明
图1是本发明的一种基于固定式和移动式巡视图像的配网线路树障识别与 故障定位方法的步骤图。
图2是本发明的一种基于固定式和移动式巡视图像的配网线路树障识别与 故障定位方法的树木目标检测示例图。
图3是本发明的一种基于固定式和移动式巡视图像的配网线路树障识别与 故障定位方法的移动巡视目标分割示例图。
具体实施方式
附图仅用于示例性说明，不能理解为对本发明的限制；为了更好说明本实 施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于 本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。 附图中描述位置关系仅用于示例性说明，不能理解为对本发明的限制。
如图1所示，一种基于固定式和移动式巡视图像的配网线路树障识别与故 障定位方法，包括以下步骤：
S1.获取配网自动化系统的线路开关跳闸记录；
S2.根据配网GIS系统关联确定线路开关的地理位置；
S3.线路固定摄像头拍摄固定巡视图像进行树障一次识别；
S4.无人机搭载移动摄像头拍摄移动巡视图像进行树障二次确认识别；
S5.根据识别结果及无人机返回的定位信息确定树障故障位置。
具体的，所述的步骤S1中线路开关跳闸记录至少包含以下信息：线路开关 跳闸时间、跳闸线路开关的名称、跳闸线路开关的设备台账ID、线路开关的跳 闸状态；获取的配网自动化系统的线路开关跳闸记录如表1所示。
表1配网自动化系统的线路开关跳闸记录
Figure BDA0002803957510000041
Figure BDA0002803957510000051
另外，所述的步骤S2中配网GIS系统至少提供线路开关的名称、线路开 关的设备台账ID、线路开关的地理坐标信息，如表2所示。
表2 GIS系统中线路开关设备台账记录字段表
字段 值
线路开关的名称 “XX站10kV新民二线708”
线路开关的设备台账ID “XLKG564168465152”
线路开关的地理坐标 “(113.52，23.29)”
XXX “xxx”
其中，所述的步骤S2中关联确定线路开关的地理位置具体包括以下步骤：
S21.字符精确匹配线路开关跳闸记录中的跳闸线路开关的名称与配网GIS 系统的线路开关的名称，匹配结果记为A1；
S22.字符精确匹配线路开关跳闸记录中的跳闸线路开关的设备台账ID与 配网GIS系统的线路开关的设备台账ID，匹配结果记为A2；
S23.计算关联匹配结果A＝A1 AND A2，若A＝1，则返回对应线路开关p 的地理坐标P(Wp，Jp)，若A＝0，则返回提示文字“匹配不到结果”。
另外，所述的步骤S3中，线路固定摄像头是指固定安装在线路杆塔两端的 摄像头，具有实时监视线路通道周围运行环境状态的功能，同时定时推送该摄 像头的地理坐标Q(WQ，JQ)。所述的步骤S3中所拍摄的固定巡视图像是指线 路固定摄像头所拍摄的图像，线路固定摄像头拍摄固定巡视图像的触发条件是 步骤S23推送跳闸线路开关的地理坐标P(WP，JP)。
具体的，所述的步骤S3具体包括以下步骤：
S31.获取配网范围内装设有线路固定摄像头的坐标集合C，记为C＝ {Qi(WQi，JQi)|i＝1,2,3,…,n}，其中n为配网范围内固定摄像头的数量；
S32.计算各固定摄像头Qi与跳闸线路开关p的距离Lpi，距离计算公式如 下：
Figure BDA0002803957510000052
其中，Lpi是各固定摄像头Qi与跳闸线路开关p的距离，R是地球的半球， Wp、Jp分别是跳闸线路开关的纬度和经度，WQi、JQi分别是配网范围内第i 个固定摄像头的纬度和经度；
S33.初步搜索树障故障发生的大概线路区段，计算需要触发拍摄且进行树 障一次识别的固定摄像头集合D＝{Qi(WQi，JQi)|Lpi≤γp，i＝1,2,3,…,n}， 其中D∈C，γp是指跳闸线路开关p附近固定摄像头的搜索半径；
S34.将集合D中固定摄像头所拍摄的固定巡视图像I进行树障一次识别， 以缩小步骤S4中无人机进行树障故障定位的搜索范围；
S35.利用YOLOv5训练配网线路场景下的树木目标检测模型，用于检测固 定巡视图像I中是否存在树木这一目标，识别结构如图3所示；
S36.将固定巡视图像I分别输入树木目标检测模型，进行树木目标的检测 识别，得到存在树木目标的固定巡视图像所对应的固定摄像头集合Dt。
另外，所述的步骤S4中，无人机搭载移动摄像头拍摄移动巡视图像的区域 为固定摄像头集合Dt所监视的线路通道范围；无人机搭载移动摄像头的拍摄方 式为90°仰拍线路通道，使得所拍摄的移动巡视图像的背景部分都为天空，以 提高线路目标分割的精度。
具体的的，所述的步骤S4中，树障二次确认识别的步骤具体包括：
S41.制作面向输电线路、树木、天空三类目标进行语义分割的数据集；
S42.训练建立基于深度学习的DeepLab V3+语义分割网络；
S43.对移动巡视图像M进行裁剪放大操作，得到x*y个子图像，并对子 图像进行滤波预处理；
S44.将预处理后的子图像输入已经训练好的DeepLab V3+语义分割网络， 识别输出输电线路掩模区域S1、树木掩模区域S2、天空掩模区域S3；如图3 所示；
S45.当区域S1∩区域S2不等于空集时，则二次确认发生树障故障，如图 2所示，区域S1和区域S2有重叠，则确认该地点发生树障故障。
其中，所述的步骤S5中，确定树障故障位置的方法是当步骤S4输出二次 确认发生树障故障时，触发无人机向后台发送其即时地理坐标，完成树障故障 的定位。
选取某开关跳闸事件，对比三种方法在完成配网线路树障故障识别定位的 耗时如表3所示。其中，发生故障的线路总长度为11.3km，对比的是以下三种 方法，分别是人工巡线法、人工回看视频法、自动识别检测法(即本文方法)。
表3对比结果
树障识别定位方法 跳闸线路总长度(km) 时间(h)
人工巡线法 11.3 8.5
人工回看视频法 11.3 6
本文方法 11.3 1.5
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例 是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的 范围内可以对上述实施例进行变化、修改、替换和变型。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并 非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述 说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有 的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替 换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (9)

1.一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，包括以下步骤：
S1.获取配网自动化系统的线路开关跳闸记录；
S2.根据配网GIS系统关联确定线路开关的地理位置；
S3.线路固定摄像头拍摄固定巡视图像进行树障一次识别；具体包括以下步骤：
S31.获取配网范围内装设有线路固定摄像头的坐标集合C，记为C＝{Qi(WQi，JQi)|i＝1,2,3,…,n}，其中n为配网范围内固定摄像头的数量；
S32.计算各固定摄像头Qi与跳闸线路开关p的距离Lpi，距离计算公式如下：
Figure FDA0003577907110000011
其中，Lpi是各固定摄像头Qi与跳闸线路开关p的距离，R是地球的半球，Wp、Jp分别是跳闸线路开关的纬度和经度，WQi、JQi分别是配网范围内第i个固定摄像头的纬度和经度；
S33.初步搜索树障故障发生的大概线路区段，计算需要触发拍摄且进行树障一次识别的固定摄像头集合D＝{Qi(WQi，JQi)|Lpi≤γp，i＝1,2,3,…,n}，其中D∈C，γp是指跳闸线路开关p附近固定摄像头的搜索半径；
S34.将集合D中固定摄像头所拍摄的固定巡视图像I进行树障一次识别，以缩小步骤S4中无人机进行树障故障定位的搜索范围；
S35.利用YOLOv5训练配网线路场景下的树木目标检测模型，用于检测固定巡视图像I中是否存在树木这一目标；
S36.将固定巡视图像I分别输入树木目标检测模型，进行树木目标的检测识别，得到存在树木目标的固定巡视图像所对应的固定摄像头集合Dt；
S4.无人机搭载移动摄像头拍摄移动巡视图像进行树障二次确认识别；
S5.根据识别结果及无人机返回的定位信息确定树障故障位置。
2.根据权利要求1所述的基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，所述的步骤S1中线路开关跳闸记录至少包含以下信息：线路开关跳闸时间、跳闸线路开关的名称、跳闸线路开关的设备台账ID、线路开关的跳闸状态。
3.根据权利要求2所述的基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，所述的步骤S2中配网GIS系统至少提供线路开关的名称、线路开关的设备台账ID、线路开关的地理坐标信息。
4.根据权利要求3所述的基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，所述的步骤S2中关联确定线路开关的地理位置具体包括以下步骤：
S21.字符精确匹配线路开关跳闸记录中的跳闸线路开关的名称与配网GIS系统的线路开关的名称，匹配结果记为A1；
S22.字符精确匹配线路开关跳闸记录中的跳闸线路开关的设备台账ID与配网GIS系统的线路开关的设备台账ID，匹配结果记为A2；
S23.计算关联匹配结果A＝A1ANDA2，若A＝1，则返回对应线路开关p的地理坐标P(Wp，Jp)，若A＝0，则返回提示文字“匹配不到结果”。
5.根据权利要求4所述的基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，所述的步骤S3中，线路固定摄像头是指固定安装在线路杆塔两端的摄像头，具有实时监视线路通道周围运行环境状态的功能，同时定时推送该摄像头的地理坐标Q(WQ，JQ)。
6.根据权利要求5所述的基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，所述的步骤S3中所拍摄的固定巡视图像是指线路固定摄像头所拍摄的图像，线路固定摄像头拍摄固定巡视图像的触发条件是步骤S23推送跳闸线路开关的地理坐标P(WP，JP)。
7.根据权利要求1所述的基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，所述的步骤S4中，无人机搭载移动摄像头拍摄移动巡视图像的区域为固定摄像头集合Dt所监视的线路通道范围；无人机搭载移动摄像头的拍摄方式为90°仰拍线路通道，使得所拍摄的移动巡视图像的背景部分都为天空，以提高线路目标分割的精度。
8.根据权利要求7所述的基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，所述的步骤S4中，树障二次确认识别的步骤具体包括：
S41.制作面向输电线路、树木、天空三类目标进行语义分割的数据集；
S42.训练建立基于深度学习的DeepLab V3+语义分割网络；
S43.对移动巡视图像M进行裁剪放大操作，得到x*y个子图像，并对子图像进行滤波预处理；
S44.将预处理后的子图像输入已经训练好的DeepLab V3+语义分割网络，识别输出输电线路掩模区域S1、树木掩模区域S2、天空掩模区域S3；
S45.当区域S1∩区域S2不等于空集时，则二次确认发生树障故障。
9.根据权利要求8所述的基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法，其特征在于，所述的步骤S5中，确定树障故障位置的方法是当步骤S4输出二次确认发生树障故障时，触发无人机向后台发送其即时地理坐标，完成树障故障的定位。
CN202011360891.3A 2020-11-27 2020-11-27 一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法 Active CN112557815B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011360891.3A CN112557815B (zh) 2020-11-27 2020-11-27 一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011360891.3A CN112557815B (zh) 2020-11-27 2020-11-27 一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法

Publications (2)

Publication Number Publication Date
CN112557815A CN112557815A (zh) 2021-03-26
CN112557815B true CN112557815B (zh) 2022-05-20

Family

ID=75046463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011360891.3A Active CN112557815B (zh) 2020-11-27 2020-11-27 一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法

Country Status (1)

Country Link
CN (1) CN112557815B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113139955B (zh) * 2021-05-12 2024-02-27 华北电力大学 一种基于双光图像的光伏组件故障识别方法及系统
CN116055675A (zh) * 2022-08-29 2023-05-02 中建八局第三建设有限公司 一种基于卷积神经网络的施工现场安全防护网安装监测方法
CN115219852B (zh) * 2022-09-19 2023-03-24 国网江西省电力有限公司电力科学研究院 一种无人机配电线路的故障智能研判方法
CN118523193A (zh) * 2024-07-23 2024-08-20 宁波市电力设计院有限公司 可视化电缆沟的检修方法、检修装置及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103424670A (zh) * 2013-08-12 2013-12-04 国网电力科学研究院武汉南瑞有限责任公司 一种输电线路跳闸事故的雷击自动诊断系统
CN106841908A (zh) * 2016-12-19 2017-06-13 国电南瑞科技股份有限公司 基于电网gis的配电网故障定位的可视化展示方法
CN110009637A (zh) * 2019-04-09 2019-07-12 北京化工大学 一种基于树形结构的遥感图像分割网络
CN111342391A (zh) * 2020-03-06 2020-06-26 云南电网有限责任公司电力科学研究院 一种输电线路绝缘子和线路故障巡视方法及巡视体系
CN111832398A (zh) * 2020-06-02 2020-10-27 国网浙江嘉善县供电有限公司 一种无人机影像的配电线路杆塔导地线断股图像检测方法
CN111862143A (zh) * 2020-07-13 2020-10-30 郑州信大先进技术研究院 一种河堤坍塌自动监测方法
CN111914819A (zh) * 2020-09-30 2020-11-10 杭州未名信科科技有限公司 一种多摄像头融合的人群密度预测方法、装置、存储介质及终端

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103424670A (zh) * 2013-08-12 2013-12-04 国网电力科学研究院武汉南瑞有限责任公司 一种输电线路跳闸事故的雷击自动诊断系统
CN106841908A (zh) * 2016-12-19 2017-06-13 国电南瑞科技股份有限公司 基于电网gis的配电网故障定位的可视化展示方法
CN110009637A (zh) * 2019-04-09 2019-07-12 北京化工大学 一种基于树形结构的遥感图像分割网络
CN111342391A (zh) * 2020-03-06 2020-06-26 云南电网有限责任公司电力科学研究院 一种输电线路绝缘子和线路故障巡视方法及巡视体系
CN111832398A (zh) * 2020-06-02 2020-10-27 国网浙江嘉善县供电有限公司 一种无人机影像的配电线路杆塔导地线断股图像检测方法
CN111862143A (zh) * 2020-07-13 2020-10-30 郑州信大先进技术研究院 一种河堤坍塌自动监测方法
CN111914819A (zh) * 2020-09-30 2020-11-10 杭州未名信科科技有限公司 一种多摄像头融合的人群密度预测方法、装置、存储介质及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种配网故障人工智能分析方法的研究;黄园芳;《电子技术与软件工程》;20180731;第249页第2栏第11行-32行 *

Also Published As

Publication number Publication date
CN112557815A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN112557815B (zh) 一种基于固定式和移动式巡视图像的配网线路树障识别与故障定位方法
CN112884931B (zh) 一种用于变电站的无人机巡检方法及系统
CN108828399B (zh) 一种远程自动查找电力输电线故障监控系统
CN107169018A (zh) 一种农业保险查勘、定损系统及其实现方法
CN113359823A (zh) 基于图像识别的无人机通信光缆巡检方法
CN112099040A (zh) 基于激光雷达网络的全程连续轨迹车辆追踪系统及方法
CN105651780A (zh) 通过无人机检测风机叶片状态的方法、装置及系统
CN107092965A (zh) 一种基于故障信息的电力应急指挥方法和系统
CN102456239A (zh) 北斗智能巡检系统
CN113033835B (zh) 基于变电站的智能巡视方法、系统及存储介质
CN110570536A (zh) 一种特高压输电线路智能巡线系统
CN110543952A (zh) 结合测距信息的电网故障辅助决策系统及其实现方法
CN112686102B (zh) 一种适应于地铁站点的快速排障方法
CN112614130A (zh) 基于5G传输和YOLOv3的无人机输电线路绝缘子故障检测方法
CN115620239A (zh) 一种点云和视频结合的输电线路在线监测方法和系统
CN108095987B (zh) 视障导航系统及其方法
CN109033465A (zh) 基于地理位置与名字相似的多平台小区合并方法
CN117291872A (zh) 一种无人机线路巡视缺陷内容识别系统及方法
CN114592411B (zh) 一种载体寄生式公路损坏智能巡查方法
JP2009270981A (ja) 落雷電柱検索システム、落雷電柱検索方法および落雷電柱検索プログラム
CN207133870U (zh) 一种公路巡检管理系统
CN111311941A (zh) 基于v2x技术的事件推送方法、系统、v2x终端及v2x服务器
CN115311826A (zh) 一种基于智能识别的语音平台电力灾情预警方法
CN109064743B (zh) 交通管理信息自动采集平台
CN110851557A (zh) 一种配电网gis数据采集系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant