基于卷積神經(jīng)網(wǎng)絡的電力巡檢絕緣子檢測研究.pdf

1、電力巡檢是保障電網(wǎng)安全運行不可或缺的手段，新興的無人機巡檢通過搭載的高清相機和圖傳設備可獲取大量詳實的巡檢影像。這些巡視數(shù)據(jù)僅憑人工分析和處理，工作量龐大，效率低下，存在由工作人員經(jīng)驗和素質引起的偏差。而絕緣子是電力系統(tǒng)中的常見部件，由于常年暴露在外，因而故障多發(fā)，嚴重威脅電網(wǎng)安全，需要引入智能化的識別方法自動進行故障診斷。本文結合四川省電力公司科技項目的需求，從以下幾個方面展開研究：
　?。?）本文通過搭建和改進卷積神經(jīng)網(wǎng)絡實現(xiàn)

2、對絕緣子的檢測,解決傳統(tǒng)檢測算法魯棒性差，泛化能力不強，準確率不高等問題。首先通過研究卷積神經(jīng)網(wǎng)絡的特點和廣泛應用，結合工程需求和硬件支持，完成對卷積神經(jīng)網(wǎng)絡各個部件的選型和設計，搭建適宜本課題網(wǎng)絡模型。其次利用無人機在不同線路和時間采集玻璃和陶瓷絕緣子樣本并進行人為拓展，作為訓練樣本。然后本文選擇開源的Caffe作為工具，結合相關調參技術對網(wǎng)絡結構進行改進和在訓練過程中進行優(yōu)化。通過自動學習絕緣子特征的本質和分布式表達，實現(xiàn)在復雜航拍

3、背景中的絕緣子檢測，訓練準確率為95％，測試準確率為92%。
　?。?）本文結合已訓練完備的卷積神經(jīng)網(wǎng)絡完成絕緣子自爆的識別,解決人工分析工作量大，效率低等問題。首先利用卷積神經(jīng)網(wǎng)絡層級結構對全局和局部特征的綜合與抽象，將訓練完備的網(wǎng)絡模型作為絕緣子特征抽取的工具，融入自組織特征映射網(wǎng)絡，實現(xiàn)顯著性檢測的改良。其次在顯著性檢測的基礎上，快速提取絕緣子，舍棄背景，然后結合超像素分割和輪廓檢測等圖像處理方法建立絕緣子模型，提出一種針對

4、絕緣子自爆故障的識別算法，準確率在90%以上，取代人工分析，降低憑巡檢工作人員經(jīng)驗判定的風險和誤差，保障電網(wǎng)安全可靠運行。
　?。?）本文對絕緣子檢測及自爆故障識別分別進行測試驗證和對比試驗。首先針對不同背景，不同種類，不同數(shù)量的情況進行了絕緣子檢測測試，并與傳統(tǒng)的DPM和基于HoG的SVM算法進行對比。同時通過可視化效果分析網(wǎng)絡的性能。然后對不同背景下的自爆識別算法進行了驗證。最后以工程項目為依托，簡單介紹電力巡檢絕緣子檢測系統(tǒng)