输电线路防外力破坏智能监测与预警系统及关键算法研究

作     者：丁楠楠 

作者单位：浙江理工大学 

学位级别：硕士

导师姓名：胡旭晓

授予年度：2022年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

主      题：目标检测 输电线路 外力破坏 YOLOv5 

摘      要：架空输电线路在电力输送系统中担负着输送电力的主要任务,是电力输送系统的生命线,维护其安全稳定的运行至关重要。近年来,随着我国城市化建设进程的日益推进,架空输电线路的规模也不断扩大。与此同时,由外力破坏所引起的输电线路安全事故的发生频率也逐渐上升,其中大部分是由工程机械违章作业所造成的。现阶段国家电网采用工作人员定期巡检、传感器探测以及实时监控的方法完成输电线路外力破坏检测任务。工作人员定期巡检方法需要消耗巨大的人力资源,实时性差,工作效率低。传感器探测方法存在传感器的精度较低、易受恶劣天气干扰以及无法准确判断外力破坏类型等技术问题。实时监控方法需要工作人员判断现场是否发生外力破坏以及外力破坏的类型。由于覆盖输电线路的视频监控数据非常巨大,人工监看也需要消耗人力资源,工作效率低,检测的精度和准确度也无法保证。本文开发了一种输电线路防外力破坏智能监测与预警系统,系统中应用了基于深度学习的目标检测算法,通过目标检测算法对输电线路场景下的图像进行识别,很好的实现了智能监测、精确识别和及时报警的功能,为输电线路安全稳定的运行提供了保障。本文采用YOLOv5算法作为输电线路外力破坏检测的基础算法,并对YOLOv5算法进行了以下改进:1.在YOLOv5的预测层添加标签平滑方法;2.采用CIOU＿Loss作为边界框的损失函数;3.使用DIOU＿NMS代替传统NMS;4.在YOLOv5的主干网络中添加SE注意力模块。本文制作了工程机械数据集,搭建了实验环境,并使用制作完成的数据集进行模型训练。应用测试集对模型进行测试,结果表明改进后的YOLOv5模型在m AP上提高了4.8%。对改进YOLOv5的性能与鲁棒性进行测试,结果表明改进YOLOv5对小目标和复杂场景下的工程机械具有较好的识别效果,对昏暗光照和恶劣天气下的输电线路具有较强的鲁棒性。本文中的系统在输电线路监测系统智能算法研究项目中得以应用,使用时间约为10个月,期间共发出了4000余次告警,其中误检数为56次,取得了不错的效果。