CN115311585A - 用于电网架空线路异物的识别检测*** - Google Patents
用于电网架空线路异物的识别检测*** Download PDFInfo
- Publication number
- CN115311585A CN115311585A CN202210976712.1A CN202210976712A CN115311585A CN 115311585 A CN115311585 A CN 115311585A CN 202210976712 A CN202210976712 A CN 202210976712A CN 115311585 A CN115311585 A CN 115311585A
- Authority
- CN
- China
- Prior art keywords
- strain
- data
- line
- foreign matter
- power grid
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了用于电网架空线路异物的识别检测***,涉及输电线路检测技术领域,解决了现有技术无法高效的确定架空线路是否存在异物,导致电网架空线路的异物无法自动化识别检测的技术问题;本发明对基础状态数据中的线路图像数据和线路应变数据进行单独或者联合分析,确定异物信息,然后根据异物信息进行预警处理;本发明申请能够通过自动化处理数据判断电网架空线路是否存在异物,为异物的识别检测提供数据基础;本发明在对线路图像数据和线路应变数据进行联合分析时,先通过线路应变数据分析异物位置,再结合对应的线路图像数据分析确定异物信息;先通过低成本方案确定是否存在异物,在进行精细识别,能够有效降低异物的识别检测成本。
Description
技术领域
本发明属于输电线路检测领域,涉及一种用于电网架空线路异物的识别检测技术,具体是用于电网架空线路异物的识别检测***。
背景技术
输电线路常年暴露于野外环境,经常会出现异物悬挂在架空输电线路上的情况,异物会对输电线路造成损害,甚至会影响人们的正常生活。目前主要是通过人工检测的方式对输电线路上的异物进行排查,人力成本较高,且检测精度无法满足要求。
现有技术(申请号为2019101287529的发明专利)公开了一种基于图像处理的架空输电线路的异物检测方法,获取含有异物的架空输电线路的三种分辨率图像,进行预处理之后设置异物标签,通过多尺度卷积神经网络模型对三种分辨率图像进行分析确定异物类型,提高了检测精度和检测效率。现有技术仅在已知存在异物的情况下根据架空线路上的异物图像确定异物类型,而无法高效的确定架空线路是否存在异物,导致电网架空线路的异物无法自动化识别检测;因此,亟须一种用于电网架空线路异物的识别检测***。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了用于电网架空线路异物的识别检测***,用于解决现有技术仅在已知存在异物的情况下根据架空线路上的异物图像确定异物类型,而无法高效的确定架空线路是否存在异物,导致电网架空线路的异物无法自动化识别检测的技术问题。
为实现上述目的,本发明的第一方面提供了用于电网架空线路异物的识别检测***,包括中枢分析模块,以及与之相连接的边缘采集模块,且边缘采集模块与数据采集设备相连接;
边缘采集模块:接收到数据采集信号之后控制数据采集设备采集电网架空线路的基础状态数据;其中,基础状态数据包括线路图像数据或者线路应变数据,且线路应变数据通过均匀设置的应变传感器获取;
中枢分析模块:分析目标区域中电网架空线路的分布环境,当分布环境异常时生成数据采集信号,或者周期性生成数据采集信号;以及
接收到基础状态数据之后,对线路图像数据和线路应变数据进行单独或者联合分析,确定异物信息;其中,异物信息包括异物类型和异物位置。
优选的,所述中枢分析模块与若干类型所述边缘采集模块通信和/或电气连接,每种类型边缘采集模块与一种类型的数据采集设备通信和/或电气连接;
所述数据采集设备包括智能终端、无人机和应变传感器;其中,智能终端包括手机和电脑,应变传感器均匀设置在电网架空线路上。
优选的,所述中枢分析模块根据历史异物数据对目标区域的电网架空线路的分布环境进行分析,包括:
获取所述历史异物数据,以及构建所述目标区域的GIS地图,并标记为目标地图;其中,历史异物数据为各电网架空线路出现异物时记录的数据;
将所述历史异物数据中的异物出现位置标记在所述目标地图中;根据异物出现次数以及各异物出现位置之间的距离确定若干目标子区域;
当所述目标子区域中异物出现频率大于频率阈值时,则判定该目标子区域异常,进而生成所述数据采集信号;其中,频率阈值根据经验设定。
优选的,所述边缘采集模块接收到数据采集信号后,在天气情况满足要求时通过无人机采集线路图像数据,或者通过应变传感器采集线路压力数据;其中,天气情况满足要求是指无人机或者应变传感器能够采集到有效数据;
通过智能终端获取所述线路图像数据时,与数据采集信号无关。
优选的,所述中枢分析模块单独分析所述线路图像数据,确定对应的异物信息,包括:
从所述基础状态数据中提取所述线路图像数据;
通过图像识别技术识别所述线路图像数据中的异物类型,同时根据所述线路图像数据的采集位置确定异物位置,进而获取所述异物信息。
优选的,所述中枢分析模块对所述线路应变数据和所述线路图像数据进行联合分析,确定所述异物信息,包括:
提取并分析所述线路应变数据,确定所述线路应变数据中的应变异常位置;其中,应变异常位置为电网架空线路中应变不符合规律的点或段;
采集或者提取所述应变异常位置对应的所述线路图像数据,根据对应的所述线路图像数据确定所述异物信息。
优选的,所述中枢分析模块通过应变差值法分析所述线路应变数据,确定所述应变异常位置,包括:
将所述线路应变数据按照线路杆划分成若干应变子数据;其中,应变子数据为相邻两个线路杆之间的线路应变数据;
将所述应变子数据对应的电网架空线路划分成若干段,标记为段落应变数据;计算相邻两个段落应变数据的应变差值,将应变差值与差值阈值比较确定所述应变异常位置;其中,差值阈值根据经验设定。
优选的,所述中枢分析模块通过曲线对比法分析所述线路应变数据,确定所述应变异常位置,包括:
将所述线路应变数据按照线路杆划分成若干应变子数据;对所述应变子数据进行曲线拟合,获取应变拟合曲线;
当所述应变拟合曲线与应变标准曲线形状一致时,识别所述应变拟合曲线中的突出点作为应变异常点,所述应变异常点对应的位置为应变异常位置。
与现有技术相比,本发明的有益效果是:
1、本发明中边缘采集模块控制数据采集设备采集电网架空线路的基础状态数据,对其中的线路图像数据和线路应变数据进行单独或者联合分析,确定异物信息,然后根据异物信息进行预警处理;本发明申请能够通过自动化处理数据判断电网架空线路是否存在异物,为异物的识别检测提供数据基础。
2、本发明在对线路图像数据和线路应变数据进行联合分析时,先通过线路应变数据分析异物位置,再结合对应的线路图像数据分析确定异物信息;先通过低成本方案确定是否存在异物,在进行精细识别,能够有效降低异物的识别检测成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的工作步骤示意图;
图2为本发明的***原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明第一方面实施例提供了用于电网架空线路异物的识别检测***,包括中枢分析模块,以及与之相连接的边缘采集模块,且边缘采集模块与数据采集设备相连接;
边缘采集模块:接收到数据采集信号之后控制数据采集设备采集电网架空线路的基础状态数据;其中,基础状态数据包括线路图像数据或者线路应变数据,且线路应变数据通过均匀设置的应变传感器获取;
中枢分析模块:分析目标区域中电网架空线路的分布环境,当分布环境异常时生成数据采集信号,或者周期性生成数据采集信号;以及接收到基础状态数据之后,对线路图像数据和线路应变数据进行单独或者联合分析,确定异物信息;其中,异物信息包括异物类型和异物位置。
现有技术在对电网架空线路上的异物进行识别检测时,一般都是已知道哪些位置存在异物,通过拍摄该位置的异物图像来识别异物类型以完成识别。而如何知晓哪些位置存在异物主要依靠人工检测,降低异物识别效率,导致电网架空线路的异物完全实现自动化识别检测。
本发明申请中边缘采集模块控制数据采集设备采集电网架空线路的基础状态数据,对其中的线路图像数据和线路应变数据进行单独或者联合分析,确定异物信息,然后根据异物信息进行预警处理;本发明申请能够通过自动化处理数据判断电网架空线路是否存在异物,为异物的识别检测提供数据基础。
本发明申请中枢分析模块与若干类型边缘采集模块通信和/或电气连接,每种类型边缘采集模块与一种类型的数据采集设备通信和/或电气连接;数据采集设备包括智能终端、无人机和应变传感器。
智能终端包括手机和电脑,任何人均可通过智能终端将包含异物信息的数据(图像数据、视频数据等)发送至中枢分析模块,且智能终端向中枢分析模块发送数据不受数据采集信号的控制。应变传感器均匀设置在电网架空线路上,即可能在电网架空线路上覆盖上应变传感器,当然也可以在电网架空线路上均匀间隔设置应变传感器。
在进行数据采集之前,中枢分析模块根据历史异物数据对目标区域的电网架空线路的分布环境进行分析,包括:
获取历史异物数据,以及构建目标区域的GIS地图,并标记为目标地图;将历史异物数据中的异物出现位置标记在目标地图中;根据异物出现次数以及各异物出现位置之间的距离确定若干目标子区域;当目标子区域中异物出现频率大于频率阈值时,则判定该目标子区域异常,进而生成数据采集信号。
电网架空线路出现异物虽然有发生,但是频率并不频繁,因此没有必要对电网架空线路实时检测,以免浪费资源。可以按照设定的周期进行周期性检测,也就是周期性生成数据采集信号。还可以根据电网架空线路出现异物的频率来确定是否需要进行检测。
提取目标区域中各电网架空线路出现异物时记录的数据,并标记在GIS地图中,则在目标区域对应的GIS地图中若干位置存在异物。按照如下步骤依次确定若干目标子区域,包括:
选择异物出现次数最多的点作为中心,从其他出现异物的位置中获取与该中心距离最近的点作为边缘点,当中心与边缘点的距离差值小于设定阈值(如10m)时,则以该距离差值为半径,确定一个圆形区域;然后将该圆形区域抽象为一个中心,接着获取合适的边缘点,然后根据合适的边缘点扩展圆形区域;当不存在合适的边缘点时则当前的圆形区域作为一个目标子区域;依次类推对剩下的点进行分析,可以获取若干目标子区域。
值得注意的是,在确定目标子区域之后,还应该为各目标子区域设置合理的数据采集周期,如将某一目标子区域中异物出现频率标记为YCP;当YCP>PY时,则生成数据采集信号,同时通过公式SCZ=α×N/YCP获取数据采集周期SCZ;边缘采集模块接收到数据采集信号之后,根据数据采集周期采集对应目标子区域的基础状态数据;其中,α为大于0的比例系数,N为YCP跨越的时长。
目标子区域的设定是为了尽可能地减少无人机、应变传感器的工作时长,节省资源;当无法提取出目标子区域,可以对整个目标区域进行周期性的数据采集。
本发明申请中边缘采集模块接收到数据采集信号后,在天气情况满足要求时通过无人机采集线路图像数据,或者通过应变传感器采集线路压力数据;通过智能终端获取线路图像数据时,与数据采集信号无关。
边缘采集模块在接收到数据采集信号之后,可以灵活地通过无人机或者应变传感器采集基础状态数据,当然在此期间仍然可以通过智能终端采集线路图像数据。天气情况满足要求是指无人机或者应变传感器能够采集到有效数据,即无人机能够安全运行情况下,并能够采集到符合分辨率的线路图像数据,应变传感器能够正常工作,并采集到有效的线路应变数据。
本发明申请中中枢分析模块可以单独分析线路图像数据,确定对应的异物信息,包括:
从基础状态数据中提取线路图像数据;通过图像识别技术识别线路图像数据中的异物类型,同时根据线路图像数据的采集位置确定异物位置,进而获取异物信息。
值得注意的是,单纯通过无人机来进行数据采集,无人机需要对目标区域或者目标子区域进行周期进行巡视并获取线路图像数据,还需要对线路图像数据进行甄别转发,而中枢分析模块还需要通过各种算法对线路图像数据进行识别,需要消耗大量资源,因此本发明申请还提出了对线路应变数据和线路图像数据的联合分析。
本发明申请中中枢分析模块对线路应变数据和线路图像数据进行联合分析,确定异物信息,包括:
提取并分析线路应变数据,确定线路应变数据中的应变异常位置;采集或者提取应变异常位置对应的线路图像数据,根据对应的线路图像数据确定异物信息。
直接分析基础状态数据中的线路应变数据,获取其中的应变异常位置。此时可以确定的是,电网架空线路上存在异物,也就是在应变异常位置。在已经确定异物位置的情况下,通过无人机或者工作人员对其进行定点拍摄即可获取对应的线路图像数据,此刻的线路图像数据非常少,且很容易从中获取异物信息。
应变异常位置为电网架空线路中应变不符合规律的点或段。本发明申请中中枢分析模块通过应变差值法分析线路应变数据,确定应变异常位置,包括:
将线路应变数据按照线路杆划分成若干应变子数据;将应变子数据对应的电网架空线路划分成若干段,标记为段落应变数据;计算相邻两个段落应变数据的应变差值,将应变差值与差值阈值比较确定应变异常位置。
当电网架空线路上面不存在异常时,则两个线路杆(电线杆)之间的线路仅受到自然力(重力、风力)的作用,且因为线路结构没有变化,则受到的自然力基本一致,也就是说正常情况下各段线路的应变前后是存在关联的。而一旦存在异物时,如风筝、气球等,在自然力的作用下对应位置的应变会出现突变,确定突变位置即可确定异物位置。
将应变子数据划分为若干段,也就获取若干段落应变数据。每个段落应变数据均对应一段线路。当某一段落应变数据与其前后的段落应变数据之间的应变差值均小于等于应变差值时,则该段落应变数据没有出现突变,否则该段落应变数据对应的线路存在异物。
本发明申请中中枢分析模块通过曲线对比法分析线路应变数据,确定应变异常位置,包括:
将线路应变数据按照线路杆划分成若干应变子数据;对应变子数据进行曲线拟合,获取应变拟合曲线;当应变拟合曲线与应变标准曲线形状一致时,识别应变拟合曲线中的突出点作为应变异常点,应变异常点对应的位置为应变异常位置。
应变标准曲线为电网架空线路在自然力作用下应变数据的变化曲线。应变拟合曲线和应变标准曲线一致是指大致形状一致,如二者均为“U”型即为一致,并不要求二者相似度非常高。若应变标准曲线为“U”型,而应变拟合曲线为“一”字型则二者不一致,应变传感器及其控制装置可能发生故障。当二者一致时,则分析应变拟合曲线中是否存在突变,将突变的线路应变数据提取出来,其对应的位置可以为异物位置。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理:
中枢分析模块分析目标区域中电网架空线路的分布环境,当分布环境异常时生成数据采集信号,或者周期性生成数据采集信号。
边缘采集模块接收到数据采集信号之后控制数据采集设备采集电网架空线路的基础状态数据。
中枢分析模块接收到基础状态数据之后,对线路图像数据和线路应变数据进行单独或者联合分析,确定异物信息。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.用于电网架空线路异物的识别检测***,包括中枢分析模块,以及与之相连接的边缘采集模块,边缘采集模块与数据采集设备相连接,其特征在于:
边缘采集模块:接收到数据采集信号之后控制数据采集设备采集电网架空线路的基础状态数据;其中,基础状态数据包括线路图像数据或者线路应变数据,且线路应变数据通过均匀设置的应变传感器获取;
中枢分析模块:分析目标区域中电网架空线路的分布环境,当分布环境异常时生成数据采集信号,或者周期性生成数据采集信号;以及
接收到基础状态数据之后,对线路图像数据和线路应变数据进行单独或者联合分析,确定异物信息;其中,异物信息包括异物类型和异物位置。
2.根据权利要求1所述的用于电网架空线路异物的识别检测***,其特征在于,所述中枢分析模块与若干类型所述边缘采集模块通信和/或电气连接,每种类型边缘采集模块与一种类型的数据采集设备通信和/或电气连接;
所述数据采集设备包括智能终端、无人机和应变传感器;其中,智能终端包括手机和电脑,应变传感器均匀设置在电网架空线路上。
3.根据权利要求1所述的用于电网架空线路异物的识别检测***,其特征在于,所述中枢分析模块根据历史异物数据对目标区域的电网架空线路的分布环境进行分析,包括:
获取所述历史异物数据,以及构建所述目标区域的GIS地图,并标记为目标地图;其中,历史异物数据为各电网架空线路出现异物时记录的数据;
将所述历史异物数据中的异物出现位置标记在所述目标地图中;根据异物出现次数以及各异物出现位置之间的距离确定若干目标子区域;
当所述目标子区域中异物出现频率大于频率阈值时,则判定该目标子区域异常,进而生成所述数据采集信号;其中,频率阈值根据经验设定。
4.根据权利要求1或3所述的用于电网架空线路异物的识别检测***,其特征在于,所述边缘采集模块接收到数据采集信号后,在天气情况满足要求时通过无人机采集线路图像数据,或者通过应变传感器采集线路压力数据;
通过智能终端获取所述线路图像数据时,与数据采集信号无关。
5.根据权利要求1所述的用于电网架空线路异物的识别检测***,其特征在于,所述中枢分析模块单独分析所述线路图像数据,确定对应的异物信息,包括:
从所述基础状态数据中提取所述线路图像数据;
通过图像识别技术识别所述线路图像数据中的异物类型,同时根据所述线路图像数据的采集位置确定异物位置,进而获取所述异物信息。
6.根据权利要求1所述的用于电网架空线路异物的识别检测***,其特征在于,所述中枢分析模块对所述线路应变数据和所述线路图像数据进行联合分析,确定所述异物信息,包括:
提取并分析所述线路应变数据,确定所述线路应变数据中的应变异常位置;其中,应变异常位置为电网架空线路中应变不符合规律的点或段;
采集或者提取所述应变异常位置对应的所述线路图像数据,根据对应的所述线路图像数据确定所述异物信息。
7.根据权利要求6所述的用于电网架空线路异物的识别检测***,其特征在于,所述中枢分析模块通过应变差值法分析所述线路应变数据,确定所述应变异常位置,包括:
将所述线路应变数据按照线路杆划分成若干应变子数据;其中,应变子数据为相邻两个线路杆之间的线路应变数据;
将所述应变子数据对应的电网架空线路划分成若干段,标记为段落应变数据;计算相邻两个段落应变数据的应变差值,将应变差值与差值阈值比较确定所述应变异常位置;其中,差值阈值根据经验设定。
8.根据权利要求6所述的用于电网架空线路异物的识别检测***,其特征在于,所述中枢分析模块通过曲线对比法分析所述线路应变数据,确定所述应变异常位置,包括:
将所述线路应变数据按照线路杆划分成若干应变子数据;对所述应变子数据进行曲线拟合,获取应变拟合曲线;
当所述应变拟合曲线与应变标准曲线形状一致时,识别所述应变拟合曲线中的突出点作为应变异常点,所述应变异常点对应的位置为应变异常位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210976712.1A CN115311585A (zh) | 2022-08-15 | 2022-08-15 | 用于电网架空线路异物的识别检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210976712.1A CN115311585A (zh) | 2022-08-15 | 2022-08-15 | 用于电网架空线路异物的识别检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115311585A true CN115311585A (zh) | 2022-11-08 |
Family
ID=83863493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210976712.1A Pending CN115311585A (zh) | 2022-08-15 | 2022-08-15 | 用于电网架空线路异物的识别检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115311585A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116337868A (zh) * | 2023-02-28 | 2023-06-27 | 靖江安通电子设备有限公司 | 一种表面缺陷检测方法及检测*** |
CN117277592A (zh) * | 2023-11-21 | 2023-12-22 | 西安晟昕科技股份有限公司 | 一种高压电路信号监测的保护切换方法 |
-
2022
- 2022-08-15 CN CN202210976712.1A patent/CN115311585A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116337868A (zh) * | 2023-02-28 | 2023-06-27 | 靖江安通电子设备有限公司 | 一种表面缺陷检测方法及检测*** |
CN116337868B (zh) * | 2023-02-28 | 2023-09-19 | 靖江安通电子设备有限公司 | 一种表面缺陷检测方法及检测*** |
CN117277592A (zh) * | 2023-11-21 | 2023-12-22 | 西安晟昕科技股份有限公司 | 一种高压电路信号监测的保护切换方法 |
CN117277592B (zh) * | 2023-11-21 | 2024-02-13 | 西安晟昕科技股份有限公司 | 一种高压电路信号监测的保护切换方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311585A (zh) | 用于电网架空线路异物的识别检测*** | |
CN108307146B (zh) | 一种高压输电线路安全隐患检测***及方法 | |
CN108537154B (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN106326808B (zh) | 基于无人机图像的检测输电线路杆塔上鸟窝的方法 | |
CN110456234B (zh) | 故障电弧的检测方法、装置和*** | |
CN105911424B (zh) | 一种基于故障指示器误报信号的识别方法 | |
CN117214617B (zh) | 一种智能电网故障实时监测定位***及方法 | |
CN111831430A (zh) | 一种基于边缘计算的电力设备缺陷识别*** | |
CN112697798A (zh) | 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置 | |
CN113298077A (zh) | 一种基于深度学习的变电站异物识别定位方法及装置 | |
CN115642877A (zh) | 一种基于深度学习的光伏组件异常遮挡检测方法及*** | |
CN115102287A (zh) | 一种新能源电站集中区域智能管控*** | |
CN114184232A (zh) | 一种输电线路多参量集成监测*** | |
CN114640177B (zh) | 一种基于电力能效监测装置的电力能效监测方法 | |
CN107977531A (zh) | 一种基于图像处理和领域数学模型进行接地电阻软测量的方法 | |
CN117456704A (zh) | 用于电力设备管理服务器的安全预警装置 | |
CN110555460B (zh) | 一种基于图像切片的移动端输电线路鸟类检测方法 | |
CN116845863A (zh) | 基于时空轨迹的末端电网异常设备接入告警方法及装置 | |
CN103198326B (zh) | 一种输电线路直升机巡检的图像分类方法 | |
CN112735078B (zh) | 物联网的智能家居管理方法和*** | |
CN115311560A (zh) | 一种输电通道外破隐患辨识方法及装置 | |
CN113958463A (zh) | 风机叶片在线监测方法、***及装置 | |
CN113959558A (zh) | 一种风偏、导地线振动监测方法、***、装置及存储介质 | |
CN112132819A (zh) | 一种基于人工智能的通信网管监控方法 | |
CN114429148A (zh) | 一种基于多源数据融合的电力设备状态检测方法 |
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 |