絕緣子在連接導(dǎo)體的同時(shí),起著電氣絕緣作用,它是輸電線路的必備器件,大量應(yīng)用于電力系統(tǒng)中。絕緣子的運(yùn)行狀態(tài)影響著電力系統(tǒng)的可靠性和安全性,甚至影響整個(gè)電力系統(tǒng)的運(yùn)行壽命。定期巡檢,及時(shí)發(fā)現(xiàn)故障絕緣子,對(duì)于維護(hù)電網(wǎng)的正常運(yùn)行具有重要意義。隨著自動(dòng)化技術(shù)的發(fā)展,無人機(jī)已被用于絕緣子狀態(tài)的巡查,但應(yīng)用場(chǎng)景的復(fù)雜多變性給大數(shù)據(jù)環(huán)境下絕緣子故障圖像的自動(dòng)識(shí)別帶來了很大挑戰(zhàn)�；谏疃葘W(xué)習(xí),本文對(duì)絕緣子故障圖像的自動(dòng)檢測(cè)問題進(jìn)行研究。首先對(duì)比分析了卷積神經(jīng)網(wǎng)絡(luò)（CNN）的實(shí)現(xiàn)模型,結(jié)合絕緣子航拍圖像的特點(diǎn),選取了基于掩碼區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（Mask R-CNN）來識(shí)別絕緣子故障圖像。研究了Mask R-CNN的特征提取網(wǎng)絡(luò),探討了Mask R-CNN網(wǎng)絡(luò)訓(xùn)練參數(shù)對(duì)學(xué)習(xí)絕緣子樣本的影響,設(shè)計(jì)了適合于學(xué)習(xí)絕緣子故障圖像的網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)配置。提出了基于Mask R-CNN的絕緣子故障圖像檢測(cè)算法,建立了適合絕緣子故障圖像檢測(cè)的Mask R-CNN模型,使用Labelme搭建了絕緣子故障圖像樣本庫(kù),實(shí)現(xiàn)了絕緣子故障圖像的學(xué)習(xí)與檢測(cè)。在Python環(huán)境下,利用Tensor Flow和Keras開發(fā)工具對(duì)所提出的算... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

復(fù)雜地域環(huán)境下的電力線路

第一章緒論3圖1-2絕緣子塔同時(shí)，隨著計(jì)算機(jī)處理器與硬件技術(shù)的快速發(fā)展，計(jì)算機(jī)的計(jì)算速度與性能有了很大提升。1999年，NVIDIA公司正式提出了圖形處理器單元(GraphicsProcessingUnit，GPU)的概念。于是從那時(shí)起，NV顯卡的芯就用GPU這個(gè)新名字來命名[15]。GPU是大數(shù)據(jù)和深度學(xué)習(xí)研究的基礎(chǔ)，一個(gè)GPU芯片可以集成上千個(gè)核，其強(qiáng)大的并行計(jì)算能力使它能夠高效地處理大量數(shù)據(jù)，并對(duì)數(shù)據(jù)處理實(shí)現(xiàn)“增值”，這也使得大規(guī)模神經(jīng)網(wǎng)絡(luò)的訓(xùn)練能夠進(jìn)行[16]。如今，圖像處理與識(shí)別領(lǐng)域已經(jīng)大范圍使用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，如手寫體識(shí)別[17]、字符識(shí)別[18]、人臉識(shí)別[19]、交通信號(hào)識(shí)別[20]、圖像分割[21]、目標(biāo)追蹤[22]等。使用卷積神經(jīng)網(wǎng)絡(luò)從圖像中進(jìn)行絕緣子目標(biāo)識(shí)別，快速檢測(cè)出狀態(tài)劣化的絕緣子，降低輸電線路安全運(yùn)行的威脅，是眾多絕緣子故障診斷技術(shù)中最為有效的方法之一。目前，使用深度學(xué)習(xí)進(jìn)行絕緣子狀態(tài)檢測(cè)已引起了相關(guān)人員的注意，有了許多相關(guān)的研究成果，例如課題組在前期研究中，提出了一種基于深卷積神經(jīng)網(wǎng)絡(luò)(Deepconvolutionneuralnetworks,DCNN)的絕緣子自爆檢測(cè)方法[23]。該方法將原始圖像分割成若干個(gè)子圖像，通過分別檢測(cè)每個(gè)子圖像來識(shí)別絕緣子的自爆故障。然而，這種方法只能得到一個(gè)總的識(shí)別率，不能準(zhǔn)確定位絕緣子的位置。另外，在后面的研究中發(fā)現(xiàn)，這種方法并不能正確地識(shí)別每個(gè)子圖像。因此，仍然需要尋找更好的絕緣子自爆識(shí)別方法�；诖�，本文將掩碼區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(Maskregionwithconvolutionalneuralnetwork,MaskR-CNN)用于絕緣子的故障檢測(cè)，并借助GPU來實(shí)現(xiàn)加速。著重研究絕緣子自爆故障的識(shí)別，提出基于

第一章緒論5成像技術(shù)、自動(dòng)化技術(shù)的迅速發(fā)展，使用無人機(jī)進(jìn)行電網(wǎng)系統(tǒng)巡檢已經(jīng)成為大勢(shì)所趨，進(jìn)行各種故障的智能檢測(cè)已經(jīng)成為當(dāng)下研究的主要方向[31]。(a)人工巡檢方式[25](b)人工巡檢方式[26](c)無人機(jī)巡檢方式[29]圖1-3輸電線路的三種巡檢方式直升機(jī)和無人機(jī)巡檢系統(tǒng)流程圖如圖1-4所示[32]。由直升機(jī)或無人機(jī)搭載數(shù)字?jǐn)z像設(shè)備，按既定的巡檢路線飛行，對(duì)沿路輸電線路進(jìn)行拍攝或錄像，拍攝絕緣子等元件設(shè)備圖像，回基地后，首先對(duì)航拍圖像進(jìn)行圖像預(yù)處理，然后由智能算法進(jìn)行圖像識(shí)別與狀態(tài)檢測(cè)。圖1-4直升機(jī)和無人機(jī)航拍巡檢系統(tǒng)流程[32]早在1980年，中國(guó)就開始研究利用直升機(jī)進(jìn)行電網(wǎng)巡檢，但由于經(jīng)濟(jì)實(shí)力的限制，長(zhǎng)期以來并沒有較大進(jìn)展。直到21世紀(jì)，經(jīng)濟(jì)實(shí)力和技術(shù)水平飛速提升，才逐漸推廣應(yīng)用直升機(jī)巡檢方式。2002年，華北電網(wǎng)第一次在輸電線路巡檢任務(wù)中使用直升機(jī)巡檢方式；2005年，內(nèi)蒙古電網(wǎng)企業(yè)也開始使用直升機(jī)巡檢方式[33]。近年來，無人機(jī)越來越廣泛地應(yīng)用于輸電線路巡檢任務(wù)中。國(guó)家電網(wǎng)與南方電網(wǎng)分別在2009年、2011年開始無人機(jī)巡檢試點(diǎn)。2013年，南方電網(wǎng)開始在整個(gè)電網(wǎng)系統(tǒng)中實(shí)施線路機(jī)巡方式，國(guó)家電網(wǎng)也在2015年和2016年，于十個(gè)省份全面推廣這種新興的巡檢方式[34]。廣東電網(wǎng)在《“十三五”輸配電線路“機(jī)巡十人巡”協(xié)同巡檢實(shí)施方案》中指出：到2020年，110KV及以上電力傳輸路線機(jī)巡覆蓋率要達(dá)到90%，機(jī)巡占比要超過60%，巡檢所需費(fèi)用下降20%


本文編號(hào)：3108747