简介:摘要:电力资源是支撑人们生活生产的重要资源,因此对于人类的发展而言具有至关重要的作用。在电力调度系统运行过程中,需要进行大量数据信息的采集和应用,但是此工作较为烦琐,即使在自动化系统的加持下仍需每天处理大量的数据信息,造成电力系统运行压力过大的问题,在此种情况下运用智能化技术,能够有效进行数据的高效处理,从而满足当前电力调度系统运行要求。
简介:摘要 本文分析了目前输电线路杆塔上隐患检测算法的不足,研究了近些年来提出的电网隐患检测算法,并在此基础上进行了综合的分析研究之后,提出了适用于输电杆塔本体隐患智能识别的无人机边缘计算的轻量级算法MGFF-KCD(关键部件检测的多粒度特征融合算法),利用FPN构建FasterR-CNN检测模型来提取多粒度的特征图像的融合方法,使用多个粒度的图像特征融合后进行分类与检测,提高了算法的准确率;将算法模型移植到华为Atlas芯片并集成到无人机平台中,在无人机终端进行实时智能分析。选取了销钉、绝缘子、防震锤、均压环、鸟巢五类关键部位进行实验,结果表明,该算法在Atlas200芯片设备上可实现平均每张62ms的检测速度和88%的准确率。