一种输电设备低漏报率缺陷识别方法

    公开(公告)号:CN111353413A

    公开(公告)日:2020-06-30

    申请号:CN202010117318.3

    申请日:2020-02-25

    申请人: 武汉大学

    摘要: 本发明涉及数字图像识别技术,具体涉及一种输电设备低漏报率缺陷识别方法,包括:通过无人机或直升机采集输电线路巡检图像;对输电线路巡检图像进行标记,建立数据集;分别基于Faster RCNN网络建立输电线路缺陷识别模型和YOLO v3网络建立输电线路缺陷识别模型,在输电线路巡检图像数据集上训练;将训练好的Faster RCNN模型和YOLO v3模型优化后通过自适应判别器组合,进行联合训练;利用联合训练好的低漏报率缺陷检测模型对输电线路巡检图像进行识别,获取电力设备的状态信息,判断电力设备是否存在缺陷;对巡检图像进行批量化端到端处理。该方法能够扩大模型对于复杂环境的适应能力,降低漏检率。

    一种配电网信息物理系统建模及关键节点识别方法

    公开(公告)号:CN116305676A

    公开(公告)日:2023-06-23

    申请号:CN202211341099.2

    申请日:2022-10-30

    申请人: 武汉大学

    摘要: 本发明设计一种输电网信息物理系统建模及关键节点识别方法,从相互依存网络的角度提出一种新的相互依存关系,并在此基础上定义耦合网络损失度指标从而评估节点重要度。首先建立变电站通信网设备级网络,然后以设备级网络作为基础单位,按照调度信息网拓扑进行扩展,形成电网信息侧设备级网络。接着,将电网物理侧拓扑中变电节点与电网信息侧设备级网络中的属于一个变电站的连通图对应,按照断路器与输电线路对应关系形成依存边。再对所建立模型进行节点失效的攻击,计算每次攻击后耦合网络损失度的相对变化,即为该节点重要度。本发明有利于解决当前模型细粒度不够、电网信息侧与物理侧不足以反映实际的问题。