典型文献
基于机器视觉的超高压输电线路覆冰灾害分级预警模型
文献摘要：
超高压输电线路一旦覆冰会造成严重的危害,甚至会影响电网正常运行,预测输电线路覆冰情况对于解决灾害有重要意义.目前提出的预警模型覆冰率预测结果与实际结果相差较大,为了解决上述问题,基于机器视觉设计了一种新的超高压输电线路覆冰灾害分级预警模型,处理超高压输电线机器视觉信息,采集原始图像信息,划分原始图像中的线路特征,确定梯度特征,分析梯度方向,实现梯度增强.利用卷积神经网络对图像进行分类,根据分类结果完成信息处理.同时检测历史覆冰灾害因子、气象因子和线路冰冻因子,根据检测结果建立PSOEM-LSSVM模型,计算预警模型权重,分析综合风险指数的赋权及合理性,对输电线路覆冰风险进行分级,通过指数结果将灾害分为5级,评判灾害程度.实验结果表明,基于机器视觉的超高压输电线路覆冰灾害分级预警模型预警相对误差始终低于0.02％,预警过程不会受到风速影响,能够很好地保证超高压输电线路运行安全性.
文献关键词：
超高压输电线路;覆冰预警;PSOEM-LSSVM模型;机器视觉
中图分类号：
作者姓名：
翟兵;秦雄鹏;朱龙昌;黄绪勇;曹俊;耿浩;王亚强
作者机构：
云南电网有限责任公司电力科学研究院,云南 昆明 650217;云南电力技术有限责任公司,云南 昆明 650012;云南华晋科技有限责任公司,云南 昆明 650051;北京国遥新天地信息技术股份有限公司,北京 100020
文献出处：
引用格式：
[1]翟兵;秦雄鹏;朱龙昌;黄绪勇;曹俊;耿浩;王亚强-.基于机器视觉的超高压输电线路覆冰灾害分级预警模型)[J].云南电力技术,2022(06):66-71
A类：
B类：
机器视觉,超高压输电线路,输电线路覆冰,覆冰灾害,灾害分级,分级预警,预警模型,冰情,视觉设计,视觉信息,原始图像,图像信息,线路特征,梯度特征,梯度方向,信息处理,同时检测,气象因子,冰冻,PSOEM,LSSVM,模型权重,综合风险指数,模型预警,线路运行,运行安全性,覆冰预警
AB值：
0.192969
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
