成果简介
输变电设备是电网的重要组成部分，其运行状况直接关系到电网安全及可靠运行。长时间处于运行状态的输变电设备，在电、磁、力及外界环境等因素的作用下会发生故障或潜在隐患，进而威胁电网的安全稳定运行，甚至造成人员伤亡。在当前电网数字化转型的背景下，对非结构化图像和视频数据进行智能监测及分析，有助于及时发现设备运行状况，提高输变电设备运行、维护和管理水平。基于此，研究团队聚焦图像数据驱动的基本理论和应用技术，深入研究了智能传感技术、计算机视觉技术及其在输变电设备在线监测中的应用，并取得了一系列成果。该成果可细化为以下三个方面：
1.电力设备红外热成像智能检测及诊断（图1）。研究团队提出基于轻量型深度学习的电力设备热状态实时检测模型，通过采用图像增强、轻量化深度学习及温度特征提取等方法，实现对电力设备热状态信息的实时检测及诊断决策。
2.变电站安全作业智能监测及越界报警（图2）。研究团队提出基于单目视觉的变电站设备安全距离测量方法，通过融合实例分割、深度估计、深度重构、反投影等技术，实现变电站中带电设备与作业人员安全距离的实时预测及越界主动报警。
3.输电通道防外破安全监测及智能预警（图3）。研究团队提出基于先验激光雷达的单目视觉方法实现输电通道防外破在线监测，通过单阶段检测器、位姿估计、反投影变换等技术预测输电线到隐患目标的三维距离，并根据安全运行规程实现输电通道的有效预警。
上述研究成果先后在国际电气与电子工程师协会的工业信息会刊（IEEE Transactions on Industrial Informatics，doi: 10.1109/TII.2021.3123107）、电力传输会刊（IEEE Transactions on Power Delivery，doi: 10.1109/TPWRD.2022.3158818\10.1109/TPWRD.2020.3038880）、仪器仪表与测量汇刊（IEEE Transactions on Instrumentation and Measurement，doi: 10.1109/TIM.2021.3052003）等国际顶刊上发表。
应用前景
本技术可迭代并推广到包含各种电力设备的发电厂、变电站（所）和输电线路等电力系统的组成单元中，研究成果高度契合当前我国电网数字化转型升级、电力设备智能运检的实际需求，具有较好的应用前景。研究成果的应用实施：1）有助于及时发现电力设备潜伏性故障，可有效降低电力设备故障发生率，减少电网停电风险；2）保障电力设备运行可靠性，大幅提高电力设备检修效率，降低设备运维成本；3）进一步减少因设备故障引起的企事业单位、用户停电、停产造成的经济损失；4）提升输变电设备智能化水平，实现输变电设备运维从“人工检测”到“实时监测”的跨越，满足电网设备智能运检管理要求，助力电网数字化转型升级。
成熟度
基础研究（小试）。研究算法为基于深度学习的视觉模型，其在边缘端使用面临算力受限、内存有限、部署困难等应用层面的挑战，需进一步研究面向边缘计算的实施部署方法。
成果展示
知识产权情况
成果完成人
电气工程学院：郑含博
成果转化，请联系成果与合作处，联系人：刘老师，联系电话：0771-3272162。