输电线路的发热检测是确保电网安全稳定的基石。它能即时揭露潜在的线路问题,预防线路跳闸停电事故的发生。以往,AI识别红外影像数据的过程繁琐,且依赖于人工对图像中的发热故障点进行判断,这不仅容易因检修人员的经验或专注力不足导致疏漏,还面临着庞大的红外视频数据复检工作量大、效率低下的挑战,增加了绝缘子掉落等安全隐患。
借助新研发的输电线路红外缺陷智能识别系统,用户只需一键上传巡检红外视频,系统即可自动提取关键帧并智能识别发热缺陷,极大地辅助了线路运维单位在隐患排查和故障处理上的效率与准确性。通过整合业务场景,技术攻关团队采用了“最小化标注+阶梯式学习+干扰点屏蔽”策略,成功实现了红外缺陷隐患的智能化识别,识别准确率高达90%以上。
该系统已在国网电力空间技术有限公司实现部署,成为国内首个规模化应用AI于输电线路发热检测的实例。以处理240基杆塔的红外视频为例,传统的人工复核耗时5小时,而现在通过该系统,从视频上传到完成分析仅需2小时,整个过程无需人工干预,显著提升了工作效率。
这项技术创新不仅为电网运维提供了高效、精准的解决方案,也展示了AI在电力系统运维领域的巨大潜力,为保障电网安全稳定运行注入了新的动力。随着技术的进一步优化与推广,AI在电力行业的应用前景值得期待。