Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

INDEMIND亮相EPTC输电技术年会,解锁AI输电线路巡检新模式

INDEMIND携电网输电线路智能监测平台应邀参加本次EPTC年会,CTO闫东坤博士进行了《基于AI视觉技术实现输电线路的自主检测》主题分享,向现场领导与专家展示了INDEMIND以人工智能、大数据、计算机视觉等技术在电力行业的创新成果。

10月31日-11月2日,2019年输电新技术应用交流会暨第7届EPTC输电技术年会(简称“EPTC年会”)在四川成都召开。本次大会中,来自全国各地的输电技术专家就进一步提高架空输电线路技术创新能力,加强科技成果交流与应用力度,促进科技成果转化,探讨输电线路技术未来发展趋势展开交流分享。

作为行业领先的AI视觉方案提供商INDEMIND携电网输电线路智能监测平台应邀参加本次EPTC年会,CTO闫东坤博士进行了《基于AI视觉技术实现输电线路的自主检测》主题分享,向现场领导与专家展示了INDEMIND以人工智能、大数据、计算机视觉等技术在电力行业的创新成果。

“近年来,我国电网建设经历了高速发展,十二五期间,规模已跃居世界首位,电网输电线路总长度超过118万公里。传统输电线路巡检方式愈发捉襟见肘,已逐渐无法满足电网庞大的巡检需求。”INDEMIND CTO闫东坤博士在“输电线路智能巡检技术专题论坛”上说到。

在此背景下,INDEMIND联合国网重庆综合能源服务有限公司合作开发了电网输电线路智能监测平台。该平台通过AI视觉、人工智能边缘计算等技术,从线路入侵、导线异动、杆塔状态、气象灾害四个维度,实现对电网输电线路7×24小时全区域、全自主的精细化监控、识别、预警,可提升输电线路的状态感知能力、主动监测预警能力、辅助诊断决策能力以及运检管控能力。据悉,INDEMIND电网输电线路智能监测平台已在重庆部分地区挂网运行。

4大监测维度,3大监测理念,解锁人工智能输电运检新模式

“2019年初,国家电网公司正式提出泛在电力物联网建设战略目标,在此背景下,我们认为输电线路巡检应突破传统监测方式,应用新的监测理念,打造出符合泛在电力物联网建设需求的输电线路运检新模式。”

分享中,闫东坤博士详细地向在场专家与领导介绍了INDEMIND电网输电线路智能监测平台的监测维度与监测理念:

  • 线路入侵监测,无死角实时监测塔下及两塔之间区域,对异物挂线、工程车辆入侵、人员入侵及超高树竹等常见输电线路故障因素进行智能分类识别,上报人工复检,并根据风险预案进入警备模式,开启不间断图像识别,提高识别效果的同时,降低运检成本。
  • 导线异动监测,无需掉电安装,即可实时监测导线垂直、水平舞动幅值、频率等数据,结合数据分析在各种条件下的舞动特点和规律,为每一条输电导线建立专属舞动模型,设定风险预警模型,通过模型判断导线异动数据,智能实时判断、上报,启动风险应急预案。
  • 杆塔状态监测,通过惯性传感器测量杆塔短时间动态数据,对杆塔进行有限元动力学分析,实现杆塔风险的提前判断与预警。
  • 气象灾害监测,平台将气象传感器数据与视觉数据基于人工智能构建识别模型,联立实现覆冰、火灾等气象灾害的实时监测预警,有效提升数据价值,提升监测效果。

“相较于监测能力的提升,我们更希望看到的是监测理念的革新。”闫东坤博士在演讲中说到。他表示,INDEMIND电网输电线路智能监测平台的监测理念有3个:

  • 基于人工智能和双目视觉的三维立体输电通道监测,从多维度实现对输电线路7×24小时全区域监测,降低监测盲区,有效提升监测效果。
  • 全模型化监测,通过深度学习对每一个监测目标建立人工智能数据模型,降低人工监测带来的误判,同时随着数据积累,实现“数据积累-模型训练-模型替换升级-模型实时监测”的数据融合建模自循环,降低后期维护成本。
  • 全自主监测,平台无需人工干预,各监测系统数据采集、识别预警可全自主运行,并支持系统自主更新模型、自动升级固件,最大程度降低平台升级维护成本。

此外,INDEMIND为电网输电线路智能监测平台提供了平台显示客户端,包括PC端、移动端以及增强现实巡检设备,可将输电线路各数据、历史数据变化、预警信息可视化,辅助指挥中心、操作人员、一线运维工作人员把握输电线路实时动态。

在EPTC年会展区,INDEMIND将电网输电线路智能监测平台、客户端、应用场景模型带到了现场,吸引了很多领导、专家的驻足参观。

结语:

中国正进行一场前所未有的能源革命,建设泛在电力物联网绝不是一股热潮,而是一场有着深远意义的革新,电网输电线路智能监测平台标志着INDEMIND迈出了赋能电力行业的第一步,未来INDEMIND将持续助力电力行业,不断探索人工智能技术在电力行业复杂场景及环境智能的监测、预警、反馈作用,加速泛在电力物联网新时代建设。

INDEMIND
INDEMIND

专注于计算机视觉及嵌入式感知计算平台研发与应用,机器人时代已来,INDEMIND将赋予机器人更稳定的视觉感知,分享最新技术,深层次探讨机器人的更多应用!

产业电网智能安防
1
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

增强现实技术

增强现实,是指透过摄影机影像的位置及角度精算并加上图像分析技术,让屏幕上的虚拟世界能够与现实世界场景进行结合与互动的技术。这种技术于1990年提出。随着随身电子产品运算能力的提升,增强现实的用途也越来越广。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

环境智能技术

数据融合技术

数据融合技术将来自多个传感器(信息源)的数据和相关数据的信息相结合,以实现比单独使用单个传感器(信息源)所能实现的更高的准确性和更具体的推论。

推荐文章
暂无评论
暂无评论~