پایش هوشمند مقره های خطوط انتقال نیرو با استفاده ازتصاویر پهپاد و مدل یادگیری عمیق

خطوط انتقال نیرو، بخش حیاتی شبکه های برق هستند و سلامت آن ها به منظور تامین برق پایدار جامعه ضروری است. مقره ها، به عنوان عایق بین هادی ها نقش اساسی در این شبکه ایفا می کنند و عیوب آن ها می تواند منجر به قطع، اتلاف برق و خطرات جانی شود. پایش و تشخیص به موقع این عیوب، نقشی کلیدی در حفظ پایداری و امنیت شبکه دارد. روش های پایش سنتی خطوط انتقال برق نیز زمان بر و پرهزینه بوده و احتمال وقوع حوادث در این روند بیشتر می شود. پهپاد و پردازش تصاویر هوایی حاصل از آن با استفاده از شبکه های عصبی یادگیری عمیق روشی نوین و کارآمد برای پایش خطوط انتقال برق ارائه می دهد. هدف این پژوهش، غلبه بر چالش های روش های سنتی تشخیص عیوب، مانند زمان بر بودن، پرهزینه بودن و احتمال وقوع حوادث است. همچنین در تحقیق حاضر، روشی نوین بر مبنای  تصویر برداری هوایی و استفاده از وظایف مختلف مدل یادگیری عمیق یولو۸ نانو ، برای پایش و تشخیص عیوب مقره ها در خطوط انتقال نیرو ارائه می شود. در روند این پژوهش مدل یادگیری عمیق طی دو مرحله با در نظر گرفتن دو کلاس سالم و معیوب و سه کلاس سالم، شکستگی و آرک زدگی آموزش داده شده که دقت ۹۲.۶% در وظیفه تشخیص و دقت ۹۸.۹% در وظیفه طبقه بندی با دو کلاس و دقت کل ۹۳.۹% به منظور تشخیص مقره در تصویر و دقت ۹۹.۲% به منظور طبقه بندی تصاویر در سه کلاس مقره سالم، مقره شکسته و آرک زدگی مقره برای مدل یولو۸ حاصل شده است. نتایج این مطالعه نشان می دهد که روش پیشنهادی مبتنی بر تصویربرداری هوایی با استفاده از مدل های عمیق یولو۸، روشی دقیق، کارآمد و مقرون به صرفه برای پایش و تشخیص عیوب مقره ها در خطوط انتقال برق است. این روش در مقایسه با روش های سنتی پایش مقره ها، از مزایای قابل توجهی از جمله دقت بالا، سرعت بالای پردازش، قابلیت اطمینان بیشتر و هزینه عملیاتی پایین تر برخوردار است.

کلیدواژه ها:

خطوط انتقال نیرو ، مقره ، تصاویر پهپاد ، یادگیری عمیق ، یولو۸ ، تشخیص ، طبقه بندی