面向数字孪生的输电线路设备识别方法

蔡杰; 张凌乐; 贺兰菲; 李晶晶; 谢松阳; 何锦涛; 王灿

doi:10.20204/j.sp.2025.04006

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

面向数字孪生的输电线路设备识别方法

智能电网与新型电力系统控制技术 | 更新时间：2025-10-22

- 面向数字孪生的输电线路设备识别方法
- Digital Twin-Oriented Transmission Line Equipment Identification Method
- 智慧电力 2025年53卷第4期页码：45-52
- 作者机构：
  
  1. 国网湖北省电力有限公司经济技术研究院,湖北,武汉,430077
  2. 国网湖北送变电工程有限公司,湖北,武汉,430063
  3. 湖北科能电力电子有限公司,湖北,武汉,430040
  4. 湖北理工学院,湖北,黄石,435003
  5. 三峡大学电气与新能源学院,湖北,宜昌,443002
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（52107108）
- DOI：10.20204/j.sp.2025.04006
  中图分类号：
- 纸质出版：2025
- 稿件说明：
移动端阅览
蔡杰,张凌乐,贺兰菲,李晶晶,谢松阳,何锦涛,王灿.面向数字孪生的输电线路设备识别方法[J].智慧电力,2025,53(4):45-52.

doi:10.20204/j.sp.2025.04006
蔡杰,张凌乐,贺兰菲,李晶晶,谢松阳,何锦涛,王灿.面向数字孪生的输电线路设备识别方法[J].智慧电力,2025,53(4):45-52. DOI： 10.20204/j.sp.2025.04006.

doi:10.20204/j.sp.2025.04006 DOI：

摘要

随着电网智能化升级，精准的设备识别成为提升管理效率的关键。针对输电线路设备识别问题，提出一种面向数字孪生的输电线路设备识别方法。在数字孪生输电线路系统框架下，基于跨连接结构特征金字塔网络、注意力机制和最小点距离交并比损害函数对YOLOv7算法进行改进，以提高模型的识别准确度。仿真分析表明，与其他目标识别方法相比，所提方法在识别精度及复杂场景适应能力上具备显著优势。

Abstract

With the intelligent upgrading of power grids，accurate equipment identification has become a key factor in enhancing management efficiency. To address the challenge of transmission line equipment identification，this paper proposes a digital twin-oriented identification method for transmission line equipment. Under the framework of a digital twin-based transmission line system， the YOLOv7 algorithm is improved by integrating a cross-connection structured feature pyramid network

an attention mechanism

and a minimum point-distance intersection-over-union loss function to enhance the model’s recognition accuracy. Simulation analysis demonstrates that，compared to other object detection methods，the proposed approach exhibits significant advantages in recognition precision and adaptability to complex scenarios.

关键词

Keywords

references

郝艳捧，梁苇，潘锐健，等.输电线路智能带电检修关键技术研究综述[J].电力自动化设备，2022，42（2）：163-175.

苗作华，王梦婷，汤阳，等.基于优化蚁群算法的输电线路径规划研究[J].智慧电力，2022，50（11）：84-89，96.

杜觉晓，赵留学，莽修伟，等.基于边缘端目标识别与跟踪算法的输电线路航拍视频流诊断技术研究[J].智慧电力，2023，51（6）：106-113.

王杨杨，曹晖，莫文昊.基于深度学习的改进型YOLOv4输电线路鸟巢检测与识别[J].智慧电力，2023，51（1）：101-107.

陈志永，韩璟琳，刘洋，等.基于关键帧提取与图像识别的电网设施数字化重建[J].中国电力，2024，57（9）：217-223.

李震，李庆生，张裕，等.一种基于数字孪生的虚拟同步机与静止同步补偿器优化协调控制策略研究[J].智慧电力，2024，52（2）：115-122.

陈然，周蠡，刘万方，等.面向数字孪生的输电线路设备平行控制方法[J].智慧电力，2025，53（1）：1-8，23.

罗昊，王长江，王建国.面向数字孪生的电-气综合能源系统可用输电能力计算[J].电力建设，2023，44（11）：113-127.

张红民，彭闯，郭泓邑，等.一种基于SIFT-BOW模型的绝缘子图像识别方法[J].激光杂志，2020，41（11）：96-99.

吴志成，林秀贵，许家浩，等.一种采用航拍图像识别高压输电线路防震锤缺失的检测算法[J].应用科技，2021，48（5）：35-41，53.

彭桂喜，袁思遥，高梓寒，等.基于深度学习低图像要求的继电保护压板状态自动识别方法[J].电力科学与技术报，2024，39（2）：134-142.

张昊，邵可欣，宋继伟，等.改进型Faster-RCNN配网线路防外破检测方法[J].智慧电力，2024，52（9）：119-127.

周晓玲，张朝霞，鲁雅，等.基于改进R-FCN的SAR图像识别[J].系统工程与电子技术，2022，44（4）：1202-1209.

张彦凯，余飞鸿，夏岩，等.一种高精度优化Faster-RCNN变电站安全帽检测方法[J].四川电力技术，2023，46（1）：62-68.

易继禹，陈慈发，龚国强.基于改进Faster RCNN的输电线路航拍绝缘子检测[J].计算机工程，2021，47（6）：292-298，304.

李莉，乔璐，张浩洋.结合FPN改进R-FCN的肺结节检测算法[J].计算机应用与软件，2022，39（4）：179-184.

袁兆祥，肖智宏，王晶，等.考虑多时刻和压缩候选集合的配电网最小化采集优化方法[J].中国电力，2023，56（12）：20-30.

高子凡，张维忠，陈程立诏，等.基于改进的YOLO v5s算法多尺度包裹检测方法[J].青岛大学学报（工程技术版），2023，38（4）：15-21.

李冰，白云山，赵宽，等.基于HSCA-YOLOv7的风电机组叶片表面缺陷检测算法[J].中国电力，2023，56（10）：43-52.

张艳君，沈平，郭安辉，等.融合CBAM-YOLOv7模型的路面缺陷智能检测方法研究[J].重庆理工大学学报（自然科学），2023，37（11）：213-220.

赵伟达，陈海文，郭陆阳，等.基于YOLO-E与改进OCRNet图像分割的变电站仪表读数自适应识别方法[J].电力建设，2023，44（11）：75-85.

王沛雪，张富春，董晨乐.基于YOLOv7的交通目标检测算法研究[J].计算机测量与控制，2024，32（4）：74-80.

王银，高瑞泽，李茂环，等.基于YOLOv5 LiteX算法的光伏组件缺陷检测[J].太阳能学报，2023，44（9）：101-108.

王安政，党建武，岳彪，等.基于位置信息和注意力机制的路面裂缝检测[J].计算机工程，2024，50（4）：303-312.

张珂，于婷婷，石超君，等.融合通道位置注意力机制和并行空洞卷积的人脸年龄合成[J].中国图象图形学报，2023，28（12）：3870-3883.

占华林，聂子俊，姜楠，等.基于改进YOLOv7算法的复杂场景烟雾检测研究[J].华东交通大学学报，2024，41（6）：58-64.

陈俊英，黄汉涛，李朝阳.特征增强和度量优化的钢材表面缺陷检测[J].激光与光电子学进展，2024，61（24）：92-101.

张洪，朱志伟，胡天宇，等.基于改进YOLOv5s的桥梁螺栓缺陷识别方法[J].吉林大学学报（工学版），2024，54（3）：749-760.

霍红刚，周蠡，蔡杰，等.基于先验知识Faster R-CNN的输电线路无人机图像识别方法[J].智慧电力，2024，52（6）：108-115.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于虚实融合的变压器油中气体输运过程数字孪生方法研究

基于Attention-LSTM的商业建筑负荷分解研究

基于GRNN与注意力机制模型的非侵入式家用负荷分解

基于改进U-Net的输电线路绝缘子图像分割方法研究

基于多层特征融合注意力网络的电能质量扰动识别方法