基于YOLO-V3算法的電力基建施工管控技術

劉大平，袁 磊，杜海博

（1.國網安徽省電力有限公司，合肥 230002；2.北京國電通網絡技術有限公司，北京 102299）

1 基于YOLO-V3算法的電力基建施工管控技術

1.1 基于YOLO-V3算法建立監測模型

YOLO-V3算法網絡結構構成，可以分為輸入、卷積、池化、全連接和輸出5個部分。其中，輸入層是將此次輸入YOLO-V3算法網絡的施工現場圖像，每一幀都調整為448×448尺寸大小，并將調整后的圖像，輸入卷積層，圖下的計算公式，即為YOLOV3算法網絡結構，針對監控圖像的卷積過程。在YOLO-V3算法網絡結構中，不存在輸入層，而是直接展示YOLO-V3算法網絡卷積及之后的過程。經過卷積后的圖像，圖像像素點對應的圖像特征，清晰度達到最高，此時，將圖像傳入池化層。

2 試驗論證分析

采用對比試驗方式，以某區域的電力基建施工工程作為此次試驗研究對象驗證本研究的電力基建施工管控技術。并將此次研究的電力基建施工管控技術，記為試驗A組，傳統的電力基建施工管控技術，記為試驗B組。確定建設工程設備錯誤問題和施工步驟，對比兩組管控技術、設備錯誤識別率和建設步驟優化效果。

2.1 試驗準備

此次試驗選擇的電力基站施工工程為在建的110 kV輸變電工程，全長6.75 km。建設110 kV輸變電工程的施工流程如下：

（1）成立110 kV輸變電工程建設項目；

（2）研究項目實行的可行性；

（3）評價項目；

（4）決定是否進行項目；

（5）設計110 kV輸變電工程建設方式；

（6）采購工程設備；

（7）進入施工現場施工；

（8）現場調試工程設施；

（9）驗收；

（10）投產及資金回收等系統運作過程的規劃；

（11）協調、投入使用；

（12）監督工程使用效果；

（13）總結工程建設過程并評價。

根據上述設計的110 kV輸變電工程，管控110 kV輸變電工程基建施工，對比兩組管控技術，管控工程基建施工效果。

2.2 試驗結果

表1所列為設備錯誤識別率，基于表1的110 kV輸變電工程建設規模和設備，進行第一組試驗，對工程基建設備存在的錯誤進行識別，對比兩組管控技術，識別設備的錯誤識別率。在本組試驗中，共存在主變壓器和電容器容量、直線桿絕緣子和耐張桿絕緣子型號、電抗器和電容器功效等錯誤，采用兩組管控技術，分別識別上述錯誤，其識別結果，如表1所示。

表1 設備錯誤識別率

從表1中可以看出，試驗B組在基建過程中，所使用的基建設備存在的錯誤，不能識別設備型號錯誤，導致設備錯誤識別率低于100%；試驗A組在基建過程中可以識別設備存在的容量、型號和功效等，較試驗B組的錯誤識別率高10%。由此可見，此次研究的電力基建施工管控技術，可以準確識別電力基建施工過程中，設備存在的容量、型號和功效等問題，且識別準確率達到了100%。

基于此次試驗，確定的某區域110 kV輸變電工程建設步驟，進行第二組試驗，對比兩組管控技術，優化輸變電工程建設步驟效果。采用兩組管控技術，分別優化此次試驗，選擇的110 kV輸變電工程建設步驟。并且兩組管控技術優化后的施工步驟，都需要采用mt5模擬軟件模擬兩組管控技術，優化后的工程建設步驟的可行性結果如表2所示。

表2 110 kV輸變電工程建設步驟優化結果

從表2中可以看出，試驗B組管控110 kV輸變電工程建設，將原有的13條施工步驟，優化成如表3所示的10步，采用mt5模擬軟件，模擬試驗B組的施工流程，確定施工步驟可行；試驗A組管控110 kV輸變電工程建設，將原有的13條施工步驟，優化成如表2所示的8步，較試驗B組少了兩步，比原施工步驟少了5步，采用mt5模擬軟件，模擬試驗A組的施工流程，確定施工步驟可行。由此可見，此次研究的電力基建施工管控技術，可以優化電力基建工程施工流程，提高施工效率。

3 結論

綜上所述，此次研究電力基建施工管控技術，充分利用YOLO-V3算法，預測電力設備鋪設位置和鋪設設備類別，增強設備鋪設位置和類別的管控。但是，此次研究的電力基建施工管控技術，未曾通過試驗或實際應用的方式，驗證管控后的電力基建工程質量。因此在今后的研究中，還需與實際相結合，通過實際工程，深入研究電力基建施工管控技術。