刘大平,袁 磊,杜海博
(1.国网安徽省电力有限公司,合肥 230002;2.北京国电通网络技术有限公司,北京 102299)
YOLO-V3算法网络结构构成,可以分为输入、卷积、池化、全连接和输出5个部分。其中,输入层是将此次输入YOLO-V3算法网络的施工现场图像,每一帧都调整为448×448尺寸大小,并将调整后的图像,输入卷积层,图下的计算公式,即为YOLOV3算法网络结构,针对监控图像的卷积过程。在YOLO-V3算法网络结构中,不存在输入层,而是直接展示YOLO-V3算法网络卷积及之后的过程。经过卷积后的图像,图像像素点对应的图像特征,清晰度达到最高,此时,将图像传入池化层。
采用对比试验方式,以某区域的电力基建施工工程作为此次试验研究对象验证本研究的电力基建施工管控技术。并将此次研究的电力基建施工管控技术,记为试验A组,传统的电力基建施工管控技术,记为试验B组。确定建设工程设备错误问题和施工步骤,对比两组管控技术、设备错误识别率和建设步骤优化效果。
此次试验选择的电力基站施工工程为在建的110 kV输变电工程,全长6.75 km。建设110 kV输变电工程的施工流程如下:
(1)成立110 kV输变电工程建设项目;
(2)研究项目实行的可行性;
(3)评价项目;
(4)决定是否进行项目;
(5)设计110 kV输变电工程建设方式;
(6)采购工程设备;
(7)进入施工现场施工;
(8)现场调试工程设施;
(9)验收;
(10)投产及资金回收等系统运作过程的规划;
(11)协调、投入使用;
(12)监督工程使用效果;
(13)总结工程建设过程并评价。
根据上述设计的110 kV输变电工程,管控110 kV输变电工程基建施工,对比两组管控技术,管控工程基建施工效果。
表1所列为设备错误识别率,基于表1的110 kV输变电工程建设规模和设备,进行第一组试验,对工程基建设备存在的错误进行识别,对比两组管控技术,识别设备的错误识别率。在本组试验中,共存在主变压器和电容器容量、直线杆绝缘子和耐张杆绝缘子型号、电抗器和电容器功效等错误,采用两组管控技术,分别识别上述错误,其识别结果,如表1所示。
表1 设备错误识别率
从表1中可以看出,试验B组在基建过程中,所使用的基建设备存在的错误,不能识别设备型号错误,导致设备错误识别率低于100%;试验A组在基建过程中可以识别设备存在的容量、型号和功效等,较试验B组的错误识别率高10%。由此可见,此次研究的电力基建施工管控技术,可以准确识别电力基建施工过程中,设备存在的容量、型号和功效等问题,且识别准确率达到了100%。
基于此次试验,确定的某区域110 kV输变电工程建设步骤,进行第二组试验,对比两组管控技术,优化输变电工程建设步骤效果。采用两组管控技术,分别优化此次试验,选择的110 kV输变电工程建设步骤。并且两组管控技术优化后的施工步骤,都需要采用mt5模拟软件模拟两组管控技术,优化后的工程建设步骤的可行性结果如表2所示。
表2 110 kV输变电工程建设步骤优化结果
从表2中可以看出,试验B组管控110 kV输变电工程建设,将原有的13条施工步骤,优化成如表3所示的10步,采用mt5模拟软件,模拟试验B组的施工流程,确定施工步骤可行;试验A组管控110 kV输变电工程建设,将原有的13条施工步骤,优化成如表2所示的8步,较试验B组少了两步,比原施工步骤少了5步,采用mt5模拟软件,模拟试验A组的施工流程,确定施工步骤可行。由此可见,此次研究的电力基建施工管控技术,可以优化电力基建工程施工流程,提高施工效率。
综上所述,此次研究电力基建施工管控技术,充分利用YOLO-V3算法,预测电力设备铺设位置和铺设设备类别,增强设备铺设位置和类别的管控。但是,此次研究的电力基建施工管控技术,未曾通过试验或实际应用的方式,验证管控后的电力基建工程质量。因此在今后的研究中,还需与实际相结合,通过实际工程,深入研究电力基建施工管控技术。