摘要：为了提高农村配电网智能化设计水平,满足配电线杆路径自动规划的需求,本文利用深度神经网络对配电网规划区域航拍图像中的典型电力目标进行识别以实现可行区域的自动筛选。首先利用无人机航拍获得配电网规划区域的高分辨率图像,构建了包含11类、32118个典型电力目标的数据集。然后通过对Faster-RCNN、YOLO、SSD(Single shot multibox detector)三种网络模型的实用对比,确定采用SSD网络进行典型电力目标的检测与识别,最终给出了配电网线杆规划的可行区域。实验表明,相比于Faster-RCNN与YOLO网络模型,SSD网络模型能够对变电站、配电室、箱变等典型电力目标进行有效的检测与识别,识别准确率为68.5%,达到了实用的要求。本文提出的智能识别方式为电力设计提供了技术支持,降低了配电网设计的人工成本并提高了效率。

摘要：近年来,我国电力业发展迅猛,配电网的性能也得到了进一步提升。尽管如此,我国电网的运行质量与发达国家相比还存在一定的差距。随着人们生活质量的提高,对电力系统可靠性的要求也逐渐提高。同时,智能配网可以为人民群众提供更优质的服务,并提高供电企业的经济效益。由此可见,推进我国智能配网快速发展势在必行。因此,首先介绍了电力系统智能配网的主要内容,然后进行了智能配网的架构设计,最后对本次设计进行了总结,希望给以后的电力系统的智能配网设计带来参考与应用价值。