高压电缆故障的智能巡检与预测预警技术研究OA

针对高压输电电缆早期故障产生的热解薄烟这一隐蔽火情特征,现有烟雾传感器与人工巡检存在监测延迟高、响应差等问题,亟需构建能够实现薄烟量化与危险划分的智能巡检方案。通过模拟不同载流量与风速条件下的薄烟生成过程,采集多场景早期火灾薄烟数据;利用改进YOLO(You Only Look Once)算法,提出YOLO-WS(YOLO-WeakSmoke),分割烟气(训练损失2.1、掩膜精度0.82、F1-score 0.84),提取特征并提出三大预警点,构建动态分级预警机制;同时,基于长短期记忆网络(Long Short-Term Memory,LSTM)模型预测烟气面积趋势,选取2 cm&1 m/s等三组跨维度数据为测试集,以30 s时序信息输入、输出对应瞬时数据,预测曲线与真实值趋势一致,三组测试平均偏差分别为1.66、−5.05、−0.70(占比均<1%),仅部分预警点存在30 s滞后(占实验0-720 s前期不足5%,影响可控)。该技术流程形成完整监测预警体系,相较传统运维实现全面升级,有望为城市高压电缆隧道提供全生命周期安全保障,推动电力行业安全革新。