Trong vài thập kỷ qua, quá trình nghiên cứu phát triển và ứng dụng các công nghệ lưới điện thông minh để hiện đại hóa và nâng cấp lưới điện, các công nghệ mới để kiểm tra, đánh giá sự hư hỏng của đường dây truyền tải điện trên không đã và đang được đẩy mạnh nhằm hướng đến các mục tiêu tự động hóa quá trình giám sát tình trạng chế độ vận hành, đảm bảo tính an toàn và hiệu quả. Trong bối cảnh chung đó, việc sử dụng máy bay không người lái (UAV) để kiểm tra giám sát lưới điện cao thế hiện đang là một bài toán được quan tâm không chỉ đối với ngành điện của Việt Nam mà đối với ngành điện trên toàn thế giới. Bài báo này đề xuất một hướng tiếp cận hiệu quả để giải quyết bài toán tự động phát hiện đường dây và các thiết bị trên lưới điện cao thế 110 kV dựa trênmô hình Mask R-CNN. Hiệu quả của phương pháp được kiểm nghiệm trên bộ dữ liệu lớn bao gồm 52500 khung hình (ảnh), trong đó 27500 ảnh được thu nhận trực tiếp trên lưới trong điều kiện môi trường hoàn toàn tự nhiên (trời nắng vừa, nắng to, nhiều mây, có mưa phùn, gió nhẹ, gió vừa) tại các khoảng thời gian khác nhau trong ngày (buổi sáng, buổi trưa, buổi chiều tối), 25000 ảnh được sinh bằng các kỹ thuật biến đổi, tổng hợp và các cấu trúc mạng GAN. Từ các kết quả thực nghiệm cho thấy phương pháp đề xuất đạt độ chính xác cao (trên 97%), ổn định và ít nhạy cảm với nhiễu.

In the past few decades, the research, development, and application of smart grid technologies to modernize and upgrade power grids, as well as new technologies to inspect and evaluate the damage of overhead power transmission lines, have been heavily promoted toward the goal of automating the monitoring process of operation status, ensuring safety and efficiency. In this general context, the use of unmanned aerial vehicles (UAVs) to inspect and monitor high-voltage power grids is currently a matter of concern not only for the electricity industry in Vietnam but also for the electricity industry worldwide. This article proposes an effective approach to solving the problem of automatic detection of power lines and devices on the 110 kV high-voltage power grid based on the Mask R-CNN model. The effectiveness of the method is tested on a large dataset of 52,500 frames (images). The dataset includes 27,500 images collected directly on the grid in completely natural environmental conditions (partly cloudy, sunny, rainy, light wind, moderate wind) at different times of the day (morning, noon, and afternoon) and 25,000 images generated using transformation techniques, synthesis, and GAN network structures. The experimental results show that the proposed method achieves an accuracy exceeding 97%, stability, and is less sensitive to noise.