面向无人机巡检场景基于 QRGBDT 的架空输电线路弧垂区间预测

随着无人机电力巡检技术的发展，无人机巡检逐渐替代了人工巡检，成为输电线路监测和维护中不可或缺的工具。弧垂作为输电线路安全运行的关键指标，准确的弧垂区间预测对于确保线路安全运行和及时维护具有重大意义。针对新型无人机巡检场景，本研究提出了一种基于分位数极限梯度提升树（QRGBDT）的架空输电线路弧垂区间预测方法。通过将分位数回归模型与极限梯度提升树模型相结合，构建了一个既能有效处理异常值、捕捉数据分布多样性，又具有高度拟合能力和优异泛化性能的弧垂区间预测模型。通过实际应用案例以及与QRCNN 和QRRNN 模型的对比，证实了本方法的有效性和优越性。

随着电力系统的发展和机器人技术的进步，机巡智能作业场景在输电线路的监测和维护中扮演越来越重要的角色[1–3]。无人机激光雷达巡检具有高效、安全且成本较低的优势。然而，输电线路的分布具有较大的地理范围、复杂的地形和多样化的气候特点，在实际巡检过程中，可能会出现数据缺失、异常值和噪声等问题，影响巡检结果的准确性，这为电力无人机巡检数据的应用带来了巨大挑战[4,5]。