輸電線路無人機帶電零值絕緣子檢測技術研究

嚴志超

（西雙版納供電局，云南 西雙版納 666100）

1 無人機帶電零值絕緣子檢測技術必要性

盤形瓷絕緣子被廣泛應用于架空輸電線路中，起著機械支撐和電氣絕緣的重要作用。瓷絕緣子的典型結構如圖1所示，主要由瓷件、鋼腳、鋼帽、鎖緊銷及瀝青填充料等組成。其在制造過程中不可避免地存在一些工藝缺陷，在內部形成微裂紋和小氣隙。在長期運行過程中，瓷絕緣子需要耐受強電磁環(huán)境、較大的機械負荷與復雜氣候環(huán)境的考驗，容易發(fā)生劣化而產生低值和零值絕緣子。在雷擊引起的絕緣子閃絡作用下，零值絕緣子可能出現(xiàn)炸裂，導致絕緣子斷串、導線落地等危險事故，嚴重威脅電網(wǎng)安全穩(wěn)定運行。

2 無人機帶電零值絕緣子檢測技術難點

2.1 不同條件下的零值絕緣子發(fā)熱規(guī)律與無人機測零的最優(yōu)拍攝角度

輸電線路上的瓷絕緣子結構形式多樣、零值成因復雜，電壓等級、絕緣子串型、零值位置、污穢程度、環(huán)境條件等因素都會影響絕緣子的發(fā)熱現(xiàn)象。如何獲取不同條件下的零值絕緣子發(fā)熱規(guī)律和共性特征，選擇合適的無人機巡檢拍攝角度及安全路徑，提高零值檢測的有效性和準確率，是其主要技術難點之一[1]。

2.2 零值絕緣子紅外熱像溫升特征提取與人工智能識別模型

在輸電線路所處的戶外環(huán)境下，絕緣子串的紅外熱像背景復雜，干擾因素較多，不同環(huán)境條件下的絕緣子串紅外熱像差異較大。如何有效提取出絕緣子的鋼帽和盤面區(qū)域的溫升特征，是決定零值絕緣子檢測結果的關鍵所在；零值絕緣子的紅外熱像樣本有限，構建有效的人工智能模型或深度學習框架，直接影響零值檢測與定位結果。因此，紅外熱像處理與智能識別模型是其另一技術難點[2]。

圖1 瓷絕緣子典型結構圖

3 無人機帶電檢測零值絕緣子技術分析

目前，無人機技術在我國應用廣泛，其在輸電線路巡檢中發(fā)揮著重要作用。無人機可在輸電線路中繞線飛行，攜帶紅外熱像儀、紫外成像儀等監(jiān)測設備。利用無人機檢測絕緣子具有安全、效率高、適合高空作業(yè)等優(yōu)點，其已逐漸成為輸電線路最得力的巡線助手。

零值絕緣子紅外熱像處理流程如圖2所示，包括灰度化、圖像去噪、圖像增強、圖像分割與二值化等算法。截取絕緣子串的鋼帽與盤面特征區(qū)域，并從中提取溫度特征，通過特征篩選，作為零值絕緣子識別模型的輸入量。利用機器學習算法構建智能識別模型，通過模型訓練，根據(jù)紅外熱像圖判斷是否含有零值絕緣子及其所在位置。

圖2 零值絕緣子紅外熱像處理流程

在上述工作基礎上，構建大樣本的絕緣子鋼帽和盤面紅外熱像圖譜數(shù)據(jù)集，利用Fast-RCNN、YOLO v4等深度學習算法建立識別模型，根據(jù)模型輸出不斷訓練，并修正目標檢測模型，實現(xiàn)零值絕緣子故障的自動識別與定位。綜合相關研究成果，集成無人機、自動控制云臺、高清紅外成像與可見光攝像設備、無線傳輸?shù)扔布卧c圖像處理和人工智能算法程序，開發(fā)基于無人機的輸電線路零值絕緣子帶電檢測系統(tǒng)，如圖3所示。選取典型輸電線路進行現(xiàn)場調試與改進，實現(xiàn)零值絕緣子的準確檢測。

3.1 絕緣子圖像處理技術

一般情況下，一幅完整的圖像由各種顏色構成。而在計算機紅外熱像檢測圖像中，彩色圖像是無用的，只有圖像在經過灰度圖像處理后才能使用；所以，需要建立一個圖像處理通道。圖像經過灰度變換后，降低了矩陣維數(shù)，減少了數(shù)據(jù)量，再保留了圖像的邊緣特征和梯度信息[3]。

3.2 絕緣子圖像增強技術

在輸電線路環(huán)境中，環(huán)境多變，明暗不一，照明復雜。受這些因素的影響，無人機不可避免地會出現(xiàn)采光不均、部分昏暗等現(xiàn)象，需要對提取的圖像進行預處理。圖像增強技術一般是增強圖像邊緣輪廓信息和對比度，以顯示局部重要的圖像信息?，F(xiàn)今，圖像增強可分為空間域和頻域。空間域是對圖像直接處理，頻域是在變換域內計算圖像系數(shù)，再通過相應的反變換來增強圖像效果。

圖3 基于無人機的零值絕緣子紅外熱像檢測系統(tǒng)框架

3.3 圖像過濾

無人機在進行圖像采集和傳輸中，有些噪聲降低了圖像質量，這在后期處理圖像中不可避免地會影響邊緣檢測的精度。因此，在絕緣子提取和跟蹤之前需要進行降噪處理，以加快圖像識別速度，主要采用維納濾波、均值濾波和中值濾波進行降噪處理[4]。

3.4 無人機航拍絕緣子識別定位技術

在無人機提取絕緣子圖和定位時，其采集不同圖像中絕緣子的數(shù)量與位置不一樣，會造成神經網(wǎng)絡輸出不一致，若此時仍然采取神經網(wǎng)絡回歸方法，必然會使絕緣子識別定位失效。所以，在實際工作中，需要根據(jù)情況而定，而采用深度學習中Faster R-CNN目標檢測算法對航拍絕緣子識別定位，能提高檢測工作效率與使用性[5]。

3.5 絕緣子污穢度試驗方法及步驟

瓷質絕緣子在外部環(huán)境下會有不同的污穢度，其污穢物質主要有塵土、油污等。在進行試驗時，將絕緣子的污穢度分1—4級，灰密固定值為l mg/cm2。絕緣子污穢等級鹽密與灰密如表1所示。

3.6 絕緣子發(fā)熱數(shù)據(jù)集構建

絕緣子發(fā)熱數(shù)據(jù)采集主要來源于各電網(wǎng)公司典型故障圖庫，其中包含電力設備的絕緣子、支柱絕緣子、套管、金具等。目前，使用Fast-RCNN、YOLO v4等較為先進的目標對象檢測算法，需要對目標位置進行檢測并顯示。

表1 絕緣子污穢等級鹽密與灰密表

4 試驗案例

4.1 試驗環(huán)境與絕緣子選擇

為了驗證紅外熱成像檢測技術在劣質絕緣子檢測中的應用效果，選取1串包含零值絕緣子和低值絕緣子的220 kV盤形懸式絕緣子串，在室內和室外分別進行試驗。試驗用紅外熱成像儀型號為FlirT630，紅外分辨率為640×480。儀器2次試驗電壓均為額定運行電壓，即127 kV。在室內進行試驗時，用13片絕緣子連成1串，第13片絕緣子為試驗的高壓端。檢測時環(huán)境溫度為25 ℃，相對濕度為45%，風速為0 m/s。各絕緣子的絕緣電阻如表2所示。

表2 絕緣子電阻值

4.2 試驗過程

在通電2 h加壓后，從紅外圖譜（見圖4）中可知，相對零值絕緣子有較明顯溫度升高，相對良好絕緣子的溫差為1.4 K。

圖4 絕緣子紅外圖譜

4.3 結果分析

良好絕緣子電壓和劣質絕緣子電壓分布對比如圖5所示。從圖5可以看出，絕緣電阻降低的絕緣體基本不承受電壓，而其他正常絕緣體的承受電壓則不同程度增加。在實際情況中，有的絕緣子正好處于“紅外檢測盲區(qū)”范圍，不適用于紅外診斷。因此，對于絕緣子的檢測應采用紅外和其他多種方法相結合，以保證劣化絕緣子的檢出率，提高結果的正確性。

圖5 良好絕緣子電壓和劣質絕緣子電壓分布對比圖

5 技術展望及目標

在無人機帶電檢測零值絕緣子方面，我國還需要不斷完善安全規(guī)范，以提高絕緣子帶電檢測技術。需要開發(fā)基于無人機與紅外熱像的零值絕緣子帶電檢測系統(tǒng)，結合圖像處理與人工智能技術，實現(xiàn)高壓輸電線路零值絕緣子的識別與定位。建立零值絕緣子發(fā)熱現(xiàn)象與外部因素的關聯(lián)性，提出更加有效的零值檢測判據(jù)，再融合紅外熱像處理、溫升特征提取與人工智能技術的輸電線路零值絕緣子智能識別與自動定位模型，實現(xiàn)零值絕緣子的有效檢測。最后，可開發(fā)基于無人機巡檢與紅外熱像法的零值絕緣子帶電檢測系統(tǒng)平臺，可替代傳統(tǒng)的電壓分布測試法，提高零值絕緣子檢測效率。

6 結 論

本文主要研究了無人機檢測絕緣子相關技術，對絕緣子的提取和跟蹤定位進行了分析，并進行了相關試驗。通過分析可知，在絕緣子檢測方面，有一種基于FasterR-CNN算法的識別和定位方法，與傳統(tǒng)絕緣體識別方法相比，具有較強的通用性。