基于無人機(jī)熱紅外成像的輸電線路故障點(diǎn)識(shí)別與診斷

張琛燁

摘要：利用無人機(jī)結(jié)合熱紅外成像技術(shù)，對(duì)電力行業(yè)中發(fā)生頻率較大的線路故障或裝置故障應(yīng)用紅外診斷方法進(jìn)行分辨。通過試驗(yàn)驗(yàn)證了此方法的準(zhǔn)確性，研究結(jié)果可為無人機(jī)巡檢線路與故障部位識(shí)別提供理論與技術(shù)參考。

關(guān)鍵詞：電力系統(tǒng);線路檢查;無人機(jī);紅外診斷

中圖分類號(hào)：TM75? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1674-1161（2021）01-0042-03

隨著經(jīng)濟(jì)的發(fā)展，近年來國(guó)內(nèi)用電負(fù)荷快速增長(zhǎng)，電力系統(tǒng)急需提升供電可靠性，以維持居民穩(wěn)定用電的需求。因此，電力系統(tǒng)的線路檢查問題變得愈發(fā)重要。無人機(jī)可以快速大面積巡檢電力線路，發(fā)現(xiàn)線路是否存在問題。但無人機(jī)在巡線作業(yè)過程中獲取的圖像受干擾情況嚴(yán)重，難以直接從圖像中獲取有用的信息，不能很好地實(shí)現(xiàn)故障點(diǎn)的診斷與定位。同時(shí)，由于發(fā)生的故障類型多種多樣，需要運(yùn)用不同的診斷方法來識(shí)別故障，使得提取和分辨圖像特征成為難題。紅外成像技術(shù)可以將人眼無法看見的光線輻射能量轉(zhuǎn)變?yōu)殡娦盘?hào)，進(jìn)而將其轉(zhuǎn)變?yōu)樵陲@示設(shè)備上人眼可見的圖像信息，通過顏色可以判斷電力線路、電氣設(shè)備是否發(fā)生了故障。本課題提出一種通過無人機(jī)搭載高清紅外相機(jī)采集線路圖像進(jìn)行故障檢測(cè)的方法，并對(duì)采集過程中可能對(duì)圖像信息存在干擾的客觀因素做進(jìn)一步處理，以提高圖像清晰度，輔助工作人員進(jìn)行判斷，正確地對(duì)巡視線路做出相應(yīng)的故障診斷分析。

1 數(shù)據(jù)來源與處理

所用數(shù)據(jù)經(jīng)實(shí)際操作取自國(guó)家電網(wǎng)遼寧電科院。當(dāng)前使用無人機(jī)巡檢作業(yè)已經(jīng)成為輸電線路巡檢作業(yè)的主要方式，在巡檢過程中開啟無人機(jī)搭載的熱紅外成像儀對(duì)巡視的輸電線路本體及電力設(shè)備進(jìn)行拍攝，可以快速實(shí)時(shí)獲取大量的影像資料。需要對(duì)無人機(jī)巡檢采集到的大量圖像信息做進(jìn)一步的處理，即對(duì)圖像依次進(jìn)行灰度化處理、去除噪聲和邊緣檢測(cè)，最終判定是否發(fā)生故障。

1.1 灰度化處理

工業(yè)界的一種色彩標(biāo)準(zhǔn)是RGB顏色模式，通過對(duì)紅、綠、藍(lán)3個(gè)色彩通道的轉(zhuǎn)變和它們相互之間的疊加來獲取不同顏色。對(duì)彩色圖片上的R，G，B通道做一致化處理，即為對(duì)該圖像進(jìn)行灰度化處理。采用加權(quán)平均法來灰度化處理圖像，因?yàn)樵撍惴ㄊ腔谌搜劬?duì)RGB的不同識(shí)別效應(yīng)來設(shè)計(jì)的，由此處理后的灰度圖能夠更接近理論的判斷條件。對(duì)實(shí)際輸電線路巡檢作業(yè)過程中拍攝的圖像通過加權(quán)平均算法做進(jìn)一步處理，結(jié)果如圖1所示。

1.2 圖像去噪

噪聲在圖像領(lǐng)域是指一些干擾因素。干擾因素的存在會(huì)導(dǎo)致圖像變得模糊、色彩不均勻甚至喪失重要細(xì)節(jié)。為了提高畫面質(zhì)量，采用中值濾波算法對(duì)原灰度圖進(jìn)行處理，在有效去噪的同時(shí)，還能保存圖像的邊緣信息，處理結(jié)果較為理想。處理前后對(duì)比如圖2所示。

1.3 邊緣檢測(cè)

對(duì)航拍的紅外圖像，為了在故障診斷時(shí)能夠去除光線以及復(fù)雜背景等因素干擾，需要把背景區(qū)域和目標(biāo)區(qū)域分別開。為了提取較為完整的邊緣信息，采用基于零交叉的Canny算法進(jìn)行邊緣檢測(cè)，提取目標(biāo)特征信息，結(jié)果如圖3所示。

2 熱紅外成像技術(shù)診斷

由于溫度較高、長(zhǎng)時(shí)間運(yùn)行、器件老化等原因，導(dǎo)致電力線路出現(xiàn)各種各樣的故障。在電力系統(tǒng)運(yùn)行期間，線路承擔(dān)的負(fù)荷較多，且線路自身具有電阻，接頭溫度升高較嚴(yán)重，導(dǎo)致接頭損壞幾率增加，可能致使系統(tǒng)無法正常運(yùn)行，因此需要檢測(cè)線路中是否發(fā)生故障，并著重檢查易損壞部位。利用無人機(jī)熱紅外成像不能發(fā)現(xiàn)所有的熱故障缺陷，這里針對(duì)分裂導(dǎo)線耐張線夾故障發(fā)熱進(jìn)行分析。

應(yīng)用搭載紅外拍攝裝置的無人機(jī)檢測(cè)電力線路，能夠獲取不同裝置的圖像信息。采用紅外圖像檢測(cè)目標(biāo)溫度，依據(jù)所獲取的數(shù)據(jù)并采用合適的檢測(cè)方法，可以初步分辨將要發(fā)生或已存在的故障，及時(shí)提供故障預(yù)警。電流和電壓致熱為輸電線路及裝置的主要故障類型，依據(jù)行業(yè)規(guī)范，采用同類比較法對(duì)故障進(jìn)行分辨（如圖4所示）。

3 分裂導(dǎo)線耐張線夾故障診斷

分裂導(dǎo)線耐張線夾紅外圖像如圖5所示。利用同類比較法分析其圖譜信息，發(fā)現(xiàn)故障處與正常部位存在較大溫度差，表明分裂導(dǎo)線耐張線夾連接處由于螺絲松動(dòng)導(dǎo)致過熱，可以為檢測(cè)人員決策提供參考依據(jù)，為準(zhǔn)確判斷故障位置提供有效技術(shù)支持。

4 結(jié)語

輸電線路的巡檢是電力系統(tǒng)中非常重要的一個(gè)環(huán)節(jié)，高效準(zhǔn)確的巡檢方法能夠有效地保證電力系統(tǒng)的供電穩(wěn)定性，提升電能質(zhì)量，促進(jìn)社會(huì)經(jīng)濟(jì)蓬勃穩(wěn)定發(fā)展。本課題綜合分析了無人機(jī)結(jié)合紅外成像技術(shù)巡檢的優(yōu)點(diǎn)，利用無人機(jī)搭載紅外成像裝置獲取巡查輸電線路的大量圖像信息，并通過分裂導(dǎo)線耐張線夾故障來驗(yàn)證紅外成像診斷方法的準(zhǔn)確性。該方法能夠?qū)ρb置故障進(jìn)行初步判定，從而預(yù)防輸電線路故障的發(fā)生和故障發(fā)生后的進(jìn)一步蔓延，在實(shí)際操作中起到重要作用。

參考文獻(xiàn)

[1] 陳飛.輸電線路無人機(jī)避障和檢測(cè)方法研究[J].建筑工程技術(shù)與設(shè)計(jì)，2019（35）：2 059-2 060.

[2] 常興華.基于無人機(jī)紅外遙感圖像的海上目標(biāo)識(shí)別系統(tǒng)設(shè)計(jì)及其應(yīng)用[D].沈陽：東北大學(xué)，2013.

[3] 侯青青.中型旋翼無人機(jī)紫外成像檢測(cè)技術(shù)在電力巡線中的應(yīng)用研究[J].技術(shù)與市場(chǎng)，2017，24（5）：33-37.

[4] 黃李磊.輸電系統(tǒng)智能異物檢測(cè)技術(shù)研究[D].上海：上海交通大學(xué)，2017.

[5] 姜丁尤.高壓設(shè)備紅外圖像自動(dòng)故障識(shí)別方法與試驗(yàn)研究[J].企業(yè)技術(shù)開發(fā)，2013，32（11）：5-6.

Fault Point Identification and Diagnosis of Transmission Lines based

on UAV Thermal Infrared Imaging

ZHANG Chenye

（Maintenance Company Jilin Electric Power Supply Co. Ltd.， Changchun 130000， China）

Abstract： Using UAV combined with thermal infrared imaging technology， the infrared diagnosis method is applied to distinguish the line faults or device faults that occur frequently in the power industry. The accuracy of this method is verified by experiments， and the research results can provide theoretical and technical reference for the identification of UAV inspection route and fault location.

Key words： power systems; line inspection; UAV; infrared diagnosis