基于毫米波雷達的輸電線路山火故障檢測方法

周 嵐 張彬橋

（三峽大學 電氣與新能源學院, 湖北 宜昌 443002）

山火頻發(fā)的山林地區(qū)上空分布著眾多的輸電線路,而山林火災是導致電線受損的重大威脅,會引發(fā)輸電線路跳閘,嚴重影響社會生產(chǎn)與生活[1].因此,尋找有效的輸電線路故障檢測方法十分關(guān)鍵.

為降低山火造成的輸電線路損失,應采取有效措施在山火萌芽期進行輸電線路的保護與搶修.為此,國內(nèi)有學者提出了一些方法.如,文獻[2]采用基于激光雷達技術(shù)檢測輸電線路故障,利用激光雷達系統(tǒng)的激光束與煙霧顆粒和大氣分子之間的相互作用,通過接收散射后的回波信號并反演推算,對輸電線路上的山火進行監(jiān)測,能夠有效識別輸電線路的山火故障,但是該方法未考慮山火目標的全面提取,得到的山火火勢、煙霧信息存在誤差,一定程度上阻礙了輸電線路的搶修效率；文獻[3]采用基于AOTF的紅外多譜檢測輸電線路故障,利用聲光可調(diào)諧濾波器進行紅外多光譜成像的光譜維檢測,構(gòu)建了輸電線路的靜態(tài)性能測試平臺,通過該平臺對輸電線路的紅外帶內(nèi)波段進行細分,實現(xiàn)了紅外成像的精準監(jiān)測,但僅對山火紅外多譜圖像進行預處理,獲取的山火目標提取結(jié)果存在大量黑色雜質(zhì),且火苗邊緣鋸齒較大,為確定山火火勢與位置信息增加了難度,山火故障檢測精度低[4].

針對上述兩種方法存在的顯著性缺陷,提出了基于毫米波雷達技術(shù)的輸電線路山火故障檢測方法,將紅外多譜技術(shù)與毫米波雷達技術(shù)相結(jié)合,為有效識別輸電線路山火故障提供了嶄新的手段.

1 毫米波雷達技術(shù)的輸電線路山火故障檢測方法

1.1 基于紅外多譜技術(shù)的輸電線路山火目標獲取

1.1.1 紅外多譜圖像火點目標提取

通過紅外多譜攝像儀獲取輸電線路的紅外多譜圖像,提取紅外多譜圖像中的火點目標,判斷輸電線路是否處于山火故障危險之中[5].根據(jù)普朗克輻射定律,溫度在絕對零度以上的物體能夠釋放紅外線,基于這一原理,經(jīng)過被檢測物體的紅外輻射強度生成紅外多譜圖像[6].紅外多譜圖像中的物體溫度與圖像灰度成正比,圖像灰度大,相應的物體溫度高.當山火爆發(fā)時,火苗與周圍的樹木、山體溫差較大,相應的紅外多譜圖像的灰度對比就越明顯[7].采用Matlab軟件得到山火紅外多譜圖像的灰度圖[8]；接著,提取紅外多譜灰度圖中的火點目標.紅外多譜灰度圖像中的火點集合可描述成F{(m,n)|f(m,n)≥G}.其中,判斷閾值用G表示,且有G＝200；(m,n)表示紅外多譜圖像的像素點,相應的灰度值用f(m,n)描述.

1.1.2 采用數(shù)學形態(tài)方法處理紅外多譜圖像

初步分割紅外多譜圖像,提取到的火點目標中混有黑色雜質(zhì),火點與周圍環(huán)境的分界不明顯,有大量的鋸齒,為提高目標提取質(zhì)量,采用數(shù)學形態(tài)方法[9]處理目標提取結(jié)果.

最基本的處理方法為腐蝕與膨脹[3],定義一個直徑為10個像素的圓形盤狀結(jié)構(gòu)元素,完成紅外多譜圖像中各個像素的掃描工作,采用該結(jié)構(gòu)元素和被該元素覆蓋的圖像做“與”操作,膨脹方法的操作如下[10]:假設都是1,最終圖像的該像素是1,相反則是0.腐蝕方法的操作如下:假設都是1,最終圖像的該像素是0,相反則是1.在山火目標提取結(jié)果的基礎上,實施閉運算,即膨脹→腐蝕.該運算完成后,在紅外多譜圖像提取結(jié)果中,火焰的細碎黑洞明顯減少,火焰外緣更加平滑.基于上述結(jié)果實施開運算,即腐蝕→膨脹,該運算完成后火焰的邊界更加清晰[11].

1.2 基于毫米波雷達技術(shù)的輸電線山火故障檢測

采用紅外多譜和毫米波雷達技術(shù)檢測輸電線路故障的原理如下:采用紅外多譜攝像儀采集輸電線路的山火圖像,分割圖像,提取圖像中的火點目標,據(jù)此能夠確定輸電線路存在被山火損壞的威脅[12]；在此基礎上,采用毫米波雷達系統(tǒng)檢測輸電線路的山火情況.由于山火產(chǎn)生的煙霧能夠散射毫米波,煙霧顆粒與雷達毫米波束作用生成散射毫米波信號,該毫米波信號經(jīng)過光電倍增管轉(zhuǎn)換得到電信號并傳輸?shù)接嬎銠C中,結(jié)合紅外多譜圖像火點目標提取結(jié)果生成相應的脈沖波形山火位置信息、山火煙霧濃度信息、山火火勢信息等[13],同時發(fā)出故障警報,通知技術(shù)人員及時安排輸電線路的故障搶修工作.

采用毫米波雷達技術(shù)檢測輸電線路故障的原理用圖1描述.

圖1 輸電線路故障檢測原理

由圖1可知,毫米波雷達系統(tǒng)在工作過程中發(fā)射的脈沖波長為η0、寬度為σ,以準直鏡為介質(zhì)傳遞到大氣中,山火產(chǎn)生的煙霧一定程度上削弱了光脈沖,迫使其散射并衰減[14],望遠鏡接收到產(chǎn)生的后向散射光.該望遠鏡的接收面積即為有效面積,相應的毫米波雷達公式如下:

式中:P(h)為接收到的功率；h、P1、k分別為觀測點的長度、毫米波發(fā)射功率、光速；σ為脈寬；φ(h)、μ(h)以及D(h)分別為向后散射系數(shù)、消光系數(shù)以及接收機的有效面積.

上述參數(shù)中,φ(h)、μ(h)不是已知的,單獨分析毫米波雷達公式中的空氣分子散射、氣溶膠散射.山火煙霧的氣溶膠、大氣分子分別用e、q表示,則有:

被檢測物體同回波信號間的光學性質(zhì)函數(shù)在毫米波雷達公式中完整體現(xiàn),采用毫米波雷達技術(shù)可獲取相應的回波信號[15],求解毫米波雷達公式得到氣溶膠的相關(guān)參數(shù)信息.

公式(2)、(3)中,大氣分子、氣溶膠粒子后向散射系數(shù)分別用φq(h)、φe(h)表示,兩者相應的消光系數(shù)分別用μq(h)、μe(h)表示,并且這4 個參數(shù)是未知的.采用大氣模型數(shù)據(jù)標準計算大氣分子的兩大系數(shù),氣溶膠的兩個系數(shù)采用Fernald方法獲取,定義公式(4)、(5):

由公式(4)、(5)得出,E2通過計算能夠得到；E1是未知的,需自定義.采用毫米波雷達技術(shù)檢測輸電線路的山火故障時,當E1取值范圍為42～52,毫米波波長位于543～1 075 nm 之間,基于該參數(shù)設置可獲取氣溶膠散射的散射系數(shù)與消光系數(shù).采用Mie散射模型[16],此時散射系數(shù)與消光系數(shù)的計算方法如下:

定義氣溶膠后向散射系數(shù)同消光系數(shù)的比值為45,則有:

根據(jù)上述公式計算毫米波雷達公式中的φe(h)、μe(h).據(jù)此得到山火煙霧中氣溶膠的相關(guān)數(shù)據(jù)信息,與毫米波雷達系統(tǒng)連接的計算機此時生成山火發(fā)生的位置信息、煙霧濃度信息、山火火勢信息,系統(tǒng)同時發(fā)出故障警報,通知技術(shù)人員開展輸電線路的搶修工作.

2 實驗結(jié)果分析

通過輸電線路故障模擬實驗,檢驗本文方法在輸電線路故障檢測方面的可靠性.設置670、570、470、370 m 為模擬山火與檢測裝置間的長度.這4個位置點與檢測裝置呈直線分布,檢測裝置在直線的頂端,在4個位置上點燃木料,模擬山火的形成；實驗設備由紅外多譜攝像儀、毫米波雷達、電動機、顯示器等構(gòu)成,采用紅外多譜技術(shù)、毫米波雷達技術(shù)獲取的信息可在計算機顯示器中顯示.實驗開始后,記錄模擬實驗中的相關(guān)數(shù)據(jù).

2.1 紅外多譜圖像分析

圖2～4分別描述了實驗檢測出的采用本文方法獲取的山火紅外多譜圖像、初步分割后的山火紅外多譜圖像、采用數(shù)學形態(tài)處理后的山火紅外多譜圖像.

圖2 山火紅外多譜圖像

圖3 初步分割的山火紅外多譜圖像

圖4 數(shù)學形態(tài)處理后的山火紅外多譜圖像

綜合分析以上3圖可得,初步分割后的山火圖像邊緣顆粒較大,雜質(zhì)過多,在火焰內(nèi)部有明顯的黑色雜質(zhì),增加后期山火煙霧信息采集、火勢判斷的難度,為此本文采用數(shù)學形態(tài)方法處理山火目標提取圖像,得到紅外多譜圖像中火焰邊緣圓滑無顆粒,內(nèi)部的黑色雜質(zhì)明顯減少,為輸電線路故障檢測、山火煙霧信息的采集、火勢判斷提供了便利,提高了輸電線路故障檢測的準確度,同時驗證了本文方法獲取清晰的紅外多譜圖像的有效性.

2.2 消光系數(shù)分析

在利用本文方法檢測輸電線路故障的過程中,毫米波雷達發(fā)射出的毫米波在介質(zhì)中傳播時,由于介質(zhì)的影響會產(chǎn)生衰減,這個衰減程度用消光系數(shù)表示,消光系數(shù)越大,說明衰減的程度越大.在實驗過程中,以檢測裝置為定點,本文方法在直線距離上不同位置產(chǎn)生的消光系數(shù)見表1.

表1 采用本文方法獲取的消光系數(shù)

從表1可知,本文方法在370、470、570、670 m 這4個山火位置上的消光系數(shù)分別為3.4×10—3、3.1×10—3、3.0×10—3、2.8×10—3,本文方法在其它位置上的消光系數(shù)均等于或低于0.5×10—4,山火的4個位置消光系數(shù)大,采用本文方法檢測出的山火位置信息與實驗設置吻合,由此驗證了本文方法檢測輸電線路故障的準確性.

2.3 故障檢測準確度對比

采用基于激光雷達技術(shù)的輸電線路故障檢測方法、基于AOTF 的紅外多譜輸電線路故障檢測方法與本文方法進行對比實驗.分別對670、570、470、370這4個位置點的山火進行檢測,進而判斷輸電線路是否發(fā)生故障,在不同位置點進行5次實驗,以確保實驗數(shù)據(jù)的可靠性.故障檢測準確度見表2～3.

表2 本文方法的故障檢測準確度(單位:%)

表2中,本文方法在4個山火位置上獲取的輸電線路故障檢測準確度均值在98%以上,最大高達99.3%.本次故障檢測測試共計5次,足以證明本文方法獲取的實驗結(jié)果真實可靠；本文方法進行故障檢測的準確度均值的平均差值僅為0.56%,說明本文方法的穩(wěn)定性能強,失誤率較低.

從表3可知,基于激光雷達技術(shù)的輸電線路山火檢測方法的故障檢測準確度均值相比本文方法依次低21.52%、27.64%、30.88%、26.44%,突顯了本文方法的高準確度優(yōu)勢.隨著實驗的進行,基于激光雷達技術(shù)的輸電線路山火檢測方法的準確度均值呈先下降、再升高的趨勢,在470 m 山火位置點處的故障檢測準確度最低,在370 m 山火位置點處故障檢測準確度有所回升.上述數(shù)據(jù)表明,從故障檢測準確度與穩(wěn)定性角度考慮,基于激光雷達技術(shù)的輸電線路山火檢測方法不能實現(xiàn)輸電線路故障的有效檢測.其故障檢測準確度較低是因為其未考慮山火目標的提取,得到的山火火勢信息、山火煙霧信息存在誤差.

表3 基于激光雷達技術(shù)的故障檢測準確度 (單位:%)

對比表2與表4數(shù)據(jù)能夠看出,基于AOTF 的紅外多譜輸電線路山火檢測方法相比本文方法的故障檢測準確度均值分別低28.28%、42.14%、36.28%、33.08%,表明本文方法具有高準確度的優(yōu)勢；同時,基于AOTF的紅外多譜輸電線路山火檢測方法的故障檢測準確度是3種方法中最低的,在570 m 山火位置點的故障檢測準確度僅為56.82%,說明山火位置點出現(xiàn)煙霧時,該方法不一定能夠檢測出輸電線路存在故障威脅.原因為:該方法僅對山火紅外多譜圖像進行預處理,獲取的目標提取效果較差,山火紅外多譜圖像中存在大量黑色雜質(zhì),且火苗邊緣鋸齒較大,導致后期確定山火火勢與山火位置信息存在偏差.

表4 基于AOTF的的故障檢測準確度 (單位:%)

綜合分析表2～4中的結(jié)果可得,本文方法的故障檢測準確度高達99.30%,可在輸電線路存在山火故障威脅時,有效發(fā)出故障警報,并給出準確的故障位置、山火煙霧濃度、火勢等重要信息,輔助技術(shù)人員開展輸電線路搶修工作.

2.4 故障檢測用時對比

實驗記錄以上3種方法在670、570、470、370 m這4個位置點中的故障檢測用時均值,如圖5所示.

圖5 3種方法的故障檢測平均用時

由圖5可知,本文方法在4個山火位置點上的故障檢測用時均值約為1.0 s,用時最少；其他兩種方法檢測用時相似,最短用時均約為13 s,基于激光雷達技術(shù)的輸電線路故障檢測方法的最長用時為15.9 s,基于AOTF的紅外多譜輸電線路故障檢測方法的最長用時為18.9s.不難看出,本文方法用時最短,效率最高.

3 結(jié) 語

針對當前輸電線路故障檢測中存在的缺陷,提出了紅外多譜技術(shù)與毫米波雷達技術(shù)的輸電線路故障檢測方法.采用紅外多譜技術(shù)得到輸電線路附近出現(xiàn)山火故障隱患的圖像,獲取輸電線路處于山火威脅中的信息,將山火目標提取結(jié)果傳遞給毫米波雷達系統(tǒng),獲取山火發(fā)生的位置信息、煙霧濃度信息、山火火勢等信息,檢測出輸電線山火故障并及時發(fā)出警報,通知工作人員進行搶修.實驗結(jié)果表明,本文方法檢測準確度均在98%以上,用時均值約為1.0 s,能夠高效準確地檢測出輸電線路的山火故障.