基于輸電線路在線巡視系統(tǒng)的智能預(yù)警技術(shù)研究

管曉靜

（南京國電南自軟件工程有限公司，江蘇 南京 210000）

0 引 言

隨著大區(qū)域電網(wǎng)互聯(lián)工作的不斷推進，對于輸電線路運行安全性和可靠性的要求也越來越高。為了穩(wěn)定輸電線路應(yīng)用質(zhì)量，結(jié)合在線巡視系統(tǒng)充分發(fā)揮智能預(yù)警技術(shù)優(yōu)勢作用，依據(jù)實際場景及時完成問題的反饋，從而建立集智能預(yù)警、綜合決策于一體的實時監(jiān)督巡視體系。

1 輸電線路在線巡視系統(tǒng)

輸電線路在線巡視系統(tǒng)主要由桿塔終端系統(tǒng)、光纖通信網(wǎng)絡(luò)以及后臺主機系統(tǒng)構(gòu)成，如圖1所示。

圖1 系統(tǒng)構(gòu)成

在實際應(yīng)用過程中，利用桿塔獨立完成海量可見光視頻圖像、紅外圖像等監(jiān)測信息的實時性采集工作，匯總相關(guān)數(shù)據(jù)并構(gòu)成相應(yīng)的智能預(yù)警管理模式[1]。輸電線路在線巡視系統(tǒng)桿塔終端的對應(yīng)模塊要進行數(shù)據(jù)的實時性采集，將其匯總在桿塔終端主機位置，終端此時要進行視頻圖像或紅外圖像信息的預(yù)處理，完成圖像識別和分析工作后就能初步判定輸電線路或設(shè)備是否存在異常故障現(xiàn)象。如果輸電線路或設(shè)備處于正常運行情況，桿塔終端主機會將測量單元獲取的視頻信息、微氣象信息等基礎(chǔ)數(shù)據(jù)壓縮打包，利用桿塔終端主機光網(wǎng)絡(luò)單元（Optical Network Unit，ONU）完成控制，并定時借助光纖通信網(wǎng)直接發(fā)送到后臺主機。此時，要利用圖像識別系統(tǒng)、分析系統(tǒng)等開展預(yù)警信號的控制[2]。

除此之外，桿塔終端系統(tǒng)會借助紅外感知模塊動態(tài)監(jiān)測調(diào)控的方式對異物入侵等問題予以及時預(yù)警，確保后臺主機系統(tǒng)能夠快速實現(xiàn)中央處理單元預(yù)警信號的管控，為整個預(yù)警系統(tǒng)的實時性監(jiān)督管理提供支持[3]。

2 基于輸電線路在線巡視系統(tǒng)的智能預(yù)警技術(shù)要點

2.1 圖像預(yù)處理

在智能預(yù)警技術(shù)應(yīng)用過程中，桿塔終端或后臺主機系統(tǒng)要完成初步監(jiān)測圖像的采集和匯總，借助解密處理等單元直接實現(xiàn)圖像信息的預(yù)處理[4]。

對于視頻圖像采集獲得的彩色圖像，要利用RGB顏色模型完成實時性編碼。由于彩色圖像包含的數(shù)據(jù)量較大，因此為了進一步提升視頻圖像的處理效果，需要完成圖像灰度比的升級工作。在視頻圖像轉(zhuǎn)入灰度圖后開展圖像預(yù)處理，有效去除圖像信息中的畸變內(nèi)容和噪聲內(nèi)容，保證關(guān)鍵細節(jié)信息匯總控制的合理性，在優(yōu)化信噪比的基礎(chǔ)上過濾干擾信息，最大程度上提高圖像的質(zhì)量水平。

2.2 基于圖像差分的故障識別

以運動目標(biāo)檢測為例，主要在動態(tài)區(qū)域中對物體序列圖像進行檢測并分離。依據(jù)攝像設(shè)備獲取的圖像信息，將其劃分為靜態(tài)背景運動目標(biāo)檢測和動態(tài)背景運動目標(biāo)檢測。針對輸電線路拍攝過程，由于采取的是固定角度拍攝方式，因此歸為靜態(tài)背景運動目標(biāo)檢測，較為常見的算法有背景差分算法、幀差分算法等。

正是因為輸電線路智能預(yù)警系統(tǒng)會采取分級管理結(jié)構(gòu)，所以將桿塔終端主機中央處理單元作為第一級判斷單元。結(jié)合視頻圖像或紅外圖像實現(xiàn)輸電線路的實時性判定，采取幀差分算法對同一個時間軸上連續(xù)2幀或多幀信息進行圖像序列像素值差分運算分析，最大程度上維持實時性評估的合理性[7]。幀差分算法流程如圖2所示。

圖2 幀差分算法流程

在實際計算中，利用Dk(x,y)=|fk(x,y)-fk-1(x,y)|計算相鄰2幀圖像間差值的絕對值，并設(shè)定閾值T。對Dk予以二值化處理，若Dk＞T，則表示像素點是運動目標(biāo)點，要結(jié)合形態(tài)方法進行圖像噪聲的處理，確保濾波處理后能得到對應(yīng)的參數(shù)數(shù)值。如果采取背景差分法，則主要是進行前幀圖像和背景圖像的對比處理，配合差分圖像二值化操作獲取相應(yīng)的幀差圖像。

為了進一步提升圖像分析的準確性，目前一般采取幀間差分和背景差分綜合算法處理，在發(fā)揮幀間差分算法高靈敏度優(yōu)勢的同時，還能兼顧背景差分算法的準確性[8]。

2.3 輸電線路覆冰識別

在正常的記錄環(huán)境中，輸電線路自身導(dǎo)線直徑為定值參數(shù)，直接在視頻圖像上利用粗細程度就能完成讀取，對應(yīng)的區(qū)域像素點數(shù)也較為固定。一旦輸電線路出現(xiàn)了覆冰情況，雖然輸電線路導(dǎo)線的直徑?jīng)]有發(fā)生變化，但是由于冰雪覆蓋，反映在視頻圖像上的線路會變粗，導(dǎo)線直徑增加使得區(qū)域內(nèi)像素點增多，利用像素點就能完成覆冰厚度的計算。

提取桿塔信息，進一步完成微氣象數(shù)據(jù)環(huán)境溫度和相對濕度的評估。設(shè)定環(huán)境溫度和濕度的門限值，一次提取后進行數(shù)據(jù)對照，一旦環(huán)境溫度在門限值以下或相對濕度在門限值以上，就認定輸電線路此時具備覆冰條件，可能存在覆冰。對線路進行視頻圖像的讀取，完成圖像去噪、邊緣檢測后提取導(dǎo)線邊緣信息并分離圖像。利用相關(guān)算法完成計算后，標(biāo)記覆冰電線路圖像，結(jié)合比值計算覆冰厚度。一旦超出閾限則立即預(yù)警，以便工作人員及時開展防御處理。例如，某地輸電線路覆冰情況計算中，線路采用JLB27-66鋁包鋼絞線，直徑為9.6 mm，環(huán)境溫度為-5 ℃，相對濕度為98%，本身具備覆冰條件。通過圖像邊緣檢測后發(fā)現(xiàn)覆冰前為1個像素點，覆冰后為7個像素點，經(jīng)計算后確定覆冰厚度為28 mm[9]。

3 基于輸電線路在線巡視系統(tǒng)的智能預(yù)警應(yīng)用

基于輸電線路在線巡視系統(tǒng)的智能預(yù)警主要內(nèi)容如圖3所示。

圖3 基于輸電線路在線巡視系統(tǒng)的智能預(yù)警主要內(nèi)容

（1）數(shù)據(jù)預(yù)處理。在桿塔終端安裝測量設(shè)備，完成可見光視頻圖像、紅外圖像等基礎(chǔ)信號的采集，并對圖像予以預(yù)處理，獲取一定格式的監(jiān)測數(shù)據(jù)并提供給后臺。

（2）故障識別判定。對信息予以初步故障識別，結(jié)合監(jiān)測數(shù)據(jù)綜合分析模塊與閾值目標(biāo)提取算法、模板匹配算法、紋理識別算法等完成圖像識別，有效完成異常故障的判定。

（3）知識庫管理。依據(jù)故障判斷算法規(guī)則和歷史數(shù)據(jù)整理存儲模式，完成數(shù)據(jù)的匯總。

（4）預(yù)警執(zhí)行。在確定異常故障信息和內(nèi)容后，后臺主機系統(tǒng)發(fā)送故障異常類型報警信號，借助相應(yīng)形式完成信息傳遞。

（5）優(yōu)化學(xué)習(xí)。利用經(jīng)驗累積的方式優(yōu)化判定方法和適應(yīng)新環(huán)境，借助監(jiān)測數(shù)據(jù)提高故障異常判定的準確性，為更好地開展后續(xù)工作提供保障。此外，實現(xiàn)監(jiān)測設(shè)備故障預(yù)警和相鄰桿塔互補預(yù)警的升級。

依據(jù)輸電線路實時性智能預(yù)警應(yīng)用需求，對桿塔終端、基于C/S架構(gòu)的在線監(jiān)控系統(tǒng)后臺等予以測試。通過建立實時性檢測數(shù)據(jù)和設(shè)備運行情況通信模型，在Web服務(wù)器正常啟動的情況下視頻服務(wù)器和前端視頻設(shè)備通信共同作用，在完成視頻流請求的基礎(chǔ)上符合測試標(biāo)準，具有一定的推廣價值[10]。

4 結(jié) 論

綜上所述，基于輸電線路在線巡視系統(tǒng)的智能預(yù)警具有重要的應(yīng)用意義，能夠輔助工作人員更好地完成輸電線路的動態(tài)管理，及時發(fā)現(xiàn)問題并預(yù)警，減少經(jīng)濟損失和安全隱患，為電力系統(tǒng)可持續(xù)發(fā)展奠定堅實的基礎(chǔ)。