三維激光點云數(shù)據(jù)映射下的變電站可視化自動巡檢技術(shù)

摘"要：考慮到變電站運行環(huán)境具有一定的復(fù)雜性，可視化巡檢可以避免變電站在運行中出現(xiàn)故障，為了提高變電站巡檢效率，提出了一種三維激光點云數(shù)據(jù)映射下的變電站可視化自動巡檢技術(shù)。根據(jù)變電站三維激光掃描儀的數(shù)據(jù)采集原理，計算變電站到激光發(fā)射點的距離，利用三維激光的發(fā)射光束，采集變電站各個區(qū)域的點云數(shù)據(jù)，得到變電站整個場景的激光點云數(shù)據(jù)。將三維激光點云映射的平方根作為映射函數(shù)，映射變電站的三維激光點云數(shù)據(jù)?；谘矙z機器人的位姿變化向量，構(gòu)建巡檢機器人的運動模型，根據(jù)機器人的位姿信息，得到巡檢機器人的位置，通過位置更新，構(gòu)建巡檢地圖計算函數(shù)，實現(xiàn)變電站的可視化巡檢。實驗結(jié)果表明，本文技術(shù)適用于點云缺失較低的場景，并將變電站設(shè)備的巡檢范圍提高到45m以上，提高了巡檢效率。

關(guān)鍵詞：三維激光；自動巡檢；可視化；變電站；點云數(shù)據(jù)映射；數(shù)據(jù)采集

中圖分類號：TP242""""""文獻(xiàn)標(biāo)識碼：A

Visualization"Automatic"Inspection"Technology"of"Substation"

Based"on"3D"Laser"Point"Cloud"Data"Mapping

QIU"Kaiyi，LIU"Jie，MA"Hongbo，"LI"Jingya，F(xiàn)ANG"Mengran

（Beijing"Branch，"State"Grid"Information"amp;"Telecomunication"Group，Beijing"100052，China）

Abstract：Considering"the"complexity"of"substation"operation"environment，"visual"inspection"can"avoid"faults"in"substation"operation."In"order"to"improve"the"efficiency"of"substation"inspection，"a"visual"automatic"inspection"technology"of"substation"based"on"3D"laser"point"cloud"data"mapping"is"proposed."According"to"the"data"acquisition"principle"of"the"threedimensional"laser"scanner"in"the"substation，"the"distance"from"the"substation"to"the"laser"emission"point"is"calculated，"and"the"point"cloud"data"of"each"area"of"the"substation"are"collected"by"using"the"emitted"beam"of"the"threedimensional"laser，"so"as"to"obtain"the"laser"point"cloud"data"of"the"whole"scene"of"the"substation."Takingnbsp;the"square"root"of"3D"laser"point"cloud"mapping"as"the"mapping"function，"the"3D"laser"point"cloud"data"of"substation"is"mapped."Based"on"the"posture"change"vector"of"the"inspection"robot，"the"motion"model"of"the"inspection"robot"is"constructed，"and"the"position"of"the"inspection"robot"is"obtained"according"to"the"posture"information"of"the"robot."By"updating"the"position，"the"calculation"function"of"the"inspection"map"is"constructed"to"realize"the"visual"inspection"of"the"substation."The"experimental"results"show"that"the"technology"in"this"paper"is"suitable"for"scenes"with"low"point"cloud"loss，"and"the"inspection"range"of"substation"equipment"is"increased"to"more"than"45m，"which"improves"the"inspection"efficiency.

Key"words：threedimensional"laser;"automatic"inspection;"visualization;"substation;"point"cloud"data"mapping;"data"acquisition

伴隨著工業(yè)4.0和大數(shù)據(jù)時代的快速發(fā)展，國家電網(wǎng)開始走向信息化和智能化，自動化的新型電網(wǎng)已經(jīng)成為目前的主要發(fā)展目標(biāo)[1]。自動化的新型電網(wǎng)可以實現(xiàn)變電站的可視化和仿真化，便于人們進(jìn)行更精細(xì)化的操作，這對電網(wǎng)的狀態(tài)監(jiān)控和后期的運營管理都有著非常大的幫助。變電站是電力系統(tǒng)的核心，它不但具有對電網(wǎng)進(jìn)行分配供電的功能，還可以對電壓高低進(jìn)行控制[2]。因此，如果它出現(xiàn)了問題，那么將對電網(wǎng)帶來巨大的經(jīng)濟損失以及社會影響，因此，保持變電站的穩(wěn)定運行是十分有必要的[3]。傳統(tǒng)巡檢方法不但具有較大的工作強度和較低的工作效率，在極端氣候條件下，也不能對變電站的設(shè)施進(jìn)行巡視檢查，難以適應(yīng)不斷提升的電力品質(zhì)的需要。在此背景下，隨著電力系統(tǒng)的發(fā)展，變電站智能巡檢機器人隨之誕生，并逐步替代耗時耗力的人工巡檢。

路浩等[4]以圖論理論為基礎(chǔ)，構(gòu)建了變電站周圍的電網(wǎng)環(huán)境模型，并在此基礎(chǔ)上研究了巡檢機器人在網(wǎng)絡(luò)上對目標(biāo)點進(jìn)行溫度測量時攝像機的姿態(tài)控制，提出了一種以最少耗時為優(yōu)化目標(biāo)的移動路徑優(yōu)化方法。通過蟻群迭代算法，利用新的蟻群搜索路徑優(yōu)化與聚類相結(jié)合的巡檢站址選擇方法，并通過仿真實驗證明了該方法的實用性和魯棒性，該方法可以大范圍應(yīng)用于變電站巡檢中。劉勝等[5]針對變電站巡檢機器人在運行過程中所存在的問題，將蟻群模擬退火方法引入變電站巡檢機器人中，并對其進(jìn)行了優(yōu)化，使其具有更好的全局尋優(yōu)性能。在該方法中，通過設(shè)置不均衡的初值分布和加入信息素的動力學(xué)變化；在此基礎(chǔ)上，利用網(wǎng)格方法對其進(jìn)行了建模。

基于此，本文在三維激光點云數(shù)據(jù)映射下，提出了一種變電站可視化自動巡檢技術(shù)，從而保證變電站的安全運行。

1"變電站可視化自動巡檢技術(shù)設(shè)計

1.1"采集變電站三維激光點云數(shù)據(jù)

利用三維激光掃描技術(shù)制定變電站點云數(shù)據(jù)的掃描方案，再利用該方案采集變電站的點云數(shù)據(jù)。點云數(shù)據(jù)主要包括變電站的位置和表面信息，位置主要是依靠傳感器獲取的[6]，表面信息是通過攝像機采集的。變電站三維激光掃描儀的數(shù)據(jù)采集示意圖如圖1所示。

三維激光測距主要利用光傳播的折射和反射[7]，通過計算激光點到變電站表面的折射距離和時間，來計算變電站到發(fā)射點的距離，距離D的公式如下：

D=14b*Δh"（1）

其中，b*表示激光點的折射速度，Δh表示激光信號到變電站的往返時間。

角度的測量是利用掃描儀以激光點的旋轉(zhuǎn)平臺為中心點，根據(jù)掃描儀的垂直角度θ和旋轉(zhuǎn)角度獲取的[8]。根據(jù)距離和角度，如圖2所示，計算出變電站三維激光點的坐標(biāo)Ax，By，Cz，公式如下：

Ax=Dcos"－1θsin"－1By=Dcosnbsp;θsin"Cz=Dsin""（2）

根據(jù)上面得到的測點定位原理制定掃描方案，根據(jù)三維激光的發(fā)射光束，采集變電站各個區(qū)域的點云數(shù)據(jù)，得到變電站整個場景的激光點云數(shù)據(jù)。掃描方案如圖3所示。

利用上面的掃描方案完成變電站三維激光點云數(shù)據(jù)的采集。

1.2"映射三維激光點云數(shù)據(jù)

在三維激光點云數(shù)據(jù)采集的過程中，不同視角的點云數(shù)據(jù)映射問題一直是研究的核心，為了解決傳統(tǒng)算法準(zhǔn)確率不高等問題，使用改進(jìn)的DEGWO算法，使后續(xù)的映射更加優(yōu)化，同時提升了映射的精度。三維激光點云數(shù)據(jù)映射步驟如下：

Step"1：設(shè)定三維激光點云P和需要映射的激光點Q數(shù)值，通過權(quán)重和閾值進(jìn)行特征的提取。

Step"2：使用五叉樹檢索方法[9]對特征中的噪聲進(jìn)行去除。

Step"3：對于DEGWO算法進(jìn)行初始化處理[10]，并且將PQ矩陣中的5個旋轉(zhuǎn)角和4個平行角進(jìn)行編碼[11]，將三維激光點云映射的平方根作為映射函數(shù)，得到適應(yīng)度函數(shù)為：

F（P，Q）=1r∑ni=1ki－Pji+Q"（3）

其中，ki為三維激光點中的初始點，ji為映射后的三維激光點云數(shù)據(jù)。

Step"4：對上述數(shù)據(jù)進(jìn)行迭代處理，并把每次的迭代結(jié)果進(jìn)行適用度匹配。如果能達(dá)到映射要求的精度結(jié)果，則停止迭代。如果不能得到點云集的初始數(shù)據(jù)，則繼續(xù)進(jìn)行迭代處理[12]。

Step"5：通過對迭代結(jié)果進(jìn)行優(yōu)化，使三維激光點云數(shù)據(jù)的映射結(jié)果更為精準(zhǔn)，如果誤差小于給定的閾值，則得到的是映射的結(jié)果；否則需要重復(fù)上述操作。

根據(jù)以上步驟，對變電站的三維激光點云數(shù)據(jù)進(jìn)行映射，為可視化巡檢提供了三維場景支撐。

1.3"變電站可視化巡檢的實現(xiàn)

為了實現(xiàn)變電站可視化巡檢，采用SLAM構(gòu)建變電站可視化巡檢的路徑規(guī)劃地圖。SLAM算法主要用來實現(xiàn)巡檢機器人的定位和可視化[13]。SLAM在變電站可視化巡檢過程中主要工作如下：巡檢機器人利用自身攜帶的傳感器和攝像機，對周圍的環(huán)境進(jìn)行可視化信息采集，并通過變電站的巡檢設(shè)備，對采集到的信息進(jìn)行分析，實現(xiàn)變電站可視化地圖的構(gòu)建[14]，用來幫助巡檢機器人的定位，最終達(dá)到變電站可視化巡檢的目的。

為了獲取變電站巡檢機器人在時間t內(nèi)的可視化數(shù)據(jù)信息，需要巡檢機器人進(jìn)行位姿模型的構(gòu)建。變電站可視化巡檢機器人的位姿變化向量為Zt，如下式所示：

Zt=Zt－1+ΔZ+t"（4）

式中，Zt－1表示t－1時間段內(nèi)巡檢機器人的位姿信息，ΔZ為位姿特征向量，t表示的巡檢機器人的噪聲干擾。

巡檢機器人在時刻t的位置坐標(biāo)為pt，qt，如果要獲取可視化巡檢機器人的具體位置，需要通過編碼器來完成。

在完成巡檢機器人的位姿數(shù)據(jù)采集后，構(gòu)建變電站巡檢機器人的運動路徑模型[15]。為了獲取巡檢機器人某個時間段內(nèi)的路徑信息，需要對巡檢機器人的運動模型進(jìn)行構(gòu)建，定義如下：

ΔpΔqΔβ=ksinθ·Δtkcos"θ·ΔtkΔβ"（5）

式中，Δp和Δq表示巡檢機器人在時間Δt內(nèi)的橫向和縱向位移坐標(biāo)，k表示增量式時間Δt內(nèi)的巡檢速度，Δβ表示巡檢機器人在時間Δt內(nèi)的巡檢角度，速度k和角度Δβ的變化需要依靠編碼器解析，該編碼器安裝于巡檢機器人右輪。

根據(jù)變電站可視化巡檢機器人的運動模型，獲取機器人的位姿信息，得到巡檢機器人的位置公式：

δ=ζL*·ΔβWi+Svt"（6）

式中，ζ表示巡檢機器人的位移路線，L*表示巡檢機器人的巡檢長度，Wi為第i個坐標(biāo)下的巡檢機器人位姿信息，vt為t時刻的巡檢機器人速度，Svt為機器人的自身參數(shù)。

以式（6）的位置信息為基礎(chǔ)，對其進(jìn)行更新，即：

δ=L*k（Mt，φ1）+g（t）vt（7）

式中，k（Mt，φ1）和g（t）vt表示在t時刻可視化巡檢機器人受到噪聲和濾波信號影響后的變量，其中φ1表示巡檢機器人的移動角度。

在可視化巡檢定位方程式的基礎(chǔ)上，構(gòu)建巡檢地圖計算函數(shù)，對變電站進(jìn)行巡檢：

t=1Wi+s*－δ（Wi+s*）2（8）

式中，s*表示巡檢機器人的移動距離。

綜上所述，通過構(gòu)建巡檢地圖計算函數(shù)，實現(xiàn)變電站的可視化巡檢。

2"實驗分析

2.1"實驗參數(shù)

為了驗證本文技術(shù)在變電站可視化巡檢中的效果和質(zhì)量，在Windows"7操作系統(tǒng)下，選擇16"GB內(nèi)存、i83250m型號CPU的計算機，MATLAB圖像處理軟件進(jìn)行實驗。表1統(tǒng)計了變電站設(shè)備的尺寸。

在表1的參數(shù)下，為了避免三維激光點云數(shù)據(jù)在映射過程中出現(xiàn)缺失，測試了點云缺失對變電站設(shè)備巡檢的影響。

2.2"點云缺失對變電站可視化巡檢結(jié)果的影響

考慮到變電站所有設(shè)備獲取的三維激光點云數(shù)據(jù)都是理想點云數(shù)據(jù)，但是在映射過程中會出現(xiàn)一部分點云數(shù)據(jù)缺失的情況，通過分析缺失的點云數(shù)據(jù)，驗證本文技術(shù)的性能。本文以500"kV斷路器為例，隨機將一部分點云數(shù)據(jù)丟失，丟失程度分別設(shè)置為10%、20%和30%。當(dāng)點云數(shù)據(jù)的缺失程度不同時，利用本文技術(shù)對500"kV斷路器進(jìn)行巡檢，得到如圖4所示的三維圖。

由圖4的結(jié)果可知，采用本文技術(shù)對變電站設(shè)備點云數(shù)據(jù)進(jìn)行缺失實驗的過程中，如果點云數(shù)據(jù)的缺失程度較大，則會導(dǎo)致變電站可視化巡檢效果變差，當(dāng)點云數(shù)據(jù)的缺失程度為30%時，無法完成變電站的巡檢任務(wù)。因此可以說明，本文技術(shù)在變電站巡檢中可以應(yīng)用于點云數(shù)據(jù)缺失比較低的場合。

2.3"對比分析

為了驗證文中技術(shù)在變電站可視化巡檢中的優(yōu)越性，引入基于路網(wǎng)和測量約束的巡檢技術(shù)和基于ACOSA算法的巡檢技術(shù)作對比，對表1中的變電站設(shè)備進(jìn)行巡檢，測試了各個變電站設(shè)備的巡檢范圍，結(jié)果如圖5所示。

從圖5中可以看出，采用基于路網(wǎng)和測量約束的巡檢技術(shù)時，變電站設(shè)備巡檢的范圍比較小，在20～25"m之間，說明在路網(wǎng)和測量的約束下，變電站設(shè)備的巡檢范圍會受到一定影響，使巡檢效率變低。采用基于ACOSA算法的巡檢技術(shù)時，由于利用蟻群算法改進(jìn)了模擬退火算法，使變電站巡檢范圍有所增大，但是該技術(shù)容易在改進(jìn)過程中出現(xiàn)局部最優(yōu)化的問題，導(dǎo)致巡檢范圍低于30"m。采用本文技術(shù)時，先采集了變電站設(shè)備的三維激光點云數(shù)據(jù)，通過點云數(shù)據(jù)的映射，規(guī)劃變電站巡檢的路徑，將變電站設(shè)備的巡檢范圍提高到45"m以上，大大提高了變電站巡檢的效率。

3"結(jié)"論

在三維激光點云數(shù)據(jù)映射下，提出了一種變電站可視化自動巡檢技術(shù)。通過實驗測試發(fā)現(xiàn)，該巡檢技術(shù)適用于點云數(shù)據(jù)缺失較低的場景，通過擴大變電站設(shè)備巡檢范圍，提高了巡檢的效率。由于本文巡檢技術(shù)只適用于點云缺失較低的場景，在點云數(shù)據(jù)缺失程度較高的情況下無法完成巡檢任務(wù)，在今后的研究中，希望可以針對三維激光點云數(shù)據(jù)的缺失情況進(jìn)行改進(jìn)，研究一種適用于點云數(shù)據(jù)缺失程度較高的巡檢技術(shù)。

參考文獻(xiàn)

［１］"李游，龍偉迪，魏紹東."基于微型紅外雙光機載裝置的變電站無人機巡檢系統(tǒng)研究[J]."湘潭大學(xué)學(xué)報（自然科學(xué)版），2020，42（5）：118-126.

[2]"董翔宇，季坤，朱俊，等."對特高壓變電站巡檢機器人路徑規(guī)劃改進(jìn)蟻群算法的研究[J]."電力系統(tǒng)保護(hù)與控制，2021，49（18）：154-160.

[3]"董詩繪，牛彩雯，戴琨."基于深度強化學(xué)習(xí)的變電站巡檢機器人自動化控制方法研究[J]."高壓電器，2021，"57（2）：172-177.

[4]"路浩，陳洋，吳懷宇，等.受路網(wǎng)和測量約束的變電站巡檢機器人路徑規(guī)劃[J].中國機械工程，"2021，"32（16）：1972-1982.

[5]"劉勝，張豪，晏齊忠，等."基于ACOSA算法的變電站巡檢機器人路徑規(guī)劃[J]."南方電網(wǎng)技術(shù)，2022，"16（9）：75-82.

[6]"陳浩敏，姚森敬，席禹，等.基于數(shù)據(jù)驅(qū)動的變電站巡檢機器人自抗擾控制[J].信息與控制，"2021，50（4）：385-394.

[7]"王秀麗，周鵬，侯靜楠，等.面向變電站機器人巡檢路徑規(guī)劃中的算法研究[J].計算機工程與應(yīng)用，"2021，"57（14）：245-250.

[8]"李榮，欒貽青，王海鵬，等.全向四驅(qū)變電站巡檢機器人運動控制系統(tǒng)設(shè)計[J].機床與液壓，"2020，"48（8）：112-116.

[9]"趙小勇，陳欽柱，鄭鴻彥，等.基于道路場景理解的巡檢機器人避障方法研究與應(yīng)用[J].微電子學(xué)與計算機，"2022，39（4）：118-127.

[10]"郭國棟，龔雁峰，吳迪，等.引入HoloLens進(jìn)行信息融合與數(shù)據(jù)挖掘的新型巡檢方式及體驗[J].中國電力，"2021，"54（7）：208-216.

[11]"鄭亞紅，于雪庭，馬少華，等.變電站故障預(yù)警巡檢機器人自主運動規(guī)劃[J].沈陽工業(yè)大學(xué)學(xué)報，"2021，"43（1）：6-11.

[12]"姚楚陽，劉爽.一種可升降式變電站室內(nèi)巡檢機器人控制系統(tǒng)設(shè)計[J].華東理工大學(xué)學(xué)報（自然科學(xué)版），"2021，"47（1）：116-122.

[13]"李游，劉衛(wèi)東，鄧維，等.變電站高壓設(shè)備無人機巡檢安全距離確定方法研究[J].電工電能新技術(shù)，"2023，"42（3）：76-84.

[14]"董翔宇，李安，汪太平，等.基于局部監(jiān)督深度混合模型的變電站巡檢機器人道路場景識別[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），"2021，"44（6）：748-752+770.

[15]"董翔宇，張中，朱俊，等."一種基于深度神經(jīng)網(wǎng)絡(luò)的變電站巡檢機器人路面識別方法[J]."計算機應(yīng)用研究，2020，37（S2）：389-391.