基于圖像處理技術的輸電線路的故障診斷

劉 曾

（南京工程學院，211100）

基于圖像處理技術的輸電線路的故障診斷

劉 曾

（南京工程學院，211100）

文章將從圖像處理技術概念入手，分析其對輸電線路故障檢測的重要意義，最后結合當前輸電線路特點，深入探討技術在故障檢測工作中的應用，以期為我國電力事業持續發展提供更多參考和支持。

圖像處理技術；輸電線路；故障診斷

1　圖像處理技術概述及其對輸電線路故障檢測的重要性

圖像處理技術，建立在計算機技術基礎之上，運用工業相機、攝像機等設備經過拍攝獲取二維數組，計算機軟件對數組進行系統地分析和研究，最終獲取、表達信息的一種非常重要的技術。該項技術最早開始于上個世紀二十年代。當時通過海底電纜從英國倫敦至美國紐約傳輸了一幅圖片，至此該項技術誕生。利用該項技術，能夠幫助人們更加客觀、近距離地認識世界。

對于輸電線路故障檢測工作來說，該項技術在直升機、機器人巡檢中能夠發揮非常積極的作用。具體來說：

第一，相比較傳統人工目視檢測方法，借助圖像處理技術，能夠實現自動檢測和診斷，有效節省了更多人力資源，且較人工檢測準確性更高。即便是一些人力難至的巡檢死角也能夠輕松完成巡檢。

第二，借助紅外、紫外圖像我們能夠確定輸電線路是否存在過熱、電暈等現象，但卻不能夠判斷具體哪個位置發生了故障。而可見光圖像能夠將線路部件進行精確化分割及識別，并與紅外、紫外圖像結合到一起，最終判斷出故障部件，為線路檢修工作提供科學依據。

第三，利用無人機等航拍方式，對于獲取圖像中不清晰的位置，我們可以進行放大、近距離等圖像采集，與人工直接接觸具有同樣的效果，且能夠突破時空限制，使得線路故障診斷工作得以順利進行，保證線路運行始終保持在最佳狀態當中。可見，將圖像處理技術應用于輸電線路故障檢修工作中非常必要，不僅符合當前電力產業“三集五大”改革需求，且能夠順應智能電網構建趨勢。

2　基于圖像處理技術的輸電線路故障診斷策略

對于圖像處理技術在輸電線路故障中的應用，我們結合輸電線路分布廣、線路復雜等特點，可以從以下幾個方面入手：

2.1輸電線路圖像信息獲取。獲取線路圖像信息是故障診斷的基礎與依據。目前，電力系統輸電線路現場多采用公網方式。我們在實踐中，可以利用直升機、無人機等對線路進行航拍，及時獲取高圖像、視頻等，并按照既定的方位將采集的原始圖像信息上傳至服務器當中。經過壓縮編碼處理后，將圖像信息通過公網傳遞給統一平臺，幫助工作人員了解遠程線路運行狀態。如果在圖像中發現某段線路存在故障表征，可以采取拉近、放大或者延時等方法對疑似故障位置進行具體性、針對性拍攝，從而進一步明確可能存在的故障細節。

2.2監測圖像處理。近年來，我國電力系統服務范圍呈現規模化方向發展，朝著鄉鎮、農村等更加復雜的區域拓展，使得輸電線路與地表中復雜的自然背景相互混雜。且遇到山丘地區，線路還會被周圍的樹木遮擋。加之攝像設備自身性能的影響，在圖像采集時，極有可能混入噪聲，對線路自身特定的提取產生了消極影響。對此，出于降噪、增強圖像特征等方面的考慮，加強對監測圖像的處理非常必要。如采取灰度變換的方式，將攝像頭采集的彩色圖像轉變為灰度圖像，以此來優化圖像的成像效果，促使圖像動態范圍進一步擴大，使得圖像更加清晰，幫助工作人員實現對線路的細致觀察。或者采取小波包去燥方法，對圖像低頻、高頻部分進行分割處理后，提升局部分析能力，以此來獲得更高質量的圖像信息。

2.3提取特征量。一般來說，對于常規線路圖像特征提取，主要針對某個特定的測量點圖像即可。但該方法適用范圍較小。如適用于絕緣子串的方法，卻無法應用于導線特征提取。基于此，考慮到各個測點狀態的不同，會對圖像的分布產生影響。因此可以在邊緣提取基礎之上，將圖像劃分為多個不同的圖像，將獲取的一維向量作為特征量。采取該種方式，不僅能夠滿足不同情況的需求，且能夠進行歸一化處理，有利于故障診斷工作順利開展。在實踐中，我們可以采取Ratio算法，作為一種統計模型邊緣檢測算法，航拍圖像中的電力線接近直線，具體算法如下：

給定一個包含ni個像素點的區域Ri，其中每個像素的灰度值為Pk，其中平均灰度值為：

按照水平方向來看，算子如圖1所示。

圖1　水平方向Ratio算子模板

通過對中心像素的觀察，我們能夠看到5*5像素矩形窗，并劃分為三個區域，確定檢測方向為d。通過比較來看，如果兩兩之間存在邊緣線，那么即可確認為直線上的點。具體步驟如下：

第一，計算出三個區域的像素均值，分別為μ1、μ2、μ3，則有

第二，Ratio算子線特征檢測響應函數為r，有

r=min（r12，r13）

最后判斷中心像素x0為直線上的像素點。

2.4智能識別線路故障。識別輸電線路故障是圖像處理技術應用達到的目標。如對絕緣子故障的識別，可以對圖像中各個部件圖像進行識別，對比數據庫中固有的圖像特征，如形狀、材料及紋理等，形成部件特定提取算法，然后進行智能故障識別，從而在短時間內確定出輸電線路是否存在不穩定因素。建立在人工神經元網絡基礎上的故障識別，能夠提高識別準確率，具有非常重要的推廣和應用價值。隨著科學技術不斷發展，我們還應加大研究力度，不斷完善圖像處理技術，促使其能夠為線路故障診斷工作提供更多幫助。在實踐中，我們可以采用維納濾波復原算法對絕緣子進行計算。維納濾波是指通過將圖像信號假設成可以在平穩隨機的前提條件下，將復原圖像f2（u，v）和原圖像f（u，v）兩者的均方誤差降到最低標準的函數來對圖像進行恢復的方法。

其中E｛*｝為數學期望算子。而具有二維傳遞函數的維納濾波器可以表示為。

其中H*（u，v）可作為退化系統退化函數H（u，v）的復共軛，Sn（u，v）則是噪聲，Sr（u，v）則是原始圖像功率譜。籍此，相關技術人員可以按照均方誤差獲得到原始圖像，并利用計算機軟件對絕緣子模糊圖像進行處理，以此來提高絕緣子圖像效果，更加準確地判斷出線路故障位置。

結論：根據上文所述，輸電線路是電力系統得以運行的基礎，保障輸電線路安全、可靠是電力企業主要工作之一。不同于以往，當前電力系統具有規模化、復雜性特點，無形中增加了輸電線路故障診斷難度。基于此，在未來工作中，我們要積極引入圖像處理技術，充分利用該項技術自身具有的靈活性等優勢，實現對輸電線路的實時監督和控制，及時獲取線路圖像，并對圖像進行處理，提取線路圖像特征量，最終實現對線路故障的智能化識別，不斷提高線路管理水平，從而促進我國電力產業綜合效益的有效發揮。

［1］任玲輝，劉凱，張海燕.基于圖像處理技術的機械故障診斷研究進展［J］.機械設計與研究，2011，（05）：21-24.

Fault diagnosis of transmission line based on image processing technology

Liu Ceng
（Nanjing Institute of Technology，211100）

This article from the concept of image processing technology，analysis of the significance of the transmission line fault detection，combining with the characteristics of transmission line，in-depth study of application technology in fault detection work，in order to provide more reference and support for the sustainable development of the electric power industry in china.

image processing technology；transmission line；fault diagnosis