多傳感器融合的高壓直流輸電線接地極導電預警模型

白 鑫，楊自崗，何帔雨，李 鵬，夏治侃,冀宏領

(1.云南電網有限責任公司文山供電局，云南 文山 663000； 2.云南大學信息科學與工程學院，云南 昆明 650504)

0 引言

高壓直流輸電系統由于其傳輸距離遠、傳輸容量大等特點已經成為我國電力輸送的重要組成部分。高壓直流輸電系統中的接地極系統對于維持整個系統的安全和穩定的運行起到了極其重要的作用。當接地極導電性能異常時，整個直流輸電系統將無法安全可靠地運行，故障時還會造成人身傷亡事故[1-2]。因此對接地極導電性能的監測和預警具有重要的意義。

目前，已有文獻對高壓直流輸電系統接地極導電性能監測、診斷及預警模型進行了研究。司馬文霞等[3]建立了考慮土壤電阻率變化的接地極發熱計算模型；潘卓洪等[4]提出了考慮地點位分布和接地電阻受多層水平土壤參數共同影響的模型；Robert Marciniak等[5]針對全球不同地區的天氣氣候類型，對鍍鋅鋼接地極的腐蝕特性進行了研究，并得出了不同土壤類型接地極腐蝕特性及土壤電阻率與溫度、濕度的關系；Jozsef Ladanyi等[6]對不同類型的接地極、土壤與接地電阻之間的關系進行了仿真研究；艾紅杰等[7]采用阻抗法和時域分析法對接地極線路進行監測；楊文宇等[8]對接地極在線檢測系統的總體結構進行了設計，以多種傳感器采集處理入地電流、觀測井的水位、水溫等參數，并通過無線網絡傳輸數據到檢測中心進行狀態診斷和預警；陸繼明等[9]采用有限元法定性分析了地形、土壤層電阻率、接地極設計共同作用下的地表電位分布規律。

根據已有文獻，本文提出了一種多傳感器融合的高壓直流輸電線接地極導電預警模型。該模型融合了地下層的多個濕度傳感器數據以及地表層的圖像數據，基于Canny圖像邊緣檢測算法和模糊推理方法，實現了對接地極導電異常的定性預警。

1 預警系統及模型

1.1 多傳感器數據采集系統

文山±500 kV富寧換流站的兩處接地極分別位于云南省文山市富寧縣阿用鄉的那連和那弄，接地極為換流站單極大地運行方式提供直流通路，并對中性點電位起到鉗制作用。一方面，由于±500 kV富寧換流站接地極地處高原山區，雷雨大風等特殊天氣較多，而接地極設備長期不帶電且受外力破壞概率大，致使接地極故障率偏高。另一方面，由于接地極所處自然條件的限制，其人工檢查、維護工作環境惡劣，尤其是對檢測井和滲水井的定期檢查工作量大，若不能及時發現接地極地表干燥、泥土枯焦等情況，及時開展人工注水讓干旱的土壤恢復濕度，將嚴重影響接地極可靠性。因此，本文設計了一套接地極運行工況在線監測系統。系統主要由現場多功能監測終端、通信系統、后臺監控中心三部分組成。其中，現場多功能監測終端由溫濕度采集子系統和圖像采集子系統組成。

溫濕度采集子系統包含48組溫濕度傳感器，可對接地極附近下層土壤的溫濕度進行數據采集和預處理；圖像采集子系統包含2個球機攝像頭，可對接地極附近地表環境進行360°圖像采集和初步圖像處理。通信系統采用電力內網或者移動數據通信網進行通信，連接現場檢測設備和后臺監控中心的業務處理系統。后臺監控中心用于多數據融合及預警，結合接地極地表和下層土壤的環境數據進行分析，對于可能出現危險的情況進行預警提醒，并對異常提供維護建議。接地極監測系統示意圖如圖1所示。

圖1 接地極監測系統示意圖Fig.1 Schematic diagram of grounding electrode monitoring system

1.2 多傳感器融合的接地極導電預警模型

本文提出了一種多傳感器數據融合的接地極導電預警模型。根據多源信息融合理論[10]，該模型主要由數據級、特征級和決策級三部分組成。預警模型總體架構如圖2所示。

圖2 預警模型總體架構圖Fig.2 Architecture of early warning model

①數據級：首先對采集的48組濕度傳感器進行濾波和剔除異常值，并對兩個180°廣角的圖像傳感器采集的數據進行360°拼接。

②特征級：主要對采集的地下層土壤濕度原始數據進行中值濾波和均值濾波，去除噪聲和異常值，得到平穩狀態的地下土壤平均濕度特征值；更為重要的是，通過攝像頭采集的接地極附近的地貌，識別出水塘、濕地的位置并提取出輪廓，計算出相應的地表水域面積特征值。

③決策級：通過模糊推理方法和現場巡檢經驗，對地表層水域面積特征值和地下層土壤濕度值進行聯合判決，得出實時的接地極導電異常預警等級。

2 接地極地表水域面積計算模型

2.1 Canny邊緣檢測算法

Canny邊緣檢測算法[11]是一種先平滑后求導的多級圖像處理方法，也是目前應用較為廣泛的多級邊緣檢測算法。與其他邊緣檢測算法相比較，它在確保邊緣檢測精度的同時最大限度地保持了對邊緣的敏感度。該算法的具體原理步驟如下。

①圖像濾波平滑：通過高斯濾波器平滑彩色圖像，除去圖像噪聲。

g(x,y)=f(x,y)G(x,y)

(1)

式中:G(x,y)為高斯函數；f(x,y)為原圖像函數；g(x,y)為平滑后的圖像函數。

②計算圖像梯度：通過一階偏導有限差分，以及圖像卷積運算，得到平滑后圖像中每個像素點(x,y)的梯度強度和方向，具體步驟如式(2)～式(5)所示。

(2)

(3)

|

(4)

(5)

③優化梯度幅值，進行最大化抑制：通過以上得到全局梯度并不能確定邊緣，為了準確確定邊緣，需要對梯度幅值進行最大化抑制，保留梯度變換最大的點。

2.2 接地極地表水域輪廓提取及面積計算模型

通過攝像頭采集接地極附近地表的三原色(red greem blue,RGB)彩色圖像，將RGB空間轉換為色彩模型(hue saturation value,HSV)空間數據，使用HSV空間圖像進行不同顏色識別。通過地表顏色判斷地表水域所在位置并檢測其邊緣輪廓，然后計算輪廓所包圍的面積。

選取通過非極大值抑制過后的待檢測邊緣點，設置高(T1)、低(T2)閾值，將邊緣梯度值與低閾值作比較，如果小于低閾值，則判斷為不是水塘、濕地的邊緣點，將其刪除；若梯度值大于高閾值，則為強邊緣點，判斷為是真實的邊緣點，將其保留；若梯度值置于高閾值和低閾值之間，則為弱邊緣點。僅僅依靠高閾值選取的邊緣點，往往會使邊緣存在斷裂。為得到完整的邊緣，對弱邊緣點采用相鄰4鄰域的方法，判斷是否為邊緣點。若一條連通的弱邊緣上的任何一個點與強邊緣連通，則保留此邊緣；反之則抑制此邊緣，然后連接所有的真實邊緣信息，得到接地極地表水面的輪廓。

水域面積的計算通常采用的方法為用一個參考矩形包圍水塘輪廓，分別統計輪廓區域內的像素個數和參考矩形的像素個數。因為參考矩形的面積是已知的，可以通過式(6)求解面積。

(6)

式中:Nrectangle為圖像中參考矩形的像素個數;Nleaf為輪廓內像素個數；Srectangle為參考矩形的面積。

接地極地表水面輪廓提取及面積計算流程如圖3所示。

圖3 輪廓提取及面積計算流程圖Fig.3 Surface water area contour extraction and area calculation process

3 接地極導電預警多傳感器聯合判決模型

3.1 模糊推理基本原理

模糊推理[12-13]是以模糊集合論和邏輯推理為基礎的決策方法。它通過模擬專家決策過程，首先確定決策輸入輸出量的論域，然后確定隸屬度函數對輸入輸出值進行模糊化，最后根據模糊推理規則實現決策輸入量和輸出量之間的映射關系。

在模糊推理過程中，對具有單條件單輸入系統，通常使用的推理方式如下。

①條件(前提)：如果x是A1且y是B1。

②輸入(規則)：如果x是A1且y是B1，那么z是C1。

③結論：z是C1。

對于多條件多規則系統，可以理解為相應模糊規則的模糊關系的并運算。通常使用的推理方式如下。

①條件(前提)：如果x是A1且y是B1。

②輸入1(規則1)：如果x是A1且y是B1，那么z是C1。

③輸入2(規則2)：如果x是A2且y是B2，那么z是C2。

④結論：z是C1。

模糊推理的規則庫是由“If……then……”規則構成的，其數量由輸入和語言值數量共同確定，假設有2個輸入，4個語言值，則有16條規則。模糊推理可以分為輸入量模糊化、模糊規則和解模糊三個過程。模糊化是將確定值的輸入量通過隸屬度函數轉化為對應的模糊語言輸入值；模糊規則是通過一種運算法則把模糊輸入量映射到模糊輸出量；解模糊是將模糊輸出量轉化為精準的輸出量。

3.2 接地極故障預警多傳感器聯合判決模型

隸屬度函數選取三角形分布，具體如圖4所示。

圖4 隸屬度函數Fig.4 Membership function

接地極故障預警多傳感器聯合判決模型中，以下層土壤平均濕度H(%RH)和地表水面面積A(m2)為輸入，以預警情況U為輸出。通過傳感器采集的數據大小，將平均濕度H的論域設定為[0,100]；通過輪廓面積計算的大小，將面積A的論域設定為[0，200]；將輸出U的論域設定為[0,300]，2個輸入的語言值均設定為5個，分別為極高、高、中、低、極低。通過模糊推理，得到下層土壤平均濕度與地表水面面積的關系，最終推斷出預警情況和等級。

通過現場巡檢人員的工程實踐經驗，得到了如表1所示的預警情況模糊推理規則集。表1中：N為正常情況；P為預警情況；O，S，M，B，K為兩種情況下的遞增程度。當輸出屬于N類時，無論程度如何，預警等級輸出為“正常”；當輸出為“PO、PS、PM、PB、PK”，分別對應“藍色預警、藍色預警、黃色預警、橙色預警、紅色預警”。

表1 預警情況模糊推理規則Tab.1 Fuzzy inference rules for early warning

4 試驗及結果分析

本文在計算機基礎上，使用Vs2012+opencv2.4.13實現對接地極地表水塘、濕地輪廓提取和面積計算。輪廓提取和面積計算結果如圖5所示。

圖5 輪廓提取和面積計算結果圖Fig.5 Contour extraction and area calculation results

對多傳感器采集的下層土壤濕度與接地極地表水面面積數據進行模糊推理聯合判斷，其地表水域面積隸屬等級，下層土壤濕度隸屬等級及接地極導電預警情況如表2所示。從試驗結果分析可知，通過圖像處理技術，能夠很準確地提取到接地極地表水塘、濕地的輪廓并計算面積。結合模糊推理，對接地極下層土壤平均濕度與地表水面面積作出聯合判斷，導出預警等級，工作人員根據不同的預警等級確定相應的解決方案，極大地增加了接地極安全在線監測的及時性和可靠性。

表2 接地極導電預警情況Tab.2 Earth electrode conduction warning

5 結束語

本文提出了一種多傳感器融合的高壓直流輸電線接地極導電預警模型。該模型融合了地下層的多個濕度傳感器數據以及地表層的圖像數據，基于Canny圖像邊緣檢測算法實現了對地表層土壤濕度的檢測，并通過模糊推理方法實現了對接地極導電異常的定性預警。通過文山±500 kV富寧換流站接地極監測數據的仿真分析，結果表明本文提出的預警模型具有易于工程實現、實時性好等優點。