基于無人機搭載激光雷達的輸電線路智能巡檢研究

馮迎春，李敏

(國網(wǎng)山東省電力公司檢修公司, 山東，濟南 250118)

0 引言

近年來，高壓與遠距離電力輸送線路顯著增加，為保障線路安全需要定期巡檢線路，快速找到缺陷問題[1]，避免出現(xiàn)事故。傳統(tǒng)的人工巡檢方法依賴于工作人員利用交通工具或步行，完成線路巡檢，這種方法工作強度較大、環(huán)境艱苦且效率低。針對這些問題吳立遠等[2]針對線路巡檢需求，利用無人機搭載紅外傳感器，完成線路巡檢，增強線路巡檢自動化水平；王曉東等[3]利用北斗/GPS組合方法，完成線路巡檢任務，定位線路缺陷位置；李振宇等[4]利用計算機視覺系統(tǒng)，識別線路的桿塔于絕緣子串等設備，完成線路巡檢；上述方法可提升巡檢效率，避免出現(xiàn)工作人員受傷情況，但巡檢精度較低，無法準確獲取輸電線路至地物間的距離。無人機技術為線路巡檢開辟新天地，具有安全性高、效率快等優(yōu)勢，在地理條件方面也沒有局限性[5]，即便是惡劣環(huán)境(地震與洪水等)也能夠完成線路巡檢任務；激光雷達屬于探測技術，具備一定的主動性，求解激光發(fā)射至返回時間，即所測區(qū)域的精準距離[6]，為線路巡檢提供精準的數(shù)據(jù)支持。為提升輸電線路巡檢效果，研究基于無人機搭載激光雷達的輸電線路智能巡檢方法，及時發(fā)現(xiàn)線路缺陷，確保穩(wěn)定供電。

1 無人機搭載激光雷達的輸電線路智能巡檢方法

基于無人機搭載激光雷達的輸電線路智能巡檢方法包括2個部分，分別是數(shù)據(jù)采集與處理。前者包含點云數(shù)據(jù)管理、預處理、特征識別與輸電線路巡檢4部分。該方法的框圖如圖1所示。

具體步驟如下。

(1) 以無人機搭載激光雷達的方式采集輸電線路的相關數(shù)據(jù)。

(2) 通過構建點云金字塔，分檔管理點云數(shù)據(jù)。

圖1 輸電線路智能巡檢方法的框圖

(3) 預處理點云數(shù)據(jù)，去掉粗差點，均勻化抽稀點云數(shù)據(jù)，提升點云數(shù)據(jù)渲染和分析效果。

(4) 點云數(shù)據(jù)分類，通過分析局部維度與多尺度點云數(shù)據(jù)特征，設計多尺度分類器，實現(xiàn)點云數(shù)據(jù)自動分類。

(5) 根據(jù)點云數(shù)據(jù)分類結果，分析輸電線路的當前工況、最大工況與導線風偏角，完成輸電線路智能巡檢。

1.1 點云數(shù)據(jù)管理

通過塑造點云金字塔管理點云數(shù)據(jù)，提升龐大的點云數(shù)據(jù)智能存儲和調用效果，則點云數(shù)據(jù)管理的具體步驟如下。

(1) 得到無人機搭載激光雷達采集的點云數(shù)據(jù)二維邊界，就是點云坐標的最大與最小值。

(2) 為首層單位瓦片設置固定尺寸、附近層間的抽稀因子、點云抽稀方法。

(3) 整合二維邊界與設值參數(shù)，求解獲取金字塔全部結構參數(shù)，存儲于金字塔配置文件內(nèi)。

(4) 按照每層瓦片的二維邊界區(qū)域，從下至上依次抽稀分配原始數(shù)據(jù)到每層中每個瓦片內(nèi)，金字塔最下層的數(shù)據(jù)為無人機搭載激光雷達所采集的數(shù)據(jù)，通過第i層數(shù)據(jù)抽稀獲取第i+1(i>0)層數(shù)據(jù)。

塑造完成后，按照數(shù)據(jù)請求的分辨率，得到最優(yōu)的點云金字塔層數(shù)n；按照數(shù)據(jù)請求區(qū)域，設置第n層金字塔內(nèi)需讀取瓦片的索引區(qū)域，求解數(shù)據(jù)請求區(qū)域的二維邊界，融合該邊界和瓦片結構，獲取重疊部分的瓦片，讀取重疊面積為100%的瓦片數(shù)據(jù)，重疊面積低于100%的瓦片需選擇位于請求區(qū)域中的數(shù)據(jù)；按照桿塔位置分割鄰近桿塔與其2個塔間的數(shù)據(jù)，使其歸為一個數(shù)據(jù)集。

1.2 點云數(shù)據(jù)預處理

通過高程插值法剔除點云數(shù)據(jù)的粗差，通過某點附近的點內(nèi)插獲取該點的高程，再得到內(nèi)插獲取的高程與該點高程間的差值，若該差值超過預設數(shù)值，則剔除[7]，反之，則保留。剔除粗差后對點云數(shù)據(jù)展開均勻化點云抽稀，提升點云數(shù)據(jù)分析效果，步驟如下。

(1) 塑造八叉樹數(shù)據(jù)結構，其作用是存儲剔除粗差后點云數(shù)據(jù)內(nèi)點屬性序列。

(2) 瀏覽全部點云，依據(jù)八叉樹子節(jié)點附近邊界處理各點，展開分組。

(3) 去掉未被分配的子節(jié)點。

(4) 存儲各子節(jié)點內(nèi)1/N個點，將其當成處理后的激光點。

(5) 將存儲的點當成抽稀后點云，刪除原始點云。

1.3 點云數(shù)據(jù)分類

通過分析輸電線路局部維度與多尺度點云數(shù)據(jù)特征，設計多尺度分類器，利用該分類器自動搜索最優(yōu)尺度組合，完成植被、桿塔與線路本體等精準分類，線路本體包含絕緣子與跳線等微小部件。

1.3.1 多尺度特征

令預處理后的點云數(shù)據(jù)集是M，坐標是Poi=(xi,yi,zi),i=1,2,…,N，圓心是O，尺度是R，令R為球直徑。M內(nèi)各點周圍球均參加R下的求解，利用主成分分析、計算獲取的特征值是ti,i=1,2,3，t1≥t2≥t3，通過ti獲取方差比例是Pi=ti/(t1+t2+t3)。Pi確定R下一至三維點云數(shù)量。設置NR個尺度，M內(nèi)各點的特征向量存在|NR|個對應值，向量NR代表多尺度下局部點云維度特征。通過大尺度下周圍點特征值彌補缺失點云幾何特征，得到M內(nèi)均勻的多尺度維度特征[8]。

1.3.2 設計多尺度分類器

利用一條直線或一個平面劃分M，表達為

f(x)=ω·x+b

(1)

其中，ω、x為向量,b為實數(shù)。

在x維度是2情況下，f(x)的空間為二維，此時，f(x)為直線；在x維度是3情況下，f(x)的空間為三維，此時，f(x)為平面；在x維度超過3情況下，f(x)的空間為n維，此時，f(x)為n-1維超平面。

在NR個尺度下的點云為(xi,yi),i=1,2,…,NR，維空間點集是x∈Rd；類別標號是y，其作用是通過標注點云集劃分植被、桿塔與線路本體等類別。利用式(2)將M線性劃分成2類。

ω·x+b=0

(2)

最優(yōu)分類超平面約束條件為

yi(ω·xi+b)>1

(3)

(4)

其中，xi為支持向量,α為Lagrange乘子i。

計算ω與b偏導數(shù)是0情況下的最優(yōu)解，獲取點云數(shù)據(jù)集是M的多尺度最優(yōu)分類函數(shù)為

(5)

其中，b*為分類閾值。

利用邏輯函數(shù)預估樣本至超平面的距離d的置信度，具體為

p(d)=q/(1+exp(-ad))

(6)

在超平面中投影M，求解各點至超平面的d=ωT·x-b。獲取d1與d2，令兩者在兩個方向上正交，二維平面的最大可分離坐標是(d1,d2)。通過在平面中自動生成一條直線[9]，完成植被、桿塔與線路本體等精準分類。

1.4 輸電線路智能巡檢

依據(jù)1.3小節(jié)的點云數(shù)據(jù)分類結果，分析輸電線路的當前工況、最大工況與導線風偏角，完成輸電線路智能巡檢。按照點云數(shù)據(jù)分類結果分析輸電線路當前工況，包含快速分析與精細分析[10-12]。前者主要針對線路的緊急與重大缺陷的安全距離巡檢；后者主要針對中等、緊急與重大的安全距離巡檢。按照點云數(shù)據(jù)分類結果，結合線路臺賬與氣象等信息，完成線路在最高氣溫與最大風速等情形下最大工況線路安全巡檢。依據(jù)點云數(shù)據(jù)分類結果，檔距中最大的導線風偏角ζ為

(7)

其中，g1是導線自重比載，g4是風比載。

令導線直徑是D，g4的計算公式如下：

g4=W0Dαμscμzμθ

(8)

其中，μθ是風力影響下的風壓變更系數(shù)，a、μz是風壓非均勻及高度變更系數(shù)，μsc是電線形態(tài)系數(shù)，W0是風壓標準。

W0的計算公式如下：

W0=1/2ρairV2

(9)

其中，V是風速,ρair是空氣密度。

μz的計算公式如下：

(10)

其中，ρG是地表非光滑程度，z是線路至地面的距離，z0是基準距地高度。

μθ的計算公式如下：

μθ=|sin(φ-φ0)|

(11)

其中，φ、φ0是正北方向和風向及線路的夾角。

通過上述公式依據(jù)點云數(shù)據(jù)分類結果完成導線風偏巡檢。

2 仿真實驗

2.1 實驗對象

通過六翼無人機搭載LDLRS3100激光雷達采集某地區(qū)輸電線路的點云數(shù)據(jù)，LDLRS3100激光雷達的掃描頻率是540 kHz，重量11 kg，測距范圍360 m，視場角330°。實驗中無人機的飛行速度是25 km/h，高度140 m，距離25 km，時間1 h。該地區(qū)桿塔數(shù)量為71個，其中直線塔數(shù)量為56個，耐張塔數(shù)量為15個，檔數(shù)70個，平均檔距448.819 m。

2.2 實驗流程

利用本文方法采集該地區(qū)輸電線路的點云數(shù)據(jù)，并構建7層金字塔，部分輸電線路的第7層點云效果如圖2所示。分檔處理后點云數(shù)據(jù)和桿塔疊加效果如圖3所示。

圖2 輸電線路點云效果

預處理每檔數(shù)據(jù)后，精準分類點云數(shù)據(jù)，分類結果如圖4所示。按照點云數(shù)據(jù)精準分類結果，分析輸電線路當前工況、最大工況與導線風偏，完成智能巡檢。

圖4 點云數(shù)據(jù)精準分類結果

隨機選取該地區(qū)內(nèi)10個檔數(shù)的輸電線路，利用本文方法巡檢這10個檔數(shù)輸電線路的當前工況與最大工況，這部分輸電線路的標稱電壓為500 kV。在正常情況下，本文方法獲取當前工況的凈空距離與垂直距離巡檢結果如圖5所示。在最高氣溫temperaturehighest、最大風速speedmax、最大覆冰厚度icemax3種條件下，利用本文方法獲取該部分輸電線路最大工況的缺陷半徑巡檢結果如圖6所示。當缺陷半徑超過30 m時，屬于重大缺陷；當缺陷半徑低于30 m超過15 m，屬于緊急缺陷；當缺陷半徑低于15 m超過0 m，屬于一般缺陷。

圖5 當前工況巡檢結果

圖6 最大工況巡檢結果

根據(jù)圖5與圖6可知，本文方法可有效獲取輸電線路當前工況的垂直與凈空距離，完成當前工況智能巡檢，本文方法的垂直、凈空距離與標準垂直、凈空距離，僅有檔數(shù)3、5、7、10的垂直、凈空距離符合規(guī)范距離，其余檔數(shù)的垂直、凈空距離均低于規(guī)范距離，說明這些檔數(shù)間的輸電線路已低于安全距離，存在距離缺陷，需及時采取相關措施進行調整，避免出現(xiàn)重大安全事故。本文方法可有效獲取不同條件時輸電線路最大工況的缺陷半徑。在不同條件下本文方法獲取的缺陷半徑與實際缺陷半徑差距較小，說明本文方法獲取最大工況的缺陷半徑精度較高。在不同檔數(shù)時，最大工況的缺陷半徑與垂直、凈空距離走勢基本相同。當垂直、凈空距離超出標準距離較多時，輸電線路的缺陷半徑較大。在temperaturehighest時存在重大缺陷的檔數(shù)為1，存在緊急缺陷的檔數(shù)為2、4、6、9，存在一般缺陷的檔數(shù)為8；在speedmax時存在重大缺陷的檔數(shù)為1、2，存在緊急缺陷的檔數(shù)為4、6、8、9；在icemax時存在重大缺陷的檔數(shù)為1、2、6，存在緊急缺陷的檔數(shù)為4、8、9；存在一般缺陷的檔數(shù)為5；綜合分析可知，在最大工況時，檔數(shù)1、2、6存在重大缺陷，需要率先維修，其次為檔數(shù)4、6、8、9，最后為檔數(shù)5；工作人員依據(jù)巡檢結果，按照缺陷的等級按順序維修輸電線路，避免出現(xiàn)安全事故，提升供電的穩(wěn)定性。

在該地區(qū)隨機選取一個桿塔，分析桿塔在不同風荷載時的導線風偏角，完成導線風偏角智能巡檢，結果如圖7所示。根據(jù)圖7可知，在不同風載荷時，風速增長，導線風偏角均隨之擴大，在穩(wěn)定風時，風速低于2 m/s時導線風偏角未出現(xiàn)改變，風速超過2 m/s后，導線風偏角穩(wěn)定提升，與實際導線風偏角差距不大，最大差距約為0.2°；在脈動風時，風速低于1 m/s時導線風偏角未出現(xiàn)改變，風速超過1 m/s后，導線風偏角開始擴大。因為脈動風強烈，導線風偏角擺動復雜，波動幅度大，本文方法巡檢獲取的導線風偏角與實際值差距依舊較小，實驗證明，本文方法能夠精準巡檢輸電線路的導線風偏角，風速越大，導線風偏角越大。

圖7 導線風偏角巡檢結果

3 總結

利用無人機風險性低與效率高等優(yōu)勢，研究基于無人機搭載激光雷達的輸電線路智能巡檢方法，分析輸電線路的當前工況、最大工況與導線風偏角，完成智能巡檢，及時發(fā)現(xiàn)輸電線路存在的各種缺陷，依據(jù)不同缺陷制定相關策略解決安全隱患，提高供電穩(wěn)定性。日后可在本文方法的基礎上引入植被生長的危險預測方法，通過預測植被生長的危險等級，進一步提升輸電線路巡檢效果，令供電安全更為穩(wěn)定。