基于計算機視覺的電網輸變配環節配電線路巡檢系統

潘德泰，李貴亮，何啟遠，祁鳴露，陳其超，吳川彬

（1.海南電網有限責任公司信息通信分公司，海南 海口 570000；2.海南電網有限責任公司，海南海口 571000）

當前，我國電力系統中的配電線路數據量巨大且不完整。為了保證配電網絡的正常運轉，配電網絡的運營人員必須每月對配電網絡設備進行定期的檢修和保養。人工巡檢統計的數據不準確且效率較低，因此需要對巡檢方法進行了深入的研究。文獻[1]提出了基于改進雙流法的巡檢方法，構建了巡檢行為數據集，提取數據集的空間流和時間流特征，通過對特征加權融合，獲取巡檢結果；文獻[2]提出考慮時變故障率的巡檢策略，以效益函數為綜合指標，構建巡檢策略模型。結合蒙特卡羅仿真方法獲取巡檢結果。然而，上述方法是針對某一項內容監測的，很難在復雜背景下進行精準巡檢，導致電力系統誤報率較高。為此，提出了基于計算機視覺的電網輸變配環節配電線路巡檢系統。

1 系統硬件結構設計

該系統的主要功能是通過無人機獲取配電線路的圖像數據，然后通過計算機視覺技術來分析電網輸變配環節的運行狀態，判斷是否存在異常，并將其上報給相關工作人員[3]。基于計算機視覺的電網輸變配環節配電線路巡檢系統，硬件結構如圖1 所示。

圖1 系統硬件結構

由圖1 可知，該結構具有良好的人機交互能力，是一個良好的可視和開放平臺，為大系統的集成提供了良好環境。

1.1 圖像處理模塊

電網輸變配環節數據采集與處理是整個監控系統的核心，該系統主要負責配電網巡檢線路、電器信息的采集，并利用無線網絡進行數據傳送[4]。圖像處理模塊包括兩大部分：數據采集與處理。數據采集部分主要負責系統的視頻圖像、環境溫度、濕度、雨量、pH 值、腐蝕性氣體等多種信息的采集；數據處理部分主要負責將采集的數據轉化為圖像形式[5-7]。每個感應器將采集到的信息發送到一個數據集中器，然后由一個數據集中器將其統一傳輸到服務器上。傳感器與數據集中器通過無線頻率通信傳輸數據，數據集中器訪問并通過交換機傳輸到服務器[8]。

1.2 人機交互模塊

人機交互模塊是由系統向工作人員提供的外部接口，工作人員可以遠程預覽圖像，實時查看配線線路運行情況，相當于工作人員在資料庫中通過人機交互模塊間接配置數據庫中的數據[9-10]。人機交互結構，如圖2 所示。

圖2 人機交互結構

由圖2 可知，人機交互采用了雙口RAM 和2 個CPU 結構，在保證人機交互實時性的基礎上，大大增強人機交互的可擴展性。人機交互采用的液晶屏TFT-LCD 具有多根數據線，與處理器數據總線連接，具有高解析度，能夠滿足人機交互顯示需求。

1.3 交換機

交換機可以在子網中為更多的計算機提供連接端口，交換機在數據幀中創建相應于交換端口的地址，寫入MAC 地址。比較目標MAC 地址和建立的MAC地址表來確定發送端口[11]。如果數據幀中的MAC 地址不在MAC 地址表中，則會被發送到各個端口。

2 系統軟件部分設計

將計算機視覺技術引入到電網輸變配環節配電線路巡檢過程中，用于檢測配電線路故障情況，從而實現對配電線路的故障識別。計算機視覺注意機制模型，如圖3 所示。

圖3 計算機視覺注意機制模型

由圖3 可知，根據構建的計算機視覺注意機制模型，通過配電線路邊緣提取、圖像灰度化處理和邊緣梯度擬合，獲取巡檢結果。

2.1 配電線路邊緣提取

霍夫變換是一種有效的檢測圖像幾何形狀的方法，霍夫變換的基本原理是在初始空間中，利用直線與點的對偶關系，將曲線在參數空間中轉化為一個點[12-13]。如圖4 所示為點和線之間的對偶性。

圖4 點和線之間的對偶性

由圖4 可知，該圖的左、右是點和直線的對偶，左邊的兩個點P1、P2等效于右邊的L1、L2，其中P0為L1和L2的交點。把初始空間的一個點轉化成右邊坐標系統之中，之后兩條線的交點為檢測的直線，即為提取的邊緣線。

2.2 圖像灰度化處理

為了準確地識別配電線路，必須盡可能突出配電線路目標，對圖像進行灰度處理。

采集到的航拍圖像是RGB 彩色空間圖像，RGB數值在0～255 之間。所謂的“灰度”，就是把RGB 的圖像轉化為黑白圖像。由于所獲得的圖像是8 位灰度圖，與單純的黑白影像有很大區別，其灰度數有256 個等級[15]。因此，灰度值也表示為亮度值：0 最暗，255 最亮。采用加權方法將原圖中像素值轉換為灰度空間灰度參數，公式為：

式中，α、β、γ分別表示紅、綠、藍三種色彩轉換成灰色的參數值；Ri,j、Gi,j、Bi,j分別表示原圖中坐標的像素值。

通過該函數可將航拍圖像從彩色圖像轉換為灰色圖像，傳輸線在灰化后明顯地突出，可作為正確輸入數據被后續邊緣梯度擬合使用[16]。

2.3 邊緣梯度擬合

在一般圖像處理過程中，所得到的梯度與邊緣擬合梯度不同。梯度反映了圖像像素點的變化，可描述為：

式中，g(x,y) 表示在(x,y) 位置上的像素點值。假設待處理圖像只包含0、1 像素，其中0 為背景，1 為線路邊緣，將像素點為1 的像素擬合成一條直線，求取擬合后的斜率，即為所求的梯度。

梯度幅值如下所示：

擬合后的斜率，如下所示：

以式（4）計算結果為故障判斷依據，當θ＞1 時，則說明該區域為白色像素，即該區域的巡檢結果為懸掛臟物故障；當0 ＜θ≤1 時，則說明該區域為黑色像素，即該區域的巡檢結果為掉串故障。

3 實驗

以某市電力局歷史數據庫內容為例，對基于計算機視覺的電網輸變配環節配電線路巡檢系統的實現和運行進行分析。

3.1 配電線掉串故障識別

掉串故障是因為絕緣子串脫落后，配電線路不穩定，使線路絕緣，造成了線路的永久性接地故障。

從某市電力局歷史數據庫目錄為#A1-1 內容中，提取了如圖5 所示的示例圖。

圖5 掉串示例圖

由圖5 可知，絕緣子串被雷擊后，鋼腳從鋼帽中分離出來，使絕緣子掉串。

3.2 配電線懸掛臟物故障識別

懸掛臟物故障是因為異物懸掛在線路外部，當發生這種故障情況時，導致異物附著在配電線路上。

從某市電力局歷史數據庫目錄為#C3-5 內容中，提取了如圖6 所示的示例圖。

圖6 懸掛臟物示例圖

由圖6 可知，配電線路上垃圾在風的作用下懸掛在線路上。

3.3 實驗結果與分析

根據實際上述故障情況，分別使用基于改進雙流法的巡檢方法、考慮時變故障率的巡檢策略和該文設計的基于計算機視覺的巡檢系統，對比分析兩種故障巡檢結果。三種方法配電線掉串故障巡檢結果，如表1所示。

表1 三種方法配電線掉串故障巡檢結果

由表1 可知，使用基于改進雙流法的巡檢方法，沒有檢查出全部掉串坐標，且掉串坐標巡檢結果與實際數據均存在誤差；使用考慮時變故障率的巡檢策略，掉串坐標巡檢結果與實際數據均存在誤差；使用基于計算機視覺的巡檢系統，掉串坐標巡檢結果與實際數據部分存在誤差。由此可知，使用基于計算機視覺的巡檢系統掉串巡檢結果與實際結果更接近。三種方法配電線懸掛臟物故障巡檢結果，如圖7 所示。

圖7 三種方法巡檢懸掛臟物故障

由圖7 可知，使用基于計算機視覺的巡檢系統，獲取的圖像比其余兩種方法更清晰。由此可知，使用基于計算機視覺的巡檢系統懸掛臟物巡檢結果更理想。

4 結束語

基于計算機視覺的電網輸變配環節配電線路巡檢系統，在對圖像進行灰度化處理后，利用霍夫直線變換提取配電線路特征，利用該特征，判定配電線路故障情況，由此完成巡檢。在后續的識別過程中，需要對圖像進一步地優化，盡可能地將所識別的散線進行拼接，使其與現實中的圖像更加吻合。