基于無人機技術的輸電線路檢測和故障定位方法

劉德帥，李勇軍，羅得表

(廣西電網有限責任公司，廣西 南寧 530031)

0 引言

檢查電力系統輸電線路、桿塔、變壓器和其他設備,在滿足全球對可持續能源日益增長的需求方面發揮著重要作用[1]。高壓架空輸電線路是電力系統中的重要資產,需要仔細和頻繁地監測,以減少與環境、運行、動物或人類威脅相關的可能故障,并確保其正常運行。然而,由于更緊迫的優先事項、高部署成本或產業政策,監測過程往往被忽視或擱置,這給未做好準備的企業和整個社會帶來了困難[2]。在此背景下,基于自主機器人、專用系統和智能機器的機械的發展,有助于應對快速發展的電力行業中日益復雜的挑戰,確保高效、經濟和安全的維護過程[3]。

對于配電網輸電線路的故障檢測,國內外學者應用了多種檢測算法。其中,文獻[4]公開了一種基于無人機激光掃描和雷達技術的輸電線路三維建模方法,該技術通過激光掃描和雷達技術實現輸電線路故障數據信息的檢索,清晰度高,可以應用于多種場合,但實際應用需要的成本高昂。文獻[5]提出了一種基于無人機的輸電線路檢測系統,由于采用了卷積神經網絡算法進行優化,其保證無人機攝像頭視圖覆蓋率,能夠實現無人機輸電線路檢測數據信息的多角度檢測,也具有一定的技術進步性,但該攝像頭無法進行360°全景拍攝圖像信息,導致圖像處理效率偏低。為此,文獻[6]采用了基于無人機紅雙攝像頭進行實地檢測,能夠通過多種攝像頭實現不同位置和輸電線路的檢測和應用,大大提高了輸電線路三維建模和應用能力,紅外雙目攝像頭具有突出的技術優勢,但是采用傾斜攝影相機配合紅外線采集大量數據傳輸到后臺的處理系統后雖然解決了圖像處理效率問題,但系統采用K均值聚類算法(K-means Algorithm,KMA)預測精度較低、數據分類精度低,對輸電線的定位信息質量造成嚴重影響。

針對上述技術的不足,本文采用無人機搭載衛星雷達/機器視覺立體測量技術,針對檢測輸電線遇到的弧垂、樹障和交叉跨越等問題,開展輸電線路走廊巡檢的關鍵性技術研究,建立無人機機載三維巡線技術的標準化作業流程,并進行試驗區域三維數據采集與分析示范應用,完成項目研發硬件系統和軟件系統的現場測試,大大提高了輸電線路檢測和應用能力。

1 總體方案設計

基于上述技術方案,融合計算機計算技術、大數據分析技術、故障檢測技術、圖像分析技術和定位技術,能夠實現電網輸電線運行與維護過程中的數據監控、數據計算、輸電線路圖像信息處理和故障檢測等諸多功能,大大提高了輸電線路檢測能力,還引入了新型的無人機測控技術[7],大大提高了電網輸電線運行能力。電網輸電線運行與維護系統設計如圖1所示。

圖1 電網輸電線運行與維護系統設計Fig.1 Design of power transmission line operation and maintenance system

在電網輸電線運行與維護系統上,系統工作站與網絡服務器處于工作狀態(例如CPU使用率、帶寬、數據量和功耗等),并每隔一段時間將狀態信息發送到邊緣節點,每個節點中的傳輸模塊均進行數據壓縮和恢復,經處理的輸電線圖像在節點之間傳輸[8]。在電網輸電線運行與維護系統中,推理引擎組件對需要計算和存儲資源的輸電線檢測數據進行最終處理。數據傳輸的過程主要包括序列化、數據包傳輸、解析與反序列化。測繪數據流被推送到云端進行處理,信息化測繪系統在每個節點上分配數據處理,數據主體以輕量級的數據交換格式——Javascript Object Notation(JSON)字符串的格式設置,可以根據數據大小來確定數據包的范圍[9]。系統第五代移動通信技術(5G)外部網絡通信協議包括短信息服務(Short Message Service,SMS)無線網、通用分組無線業務(General Packet Radio Service,GPRS)網和光纖網,經過路由器和防火墻之后,通過各種網絡類型的前置機到達了光端機,經過交換機以及通信發送機傳遞給空中無人機,無人機收到遠程控制指令后按照規定航線進行飛行監測,通過機身自帶攝像機進行遠處拍攝,并將圖像傳輸至地面工作站中進行分析、處理和評估[10]。根據計算出的輸電線故障問題與具體位置,用戶可以將執行命令發送到電力系統內網中進行全景可視化,最終生成輸電線路故障診斷報告,并派專業的維護人員進行定點檢修[11],通過這種方式大大提高了輸電線路檢測和故障診斷能力。

2 無人機對輸電線路檢測方法

本文提出的基于電網輸電線運行與維護系統允許在網格上定位和操縱無人機,在該研究方法中,無人機使用單目攝像頭獲取輸電線路的視覺圖像,將每個圖像發送到地面工作站,估計故障位置,并將導航命令發送回無人機,以保持傳輸線各自的位置。無人機檢測輸電線路如圖2所示。

圖2 基于無人機的檢測輸電線路Fig.2 Detection of transmission lines based on UAV

圖2中,無人機位于輸電網上方,由操作員控制,外部感知信息通過安裝在無人機底部的單目攝像頭獲取。為了避免陽光直射,兩軸手持萬向節改變了攝像機的視覺點,以避免傳感器飽和[12]。輸電線路故障定位過程根據導體幾何設計計算攝像機的位置,該系統能夠存儲壓縮圖像,并將地理參考信息作為備份和對未來檢查工作的支持。無人機飛行導航策略包括2個階段[13]:電力線檢測和電氣塔檢測。但本文中無人機視覺定位系統專注于第一個目標。

在具體應用中,比如輸電線路檢測后如何定義和檢測故障,其中導線的安裝弧垂與地區電力部門規定的弧垂允許誤差不可超過±5%。樹障是通過測量樹木與線路帶電部分的距離,即樹木凈空,由此來判斷樹障的危急程度。輸電線路穿越房屋、建筑、果樹、林木和河流等物體,稱為跨越允許誤差,不可超過±8%,通過這種方法能夠提高輸電線路檢測和故障診斷能力。

因此,當無人機靠近電氣塔時,系統將被禁用,切換到手動模式,最高速度為75 km/h。然而,本文將速度限制為25 km/h,以增加電力線檢測的概率并減少模糊效果。無人機的自主飛行時間為30 min。如果無人機檢測到電池電量低,車輛將在2種飛行模式之間進行選擇:著陸(嘗試使無人機直線下降)或返回發射(無人機從當前位置導航到初始位置上方懸停),具體取決于到起點的距離[14-15]。關于無人機中嵌入式控制器和圖像處理器內部的總體電路如圖3所示。

圖3中,部署的無人機有一個飛行控制器(Erle Brain 2型,配備900 MHz四核ARM Cortex-A7 CPU核心處理器),該控制器有一個飛行控制單元(提供基本飛行控制的計算機)和一個配套計算機(負責圖像處理和圖像廣播的計算系統)。此外,控制器具有慣性測量單元、集成高度表和嵌入式卡爾曼濾波器,用于處理信號。無人機還有一個絕對誤差為1 m的全球衛星導航天線。使用SJ4000 Turnigy HD ActionCam型號[16]1080P全高清攝像機采集視覺數據,在監測模式下可視攝像頭分辨率為1 920 pixel×1 080 pixel。監測提取的輸電線路信息存儲在16 GB的內部存儲器中,并以數據包的形式定期發送到配套計算機,以防止出現問題。為了執行這一過程,無人機配備了基于發射機/接收機(433 MHz)和用于遙測操作的無線連接的通信系統,以及用于圖像傳輸的發射機/接收機(5.8 GHz)[17]。

下面介紹擬定基于無人機技術的輸電線路檢測和故障定位方法,主要包括3個階段:圖像預處理、傳輸線檢測和無人機空間定位。擬定方法的具體過程如圖4所示。

圖4 擬定方法的具體過程Fig.4 Specific process of developing the method

圖4中,首先是無人機拍攝到的輸電線路圖像預處理階段,攝像鏡頭畸變和噪聲直接干擾采集的圖像,降低輸電線路的故障定位效率。傳統的攝像機標定方法估計內外參數和失真系數,而本文提出的數字信號處理算法降低了噪聲,糾正了圖像缺陷,消除了模糊失真,保證了輸電線路的檢測[18]。另一方面,每個預處理的輸電線路圖像都有幾個與傳輸網格無關的額外對象。必須衰減或移除場景中的這些對象,否則,系統必須增強與傳輸線相關的像素,以將三相傳輸線與圖像背景隔離。為了實現這一目標,圖像將接受各向異性高斯濾波,這將改善傳輸線的紋理質量,并刪除不相關的數據,而不考慮線在圖像中的位置及其長度和斜率[19]。

濾波器組包括一個邊緣濾波器,在6、12或24個方向,根據計算時間和圖像大小選擇方向。使用索貝爾檢測器對每個濾波過程中輸入的原始輸電線路圖像進行濾波,以增強邊緣效應,并將其編碼為二值化版本。該系統提供了一個帶有6、12或24個二值化圖像的張量,輸電網中的固定模式,主要是在其輸電線上,是對稱幾何設計。該系統在每個二值化圖像中查找與導體具有類似特征的圖案,在這項工作中,無人機使用近似直線的導體飛越輸電網,沒有中斷,霍夫(Hough)變換函數可以成功地解決這一問題,因為該方法可以識別二值化圖像中存在高概率找到直線的部分。

Hough變換將一條直線定義為一組共線點,將所有檢測節點映射到正弦函數的函數空間,由下式定義[20]:

f:(x,y)→p=xcos(θ)+ysin(θ),

(1)

式中:(x,y)表示特征點位置,p和θ分別表示輸電線與坐標中心的垂直距離以及該直線法線與X軸之間的角度。

式(1)為Hough變換的理論研究,其中不同參數的應用過程取決于輸電線與坐標中心的垂直距離以及該直線法線與X軸之間的角度,在設置時,忽略了關鍵性影響因素,保留主要因素。在這種情況下,該算法返回至輸電線數據集,其中包含滿足與每個二值化圖像的傳輸網格幾何設計相關的所有輸電線,然后使用模糊C均值算法合并與同一直線相關的所有測量值。

3 無人機對輸電線路故障定位方法

輸電線路檢測使用幾何設計和均勻性在每個圖像中建立坐標軸。在這一階段,目的是找到一組具有3條或3條以上的直線,以滿足傳輸線的平行度和等距離。使用Hough變換提供的參數p和tan(θ),但是地形起伏和相機傾斜會干擾等距線識別過程,本文設計了無人機使用圖像正射校正技術。圖像正射校正過程如圖5所示。

圖5 圖像正射校正過程Fig.5 Image orthographic correction process

圖5中,γ是相機圍繞X軸的拔模角度,Ψ表示無人機視野,d1和d2分別表示中心輸電線路和左右兩側輸電線路之間測量的扭曲距離,d′1和d′2分別表示當相機平面與輸電線路平面平行時,中心輸電線路和左右兩側輸電線路之間測量的真實距離。

輸電線路圖像正射校正過程利用不同角度和已知距離之間的幾何關系校正不利影響,其中每個參數之間的關系描述如下[21]:

(2)

式中:h表示無人機距離輸電線參照高度,α1和α2表示輸電線實點和焦點之間的角度。

式(2)中,設置數據信息時,在輸電線路圖像正射校正過程中,通過利用不同角度和已知距離之間的幾何關系校正,實現不同數據信息參數設置。

無人機在輸電線路的參照高度h處采集多幅圖像,將每幅圖像進行特征點提取,并在圖像中直接測量其之間的距離,便于接下來的基于視覺數據的故障定位[22]。通過應用將測量距離、參考距離和參考高度與相機高度關聯的反向線性函數來確定真實高度H,其定義式為[23]:

(3)

式中:D為輸電線路圖像中以像素為單位的參考距離。在離線模式下,建立參考坐標軸,可以計算相機相對于中心輸電線的估計位置,即:

綜上所述,通過測量定位參數確定無人機的具體位置與輸電線之間的上下關系,采用該研究設計的無人機故障定位方法可在不同天氣下正常運行,滿足了實際應用的需求。在具體應用中,上述各個變量在獲取時,通過理論設置和角度測量,為理論上的參數設置,數據信息獲取通過不同參數數據采集模塊實現。

4 實驗與分析

為了檢測基于無人機技術的輸電線路檢測和故障定位方法的可行性與有效性,進行實例測試。首先,采用Matlab仿真軟件搭建實驗平臺,搭建過程中將線路綜合監測數據信息、線路狀況分析信息和決策分析與支持作為底層數據,通過數據庫以及交換機傳遞該數據信息。實驗架構[25]如圖6所示。

圖6 實驗架構Fig.6 Experimental architecture

圖6的模擬設計中,上層管理中心接收上層數據信息的模擬數據信息,通過數據庫服務器存儲這些數據信息,并將這些數據信息進行仿真與管理,大大提高了數據信息的計算、監控能力。本次實驗采用的實驗數據為故障檢測裝置對郊外多個輸電線塔中間段輸電線路運行狀態進行的檢測,得到2022年1—3月輸電線路運行的數據情況。輸電線路實驗數據如表1所示。

表1 輸電線路實驗數據Tab.1 Experimental data of transmission lines

表1描述了不同路段的輸電線路額定電壓、安全輸送電流等參數,將上述實驗數據作為實驗數據庫,接著進行實驗操作。首先對輸電線路圖像噪聲過濾處理的有效性進行測試,有效性指標是指在規定檢測時間9:00—18:00對#3段輸電線路進行檢測,在Matlab仿真軟件中,構建參數數據信息模型,然后將不同的參數代入到數據信息模型,通過Matlab仿真軟件搭建輸電線路,其將線路綜合監測數據信息、線路狀況分析信息和決策分析與支持都輸入到數據模型中,仿真過程是通過將不同的數據信息從數據庫服務器提取出來,進而對這些數據信息進行存儲,通過圖像去模糊、Hough變換、正射影像校正、估計距離和輸電線檢測等多種方法處理。

采用文獻[4]方法與本文方法得到不同的圖像信息參數,文獻[4]方法為利用相模變換把三相電路中互相耦合的向量轉換成獨立量,進而獲取對應的電流模行波速度和引起短路故障的電流模,完成故障行波的生成以及行波速度分析。通過過濾得到噪聲波動變化,通過Matlab軟件進行仿真得到對比示例,文獻[4]方法仿真結果示意如圖7所示。

圖7 文獻[4]方法仿真結果示意Fig.7 Schematic diagram of simulation results of the method in reference [4]

在仿真過程中,將分析的時間、監測數據信息、線路狀況、波峰和幅度等反映線路綜合監測數據信息、線路狀況分析信息和決策分析數據等不同的數據信息作為輸入數據信息,然后通過文獻[4]仿真結果示意,構建相模變換模型,將三相電路中互相耦合的向量轉換成獨立量,進而獲取對應的電流模行波速度和引起短路故障的電流模,實現故障行波的生成以及行波速度分析。再根據戴維南定理對構建的等效電路圖進行計算,通過拉普拉斯對等效電路實現電路換算,進而實現了輸電線路故障智能定位。由圖7可以看出,三維圖像在不同函數曲線中處于起伏狀態比較明顯,得到圖像噪聲變化表現不平坦,圖像處理不平滑,這是因為架空輸電線路故障能力差,圖像預處理效果不好,傳輸線檢測和無人機空間定位能力不好。

通過在電網輸電線運行與維護系統時,系統工作站與網絡服務器可以對系統的工作狀態具有一定的技術意義,在輸電線路檢測時,每個節點中的傳輸模塊均可以進行數據壓縮和恢復,大大提高了數據信息處理能力和應用能力。因此,該方法雖然實現了輸電線路故障智能定位,但是圖像處理效果較差。實驗結果表明,所提方法能夠提高定位效率和圖像處理能力。本文研究方法的仿真圖如圖8所示。

圖8 本文研究方法的仿真圖Fig.8 Simulation diagram of the research method

在圖8中,波峰、幅度可以通過不同圖像處理算法函數代入得出,時間表示圖像噪聲矩陣函數,Matlab三維圖像在不同函數曲線中處于起伏狀態,在仿真過程中,將輸電線路檢測到的數據信息輸入到仿真圖中,比如輸電線路段、型號、額定電壓、安全電流、直流電阻、無人機距離輸電線參照高度、輸電線實點和焦點之間的角度、拔模角度、無人機視野、中心輸電線路和左右兩側輸電線路之間測量的扭曲距離、加權平均值、測量度方差和空間位置測量值等多種反映輸電線路正常工作的參數數據信息導入到式(1)～式(8)中,在Matlab仿真軟件中計算上述數據信息,將反映該上述仿真結果的關鍵數據信息進行仿真。

圖7和圖8可以證明,本文方法得到的圖像噪聲變化比較平坦,圖像處理看起來比較平滑,這說明通過該方法進行圖像預處理、傳輸線檢測和無人機空間定位后架空輸電線路故障能力處理較好,圖像預處理效果好。使用Sobel檢測器對每個濾波過程中輸入的原始輸電線路圖像進行濾波,以增強邊緣效應,體現了其優質的圖像過濾處理性能。

通過將本文系統所用算法與文獻[5]采用的卷積神經網絡優化YOLOv3模型和文獻[6]K-means聚類算法進行性能比較,采用平均精度O作為評價指標。實驗進行模型訓練時采用以10張圖像為一個訓練批次,已知當進行20 h的訓練后,其損失函數不再下降。利用這3種方法對2 GB的輸電線路圖像進行計算故障定位,進行6次實驗的平均精度結果如表2所示。

表2 不同算法的平均精度Tab.2 Average accuracy of different algorithms

從表2可以看出,多次試驗算法得到平均精度不同,無法清楚地看出優劣。為此,該研究將實驗結果輸入至仿真軟件中,得到實驗結果對比如圖9所示。

圖9 實驗結果對比Fig.9 Comparison of experimental results

由圖9可知,本文方法在進行輸電線路運行故障定位的準確性測試時,故障定位的準確性均在90%以上,在第2次實驗時達到99.5%,遠遠高于其他2種定位算法,體現了本文算法的適用性。通過上述驗證,說明本文方法具有一定的技術意義。

5 結束語

軌道交通是目前人們出行的重要交通工具之一,其故障定位效果直接影響到人們的正常出行與人身安全。本文采用無人機搭載衛星雷達/機器視覺立體測量技術,針對檢測輸電線遇到的弧垂、樹障和交叉跨越等問題,開展輸電線路走廊巡檢的關鍵性技術研究,建立無人機機載三維巡線技術的標準化作業流程,并進行試驗區域三維數據采集與分析示范應用,完成項目研發硬件系統和軟件系統的現場測試。采用在線定位技術不但可以提升故障的定位精度,還可以降低由于離線定位造成的無人機供電系統損傷問題的發生。但在測試中發現,本文方法在進行圖像信息傳輸時存在一定的延遲,未來會深入研究出現該問題的原因。