基于云計算的無人機輸電線路架空地線斷股故障修復系統

摘 要：為了有效提升輸電線路的安全性，本文設計了基于云計算的無人機輸電線路架空地線斷股故障修復系統。在硬件方面，對無人機控制器和圖像處理模塊進行了電路設計；在軟件方面，分析了地線斷股的原因，使用無人機對輸電線路進行故障定位，并建立了云計算平臺，以實現無人機輸電線路架空地線斷股故障的修復。試驗結果表明，該系統修復地線斷股所用時間更短，系統性能更優越。

關鍵詞：輸電線路；云計算；無人機影像；系統設計

中圖分類號：TM 75" " 文獻標志碼：A

由于電網、土地和檢查設備的位置限制，一些常規檢查并不能有效地發現輸電線路的隱患。因此，需要頻繁監測才能保證電力系統正常運行[1-2]。在該背景下，設計一個輸電線路架空地線斷股故障修復系統顯得非常重要。文獻[3]設計了一種輸電線路自動驗證系統。該系統利用無人機攝像機拍攝線路的圖像，并利用圖像識別方法進行線路故障的修復。但因其適用性相對較差，且K-means算法預測精度低、數據分類精度不高，嚴重影響了輸電線路信息的質量。針對上述技術的不足，本文提出了一種基于云計算的無人機輸電線路架空地線斷股故障修復系統。

1 系統設計

1.1 硬件設計思路

該無人機的飛行控制器使用的是由Erle Robotics公司開發Erle Brain 2主板，內置了900 MHz、型號為ARM Cortex-A7的核心處理器。它包括一個飛行控制單元，用于基本的飛行控制運算以及一個支持計算機系統，負責圖像處理和傳輸。此外，控制器還包括慣性測量單元、高度計和卡爾曼濾波器，用于信號處理。該無人機還配備了全球衛星導航天線，其定位誤差僅為1 m。在監控模式下，無人機通過SJ4000 Turnigy HD ActionCam 1080P攝像機采集1 920 px ×1 080 px的視覺數據。這些數據通過傳輸線路傳送，并存儲在16 GB的內部存儲器中，定期作為數據包發送至相關計算機以進行處理[4]。為了實現這一過程，無人機裝備了一個433 MHz的發射/接收器和遙測無線連接系統以及一個5 800 MHz的發射/接收圖像傳輸系統。無人機控制器和圖像處理內部電路設計如圖1所示。

1.2 軟件設計思路

1.2.1 斷股原因分析

如果左架空地線的補償偏移49.5°，那么線夾分布與地面支撐部件之間的距離將為11 mm。計算結果和圖紙顯示，一旦支線懸掛的角度gt;50.5°，地線（尤其是靠近懸掛線的部分）就可能會與鐵塔接觸。在地線修復過程中，地線絕緣子串的偏移情況如圖2所示。

地線懸垂絕緣子串風偏角如公式（1）所示。

（1）

式中：φ為系列風偏轉角；θ為線角；P1為懸掛式隔振器；P為懸垂線風壓；lH為塔架的水平距離；T為地線的縱向壓力；?為接地線和接地線的橫截面角，φ=；G1為懸浮線；W1為地線的重力；lv為塔架的垂直距離。

由公式（1）推導得出，一系列地線懸掛的理論偏差角為74°，在年度平面模式下，軀干容器的角度為38.3°（T=20 ℃，V=0 m/s）。年平均工況下的地線絕緣子串偏移如圖3所示。在年度運行條件下，使用了周期性環形循環的圓弧。分析表明，基線之間、懸浮線、塔架外角和地線制動器之間的理論距離約為141 m。然而，塔架外角地線懸架垂線上風變形角的理論計算與塔架的實際位置之間存在顯著差異。從公式（1）可以看出，θ值和T值對懸架方向的風變形角度有顯著影響。

塔的旋轉角度和水平與設計值相符。風偏轉角TZ是導致懸架隔離線方向偏離的主要原因。塔的外角側地線在不同工況下的運行參數見表1。

從圖3可以看出，地線支架斜材有2個磨損缺口。盡管地面較高，但是地面片材仍被切割得較小，這使地線支架仍然能夠安裝在塔上。繪圖計算表明，當外部轉向導線溫度較高時，根據設計參數確定接地線，懸架角度為36.8°，從最近點到地線的距離為160 mm。由于壓力升高，地線外角與本體線的距離過近，因此在風力作用下，接地線與塔材之間發生重復摩擦，使架空地線和塔材同時發熱燒損，最終導致地線斷裂。

1.2.2 使用無人機對輸電線路進行故障定位

在分析地線斷裂原因的基礎上，本文采用幾何結構方法來識別輸電線路架空地線的故障，這一步驟須確定每個圖像的坐標軸。目標是找到一個包含3條以上直線的組合，以保證傳輸線的平行和穩定[5]。使用傅里葉變換（θ）提供的P和tan參數，進行地形波動和相機體積干擾等值線的識別，本研究開發了專門用于圖像識別技術的無人機。在調整傳輸線圖像的過程中，利用不同角度和特定距離之間的幾何關系來校正不利影響。每個參數之間的關系如公式（2）所示。

（2）

式中：d1'和d2'為中心傳輸線與左右傳輸線之間測量的真實距離，其中無人機的平面和傳輸線的平面平行；d1和d2分別為無人機的視場一和視場二；γ為圍繞相機X軸投影的角度；a1和a2為實際點與傳輸線焦點之間的角度；ψ為中心傳輸線與左右傳輸線之間測量的軀干距離。

由公式（2）可知，當給定數據時，可以利用幾何關系中的不同角度和特定距離的不同數據信息參數，在校正過程中調整傳輸線[6]。無人機在傳輸線的參考高度上捕獲了多張圖像，并從每張圖像中提取關鍵點。隨后，利用后續視覺數據輔助定位誤差來直接測量這些關鍵點間的距離。為了確定H的正確高度，筆者應用了反向線函數，該函數結合了測量距離、參考距離、參考高度以及無人機的高度，計算過程如公式（3）所示。

（3）

式中：H為反向線函數；h為無人機基準距傳輸線的高度；D為傳輸線的圖像中以像素為單位的參考距離。

通過計算，可以確定外部模式中參考坐標的軸，然后計算中心傳輸線的預期無人機位置，具體計算過程如公式（4）、公式（5）所示。

（4）

（5）

式中：δ為無人機位置與坐標系X軸之間形成的夾角；a為無人機圍繞相機z軸的旋轉角度。

高斯概率密度函數與每個傳感器相關聯，具體位置如公式（6）所示。

σθ2=γσ12+γσ22 +γσ32" " " " " " " " " " " "（6）

式中：σθ2為高斯概率密度函數與傳感器之間的關聯函數；σ12、σ22、σ32分別為每個傳感器空間位置的測量值。

本文涉及的誤差定位無人機和傳輸線的上下比例是通過測量位置參數來確定的[7]。根據實際應用需要，本文提供的無人機誤差定位方法能在不同時間條件下正常工作。另外，該方法還能在特定應用中使用理論設置和角度測量來獲取相關變量，從而得到理論參數，進而實現利用無人機對輸電線路進行故障定位。

1.2.3 基于云計算的無人機輸電線路架空地線斷股故障修復

由于無人機輸電線路架空地線斷股故障修復涉及云計算技術。因此，在試驗過程中需要建立云計算平臺。本文選擇Spark云計算平臺作為執行平臺。當使用Spark分析國家電網監控數據時，需要配置Hadoop環境，并安裝Spark及其相關組件。云計算平臺的Hadoop和Spark版本分別為2.6.5和1.4.1。將文件夾“t”復制到相應verge節點上的任意云計算平臺上，并在master節點上啟動Hadoop，以驗證Hadoop環境配置是否成功。這樣可以對無人機輸電線路架空地線斷股故障進行修復，并將最終修復結果以可視化形式輸出。在光電指標計算的基礎上，筆者繪制了修復波形圖，其結果可以量化，如公式（7）所示。

（7）

式中：H（τ）為波形修復函數；ηamplitude為原始電流行波的寬度和振幅之間的比例系數；A0為波形誤差校正函數。

如果高壓輸電線路上的所有波流數據都被納入在公式計算中，那么系統就可以自動生成適當的修復波形。為了實現無人機輸電線路架空地線斷股故障的修復目標，還應該對每個測量點的數據以及儀器的波形結果進行人工校正，以保證修復的準確性。

2 試驗論證

為了驗證基于云計算的無人機輸電線路架空地線斷股故障修復系統的有效性，本文構建了一個實驗平臺，并將所提出的方法與傳統方法進行了對比試驗，具體的試驗步驟如下。

為了驗證無人機輸電線路架空地線斷股故障修復方法的可行性和有效性，筆者在某市地方政府網絡公司進行了案例研究。利用MATLAB仿真軟件搭建了實驗平臺。在試驗過程中，綜合使用了監測數據、線路狀態分析信息以及決策分析數據作為基礎數據，并通過數據庫進行數據的連接和傳輸。試驗體系的最高管理中心負責接收模擬數據，并將這些數據存儲在數據庫服務器中。通過遠程管理的方式，可以計算和分析這些數據，以模擬和管理輸電線路的運行狀態。在本試驗中，還使用了誤差檢測裝置對某市郊區中段2022年以來的數條輸電線路進行了運行狀態的檢測。所收集的數據涵蓋了2023年1—3月輸電線路的運營情況。具體的輸電線路試驗數據見表2。

表2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，筆者利用這些試驗數據建立了試驗數據庫，并在此基礎上進行了后續的試驗。目的是測試該方法對輸電線路圖像噪聲進行濾波處理的有效性。有效性指標是指在規定的檢測時間段（9：00—18：00），對#3段輸電線路進行檢測和圖像噪聲濾波處理的程度。為了進行這項研究，筆者首先在MATLAB仿真軟件中構建了一個參數數據信息模型，并將不同的參數應用于該模型。隨后，利用MATLAB仿真軟件建立了包括輸電線路綜合監測數據信息、線路狀況分析信息、決策分析數據的綜合數據模型。在仿真過程中，從數據庫服務器中提取了不同的數據信息，并進行了存儲和處理。在試驗過程中，筆者進行了3次試驗，將本文的系統與傳統方法一和傳統方法二的架空斷股地線故障修復性能進行了對比，并計算了平均修復時間。具體的試驗結果見表3。

根據表3，筆者得出結論：本文設計的系統在修復輸電線路架空地線斷股故障過程中，所需時間相對較短。與傳統方法一相比，修復時間縮短了1.53 h；與傳統方法二相比，修復時間則縮短了2.52 h。這表明本文設計的系統性能和應用價值更高。

3 結語

本文將云計算應用于輸電線路架空地線斷股故障的修復過程中，設計了基于云計算的無人機輸電線路架空地線斷股故障修復系統，并從多個角度對該系統進行了驗證。結果表明，云計算技術的運用不僅為準確識別當前輸電線路類型提供了技術支持，而且加快了輸電線路故障修復的速度，具有一定研究意義。

參考文獻

[1]仝紅菊，江峻毅，萬國平，等.基于無人機影像的桿塔及掛線點高度空間測量方法[J].測繪通報，2023（增刊1）：76-79.

[2]許家文，雷家杰，劉小雙，等.利用無人機對交流特高壓輸電線路電磁場強度實測[J].自動化應用，2023，64（15）：28-30，37.

[3]陳杰，朱仕焜，孫嬙，等.面向無人機前端輕量級應用的輸電線路鳥巢智能檢測[J].福州大學學報（自然科學版），2023，51（4）：539-546.

[4]張迪，夏立偉，胡洪煒，等.基于無線電能傳輸技術的無人機自主充、換電平臺供電裝置設計[J].電工技術，2023（5）：133-136.

[5]趙振兵，王帆帆，劉良帥，等.基于注意力特征融合YOLOv5模型的無人機輸電線路航拍圖像金具檢測方法[J].電測與儀表，2023，60（3）：145-152.

[6]周偉，王寧.無人機機載三維激光點云數據在電力線路規劃設計中的應用[J].測繪與空間地理信息，2022，45（11）：242-244，248.

[7]李晨，鄭萬成，王娟娟，等.基于無人機傾斜攝影技術的架空輸電線路導地線弧垂測量系統研究[J].智能建筑與智慧城市，2022（10）：24-26.