潘德泰,李贵亮,何启远,祁鸣露,陈其超,吴川彬
(1.海南电网有限责任公司信息通信分公司,海南 海口 570000;2.海南电网有限责任公司,海南海口 571000)
当前,我国电力系统中的配电线路数据量巨大且不完整。为了保证配电网络的正常运转,配电网络的运营人员必须每月对配电网络设备进行定期的检修和保养。人工巡检统计的数据不准确且效率较低,因此需要对巡检方法进行了深入的研究。文献[1]提出了基于改进双流法的巡检方法,构建了巡检行为数据集,提取数据集的空间流和时间流特征,通过对特征加权融合,获取巡检结果;文献[2]提出考虑时变故障率的巡检策略,以效益函数为综合指标,构建巡检策略模型。结合蒙特卡罗仿真方法获取巡检结果。然而,上述方法是针对某一项内容监测的,很难在复杂背景下进行精准巡检,导致电力系统误报率较高。为此,提出了基于计算机视觉的电网输变配环节配电线路巡检系统。
该系统的主要功能是通过无人机获取配电线路的图像数据,然后通过计算机视觉技术来分析电网输变配环节的运行状态,判断是否存在异常,并将其上报给相关工作人员[3]。基于计算机视觉的电网输变配环节配电线路巡检系统,硬件结构如图1 所示。
图1 系统硬件结构
由图1 可知,该结构具有良好的人机交互能力,是一个良好的可视和开放平台,为大系统的集成提供了良好环境。
电网输变配环节数据采集与处理是整个监控系统的核心,该系统主要负责配电网巡检线路、电器信息的采集,并利用无线网络进行数据传送[4]。图像处理模块包括两大部分:数据采集与处理。数据采集部分主要负责系统的视频图像、环境温度、湿度、雨量、pH 值、腐蚀性气体等多种信息的采集;数据处理部分主要负责将采集的数据转化为图像形式[5-7]。每个感应器将采集到的信息发送到一个数据集中器,然后由一个数据集中器将其统一传输到服务器上。传感器与数据集中器通过无线频率通信传输数据,数据集中器访问并通过交换机传输到服务器[8]。
人机交互模块是由系统向工作人员提供的外部接口,工作人员可以远程预览图像,实时查看配线线路运行情况,相当于工作人员在资料库中通过人机交互模块间接配置数据库中的数据[9-10]。人机交互结构,如图2 所示。
图2 人机交互结构
由图2 可知,人机交互采用了双口RAM 和2 个CPU 结构,在保证人机交互实时性的基础上,大大增强人机交互的可扩展性。人机交互采用的液晶屏TFT-LCD 具有多根数据线,与处理器数据总线连接,具有高解析度,能够满足人机交互显示需求。
交换机可以在子网中为更多的计算机提供连接端口,交换机在数据帧中创建相应于交换端口的地址,写入MAC 地址。比较目标MAC 地址和建立的MAC地址表来确定发送端口[11]。如果数据帧中的MAC 地址不在MAC 地址表中,则会被发送到各个端口。
将计算机视觉技术引入到电网输变配环节配电线路巡检过程中,用于检测配电线路故障情况,从而实现对配电线路的故障识别。计算机视觉注意机制模型,如图3 所示。
图3 计算机视觉注意机制模型
由图3 可知,根据构建的计算机视觉注意机制模型,通过配电线路边缘提取、图像灰度化处理和边缘梯度拟合,获取巡检结果。
霍夫变换是一种有效的检测图像几何形状的方法,霍夫变换的基本原理是在初始空间中,利用直线与点的对偶关系,将曲线在参数空间中转化为一个点[12-13]。如图4 所示为点和线之间的对偶性。
图4 点和线之间的对偶性
由图4 可知,该图的左、右是点和直线的对偶,左边的两个点P1、P2等效于右边的L1、L2,其中P0为L1和L2的交点。把初始空间的一个点转化成右边坐标系统之中,之后两条线的交点为检测的直线,即为提取的边缘线。
为了准确地识别配电线路,必须尽可能突出配电线路目标,对图像进行灰度处理。
采集到的航拍图像是RGB 彩色空间图像,RGB数值在0~255 之间。所谓的“灰度”,就是把RGB 的图像转化为黑白图像。由于所获得的图像是8 位灰度图,与单纯的黑白影像有很大区别,其灰度数有256 个等级[15]。因此,灰度值也表示为亮度值:0 最暗,255 最亮。采用加权方法将原图中像素值转换为灰度空间灰度参数,公式为:
式中,α、β、γ分别表示红、绿、蓝三种色彩转换成灰色的参数值;Ri,j、Gi,j、Bi,j分别表示原图中坐标的像素值。
通过该函数可将航拍图像从彩色图像转换为灰色图像,传输线在灰化后明显地突出,可作为正确输入数据被后续边缘梯度拟合使用[16]。
在一般图像处理过程中,所得到的梯度与边缘拟合梯度不同。梯度反映了图像像素点的变化,可描述为:
式中,g(x,y) 表示在(x,y) 位置上的像素点值。假设待处理图像只包含0、1 像素,其中0 为背景,1 为线路边缘,将像素点为1 的像素拟合成一条直线,求取拟合后的斜率,即为所求的梯度。
梯度幅值如下所示:
拟合后的斜率,如下所示:
以式(4)计算结果为故障判断依据,当θ>1 时,则说明该区域为白色像素,即该区域的巡检结果为悬挂脏物故障;当0 <θ≤1 时,则说明该区域为黑色像素,即该区域的巡检结果为掉串故障。
以某市电力局历史数据库内容为例,对基于计算机视觉的电网输变配环节配电线路巡检系统的实现和运行进行分析。
掉串故障是因为绝缘子串脱落后,配电线路不稳定,使线路绝缘,造成了线路的永久性接地故障。
从某市电力局历史数据库目录为#A1-1 内容中,提取了如图5 所示的示例图。
图5 掉串示例图
由图5 可知,绝缘子串被雷击后,钢脚从钢帽中分离出来,使绝缘子掉串。
悬挂脏物故障是因为异物悬挂在线路外部,当发生这种故障情况时,导致异物附着在配电线路上。
从某市电力局历史数据库目录为#C3-5 内容中,提取了如图6 所示的示例图。
图6 悬挂脏物示例图
由图6 可知,配电线路上垃圾在风的作用下悬挂在线路上。
根据实际上述故障情况,分别使用基于改进双流法的巡检方法、考虑时变故障率的巡检策略和该文设计的基于计算机视觉的巡检系统,对比分析两种故障巡检结果。三种方法配电线掉串故障巡检结果,如表1所示。
表1 三种方法配电线掉串故障巡检结果
由表1 可知,使用基于改进双流法的巡检方法,没有检查出全部掉串坐标,且掉串坐标巡检结果与实际数据均存在误差;使用考虑时变故障率的巡检策略,掉串坐标巡检结果与实际数据均存在误差;使用基于计算机视觉的巡检系统,掉串坐标巡检结果与实际数据部分存在误差。由此可知,使用基于计算机视觉的巡检系统掉串巡检结果与实际结果更接近。三种方法配电线悬挂脏物故障巡检结果,如图7 所示。
图7 三种方法巡检悬挂脏物故障
由图7 可知,使用基于计算机视觉的巡检系统,获取的图像比其余两种方法更清晰。由此可知,使用基于计算机视觉的巡检系统悬挂脏物巡检结果更理想。
基于计算机视觉的电网输变配环节配电线路巡检系统,在对图像进行灰度化处理后,利用霍夫直线变换提取配电线路特征,利用该特征,判定配电线路故障情况,由此完成巡检。在后续的识别过程中,需要对图像进一步地优化,尽可能地将所识别的散线进行拼接,使其与现实中的图像更加吻合。