楊煉，熊典

（武漢科技大學(xué) 湖北 武漢 430081）

輸電線是電力系統(tǒng)的重要組成部分，具有輸送和分配電能的重要作用，由于其長期暴露在自然環(huán)境中，輸電線不僅承受正常機械載荷和電力負荷的作用，還經(jīng)受雷擊、舞動、風(fēng)振、覆冰及電氣閃絡(luò)等侵害。這些自然因素將會促使輸電線疲勞、氧化和腐蝕，導(dǎo)致導(dǎo)線、地線出現(xiàn)斷股，成為輸電線路非計劃停運的主要原因之一[1-2]。導(dǎo)線斷股后下垂，使導(dǎo)線與樹木的垂直距離減小，同時，多回路和緊湊型桿塔大量投入輸電線路中，導(dǎo)地線斷股后的垂落使相間距離和相地距離減小，存在著嚴(yán)重的安全隱患，如果不及時發(fā)現(xiàn)和消除，可能會導(dǎo)致嚴(yán)重的線路事故。

隨著輸電線路在線監(jiān)測與診斷技術(shù)的快速發(fā)展，圖像處理技術(shù)也越來越多的用于線路故障檢測與診斷中[3-5]，并且在該領(lǐng)域內(nèi)取得了一定的研究成果。目前國內(nèi)外通過可見光圖像對輸電線斷股故障的研究側(cè)重在輸電線的識別上[6-7]，而針對斷股缺陷的定量分析并未涉及，故筆者針對對在線監(jiān)測采集的輸電線斷股圖像特性，提出一種測量斷股線垂落高度的方法，首先對輸電線斷股圖像進行預(yù)處理，采用Otsu法結(jié)合Canny算子提取輸電線邊緣，最后通過一定數(shù)學(xué)模型計算出實際的斷股線垂落高度。

1 圖像法檢測斷股線垂落高度原理

本文提出的基于圖像法的輸電線斷股垂落高度方法是以輸電線路在線監(jiān)測系統(tǒng)作為數(shù)據(jù)平臺，采用工業(yè)級攝像機實時采集現(xiàn)場圖像數(shù)據(jù)，并通過GPRS或CDMA網(wǎng)絡(luò)將圖像數(shù)據(jù)傳輸至控制中心的服務(wù)器中，控制中心的計算機系統(tǒng)對采集的圖像進行去噪，閾值分割，并通過邊緣檢測記錄輸電線邊界輪廓點在圖像中的坐標(biāo)，最后通過輸電線的下邊界與斷股線的上邊界點坐標(biāo)，再通過輸電線實際直徑進行轉(zhuǎn)換即可得到當(dāng)時的斷股處垂落高度。由于拍攝角度并非是完全平視的，因此需要進行角度校正，以減小誤差，計算原理如圖1所示，圖1（a）表示角度校正前的計算模型，圖1（b）為校正后的計算原理圖。

圖1（a）中，p1（x）表示輸電線上下邊緣的徑向距離所對應(yīng)的像素點數(shù)；p2（x）表示斷股線上邊緣到輸電線下邊緣所對應(yīng)的像素點數(shù)，α為輸電線的傾斜角。另設(shè)輸電線的直徑D（mm）已知，則有

圖1 圖像法檢測斷股線垂落高度計算原理圖Fig.1 Calculation principle of sagged height of damaged cableswith image processing method

角度校正后輸電線直徑對應(yīng)的像素點數(shù)為p′1（x）=p1（x）·cosα；

角度校正后斷股線上邊緣到輸電線下邊緣所對應(yīng)的像素點數(shù)p′2（x）=p2（x）·cosα；斷股線距離輸電線的最大垂直距離為垂落高度，即

2 圖像法檢測垂落高度的算法步驟

現(xiàn)場拍攝的絕緣子畫面往往帶有很大的背景噪聲，而且長期監(jiān)測必然會拍攝到不同氣候條件下的照片，其顏色深淺度也必然不同。這些差異，在正式處理前，必須想辦法摒棄掉，這就需要對圖像進行預(yù)處理，為了更好的說明，以下將以在線監(jiān)測系統(tǒng)采集到的斷股地線為例（圖2）對算法進行詳細闡述。

圖2 斷股輸電線原始圖像及其灰度直方圖Fig.2 The original image and gray histogram of damaged cables

2.1 圖像平滑去噪

由于現(xiàn)實中輸電線路中導(dǎo)地線和絕緣子處在自然環(huán)境下.其背景是不可能非常理的。再加上攝像機的因素以及圖像在由輸電線路現(xiàn)場傳回控制中心的過程中不可避免的會引人一些噪聲，如圖3（a）所示。這些噪聲會對圖像邊緣的提取產(chǎn)生影響，有時可能會產(chǎn)生偽邊緣，直接致使邊緣檢測精度的下降，甚至導(dǎo)致無法找到準(zhǔn)確的邊緣。

通常在線監(jiān)測系統(tǒng)采集的圖像中容易引入椒鹽噪聲，同時考慮到中值濾波既能夠有效地濾除這類噪聲，又能很好地保留諸如輪廓等圖像的細節(jié)部分，因此，本文采用中值濾波抑制圖像中的噪聲，從圖3可以看出，中值濾波對斷股導(dǎo)線圖像處理后的結(jié)果。

圖3 中值濾波處理結(jié)果圖Fig.3 The processing result of median filter

2.2 閾值化處理

圖像閾值化的目的主要是為了將圖像目標(biāo)和背景進行分割，主要過程是將彩色圖像轉(zhuǎn)化為灰度圖，并以灰度值標(biāo)定圖像中的每個像素，灰度值的范圍在0~255的整數(shù)，當(dāng)灰度值低于設(shè)定的閾值時將其置為0，當(dāng)灰度值高于設(shè)定的閾值時將其置為255，從而實現(xiàn)目標(biāo)與背景的分離。常用的閾值法主要有雙峰法、迭代法、最優(yōu)閾值法等，這些方法對于在線監(jiān)測圖像的處理結(jié)果并不理想，本文采用一種自適應(yīng)確定閾值的最大類間方差法（Otsu法），其計算方法如下：

對于像素為數(shù)N，灰度范圍為[0，L－1]的圖像，將圖像f（x，y）中的像素按灰度級用閾值T分為目標(biāo)區(qū)域A和背景區(qū)域B兩部分，設(shè)Ni為灰度值為i的像素數(shù)，則各灰度級出現(xiàn)的概率為P（i）＝Ni/N。

圖像f（x，y）的均值為u＝wAuA+wBuB則目標(biāo)和背景的類間方差為：

當(dāng)σ2（T）取最大值時的即為最佳分割閾值，對圖3（b）采用Otsu法計算出的最佳閾值為138，這里為了方便說明，對圖像進行了取反，分割效果如圖4所示。

圖4 Otsu法分割效果圖Fig.4 The segmentation result of Otsu method

2.3 邊緣輪廓提取

為了進一步獲取圖像中的邊緣，本文采用具有優(yōu)良性能的Canny算子進行邊緣檢測，其具有好的信噪比、高的定位性能、虛假邊緣最大化抑制的優(yōu)點，檢測步驟包括：

1）用高斯濾波器平滑圖像；

2）用一階微分算子計算梯度的幅值和方向；

3）對梯度幅值進行非極大值抑制；

4）用雙閾值算法檢測和連接邊緣。

本文對步驟4）中的高閾值取Otsu法計算得到的分割閾值138，低閾值T2取為高閾值的一半，即T1＝69。

從圖5中可以看出，采用上述的Canny算子做到了抑制噪聲與提取效果的統(tǒng)一，較好的獲取了輸電線的邊緣輪廓。

圖5 Canny邊緣檢測結(jié)果Fig.5 The result of Canny edge detector

3 斷股線垂落高度仿真計算

已知所測試的圖像中地線直徑為21.6 mm，利用所提出的方法進行計算，得出斷股線垂落高度為443.43 mm，實際測量得到的垂落高度為460.77 mm，從上述數(shù)據(jù)可見，所提出的方法在檢測斷股垂落高度時精度較高，誤差率為4%；如果增加圖像的分辨率，則可以大大地減小誤差的絕對值。

需要指出的是，本文所提出的方法在實際應(yīng)用時，還有一些問題需要深入的研究，由于實際線路在不同的環(huán)境下都存在不同程度的舞動，這樣會使拍攝到輸電線的邊界產(chǎn)生一定的幾何偏移，此時可采用連續(xù)拍攝多幅圖像作為一個周期的方法，對圖像中斷股線垂落高度所對應(yīng)像素數(shù)求平均值，并計算出實際的垂落高度值，通過短時間的多次測量取平均可以使結(jié)果更為精確。

4 結(jié) 論

為了能夠準(zhǔn)確快速的獲取輸電線斷股故障信息，本文采用圖像法提取輸電線和斷股處邊緣來計算斷股實際的垂落高度。筆者首先采用中值濾波對原始圖像進行去除噪聲，有效的保留了圖像的邊緣部分，并通過Otsu計算出對Canny算子性能具有決定意義的高閾值，更加完整有效的提取了圖像中輸電線的邊緣輪廓，并計算出輸電線的斷股垂落高度，計算結(jié)果表明，本方法測量精度高，滿足工程需要，并為輸電線路線路帶電作業(yè)檢修提供了數(shù)據(jù)參考，具有一定的實際應(yīng)用價值。

[1]蔣興良.輸電線路覆冰及防護[M].北京：中國電力出版社，2002.

[2]胡毅.輸電線路運行分析與防治[M].北京：中國電力出版社，2007.

[3]王小朋，胡建林，孫才新，等.應(yīng)用圖像邊緣檢測方法在線監(jiān)測輸電線路覆冰厚度研究[J].高壓電器，2009，45（6）：69－73.WANG Xiao-peng，HU Jian-lin，SUN Cai-xin，et al.On-line monitoring of icing-thickness on transmission line with image edge detecting method[J].High Voltage Apparatus，2009，45（6）：69－73.

[4]陸佳政，張紅先，方針，等.自適應(yīng)分割閾值在覆冰厚度識別中的應(yīng)用[J].高電壓技術(shù)，2009，35（3）：563－567.LU Jia-zheng，ZHANG Hong-xian，F(xiàn)ANG Zhen，et al.Application of self-adaptive segmental threshold to ice thickness identification[J].High Voltage Engineering，2009，35（3）：563－567.

[5]黃新波，張曉霞，李立涅，等.采用圖像處理技術(shù)的輸電線路導(dǎo)線弧垂測量[J].高電壓技術(shù)，2011，37（8）：1961－1966.HUANG Xin-bo，ZHANG Xiao-xia，LI Li-cheng，et al.Measurement of transmission lines conductor sag using image processing[J].High Voltage Engineering，2011，37（8）：1961－1966.

[6]劉鯤鵬，王濱海，陳西廣，等.基于Freeman改進準(zhǔn)則的輸電線斷股識別[J].機電工程，2012，29（2）：211－214.LIU Kun-peng，WANG Bin-hai，CHEN Xi-guang，et al.Damaged cables recognition based on improved freeman rule[J].Mechanical&Electrical Engineering Magazine，2012，29（2）：211－214.

[7]蔣興良，夏云峰，張志勁，等.基于優(yōu)化Gabor濾波器的輸電導(dǎo)線斷股圖像檢測[J].電力系統(tǒng)自動化，2011，35（15）：78－83.JIANG Xin-liang，XIA Yun-feng，ZHANG Zhi-jin，et al.Image detection for broken strand faults of transmission conductor based on optimized gabor filter[J].Automation of Electric Power Systems，2011，35（15）：78－83.