周 嵐 張彬橋

（三峽大學(xué) 電氣與新能源學(xué)院, 湖北 宜昌 443002）

山火頻發(fā)的山林地區(qū)上空分布著眾多的輸電線路,而山林火災(zāi)是導(dǎo)致電線受損的重大威脅,會(huì)引發(fā)輸電線路跳閘,嚴(yán)重影響社會(huì)生產(chǎn)與生活[1].因此,尋找有效的輸電線路故障檢測(cè)方法十分關(guān)鍵.

為降低山火造成的輸電線路損失,應(yīng)采取有效措施在山火萌芽期進(jìn)行輸電線路的保護(hù)與搶修.為此,國(guó)內(nèi)有學(xué)者提出了一些方法.如,文獻(xiàn)[2]采用基于激光雷達(dá)技術(shù)檢測(cè)輸電線路故障,利用激光雷達(dá)系統(tǒng)的激光束與煙霧顆粒和大氣分子之間的相互作用,通過接收散射后的回波信號(hào)并反演推算,對(duì)輸電線路上的山火進(jìn)行監(jiān)測(cè),能夠有效識(shí)別輸電線路的山火故障,但是該方法未考慮山火目標(biāo)的全面提取,得到的山火火勢(shì)、煙霧信息存在誤差,一定程度上阻礙了輸電線路的搶修效率；文獻(xiàn)[3]采用基于AOTF的紅外多譜檢測(cè)輸電線路故障,利用聲光可調(diào)諧濾波器進(jìn)行紅外多光譜成像的光譜維檢測(cè),構(gòu)建了輸電線路的靜態(tài)性能測(cè)試平臺(tái),通過該平臺(tái)對(duì)輸電線路的紅外帶內(nèi)波段進(jìn)行細(xì)分,實(shí)現(xiàn)了紅外成像的精準(zhǔn)監(jiān)測(cè),但僅對(duì)山火紅外多譜圖像進(jìn)行預(yù)處理,獲取的山火目標(biāo)提取結(jié)果存在大量黑色雜質(zhì),且火苗邊緣鋸齒較大,為確定山火火勢(shì)與位置信息增加了難度,山火故障檢測(cè)精度低[4].

針對(duì)上述兩種方法存在的顯著性缺陷,提出了基于毫米波雷達(dá)技術(shù)的輸電線路山火故障檢測(cè)方法,將紅外多譜技術(shù)與毫米波雷達(dá)技術(shù)相結(jié)合,為有效識(shí)別輸電線路山火故障提供了嶄新的手段.

1 毫米波雷達(dá)技術(shù)的輸電線路山火故障檢測(cè)方法

1.1 基于紅外多譜技術(shù)的輸電線路山火目標(biāo)獲取

1.1.1 紅外多譜圖像火點(diǎn)目標(biāo)提取

通過紅外多譜攝像儀獲取輸電線路的紅外多譜圖像,提取紅外多譜圖像中的火點(diǎn)目標(biāo),判斷輸電線路是否處于山火故障危險(xiǎn)之中[5].根據(jù)普朗克輻射定律,溫度在絕對(duì)零度以上的物體能夠釋放紅外線,基于這一原理,經(jīng)過被檢測(cè)物體的紅外輻射強(qiáng)度生成紅外多譜圖像[6].紅外多譜圖像中的物體溫度與圖像灰度成正比,圖像灰度大,相應(yīng)的物體溫度高.當(dāng)山火爆發(fā)時(shí),火苗與周圍的樹木、山體溫差較大,相應(yīng)的紅外多譜圖像的灰度對(duì)比就越明顯[7].采用Matlab軟件得到山火紅外多譜圖像的灰度圖[8]；接著,提取紅外多譜灰度圖中的火點(diǎn)目標(biāo).紅外多譜灰度圖像中的火點(diǎn)集合可描述成F{(m,n)|f(m,n)≥G}.其中,判斷閾值用G表示,且有G＝200；(m,n)表示紅外多譜圖像的像素點(diǎn),相應(yīng)的灰度值用f(m,n)描述.

1.1.2 采用數(shù)學(xué)形態(tài)方法處理紅外多譜圖像

初步分割紅外多譜圖像,提取到的火點(diǎn)目標(biāo)中混有黑色雜質(zhì),火點(diǎn)與周圍環(huán)境的分界不明顯,有大量的鋸齒,為提高目標(biāo)提取質(zhì)量,采用數(shù)學(xué)形態(tài)方法[9]處理目標(biāo)提取結(jié)果.

最基本的處理方法為腐蝕與膨脹[3],定義一個(gè)直徑為10個(gè)像素的圓形盤狀結(jié)構(gòu)元素,完成紅外多譜圖像中各個(gè)像素的掃描工作,采用該結(jié)構(gòu)元素和被該元素覆蓋的圖像做“與”操作,膨脹方法的操作如下[10]:假設(shè)都是1,最終圖像的該像素是1,相反則是0.腐蝕方法的操作如下:假設(shè)都是1,最終圖像的該像素是0,相反則是1.在山火目標(biāo)提取結(jié)果的基礎(chǔ)上,實(shí)施閉運(yùn)算,即膨脹→腐蝕.該運(yùn)算完成后,在紅外多譜圖像提取結(jié)果中,火焰的細(xì)碎黑洞明顯減少,火焰外緣更加平滑.基于上述結(jié)果實(shí)施開運(yùn)算,即腐蝕→膨脹,該運(yùn)算完成后火焰的邊界更加清晰[11].

1.2 基于毫米波雷達(dá)技術(shù)的輸電線山火故障檢測(cè)

采用紅外多譜和毫米波雷達(dá)技術(shù)檢測(cè)輸電線路故障的原理如下:采用紅外多譜攝像儀采集輸電線路的山火圖像,分割圖像,提取圖像中的火點(diǎn)目標(biāo),據(jù)此能夠確定輸電線路存在被山火損壞的威脅[12]；在此基礎(chǔ)上,采用毫米波雷達(dá)系統(tǒng)檢測(cè)輸電線路的山火情況.由于山火產(chǎn)生的煙霧能夠散射毫米波,煙霧顆粒與雷達(dá)毫米波束作用生成散射毫米波信號(hào),該毫米波信號(hào)經(jīng)過光電倍增管轉(zhuǎn)換得到電信號(hào)并傳輸?shù)接?jì)算機(jī)中,結(jié)合紅外多譜圖像火點(diǎn)目標(biāo)提取結(jié)果生成相應(yīng)的脈沖波形山火位置信息、山火煙霧濃度信息、山火火勢(shì)信息等[13],同時(shí)發(fā)出故障警報(bào),通知技術(shù)人員及時(shí)安排輸電線路的故障搶修工作.

采用毫米波雷達(dá)技術(shù)檢測(cè)輸電線路故障的原理用圖1描述.

圖1 輸電線路故障檢測(cè)原理

由圖1可知,毫米波雷達(dá)系統(tǒng)在工作過程中發(fā)射的脈沖波長(zhǎng)為η0、寬度為σ,以準(zhǔn)直鏡為介質(zhì)傳遞到大氣中,山火產(chǎn)生的煙霧一定程度上削弱了光脈沖,迫使其散射并衰減[14],望遠(yuǎn)鏡接收到產(chǎn)生的后向散射光.該望遠(yuǎn)鏡的接收面積即為有效面積,相應(yīng)的毫米波雷達(dá)公式如下:

式中:P(h)為接收到的功率；h、P1、k分別為觀測(cè)點(diǎn)的長(zhǎng)度、毫米波發(fā)射功率、光速；σ為脈寬；φ(h)、μ(h)以及D(h)分別為向后散射系數(shù)、消光系數(shù)以及接收機(jī)的有效面積.

上述參數(shù)中,φ(h)、μ(h)不是已知的,單獨(dú)分析毫米波雷達(dá)公式中的空氣分子散射、氣溶膠散射.山火煙霧的氣溶膠、大氣分子分別用e、q表示,則有:

被檢測(cè)物體同回波信號(hào)間的光學(xué)性質(zhì)函數(shù)在毫米波雷達(dá)公式中完整體現(xiàn),采用毫米波雷達(dá)技術(shù)可獲取相應(yīng)的回波信號(hào)[15],求解毫米波雷達(dá)公式得到氣溶膠的相關(guān)參數(shù)信息.

公式(2)、(3)中,大氣分子、氣溶膠粒子后向散射系數(shù)分別用φq(h)、φe(h)表示,兩者相應(yīng)的消光系數(shù)分別用μq(h)、μe(h)表示,并且這4 個(gè)參數(shù)是未知的.采用大氣模型數(shù)據(jù)標(biāo)準(zhǔn)計(jì)算大氣分子的兩大系數(shù),氣溶膠的兩個(gè)系數(shù)采用Fernald方法獲取,定義公式(4)、(5):

由公式(4)、(5)得出,E2通過計(jì)算能夠得到；E1是未知的,需自定義.采用毫米波雷達(dá)技術(shù)檢測(cè)輸電線路的山火故障時(shí),當(dāng)E1取值范圍為42～52,毫米波波長(zhǎng)位于543～1 075 nm 之間,基于該參數(shù)設(shè)置可獲取氣溶膠散射的散射系數(shù)與消光系數(shù).采用Mie散射模型[16],此時(shí)散射系數(shù)與消光系數(shù)的計(jì)算方法如下:

定義氣溶膠后向散射系數(shù)同消光系數(shù)的比值為45,則有:

根據(jù)上述公式計(jì)算毫米波雷達(dá)公式中的φe(h)、μe(h).據(jù)此得到山火煙霧中氣溶膠的相關(guān)數(shù)據(jù)信息,與毫米波雷達(dá)系統(tǒng)連接的計(jì)算機(jī)此時(shí)生成山火發(fā)生的位置信息、煙霧濃度信息、山火火勢(shì)信息,系統(tǒng)同時(shí)發(fā)出故障警報(bào),通知技術(shù)人員開展輸電線路的搶修工作.

2 實(shí)驗(yàn)結(jié)果分析

通過輸電線路故障模擬實(shí)驗(yàn),檢驗(yàn)本文方法在輸電線路故障檢測(cè)方面的可靠性.設(shè)置670、570、470、370 m 為模擬山火與檢測(cè)裝置間的長(zhǎng)度.這4個(gè)位置點(diǎn)與檢測(cè)裝置呈直線分布,檢測(cè)裝置在直線的頂端,在4個(gè)位置上點(diǎn)燃木料,模擬山火的形成；實(shí)驗(yàn)設(shè)備由紅外多譜攝像儀、毫米波雷達(dá)、電動(dòng)機(jī)、顯示器等構(gòu)成,采用紅外多譜技術(shù)、毫米波雷達(dá)技術(shù)獲取的信息可在計(jì)算機(jī)顯示器中顯示.實(shí)驗(yàn)開始后,記錄模擬實(shí)驗(yàn)中的相關(guān)數(shù)據(jù).

2.1 紅外多譜圖像分析

圖2～4分別描述了實(shí)驗(yàn)檢測(cè)出的采用本文方法獲取的山火紅外多譜圖像、初步分割后的山火紅外多譜圖像、采用數(shù)學(xué)形態(tài)處理后的山火紅外多譜圖像.

圖2 山火紅外多譜圖像

圖3 初步分割的山火紅外多譜圖像

圖4 數(shù)學(xué)形態(tài)處理后的山火紅外多譜圖像

綜合分析以上3圖可得,初步分割后的山火圖像邊緣顆粒較大,雜質(zhì)過多,在火焰內(nèi)部有明顯的黑色雜質(zhì),增加后期山火煙霧信息采集、火勢(shì)判斷的難度,為此本文采用數(shù)學(xué)形態(tài)方法處理山火目標(biāo)提取圖像,得到紅外多譜圖像中火焰邊緣圓滑無顆粒,內(nèi)部的黑色雜質(zhì)明顯減少,為輸電線路故障檢測(cè)、山火煙霧信息的采集、火勢(shì)判斷提供了便利,提高了輸電線路故障檢測(cè)的準(zhǔn)確度,同時(shí)驗(yàn)證了本文方法獲取清晰的紅外多譜圖像的有效性.

2.2 消光系數(shù)分析

在利用本文方法檢測(cè)輸電線路故障的過程中,毫米波雷達(dá)發(fā)射出的毫米波在介質(zhì)中傳播時(shí),由于介質(zhì)的影響會(huì)產(chǎn)生衰減,這個(gè)衰減程度用消光系數(shù)表示,消光系數(shù)越大,說明衰減的程度越大.在實(shí)驗(yàn)過程中,以檢測(cè)裝置為定點(diǎn),本文方法在直線距離上不同位置產(chǎn)生的消光系數(shù)見表1.

表1 采用本文方法獲取的消光系數(shù)

從表1可知,本文方法在370、470、570、670 m 這4個(gè)山火位置上的消光系數(shù)分別為3.4×10—3、3.1×10—3、3.0×10—3、2.8×10—3,本文方法在其它位置上的消光系數(shù)均等于或低于0.5×10—4,山火的4個(gè)位置消光系數(shù)大,采用本文方法檢測(cè)出的山火位置信息與實(shí)驗(yàn)設(shè)置吻合,由此驗(yàn)證了本文方法檢測(cè)輸電線路故障的準(zhǔn)確性.

2.3 故障檢測(cè)準(zhǔn)確度對(duì)比

采用基于激光雷達(dá)技術(shù)的輸電線路故障檢測(cè)方法、基于AOTF 的紅外多譜輸電線路故障檢測(cè)方法與本文方法進(jìn)行對(duì)比實(shí)驗(yàn).分別對(duì)670、570、470、370這4個(gè)位置點(diǎn)的山火進(jìn)行檢測(cè),進(jìn)而判斷輸電線路是否發(fā)生故障,在不同位置點(diǎn)進(jìn)行5次實(shí)驗(yàn),以確保實(shí)驗(yàn)數(shù)據(jù)的可靠性.故障檢測(cè)準(zhǔn)確度見表2～3.

表2 本文方法的故障檢測(cè)準(zhǔn)確度(單位:%)

表2中,本文方法在4個(gè)山火位置上獲取的輸電線路故障檢測(cè)準(zhǔn)確度均值在98%以上,最大高達(dá)99.3%.本次故障檢測(cè)測(cè)試共計(jì)5次,足以證明本文方法獲取的實(shí)驗(yàn)結(jié)果真實(shí)可靠；本文方法進(jìn)行故障檢測(cè)的準(zhǔn)確度均值的平均差值僅為0.56%,說明本文方法的穩(wěn)定性能強(qiáng),失誤率較低.

從表3可知,基于激光雷達(dá)技術(shù)的輸電線路山火檢測(cè)方法的故障檢測(cè)準(zhǔn)確度均值相比本文方法依次低21.52%、27.64%、30.88%、26.44%,突顯了本文方法的高準(zhǔn)確度優(yōu)勢(shì).隨著實(shí)驗(yàn)的進(jìn)行,基于激光雷達(dá)技術(shù)的輸電線路山火檢測(cè)方法的準(zhǔn)確度均值呈先下降、再升高的趨勢(shì),在470 m 山火位置點(diǎn)處的故障檢測(cè)準(zhǔn)確度最低,在370 m 山火位置點(diǎn)處故障檢測(cè)準(zhǔn)確度有所回升.上述數(shù)據(jù)表明,從故障檢測(cè)準(zhǔn)確度與穩(wěn)定性角度考慮,基于激光雷達(dá)技術(shù)的輸電線路山火檢測(cè)方法不能實(shí)現(xiàn)輸電線路故障的有效檢測(cè).其故障檢測(cè)準(zhǔn)確度較低是因?yàn)槠湮纯紤]山火目標(biāo)的提取,得到的山火火勢(shì)信息、山火煙霧信息存在誤差.

表3 基于激光雷達(dá)技術(shù)的故障檢測(cè)準(zhǔn)確度 (單位:%)

對(duì)比表2與表4數(shù)據(jù)能夠看出,基于AOTF 的紅外多譜輸電線路山火檢測(cè)方法相比本文方法的故障檢測(cè)準(zhǔn)確度均值分別低28.28%、42.14%、36.28%、33.08%,表明本文方法具有高準(zhǔn)確度的優(yōu)勢(shì)；同時(shí),基于AOTF的紅外多譜輸電線路山火檢測(cè)方法的故障檢測(cè)準(zhǔn)確度是3種方法中最低的,在570 m 山火位置點(diǎn)的故障檢測(cè)準(zhǔn)確度僅為56.82%,說明山火位置點(diǎn)出現(xiàn)煙霧時(shí),該方法不一定能夠檢測(cè)出輸電線路存在故障威脅.原因?yàn)?該方法僅對(duì)山火紅外多譜圖像進(jìn)行預(yù)處理,獲取的目標(biāo)提取效果較差,山火紅外多譜圖像中存在大量黑色雜質(zhì),且火苗邊緣鋸齒較大,導(dǎo)致后期確定山火火勢(shì)與山火位置信息存在偏差.

表4 基于AOTF的的故障檢測(cè)準(zhǔn)確度 (單位:%)

綜合分析表2～4中的結(jié)果可得,本文方法的故障檢測(cè)準(zhǔn)確度高達(dá)99.30%,可在輸電線路存在山火故障威脅時(shí),有效發(fā)出故障警報(bào),并給出準(zhǔn)確的故障位置、山火煙霧濃度、火勢(shì)等重要信息,輔助技術(shù)人員開展輸電線路搶修工作.

2.4 故障檢測(cè)用時(shí)對(duì)比

實(shí)驗(yàn)記錄以上3種方法在670、570、470、370 m這4個(gè)位置點(diǎn)中的故障檢測(cè)用時(shí)均值,如圖5所示.

圖5 3種方法的故障檢測(cè)平均用時(shí)

由圖5可知,本文方法在4個(gè)山火位置點(diǎn)上的故障檢測(cè)用時(shí)均值約為1.0 s,用時(shí)最少；其他兩種方法檢測(cè)用時(shí)相似,最短用時(shí)均約為13 s,基于激光雷達(dá)技術(shù)的輸電線路故障檢測(cè)方法的最長(zhǎng)用時(shí)為15.9 s,基于AOTF的紅外多譜輸電線路故障檢測(cè)方法的最長(zhǎng)用時(shí)為18.9s.不難看出,本文方法用時(shí)最短,效率最高.

3 結(jié) 語(yǔ)

針對(duì)當(dāng)前輸電線路故障檢測(cè)中存在的缺陷,提出了紅外多譜技術(shù)與毫米波雷達(dá)技術(shù)的輸電線路故障檢測(cè)方法.采用紅外多譜技術(shù)得到輸電線路附近出現(xiàn)山火故障隱患的圖像,獲取輸電線路處于山火威脅中的信息,將山火目標(biāo)提取結(jié)果傳遞給毫米波雷達(dá)系統(tǒng),獲取山火發(fā)生的位置信息、煙霧濃度信息、山火火勢(shì)等信息,檢測(cè)出輸電線山火故障并及時(shí)發(fā)出警報(bào),通知工作人員進(jìn)行搶修.實(shí)驗(yàn)結(jié)果表明,本文方法檢測(cè)準(zhǔn)確度均在98%以上,用時(shí)均值約為1.0 s,能夠高效準(zhǔn)確地檢測(cè)出輸電線路的山火故障.