李 輝

（新疆送變電有限公司，新疆 烏魯木齊 830000）

隨著我國國內(nèi)經(jīng)濟(jì)和電力能源的聯(lián)動(dòng)發(fā)展，輸電線路相關(guān)功能需求越來越多。電力資源的發(fā)展和支持為社會(huì)的發(fā)展奠定了堅(jiān)實(shí)有力的基礎(chǔ)。為了滿足國內(nèi)對(duì)電力越來越高的需求，國家電網(wǎng)在電力線路和高電壓、大容量方向上繼續(xù)擴(kuò)大規(guī)模和完善。當(dāng)一些大型復(fù)雜的輸電線路發(fā)生故障時(shí)，需要更多的人力、物力進(jìn)行檢修，對(duì)故障區(qū)域進(jìn)行選取時(shí)會(huì)消耗大量時(shí)間。輸電線路的隱藏缺陷因分布的不同而有所差異。多旋翼無人機(jī)使用時(shí)速度快、耗時(shí)短且準(zhǔn)確率高，更適合現(xiàn)代智能電網(wǎng)下的檢修的硬核要求。與傳統(tǒng)方法相比，常用的電力線路檢修方法存在較大誤差、人員多和工作量大，效率較低的問題，而多旋翼無人機(jī)的人機(jī)設(shè)備聯(lián)動(dòng)檢修方法可對(duì)較長線路進(jìn)行大范國快速信息查詢，并對(duì)區(qū)域進(jìn)行精準(zhǔn)識(shí)別。為了解決輸電線路中人工作業(yè)和常規(guī)檢測(cè)不足的問題，該文提出了通過無人機(jī)紅外影像技術(shù)，然以算法計(jì)算出故障點(diǎn)范圍并進(jìn)行線路故障特征提取，來完成對(duì)輸電線路的維修。

1 輸電線路多旋翼無人機(jī)智能檢修方法設(shè)計(jì)

1.1 無人機(jī)紅外影像采集圖像

對(duì)輸電線路故障區(qū)域進(jìn)行識(shí)別時(shí)，線路內(nèi)部出現(xiàn)破損等情況。輸電線路上的設(shè)備和一些較小的電纜故障問題通過肉眼難以發(fā)現(xiàn)，因此選取多旋翼無人機(jī)的可紅外成像技術(shù)對(duì)輸電線路的故障區(qū)域進(jìn)行識(shí)別。為了提高檢測(cè)的準(zhǔn)確性，必須保證的基本作業(yè)條件見表1。

表1 無人機(jī)紅外設(shè)備巡檢的條件要求對(duì)比

多旋翼無人機(jī)智能檢修方法可以將拍攝到的紅外影像傳回地面監(jiān)控站，既可以利用地面系統(tǒng)來根據(jù)紅外影像特征進(jìn)行自動(dòng)判斷，也可以提供給專業(yè)人員進(jìn)行人工判斷[1]。主要通過2 種方法進(jìn)行判定。

第一，密集讀取與提取。設(shè)Q表示密集度區(qū)域，其表達(dá)式如公式（1）所示。

式中：4π 為周長；A為面積。

當(dāng)Q=1 時(shí)，該區(qū)域面積最小；當(dāng)Q>0 時(shí)，表示輸電線路輪廓線光滑；相反Q<0，表示輸電線路表面輪廓線凹凸不平。

第二，偏心度區(qū)域提取。用E代表偏心度大小，其具體算法如公式（2）所示。

式中：E為偏心度大小；R為半徑；πR·R為紅外成像區(qū)域內(nèi)最大圓面積。

通過計(jì)算可以得出形狀變化后（如伸縮等）的偏離率。對(duì)偏離率的分析大于標(biāo)準(zhǔn)值，則為該區(qū)域發(fā)生故障，小于標(biāo)準(zhǔn)值則狀態(tài)良好，繼而可以得到輸電線路中發(fā)生故障的區(qū)域。

1.2 故障線路聚類分析

通過紅外影像采集圖像對(duì)故障區(qū)域進(jìn)行識(shí)別、選取后，為了避免傳統(tǒng)方法出現(xiàn)的后果，第一步就是要了解輸電線路的故障順序，以便后續(xù)計(jì)算。該文通過模糊C 均值算法來計(jì)算經(jīng)過紅外成像識(shí)別的故障目標(biāo)最小值和其他函數(shù)，為故障分析提供數(shù)據(jù)基礎(chǔ)。

聚類過程中數(shù)據(jù)的隸屬度ai如公式（3）所示。

式中：i為可獲取的設(shè)備數(shù)據(jù)集合；c為i的子集合個(gè)數(shù)。

通過聚類分析可以發(fā)現(xiàn)多旋翼無人機(jī)紅外影像采集的緊密相關(guān)的觀測(cè)值組群。計(jì)算該區(qū)段在各個(gè)最終聚類結(jié)果簇中的百分比并進(jìn)行累加，將其作為該區(qū)段的簇獨(dú)立特征性均值大小。

該文上述提到的故障分類目標(biāo)函數(shù)設(shè)定如公式（4）所示。

式中：k為距離度量平方值；m為模糊指數(shù)；i為樣本數(shù)據(jù)由類別中心之間的差值。

通過公式（5）可以計(jì)算出聚類中心與隸屬值計(jì)算過程中的目標(biāo)函數(shù)Hm（A，B），最小值即為min{Hm（A，B）}。

根據(jù)公式（5）可得目標(biāo)函數(shù)的最小值，為后續(xù)檢修結(jié)果提供數(shù)據(jù)基礎(chǔ)。

1.3 提取輸電線路故障特征

使用多旋翼無人機(jī)搭載機(jī)械設(shè)備信號(hào)采集裝置，獲取輸電線路故障信號(hào)集合。由于信號(hào)集合中除正常運(yùn)行信號(hào)外，還包括部分故障信號(hào)、噪聲以及冗余信息，為正確判定故障類型，需要對(duì)故障特征信息進(jìn)行提取與分析。在對(duì)比多種故障特征類型信號(hào)處理分析技術(shù)后，該文選擇主成分分析法完成該部分處理[2]。

常規(guī)使用的主成分分析法不能對(duì)輸電線路中的非線性信號(hào)進(jìn)行分析，因此該文利用核函數(shù)將特征數(shù)據(jù)映射到指定空間中，并利用數(shù)據(jù)空間對(duì)特征矩陣進(jìn)行處理。根據(jù)輸電線路信號(hào)特征，該文使用核函數(shù)完成此操作。與此同時(shí)，在主元素選擇過程中，元素選擇過多會(huì)造成信號(hào)資源浪費(fèi)，而選擇太少又不能體現(xiàn)故障點(diǎn)的特征，造成故障診斷結(jié)果的誤判與漏判。為此，在保證特征提取結(jié)果正確率的前提下，需要對(duì)資源進(jìn)行合理化應(yīng)用。相應(yīng)的正確率系數(shù)計(jì)算如公式（6）所示。

式中：ti為i類故障樣本數(shù)；Gi為主成分分析后得到的第i類故障樣本數(shù)。

如果在主成分分析的過程中，所得故障特征正確率無法達(dá)到閾值，需要增加主元素，以此達(dá)到預(yù)設(shè)的正確率要求，并將提取到的故障特征應(yīng)用到后續(xù)的設(shè)備故障檢修中。

1.4 實(shí)現(xiàn)輸電線路故障維修

多旋翼無人機(jī)采集紅外影像后，通過密集讀取與提取、偏心度區(qū)域提取方法對(duì)輸電線路進(jìn)行故障的區(qū)域識(shí)別[3]。接下來對(duì)故障區(qū)域線路進(jìn)行聚類分析，得出目標(biāo)函數(shù)的最小值。并通過計(jì)算提取輸電線路故障特征，得到輸電線路故障區(qū)域線路損壞特征，以此來進(jìn)行合理維修。經(jīng)識(shí)別后，輸電線路共有如下部分需要進(jìn)行維修，見表2。

表2 故障維修區(qū)域以及措施

通過故障檢測(cè)并執(zhí)行如表2 所示的維修措施和方法，可以對(duì)輸電線路的故障進(jìn)行完整檢測(cè)與修理。

2 對(duì)比試驗(yàn)

2.1 試驗(yàn)準(zhǔn)備

在MATLAB 2018 仿真平臺(tái)上進(jìn)行試驗(yàn)，選擇無人機(jī)模型DJI Mavic，設(shè)置該輸電線路為單回路，電壓等級(jí)為750kV，線路導(dǎo)線型號(hào)為6×JL/G1A-400/50。地線型號(hào)如下：一般段型號(hào)為JLB20A—100，進(jìn)出線段型號(hào)為JLB40-120，全線光纜型號(hào)為OPGW-120。三跨點(diǎn)3 處，其他重要交叉跨越7 處。桿塔高度為55m，抗風(fēng)能力40m/s，質(zhì)量150t，共設(shè)置了365 基桿塔，其中直線塔319 基，耐張塔46 基（其中換位塔2 基）。該線路遠(yuǎn)離城市，總長度為170.756km。其中，輸電線路的路徑途徑不同地形和環(huán)境，包括山區(qū)、平原、丘陵、戈壁以及河流等。

為驗(yàn)證該方法的應(yīng)用性能，將該文智能檢修方法與文獻(xiàn)[1]人工識(shí)別檢修方法和文獻(xiàn)[2]單一機(jī)械識(shí)別檢修方法進(jìn)行對(duì)比。在試驗(yàn)過程中，將試驗(yàn)指標(biāo)設(shè)定為3 種，防止一種數(shù)據(jù)得出的結(jié)論不具備說服性，并對(duì)3 組指標(biāo)進(jìn)行綜合分析。該文將試驗(yàn)對(duì)比指標(biāo)設(shè)定為故障類別識(shí)別誤差率、故障發(fā)生次數(shù)以及故障檢修時(shí)間。設(shè)置輸電線路的故障共5種，具體見表3。

表3 線路故障類型及樣本數(shù)量

將表3 的輸電線路故障作為試驗(yàn)樣本，采用不同方法對(duì)目標(biāo)線路進(jìn)行檢測(cè)與維修。

2.2 試驗(yàn)結(jié)果

采用3 種不同方法進(jìn)行輸電線路檢修。先識(shí)別故障區(qū)域，計(jì)算各方法的故障區(qū)域識(shí)別誤差率，試驗(yàn)結(jié)果如圖1 所示。

圖1 故障區(qū)域識(shí)別誤差率

根據(jù)圖1 試驗(yàn)結(jié)果可以看出，在不同故障次數(shù)下，多旋翼無人機(jī)智能檢修方法故障區(qū)域識(shí)別的誤差率最低，并且最高值僅為2.2%。而人工識(shí)別檢修方法和單一機(jī)械識(shí)別檢修方法識(shí)別故障的誤差率最高可達(dá)7%，遠(yuǎn)高于無人機(jī)智能檢修方法，因此該文設(shè)計(jì)方法的故障區(qū)域識(shí)別較精準(zhǔn)。

故障發(fā)生次數(shù)如圖2 所示。在該文的試驗(yàn)中，選定3、6、9、12、15 個(gè)月為時(shí)間樣本，分別檢測(cè)在這些時(shí)間段中采用3 種方法檢修過的輸電線路再次發(fā)生故障的次數(shù)。根據(jù)圖2 數(shù)據(jù)可知，在第一次檢修后的3 個(gè)月內(nèi)，經(jīng)過無人機(jī)智能檢修方法后沒有發(fā)生二次故障，而其他2 種方法均發(fā)生過一次故障。防止試驗(yàn)具有偶然性，該文分別進(jìn)行了其他4 次檢測(cè)，得到的結(jié)果是4 次檢測(cè)中采用人工識(shí)別檢修方法和單一機(jī)械識(shí)別檢修方法的輸電線路發(fā)生故障次數(shù)均高于無人機(jī)智能檢測(cè)方法。通過對(duì)該指標(biāo)的研究可以發(fā)現(xiàn)，在對(duì)故障區(qū)域進(jìn)行精準(zhǔn)檢修中，多旋翼無人機(jī)技術(shù)智能檢修方法的識(shí)別誤差較低且識(shí)別結(jié)果較穩(wěn)定。在進(jìn)行的5 次數(shù)據(jù)統(tǒng)計(jì)中，該文提到的智能檢修技術(shù)的使用效果優(yōu)于人工識(shí)別檢修方法和單一機(jī)械識(shí)別檢修方法。在后續(xù)的研究中，應(yīng)對(duì)人工識(shí)別檢修方法和單一機(jī)械識(shí)別檢修方法的該部分性能進(jìn)行優(yōu)化，以提升人工識(shí)別檢修方法和單一機(jī)械識(shí)別檢修方法的穩(wěn)定性。

圖2 故障發(fā)生次數(shù)

在同一種故障類別下3 種方法對(duì)故障進(jìn)行檢修的時(shí)間對(duì)比如圖3 所示。

圖3 檢修完成時(shí)間

根據(jù)圖3 可以看出，在同一故障數(shù)量下，該文提到的多旋翼無人機(jī)智能檢修方法檢修時(shí)間遠(yuǎn)低于人工識(shí)別檢修方法和單一機(jī)械識(shí)別檢修方法。當(dāng)輸電線路故障為一處時(shí)，多旋翼無人機(jī)智能檢修方法檢修時(shí)間不到1h，而其他2 種檢修方法為3h～5h，時(shí)間遠(yuǎn)多于多旋翼無人機(jī)智能檢修方法。由此看來，智能方法在檢修中不僅可以精準(zhǔn)識(shí)別，還可以提高檢修效率，省去大量人力和時(shí)間。

通過上述3 次試驗(yàn)（分別為故障區(qū)域識(shí)別誤差率、故障發(fā)生次數(shù)和檢修完成時(shí)間）和圖表分析可知，多旋翼無人機(jī)智能檢修方法的使用效果優(yōu)于人工識(shí)別檢修方法和單一機(jī)械識(shí)別檢修方法。

3 結(jié)語

傳統(tǒng)的輸電線路人工檢修方式存在檢修精度低、盲區(qū)多和運(yùn)維范圍小等缺點(diǎn)，不能滿足線路檢修的標(biāo)準(zhǔn)。傳統(tǒng)檢驗(yàn)方法的這些缺點(diǎn)推動(dòng)了無人機(jī)檢驗(yàn)技術(shù)的發(fā)展?；谌斯ぶ悄艿妮旊娋€路無人機(jī)檢修技術(shù)將多種設(shè)備進(jìn)行了結(jié)合，例如該文中將多旋翼無人機(jī)技術(shù)與紅外成像相結(jié)合，能更高效、準(zhǔn)確地識(shí)別出輸電線路的路障區(qū)域所在。