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)濟和電力能源的聯(lián)動發(fā)展，輸電線路相關功能需求越來越多。電力資源的發(fā)展和支持為社會的發(fā)展奠定了堅實有力的基礎。為了滿足國內(nèi)對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)擴大規(guī)模和完善。當一些大型復雜的輸電線路發(fā)生故障時，需要更多的人力、物力進行檢修，對故障區(qū)域進行選取時會消耗大量時間。輸電線路的隱藏缺陷因分布的不同而有所差異。多旋翼無人機使用時速度快、耗時短且準確率高，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，而多旋翼無人機的人機設備聯(lián)動檢修方法可對較長線路進行大范國快速信息查詢，并對區(qū)域進行精準識別。為了解決輸電線路中人工作業(yè)和常規(guī)檢測不足的問題，該文提出了通過無人機紅外影像技術，然以算法計算出故障點范圍并進行線路故障特征提取，來完成對輸電線路的維修。

1 輸電線路多旋翼無人機智能檢修方法設計

1.1 無人機紅外影像采集圖像

對輸電線路故障區(qū)域進行識別時，線路內(nèi)部出現(xiàn)破損等情況。輸電線路上的設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的可紅外成像技術對輸電線路的故障區(qū)域進行識別。為了提高檢測的準確性，必須保證的基本作業(yè)條件見表1。

表1 無人機紅外設備巡檢的條件要求對比

多旋翼無人機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)紅外影像特征進行自動判斷，也可以提供給專業(yè)人員進行人工判斷[1]。主要通過2 種方法進行判定。

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

式中：4π 為周長；A為面積。

當Q=1 時，該區(qū)域面積最?。划擰>0 時，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??；R為半徑；πR·R為紅外成像區(qū)域內(nèi)最大圓面積。

通過計算可以得出形狀變化后（如伸縮等）的偏離率。對偏離率的分析大于標準值，則為該區(qū)域發(fā)生故障，小于標準值則狀態(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故障區(qū)域進行識別、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)計算。該文通過模糊C 均值算法來計算經(jīng)過紅外成像識別的故障目標最小值和其他函數(shù)，為故障分析提供數(shù)據(jù)基礎。

聚類過程中數(shù)據(jù)的隸屬度ai如公式（3）所示。

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

通過聚類分析可以發(fā)現(xiàn)多旋翼無人機紅外影像采集的緊密相關的觀測值組群。計算該區(qū)段在各個最終聚類結果簇中的百分比并進行累加，將其作為該區(qū)段的簇獨立特征性均值大小。

該文上述提到的故障分類目標函數(shù)設定如公式（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）可以計算出聚類中心與隸屬值計算過程中的目標函數(shù)Hm（A，B），最小值即為min{Hm（A，B）}。

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

1.3 提取輸電線路故障特征

使用多旋翼無人機搭載機械設備信號采集裝置，獲取輸電線路故障信號集合。由于信號集合中除正常運行信號外，還包括部分故障信號、噪聲以及冗余信息，為正確判定故障類型，需要對故障特征信息進行提取與分析。在對比多種故障特征類型信號處理分析技術后，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輸電線路中的非線性信號進行分析，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)空間對特征矩陣進行處理。根據(jù)輸電線路信號特征，該文使用核函數(shù)完成此操作。與此同時，在主元素選擇過程中，元素選擇過多會造成信號資源浪費，而選擇太少又不能體現(xiàn)故障點的特征，造成故障診斷結果的誤判與漏判。為此，在保證特征提取結果正確率的前提下，需要對資源進行合理化應用。相應的正確率系數(shù)計算如公式（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到閾值，需要增加主元素，以此達到預設的正確率要求，并將提取到的故障特征應用到后續(xù)的設備故障檢修中。

1.4 實現(xiàn)輸電線路故障維修

多旋翼無人機采集紅外影像后，通過密集讀取與提取、偏心度區(qū)域提取方法對輸電線路進行故障的區(qū)域識別[3]。接下來對故障區(qū)域線路進行聚類分析，得出目標函數(shù)的最小值。并通過計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，以此來進行合理維修。經(jīng)識別后，輸電線路共有如下部分需要進行維修，見表2。

表2 故障維修區(qū)域以及措施

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

2 對比試驗

2.1 試驗準備

在MATLAB 2018 仿真平臺上進行試驗，選擇無人機模型DJI Mavic，設置該輸電線路為單回路，電壓等級為750kV，線路導線型號為6×JL/G1A-400/50。地線型號如下：一般段型號為JLB20A—100，進出線段型號為JLB40-120，全線光纜型號為OPGW-120。三跨點3 處，其他重要交叉跨越7 處。桿塔高度為55m，抗風能力40m/s，質(zhì)量150t，共設置了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。

為驗證該方法的應用性能，將該文智能檢修方法與文獻[1]人工識別檢修方法和文獻[2]單一機械識別檢修方法進行對比。在試驗過程中，將試驗指標設定為3 種，防止一種數(shù)據(jù)得出的結論不具備說服性，并對3 組指標進行綜合分析。該文將試驗對比指標設定為故障類別識別誤差率、故障發(fā)生次數(shù)以及故障檢修時間。設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樣本，采用不同方法對目標線路進行檢測與維修。

2.2 試驗結果

采用3 種不同方法進行輸電線路檢修。先識別故障區(qū)域，計算各方法的故障區(qū)域識別誤差率，試驗結果如圖1 所示。

圖1 故障區(qū)域識別誤差率

根據(jù)圖1 試驗結果可以看出，在不同故障次數(shù)下，多旋翼無人機智能檢修方法故障區(qū)域識別的誤差率最低，并且最高值僅為2.2%。而人工識別檢修方法和單一機械識別檢修方法識別故障的誤差率最高可達7%，遠高于無人機智能檢修方法，因此該文設計方法的故障區(qū)域識別較精準。

故障發(fā)生次數(shù)如圖2 所示。在該文的試驗中，選定3、6、9、12、15 個月為時間樣本，分別檢測在這些時間段中采用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 個月內(nèi)，經(jīng)過無人機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。防止試驗具有偶然性，該文分別進行了其他4 次檢測，得到的結果是4 次檢測中采用人工識別檢修方法和單一機械識別檢修方法的輸電線路發(fā)生故障次數(shù)均高于無人機智能檢測方法。通過對該指標的研究可以發(fā)現(xiàn)，在對故障區(qū)域進行精準檢修中，多旋翼無人機技術智能檢修方法的識別誤差較低且識別結果較穩(wěn)定。在進行的5 次數(shù)據(jù)統(tǒng)計中，該文提到的智能檢修技術的使用效果優(yōu)于人工識別檢修方法和單一機械識別檢修方法。在后續(xù)的研究中，應對人工識別檢修方法和單一機械識別檢修方法的該部分性能進行優(yōu)化，以提升人工識別檢修方法和單一機械識別檢修方法的穩(wěn)定性。

圖2 故障發(fā)生次數(shù)

在同一種故障類別下3 種方法對故障進行檢修的時間對比如圖3 所示。

圖3 檢修完成時間

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智能檢修方法檢修時間遠低于人工識別檢修方法和單一機械識別檢修方法。當輸電線路故障為一處時，多旋翼無人機智能檢修方法檢修時間不到1h，而其他2 種檢修方法為3h～5h，時間遠多于多旋翼無人機智能檢修方法。由此看來，智能方法在檢修中不僅可以精準識別，還可以提高檢修效率，省去大量人力和時間。

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

3 結語

傳統(tǒng)的輸電線路人工檢修方式存在檢修精度低、盲區(qū)多和運維范圍小等缺點，不能滿足線路檢修的標準。傳統(tǒng)檢驗方法的這些缺點推動了無人機檢驗技術的發(fā)展?；谌斯ぶ悄艿妮旊娋€路無人機檢修技術將多種設備進行了結合，例如該文中將多旋翼無人機技術與紅外成像相結合，能更高效、準確地識別出輸電線路的路障區(qū)域所在。