胡凱波,於立峰,孟鵬軍,崔 娜

(浙江浙能蘭溪發(fā)電有限責任公司,浙江 金華 321100)

配網(wǎng)設備維修與檢測等的關鍵方式即為輸電線路帶電作業(yè),該作業(yè)方式屬于一種危險性較高的作業(yè)項目,作業(yè)人員需在具備專業(yè)防護的前提下,在作業(yè)過程中和各種帶電體保持安全間距,同時需在安全工作區(qū)間內(nèi)實施帶電作業(yè)行為[1]。安全的帶電作業(yè)行為模式能夠有效保障作業(yè)人員的人身安全,避免帶電作業(yè)事故的發(fā)生,可有效保障電網(wǎng)的平穩(wěn)運行[2]。為保證配網(wǎng)帶電作業(yè)行為模式的安全性,需具備科學合理的技術(shù)手段,實現(xiàn)對配網(wǎng)帶電作業(yè)安全行為模式的實時檢測與預警[3-4]。以往大多通過經(jīng)驗豐富的專業(yè)監(jiān)控人員對配網(wǎng)帶電作業(yè)人員的作業(yè)行為模式實施監(jiān)控,當工作量大時,人工監(jiān)控的方式易被精神集中程度及疲勞程度等因素所影響,導致監(jiān)控不當及忽略作業(yè)人員作業(yè)間距等,甚至帶來帶電作業(yè)事故[5]。為避免以上問題的發(fā)生,需結(jié)合恰當?shù)呐渚W(wǎng)帶電作業(yè)安全行為模式檢測方法,提升檢測的時效性,保障作業(yè)人員帶電作業(yè)的安全性。

飛行時間(TOF)技術(shù)屬于一種距離測量技術(shù),其主要是通過計算光或微波等信號飛行于發(fā)射器與反射器二者間的時間,實現(xiàn)對二者間距的測量[6-7]。該技術(shù)所應用的傳感器為TOF傳感器,即TOF深度相機,通常以激光或紅外原理實現(xiàn)距離測量,能夠采集到有價值的深度信息,獲得深度圖像,被廣泛用于AR、機器人及電力作業(yè)等領域[8]。當該技術(shù)應用在電力作業(yè)領域內(nèi)時,可實時監(jiān)測電力作業(yè)區(qū)域的間距波動情況,并提供及時準確的監(jiān)測信息,為避免電力作業(yè)中安全隱患的發(fā)生提供保障。

5G-Sa網(wǎng)絡模式屬于一種全新的網(wǎng)絡模式,是5G網(wǎng)絡部署的最高級形態(tài),其中Sa結(jié)構(gòu)與當前的LTE網(wǎng)絡無直接關聯(lián)[9]。該網(wǎng)絡模式能夠支持的上行載波功能更多,上行覆蓋區(qū)間更寬,可支撐的上行速率更高,綜合傳輸性能也更優(yōu)越。

綜上,結(jié)合Ai紅外熱成像原理的TOF技術(shù)與5G-Sa網(wǎng)絡模式,實現(xiàn)配網(wǎng)帶電作業(yè)安全行為模式的檢測,避免帶電作業(yè)事故的發(fā)生,保障帶電作業(yè)人員的安全性及電網(wǎng)運行的穩(wěn)定性。

1 配網(wǎng)帶電作業(yè)安全行為模式檢測方法

采用基于Ai紅外熱成像原理的TOF技術(shù)與5G-Sa網(wǎng)絡模式相結(jié)合的檢測方法,實現(xiàn)配網(wǎng)帶電作業(yè)安全行為模式的檢測。其中,TOF技術(shù)應用TOF深度相機采集配網(wǎng)帶電作業(yè)區(qū)域與作業(yè)人員的深度圖像,實現(xiàn)對作業(yè)人員帶電作業(yè)行為模式的判別;5G-Sa網(wǎng)絡主要用于傳輸TOF深度相機的檢測結(jié)果至地面監(jiān)控中心,由監(jiān)控中心依據(jù)檢測結(jié)果分析作業(yè)人員的作業(yè)行為模式是否安全并實施記錄,當檢測結(jié)果為非安全行為模式時發(fā)出預警,以此實現(xiàn)配網(wǎng)帶電作業(yè)安全行為模式的檢測。檢測過程如圖1所示。

圖1 配網(wǎng)帶電作業(yè)安全行為模式檢測過程圖

由圖1可知,整體檢測過程為:①以待作業(yè)的配網(wǎng)輸電線路帶電桿塔與電壓級別為依據(jù),設定帶電作業(yè)方式與桿塔相關參數(shù),自動運算安全監(jiān)控方位。首先確認需要監(jiān)控的區(qū)域,然后在監(jiān)控區(qū)域中選擇合適的安裝位置,根據(jù)監(jiān)控設備的參數(shù),如焦距、視角等計算出監(jiān)控設備的覆蓋范圍,最后根據(jù)監(jiān)控區(qū)域和監(jiān)控設備的覆蓋范圍,確定安全監(jiān)控方位。②將TOF深度相機安裝于安全監(jiān)控方位的桿塔塔身,實時采集作業(yè)人員及配網(wǎng)帶電作業(yè)區(qū)域深度圖像。③將所采集到的深度圖像轉(zhuǎn)換為平面圖像,并劃分平面圖像內(nèi)配網(wǎng)帶電作業(yè)區(qū)域為安全區(qū)間、預警區(qū)間及作業(yè)區(qū)間3部分,經(jīng)運算得出安全區(qū)間與作業(yè)區(qū)間的尺寸參數(shù)。④以預警區(qū)間作為檢測區(qū)間,通過TOF深度相機采集此區(qū)間及其控制線的近紅外激光點云數(shù)據(jù),運用所采集點云數(shù)據(jù)及安全區(qū)間的尺寸參數(shù),對作業(yè)人員是否超出該區(qū)間控制線實施判別,即判別作業(yè)人員的帶電作業(yè)行為模式是否安全。⑤所得判別結(jié)果經(jīng)由5G-Sa網(wǎng)絡傳送到地面監(jiān)控中心,當判別結(jié)果為作業(yè)人員超出預警區(qū)間控制線時,監(jiān)控中心立即向作業(yè)人員發(fā)出預警,并記錄為非安全帶電作業(yè)行為模式;當判別結(jié)果顯示作業(yè)人員未超出預警區(qū)間控制線時,則記錄為安全帶電作業(yè)行為模式,完成配網(wǎng)帶電作業(yè)安全行為模式檢測。

1.1 基于TOF深度相機的配網(wǎng)帶電作業(yè)區(qū)域與人員深度圖像采集

TOF深度相機以Ai紅外熱成像原理為依據(jù),實現(xiàn)配網(wǎng)帶電作業(yè)區(qū)域與作業(yè)人員的深度圖像采集[10]。TOF深度相機通過近紅外光反射計算配網(wǎng)帶電作業(yè)區(qū)域與相機的間距及作業(yè)人員與相機的間距,生成深度圖像。其中,作業(yè)人員與相機的間距即為TOF深度相機的檢測深度D:

(1)

式中:γ為調(diào)制后的近紅外光脈沖的信號波長;m為近紅外光脈沖的數(shù)量;Δθ為發(fā)射近紅外光和接收近紅外光之間的相位延遲。

1.2 配網(wǎng)帶電作業(yè)區(qū)域劃分

轉(zhuǎn)換TOF深度相機所采集的配網(wǎng)帶電作業(yè)區(qū)域與作業(yè)人員深度圖像為平面圖像,使用TOF深度相機獲取配網(wǎng)帶電作業(yè)區(qū)域與作業(yè)人員深度圖像,去除深度圖像中可能存在噪聲和異常值,將深度圖像進行反投影,即將每個像素點的深度值轉(zhuǎn)換為三維空間中的坐標;根據(jù)反投影得到的三維坐標,將其映射到二維平面上,生成平面圖像。運用所轉(zhuǎn)換的平面圖像對配網(wǎng)帶電作業(yè)區(qū)域?qū)嵤﹦澐?劃分情況如圖2所示。

圖2 配網(wǎng)帶電作業(yè)區(qū)域劃分情況

(2)

式中:d1為安全區(qū)間控制線的上邊界與帶電作業(yè)人員之間的間距;d2為該控制線的右邊界與帶電作業(yè)人員的間距;d3為該控制線的下邊界和帶電作業(yè)人員的間距。設安全區(qū)間長方體的高度與長度依次為h和l:

(3)

由于安全區(qū)間的寬度方向與作業(yè)人員所作業(yè)的導線方向相同,對于作業(yè)人員而言,其在此方向上移動不會影響到對其作業(yè)安全行為模式的檢測[12],因此可以現(xiàn)實狀況為依據(jù)設定安全區(qū)間的寬度w。

(4)

則作業(yè)區(qū)間長方體的高度h′、長度l′和寬度w′可表示為:

(5)

1.3 作業(yè)人員的帶電作業(yè)安全行為模式檢測

以預警區(qū)間作為檢測區(qū)間,運用安裝于塔身的TOF深度相機采集此區(qū)間及其控制線的近紅外激光點云數(shù)據(jù),運用所采集的點云數(shù)據(jù)判別作業(yè)人員是否超出預警區(qū)間控制線,也就是帶電作業(yè)行為模式是否安全。當檢測區(qū)間內(nèi)存在作業(yè)人員的點云數(shù)據(jù),同時該點云數(shù)據(jù)的橫向位置Di符合預警判別條件式(6)時,則判別該作業(yè)人員已超出預警區(qū)間控制線,即該帶電作業(yè)行為模式不安全。

(6)

反之,當檢測區(qū)間內(nèi)未出現(xiàn)作業(yè)人員的點云數(shù)據(jù),或所出現(xiàn)的點云數(shù)據(jù)不符合式(6)時,則判別該作業(yè)人員沒有超出預警區(qū)間控制線,即該作業(yè)人員的帶電作業(yè)行為模式安全。

1.4 基于5G-Sa網(wǎng)絡模式的檢測結(jié)果傳輸

為實時保障作業(yè)人員帶電作業(yè)時的安全性,在作業(yè)人員帶電作業(yè)過程中,所得檢測結(jié)果需實時向地面監(jiān)控中心傳送,以便于監(jiān)控中心根據(jù)檢測結(jié)果及時向作業(yè)人員發(fā)出預警。選用5G-Sa網(wǎng)絡[13-14]將所得的檢測結(jié)果傳送到地面監(jiān)控中心,實時監(jiān)控作業(yè)人員的帶電作業(yè)行為模式并實施記錄,如圖3所示。當檢測結(jié)果顯示作業(yè)人員超出預警區(qū)間控制線時,即其帶電作業(yè)行為模式不安全時,即刻發(fā)出預警。

圖3 用于檢測結(jié)果傳輸?shù)?G-Sa網(wǎng)絡模式

在所選用的5G-Sa網(wǎng)絡模式中,LTE網(wǎng)和5G無線網(wǎng)不存在關聯(lián),而5G無線網(wǎng)與5G核心網(wǎng)直接相連,且在5G核心網(wǎng)內(nèi),用戶面網(wǎng)元和控制面互為獨立[15]。由圖3可知,虛線框內(nèi)的為5G-Sa網(wǎng)絡起始階段部署時所用到的關鍵網(wǎng)元,AUSF與AMF分別代表認證服務器功能與訪問和移動功能;NRF與UDM分別代表網(wǎng)絡存儲庫功能和統(tǒng)一數(shù)據(jù)管理;SMF與NEF分別代表會話管理功能與網(wǎng)絡曝光功能;NSSF代表網(wǎng)絡切片選取功能;PCF代表策略和收費功能;UE代表用戶體驗;DN代表域名;(R)AN代表接入網(wǎng);UPF代表用戶面網(wǎng)元。

2 實驗分析

以某電力公司配網(wǎng)帶電作業(yè)中心的220kV輸電線路的5號與10號桿塔作為實驗配網(wǎng)帶電作業(yè)對象,其中5號桿塔的帶電作業(yè)項目為更換導線間隔棒(帶電作業(yè)項目A),10號桿塔的帶電作業(yè)項目則為更換絕緣子(帶電作業(yè)項目B),檢測兩個帶電作業(yè)項目中作業(yè)人員的帶電作業(yè)安全行為模式,通過實驗檢測結(jié)果檢驗所提方法的應用效果。實驗中TOF深度相機型號為blaze-101,關鍵參數(shù)如表1所示。

表1 實驗關鍵參數(shù)

采集帶電作業(yè)項目A、B的帶電作業(yè)區(qū)域深度圖像,效果呈現(xiàn)如圖4所示。依據(jù)電力安全工作規(guī)程,220 kV輸電線路帶電作業(yè)時的最低安全間距d=1.8 m,在此最低安全間距下,檢測獲得項目A、B帶電作業(yè)區(qū)域內(nèi)的作業(yè)區(qū)間與安全區(qū)間尺寸參數(shù),如圖5所示。對兩項目作業(yè)過程中預警區(qū)間內(nèi)出現(xiàn)的作業(yè)人員點云數(shù)據(jù)實施檢測,其中項目A共檢測到12組作業(yè)人員點云數(shù)據(jù),項目B檢測到10組作業(yè)人員點云數(shù)據(jù),所檢測到的各組點云數(shù)據(jù)的橫向位置如圖6所示。

圖4 兩項目帶電作業(yè)區(qū)域深度圖像

圖5 兩項目帶電作業(yè)區(qū)域的各區(qū)間尺寸

圖6 項目預警區(qū)間作業(yè)人員點云橫向位置

由圖5～圖6所獲得的檢測結(jié)果,對兩項目作業(yè)過程中作業(yè)人員的帶電作業(yè)行為模式進行判別,并將判別結(jié)果經(jīng)傳輸網(wǎng)絡傳送至地面監(jiān)測中心,實現(xiàn)記錄及非安全行為模式預警。檢測結(jié)果記錄及預警情況如表2所示。

表2 檢測結(jié)果記錄與預警情況

由表2可知,所提檢測方法可實現(xiàn)配網(wǎng)帶電作業(yè)安全行為模式檢測,同時可根據(jù)檢測結(jié)果對不安全帶電作業(yè)行為模式及時發(fā)出預警,提醒帶電作業(yè)人員已超出預警區(qū)間控制線,保障作業(yè)人員帶電作業(yè)的安全性,避免發(fā)生帶電作業(yè)事故。

在判別結(jié)果傳輸過程中,若傳輸網(wǎng)絡性能不佳,或存在嚴重的丟包等問題,勢必造成檢測效果的下降,甚至無法有效預警而導致作業(yè)人員發(fā)生危險事故。因此,需針對所提檢測方法在傳輸檢測結(jié)果時的網(wǎng)絡傳輸性能實施測試。測試中選取無擁塞與有擁塞兩種場景,且每種場景下各模擬5種不同的發(fā)包數(shù)量,以此測試其傳輸檢測結(jié)果時的網(wǎng)絡傳輸性能,測試結(jié)果如表3所示。

表3 所提方法的網(wǎng)絡傳輸性能測試結(jié)果

由表3可知,當處于無擁塞場景下時,所提檢測方法在傳輸檢測結(jié)果時的發(fā)包與收包數(shù)量相同,未出現(xiàn)丟包現(xiàn)象,網(wǎng)絡傳輸性能穩(wěn)定;在有擁塞場景下,當發(fā)包數(shù)量增長至1 000 000時,所提檢測方法的網(wǎng)絡傳輸僅出現(xiàn)少量的丟包現(xiàn)象,可見,所提檢測方法的網(wǎng)絡傳輸綜合性能較好,能夠滿足配網(wǎng)帶電作業(yè)安全行為模式檢測中的實際傳輸需求。

3 結(jié)論

為保障配網(wǎng)帶電過程中作業(yè)人員的安全性與電網(wǎng)運行的穩(wěn)定性,針對一種基于Ai紅外熱成像與5G-Sa網(wǎng)絡模式的配網(wǎng)帶電作業(yè)安全行為模式檢測方法展開研究,選取以Ai紅外熱成像原理為核心的TOF深度相機采集配網(wǎng)帶電作業(yè)區(qū)域及作業(yè)人員的深度圖像,實現(xiàn)配網(wǎng)帶電作業(yè)區(qū)域內(nèi)各區(qū)間尺寸的測量,依據(jù)測量結(jié)果實時監(jiān)測并判別作業(yè)人員的行為模式,將判別結(jié)果經(jīng)由5G-Sa網(wǎng)絡向地面監(jiān)控中心傳輸,實現(xiàn)不安全行為模式的預警及安全行為模式的記錄。結(jié)果表明:所提檢測方法能夠檢測出配網(wǎng)帶電作業(yè)中作業(yè)人員的行為模式是否安全,同時可穩(wěn)定有效地傳輸檢測結(jié)果至監(jiān)控中心,保障監(jiān)控中心對不安全行為模式的及時預警,避免帶電作業(yè)事故的發(fā)生,提升作業(yè)人員的人身安全性與電力系統(tǒng)運行的平穩(wěn)性。