孫 偉 閆可飛 阮利生 付 磊 張?jiān)骑w

（國網(wǎng)冀北張家口供電公司）

0 引言

輸電線路智能地線管控是為了提升電力系統(tǒng)的安全性的研究。現(xiàn)階段，傳統(tǒng)的線路管理方法已經(jīng)無法滿足復(fù)雜電力網(wǎng)絡(luò)的需求［1］。智能地線管控通過結(jié)合先進(jìn)的信息技術(shù)和通信技術(shù)，實(shí)現(xiàn)對輸電線路的實(shí)時(shí)監(jiān)測、分析和控制，從而實(shí)現(xiàn)對線路狀態(tài)的精確評估和監(jiān)管。輸電線路智能地線管控作為電力系統(tǒng)領(lǐng)域的重要研究方向，旨在通過應(yīng)用先進(jìn)的信息技術(shù)和通信技術(shù)，實(shí)現(xiàn)對輸電線路狀態(tài)的精確監(jiān)測、分析和控制，以提升電力系統(tǒng)的安全性、可靠性和效率。這對于實(shí)現(xiàn)智能電網(wǎng)的發(fā)展和推廣，以及滿足未來電力需求的增長，具有重要的意義［2］。

傳統(tǒng)的輸電線路智能地線管控方法主要依賴人工巡檢和監(jiān)測設(shè)備。人工巡檢需要專業(yè)人員沿線巡視，發(fā)現(xiàn)地線的故障或異常情況，并進(jìn)行相應(yīng)的維修和處理。這種方法存在人力資源和時(shí)間成本高、覆蓋范圍有限、容易忽略細(xì)微故障等問題［3-4］。

另一種常見的方法是使用監(jiān)測設(shè)備，如傳感器和監(jiān)控?cái)z像頭等，進(jìn)行地線的實(shí)時(shí)監(jiān)測。這些設(shè)備可以收集地線的相關(guān)數(shù)據(jù)和影像信息，并傳輸?shù)街行目刂葡到y(tǒng)進(jìn)行分析和處理。然而，這種方法受限于設(shè)備的可靠性和覆蓋范圍，而且數(shù)據(jù)的處理和分析也需要人工干預(yù)和判斷，存在一定的誤差和延遲。綜上所述，傳統(tǒng)方法在地線管控方面存在一些限制和不足之處，無法實(shí)現(xiàn)對輸電線路地線的全面、精準(zhǔn)的監(jiān)測和管理。在此背景下，本研究采用基于無人機(jī)技術(shù)設(shè)計(jì)新的智能地線管控方法。

1 基于無人機(jī)技術(shù)的輸電線路智能地線管控

1.1 基于無人機(jī)雙目仿鷹眼視覺的興趣區(qū)域提取方法

基于無人機(jī)雙目仿鷹眼視覺的興趣區(qū)域提取是一種利用無人機(jī)搭載雙目攝像頭，模擬鷹眼視覺系統(tǒng)的方法，對地面上的興趣區(qū)域進(jìn)行高效提取和識(shí)別［5］。該方法在不同的角度和距離同時(shí)獲取地面景物的圖像。通過對雙目圖像進(jìn)行計(jì)算機(jī)視覺算法的處理，可以實(shí)現(xiàn)對地面上的興趣區(qū)域進(jìn)行精確提取。

無人機(jī)雙目成像示意圖如圖1所示。

圖1 無人機(jī)雙目仿鷹眼視覺成像方法

仿鷹視覺是一種以中樞為中心、以邊緣為中心的生物視覺系統(tǒng)，通過多個(gè)神經(jīng)元層次的加工，將人們的注意力吸引到了中樞。因此，在這篇文章中，將的像素對比度設(shè)置為顯著信息，像素對比度主要分為亮度、紋理以及顏色對比度。為了計(jì)算灰度反差，以每個(gè)像素作為中心，設(shè)置輝度反差操作窗。而相對灰度值則會(huì)對視覺刺激的狀態(tài)產(chǎn)生很大的影響［6］。

相對灰度和像素點(diǎn)亮度對比度之間存在一定的關(guān)系。當(dāng)圖像具有高對比度時(shí)，不同灰度級別之間的差異更為明顯，圖像會(huì)顯得更加清晰和鮮明。相反，如果對比度較低，圖像中的灰度級別差異則相對較小，圖像會(huì)呈現(xiàn)出更加平坦和模糊的效果。減少或壓縮像素灰度值的差異會(huì)降低圖像的對比度，使圖像變得更加平滑。這種改變對比度的原理是通過調(diào)整像素的灰度值范圍來實(shí)現(xiàn)的。通過拉伸或壓縮原始圖像中的灰度值分布，可以改變圖像中不同灰度級別之間的差異程度，從而影響圖像的對比度。

設(shè)置相對灰度值是G的像素點(diǎn)亮度對比度是G(x，y)。

式中，m表示各個(gè)運(yùn)算窗口的像素?cái)?shù)目；Gm表示像素點(diǎn)灰度值。

在光度路徑上，每個(gè)像素之間的光度沒有差別，只有色度和色度有差別。在鷹眼色彩空間中，任意一種色彩，都可以用3D的方式來描述。在該三維向量中，色調(diào)值可描述亮度值的變化，最大和最小值為-180°，180°；色彩向量的模值即為色彩飽和度，最大飽和度為1，原點(diǎn)飽和度為0。

不同像素點(diǎn)Q、W之間的顏色也存在不同，顏色對比度的差異是?。

根據(jù)顏色對比度之間的差異性，提取興趣區(qū)域V(x，y)：

2.2 地線隱患特征提取

在對輸電地線的管控中，提取地線行為特征的目的是為了實(shí)時(shí)監(jiān)測地線的狀態(tài)和性能，以便及時(shí)發(fā)現(xiàn)潛在的故障和異常情況。通過提取地線行為特征，可以對地線的電流、電壓、接地阻抗等參數(shù)進(jìn)行分析和監(jiān)測，從而評估地線的工作狀態(tài)是否正常，以及可能存在的問題。本文采用小波變換理論進(jìn)行輸電線路的地線地線行為特征的提取。針對輸電線路的地線分布參數(shù)數(shù)學(xué)模型［7］。小波變換可以同時(shí)提供時(shí)間和頻率信息，可以分析不同尺度的地線行為特征。在輸電系統(tǒng)中，地線地面電流通常存在多個(gè)頻率成分，通過小波變換可以將這些成分分離出來，實(shí)現(xiàn)對地線行為特征的準(zhǔn)確分析。設(shè)定一個(gè)母小波H(t)，經(jīng)過兩次伸縮與平移變換，得到模型的時(shí)域轉(zhuǎn)換函數(shù)，可表示為：

式中，Δγ表示變化帶寬。

將時(shí)域函數(shù)進(jìn)行小波分解，構(gòu)造地線模型在高維空間中的特征向量［8］，即：

式中，g0表示分解系數(shù)；A和B分別表示分解后的兩個(gè)不同地線節(jié)點(diǎn)；d表示信號長度。

2.3 基于深度殘差網(wǎng)絡(luò)的地線故障識(shí)別模型

把2.2小節(jié)中的地線模型在高維空間中的特征向?qū)нM(jìn)深度殘差網(wǎng)絡(luò)，在殘差模塊的作用下，提取圖像特征信息，步驟如下：

①將地線模型在高維空間中的特征向?qū)нM(jìn)深度殘差網(wǎng)絡(luò)；

②地線模型轉(zhuǎn)換：首先，將地線模型轉(zhuǎn)換為對應(yīng)的圖像特征表示。這可以通過各種方法實(shí)現(xiàn)，例如將地線模型的參數(shù)作為圖像的像素值，或者通過地線模型的輸出結(jié)果構(gòu)建特定的圖像表示。

③應(yīng)用深度殘差網(wǎng)絡(luò)，以實(shí)現(xiàn)對圖像特征的提取。

④特征提取與傳遞：在深度殘差網(wǎng)絡(luò)中的每個(gè)殘差模塊中，利用地線模型的特征表示進(jìn)行特征提取和傳遞。具體而言，可以將地線模型的特征與輸入圖像的特征進(jìn)行融合或拼接。

⑤殘差學(xué)習(xí)與更新：在每個(gè)殘差模塊中，除了進(jìn)行特征提取外，還可以引入殘差學(xué)習(xí)機(jī)制。殘差學(xué)習(xí)通過跳躍連接將輸入特征與輸出特征相加，使網(wǎng)絡(luò)能夠更好地學(xué)習(xí)和表示圖像中的重要特征。

⑥結(jié)合其他網(wǎng)絡(luò)層：除了殘差模塊外，深度殘差網(wǎng)絡(luò)還可以包括其他常見的網(wǎng)絡(luò)層，如池化層、全連接層等，以進(jìn)一步提取和表達(dá)圖像的特征。

⑦把獲取的圖像信息以全局平均池化的方式，把特征壓縮變成一維向量。然后通過Softmax分類器，以二分類的方式，識(shí)別G′是否屬于地線故障類圖像。

提取出的輸電線路圖像特征信息表示為G′，導(dǎo)入全局平均池化層中壓縮后，使用Softmаx分類器識(shí)別地線故障：

式中，η是Softmаx分類器的參數(shù)。

3 實(shí)驗(yàn)論證分析

為了驗(yàn)證基于無人機(jī)技術(shù)的輸電線路智能地線管控方法的有效性，設(shè)計(jì)如下實(shí)驗(yàn)。首先，選擇具有一定長度和復(fù)雜地形的現(xiàn)場輸電線路作為實(shí)驗(yàn)對象。在實(shí)驗(yàn)開始前，建立一個(gè)完整的地線行為模型，并利用數(shù)據(jù)采集設(shè)備對地線行為特征進(jìn)行測量和記錄。其次，使用無人機(jī)技術(shù)進(jìn)行實(shí)際地線管控實(shí)驗(yàn)。無人機(jī)搭載相機(jī)、熱像儀、雷達(dá)等多種傳感器，用于獲取地線的圖像、熱點(diǎn)分布和障礙物檢測等數(shù)據(jù)。此外，還可以利用激光雷達(dá)和慣性導(dǎo)航系統(tǒng)等設(shè)備獲取地線的三維坐標(biāo)信息。在實(shí)驗(yàn)過程中，無人機(jī)會(huì)按照預(yù)設(shè)的路徑沿著輸電線路飛行，同時(shí)將獲取到的數(shù)據(jù)實(shí)時(shí)傳輸?shù)降孛嫣幚碚尽Ｍㄟ^分析數(shù)據(jù)，可以實(shí)時(shí)監(jiān)測地線的狀態(tài)、溫度、接地阻抗等指標(biāo)，并及時(shí)發(fā)現(xiàn)可能存在的故障或異常情況。監(jiān)測范圍為以架空地線為中心，半徑5.0 km的環(huán)形區(qū)域。相機(jī)的攝影技術(shù)參數(shù)如表1所示。

表1 可見相機(jī)技術(shù)參數(shù)

基于以上相機(jī)裝置，實(shí)驗(yàn)共采集到了5000張存在地線隱患行為的實(shí)時(shí)樣本圖像，由此構(gòu)建地線地線圖像數(shù)據(jù)集。

通過損失函數(shù)可以測試出研究方法提取的圖像興趣區(qū)域的失真情況，是因?yàn)閾p失函數(shù)可以用來衡量生成圖像與目標(biāo)圖像之間的差異或相似度。在圖像處理任務(wù)中，通常會(huì)定義一個(gè)損失函數(shù)，用于比較生成的結(jié)果與真實(shí)目標(biāo)的差異程度。對于提取圖像興趣區(qū)域的任務(wù)，我們可以將生成的興趣區(qū)域圖像作為生成圖像，將真實(shí)的興趣區(qū)域圖像作為目標(biāo)圖像。當(dāng)提取的圖像興趣區(qū)域與目標(biāo)圖像高度一致時(shí)，其損失值會(huì)較低，表示提取的結(jié)果準(zhǔn)確無失真。而當(dāng)提取的圖像興趣區(qū)域與目標(biāo)圖像存在明顯差異時(shí)，損失值會(huì)較高，表示提取的結(jié)果存在失真。設(shè)置損失函數(shù)為μ，測試結(jié)果如圖2所示。

圖2 損失函數(shù)μ測試結(jié)果

如圖2所示，本文方法應(yīng)用后，地線圖像的興趣區(qū)域失真度更小。

將輸電線路超分辨率圖像作為樣本輸入到地線故障識(shí)別模型中，在使用此模型識(shí)別地線故障時(shí)，先使用已知地線故障圖像作為訓(xùn)練樣本進(jìn)行訓(xùn)練，訓(xùn)練時(shí)的平均精度與訓(xùn)練迭代次數(shù)之間變化如圖3所示。

圖3 訓(xùn)練時(shí)的平均準(zhǔn)確率與訓(xùn)練迭代次數(shù)之間變化

如圖3所示，訓(xùn)練過程中，迭代78次時(shí)，本文方法對已知地線故障圖像識(shí)別結(jié)果的平均精度值已經(jīng)超過0.95，為此，本文方法在識(shí)別圖4地線故障時(shí)，將基于深度殘差網(wǎng)絡(luò)的地線故障識(shí)別模型的迭代次數(shù)設(shè)成78。在此前提下，

為進(jìn)一步測試本文方法在輸電線路的地線隱患監(jiān)測方面的優(yōu)越性，采用文獻(xiàn)［3］方法和文獻(xiàn)［4］方法與本文方法進(jìn)行對比，將三種方法得到的地線地線隱患定位坐標(biāo)與真實(shí)坐標(biāo)進(jìn)行比較，并對比不同方法的定位精度，結(jié)果如表2所示。

表2 地線監(jiān)測誤差結(jié)果對比

分析表2中數(shù)據(jù)可知，所提方法對輸電地線的監(jiān)測具有更高的精度，且數(shù)值水平始終保持在97%以上。

4 結(jié)束語

本研究提出了一種基于無人機(jī)技術(shù)的輸電線路智能地線管控方法，通過利用無人機(jī)雙目仿鷹眼視覺技術(shù)提取輸電地線的興趣區(qū)域，并結(jié)合小波變換分析地線的故障隱患特征，運(yùn)用深度殘差網(wǎng)絡(luò)完成輸電線路智能地線故障的診斷和管控。無人機(jī)技術(shù)的應(yīng)用也可以減少人力投入和風(fēng)險(xiǎn)，提高工作效率和安全性。