基于雙目視覺技術(shù)的特高壓輸電線路導(dǎo)地線弧垂檢測

陳銳銳 王健 蔡峽 陶勇 宮赫

基于雙目視覺技術(shù)的特高壓輸電線路導(dǎo)地線弧垂檢測

陳銳銳1王健1蔡峽2陶勇3宮赫4

(1. 國網(wǎng)甘肅省電力公司蘭州供電公司 蘭州 730070；2. 國網(wǎng)甘肅省電力公司金昌供電公司 金昌 737100；3. 國網(wǎng)甘肅省電力公司檢修公司 蘭州 730070；4. 國網(wǎng)遼寧省電力有限公司營口供電公司 營口 115000)

為提高特高壓輸電線路導(dǎo)地線弧垂視覺檢測能力，實現(xiàn)對導(dǎo)地線跨越交跨距離的實時測量與報警，提出基于雙目視覺技術(shù)的特高壓輸電線路導(dǎo)地線弧垂檢測方法。構(gòu)建視覺成像模型，利用融合濾波和信息增強技術(shù)進行圖像增強，分析人工智能視覺成像特征，基于雙目視覺技術(shù)，通過圖像融合優(yōu)選控制實現(xiàn)視景重構(gòu)。采用融合聚類分析方法，通過模糊度辨識和參數(shù)融合方法，結(jié)合視景重構(gòu)技術(shù)進行特高壓輸電線路導(dǎo)地線弧垂視景三維重建，采用AR技術(shù)進行特高壓輸電線路導(dǎo)地線弧垂視覺信息處理，得到導(dǎo)地線跨越交跨距離的實時測量與優(yōu)化處理結(jié)果。仿真結(jié)果表明，該方法的視景重建能力較好，測量精度較高并且檢測耗時較短。

雙目視覺技術(shù)；特高壓；輸電線路；導(dǎo)地線；弧垂檢測

1 引言

隨著特高壓電網(wǎng)建設(shè)規(guī)模的不斷增大，需要進行特高壓電網(wǎng)的實時維護和現(xiàn)場作業(yè)，構(gòu)建特高壓輸電線路導(dǎo)地線弧垂檢測模型，結(jié)合AR可穿戴設(shè)備，實現(xiàn)雙目視覺技術(shù)[1]對導(dǎo)地線跨越交跨距離的實時測量與報警。隨著計算機視覺信息處理技術(shù)的發(fā)展，采用視覺圖像處理和AR三維視景仿真方法，進行特高壓輸電線路導(dǎo)地線弧垂檢測，提高視覺檢測和視景仿真能力[2]。研究特高壓輸電線路導(dǎo)地線弧垂檢測方法，進行可穿戴檢測設(shè)備設(shè)計，通過虛擬視景仿真技術(shù)，提高特高壓輸電線路導(dǎo)地線弧垂的檢測效果，相關(guān)的特高壓輸電線路導(dǎo)地線弧垂檢測技術(shù)研究受到了人們的極大關(guān)注。

文獻[3]設(shè)計了一個基于GA-SVM的高壓輸電線路弧垂預(yù)測模型，將遺傳算法與支持向量機結(jié)合預(yù)測輸電線路弧垂。運用遺傳算法對數(shù)據(jù)進行自適應(yīng)賦權(quán)，實現(xiàn)對冗余數(shù)據(jù)的控制。在此基礎(chǔ)上，采用支持向量機預(yù)測輸電線路弧垂。試驗結(jié)果表明，該方法在預(yù)測輸電線路弧垂方面具有有效性，但是存在檢測精度較低的問題。文獻[4]提出了基于離線學習的野外架空地線檢測算法，采用離線學習方法對候選樣本塊進行分類，在此過程中運用隨機采樣一致性算法對誤檢塊進行過濾，從而在圖像坐標系中獲取地線的位置參數(shù)，實現(xiàn)對架空地線的檢測。試驗結(jié)果表明，該算法能夠適應(yīng)惡劣環(huán)境，實現(xiàn)對架空地線狀態(tài)的檢測，但該算法的設(shè)計復(fù)雜度較高，檢測耗時較長。

針對上述問題，本文提出基于雙目視覺技術(shù)的特高壓輸電線路導(dǎo)地線弧垂檢測方法。該方法的主要研究重點如下：構(gòu)建視覺成像模型，通過模糊度辨識和參數(shù)融合方法，進行特高壓輸電線路導(dǎo)地線弧垂視覺重組和三維圖像重建，采用AR技術(shù)進行視覺信息處理，實現(xiàn)特高壓輸電線路導(dǎo)地線弧垂檢測，最后進行仿真測試，展示了所提方法在提高特高壓輸電線路導(dǎo)地線弧垂檢測能力方面的優(yōu)越 性能。

2 視覺成像及預(yù)處理

2.1 總體設(shè)計構(gòu)架及雙目視覺成像

在雙目視覺環(huán)境下，進行特高壓輸電線路導(dǎo)地線弧垂檢測，總體結(jié)構(gòu)模型如圖1所示。

圖1 總體實現(xiàn)結(jié)構(gòu)圖

通過雙目視覺分析，進行特高壓輸電線路導(dǎo)地線弧垂視覺成像和邊緣輪廓特征分解[5]，進行視覺成像的尋優(yōu)控制，從而構(gòu)建視覺成像模型。

結(jié)合空間參數(shù)尋優(yōu)的雙目視覺仿真分析，設(shè)置雙目視覺成像的自適應(yīng)參數(shù)，得到圖像的匹配度

式中，為視覺圖像特征點；為視覺成像時刻；v1為特征點的局部特征；v2為特征向量；v為特征點匹配點對。假設(shè)特高壓輸電線路導(dǎo)地線弧垂視覺圖像在時刻的特征匹配參數(shù)為X()=(x1(),x2(), …, x())，使視覺圖像分布域中含有個節(jié)點，得到視覺圖像分布域

在VR背景下，通過虛擬現(xiàn)實仿真，假設(shè)存在視景圖像特征分布的最優(yōu)解，通過圖像的邊緣尺度分解[6-8]，得到雙目視覺圖像的動態(tài)分布參數(shù)為

式中，為圖像邊緣尺度分解結(jié)果。

假設(shè)特高壓輸電線路導(dǎo)地線弧垂分布的權(quán)重為p=(p1,p2,…, p)，通過視景融合，得到視覺圖像成像模型

式中，x()為權(quán)重最優(yōu)值。

通過上述設(shè)計，實現(xiàn)特高壓輸電線路導(dǎo)地線弧垂視覺圖像匹配及分布解析，結(jié)合視覺分析，實現(xiàn)特高壓輸電線路導(dǎo)地線弧垂視覺成像建模。

2.2 視覺特征分析

以視覺圖像成像模型為基礎(chǔ)，通過雙目視覺技術(shù)進行視覺成像的特征分析，結(jié)合統(tǒng)計特征分析方法，提取特高壓輸電線路導(dǎo)地線弧垂視覺圖像的關(guān)鍵特征點[9-11]。

在可視化場景下，得到靜態(tài)三維動態(tài)特征分布權(quán)重

式中，ω為視覺圖像分配的粒子個數(shù)；ω為圖像深度信息；I為存在視差的圖像組對；max為關(guān)鍵特征點。通過對模糊信息進行聚類，對特高壓輸電線路導(dǎo)地線弧垂視覺圖像進行多目標樣本集屬性匹配，得到特征匹配的融合矩陣為一個×的矩陣。

其中，對于任意的特高壓輸電線路導(dǎo)地線弧垂視覺圖像數(shù)據(jù)點x和x之間的特征匹配度(,)，其值越小，特高壓輸電線路導(dǎo)地線弧垂視覺圖像的相似度越好。

直至聚類的中心收斂，得到圖像特征分析函數(shù)，其表達式為

式中，f為第個特高壓輸電線路導(dǎo)地特征點的適應(yīng)度函數(shù)；f為視覺圖像匹配度函數(shù)，當2<時，為某一個確定的閾值。

通過以上分析，利用融合濾波和信息增強技術(shù)進行圖像增強處理，進行特高壓輸電線路導(dǎo)地線弧垂檢測的視覺成像及預(yù)處理，之后進行特高壓輸電線路導(dǎo)地線弧垂視景重構(gòu)。

3 特高壓輸電線路導(dǎo)地線弧垂視景重構(gòu)和檢測

3.1 視景重構(gòu)

在特高壓輸電線路導(dǎo)地線弧垂視景重構(gòu)過程中，首先結(jié)合網(wǎng)格區(qū)域分配方法，得到特高壓輸電線路導(dǎo)地線弧垂視覺圖像分布屬性集，其表達式為

通過模糊度辨識和參數(shù)融合方法，得到視覺圖像動態(tài)優(yōu)化分配函數(shù)，其表達式為

通過構(gòu)建特高壓輸電線路導(dǎo)地線弧垂視覺圖像動態(tài)分配信息的層級結(jié)構(gòu)模型，對特定視覺圖像的多目標樣本集屬性進行規(guī)范化處理，得到輸出穩(wěn)定性視覺圖像融合模型[14-15]，其表達式為

式中，f()為輸入視覺圖像動態(tài)分配信息的標量時間序列；f()為分配的可靠性函數(shù)；*為卷積運算。

對于輸入的梯度分量進行圖像融合優(yōu)選控制，采用自適應(yīng)尋優(yōu)方法，結(jié)合圖像融合濾波方法進行視景重構(gòu)，得到視景重構(gòu)函數(shù)為

式中，()為特高壓輸電線路導(dǎo)地線弧垂視覺圖像分布節(jié)點的尺度。

綜上分析實現(xiàn)對特高壓輸電線路導(dǎo)地線弧垂視景重構(gòu)。通過圖像融合優(yōu)選控制，得到視景重構(gòu)結(jié)果，繼而進行視景優(yōu)化檢測。

3.2 動態(tài)分配尋優(yōu)檢測算法

通過圖像的邊緣尺度分解，采用融合聚類分析方法，得到特高壓輸電線路導(dǎo)地線弧垂視覺重建和檢測的尋優(yōu)路徑描述如下

式中，為迭代次數(shù)；τ為雙目視覺系統(tǒng)的內(nèi)外參數(shù)；η為圖像峰值信噪比；τ為匹配后的特征點；η為特征點坐標。在通過迭代處理后，進行視覺圖像動態(tài)分配全概率覆蓋，得到視覺重構(gòu)的檢測函數(shù)，其描述為

結(jié)合視景重構(gòu)技術(shù)進行特高壓輸電線路導(dǎo)地線弧垂視景三維重建，采用AR技術(shù)進行視覺信息檢測處理，實現(xiàn)流程如圖2所示。

4 仿真試驗

通過仿真試驗對基于雙目視覺技術(shù)的特高壓輸電線路導(dǎo)地線弧垂檢測方法的實時測量與報警性能進行測試，采用Creator建模進行場景三維重建，采用Matlab信號處理工具進行特高壓輸電線路導(dǎo)地線弧垂檢測的圖像處理，仿真場景如圖3所示。

圖3 仿真場景

在圖3的仿真場景中，進行特高壓輸電線路導(dǎo)地線弧垂檢測，采用雙目視覺技術(shù)對導(dǎo)地線跨越交跨距離的實時測量，仿真時間設(shè)定為15 min，采樣頻率為12 kHz，得到功率測試結(jié)果如圖4所示，其中，ESS1表示特高壓輸電線路1，ESS2表示特高壓輸電線路2，ESS3表示特高壓輸電線路3。

圖4 功率測試結(jié)果

根據(jù)功率測試結(jié)果，得到電壓幅值如圖5所示。

圖5 輸出電壓幅值

分析上述仿真結(jié)果得知，采用所提方法進行特高壓輸電線路導(dǎo)地線弧垂檢測，檢測結(jié)果準確性較高，說明該方法的檢測結(jié)果可靠。這是由于該方法構(gòu)建了視覺成像模型，基于該模型，同時利用融合濾波和信息增強技術(shù)進行圖像增強，分析人工智能視覺成像特征，為特高壓輸電線路導(dǎo)地線弧垂檢測提供基礎(chǔ)，從而提升該方法的檢測性能。測試不同方法的檢測精度，得到對比結(jié)果見表1。

表1 檢測精度測試

分析表1中數(shù)據(jù)得知，所提方法進行特高壓輸電線路導(dǎo)地線弧垂檢測時得到的精度較高，其檢測精度最高值為0.992，明顯高于文獻[3]方法和文獻[4]方法，說明所提方法能夠?qū)崿F(xiàn)對特高壓輸電線路導(dǎo)地線弧垂的精準檢測，提高了視覺檢測能力和視景仿真能力。

為了進一步驗證所提方法在使用過程中的應(yīng)用效果，選取檢測耗時作為指標，對比不同方法的檢測性能，檢測結(jié)果如圖6所示。

分析圖6可知，隨著電壓幅值的增長，不同方法的檢測耗時整體上呈現(xiàn)出持續(xù)增長的趨勢，但是所提方法的檢測耗時明顯低于文獻[3]方法和文獻[4]方法，說明所提方法在檢測效率方面具有優(yōu)勢性。這是由于該方法采用AR技術(shù)對特高壓輸電線路導(dǎo)地線弧垂視覺信息進行處理，得到了導(dǎo)地線跨越交跨距離的實時測量與優(yōu)化處理結(jié)果，優(yōu)化后的結(jié)果有利于消除無效信息的影響，從而降低檢測耗時，提升檢測效率。

圖6 不同方法的檢測耗時對比

5 結(jié)論

針對現(xiàn)有方法存在的特高壓輸電線路導(dǎo)地線弧垂檢測結(jié)果精度不高和檢測耗時較長的問題，為提升檢測效果，提出基于雙目視覺技術(shù)的特高壓輸電線路導(dǎo)地線弧垂檢測方法。

(1) 在雙目視覺環(huán)境下，進行特高壓輸電線路導(dǎo)地線弧垂檢測和視覺成像的尋優(yōu)控制。

(2) 分析視覺成像特征，提取特高壓輸電線路導(dǎo)地線弧垂視覺圖像的關(guān)鍵特征點，構(gòu)建特高壓輸電線路導(dǎo)地線弧垂視覺圖像動態(tài)分配全概率覆蓋模型。

(3) 用AR技術(shù)進行特高壓輸電線路導(dǎo)地線弧垂視覺信息處理，結(jié)合視景重構(gòu)技術(shù)進行特高壓輸電線路導(dǎo)地線弧垂視景三維重建。

(4) 由仿真試驗可知，所提方法進行特高壓輸電線路導(dǎo)地線弧垂檢測的精度較高，并且檢測耗時較短，可以為特高壓輸電線路處理工作提供參考。

雖然該方法提升了檢測結(jié)果的精度，但是由于特高壓輸電線路導(dǎo)地線弧垂視覺檢測過程中會產(chǎn)生多條尋優(yōu)路徑，影響對檢測結(jié)果的判斷，為此需要進一步提升所提方法的檢測性能。

[1] 趙俊偉，劉珍珍，黃俊杰，等. 基于雙目視覺的3-PRS并聯(lián)機構(gòu)末端位姿檢測方法[J]. 制造技術(shù)與機床，2018，667(1)：101-106.

ZHAO Junwei，LIU Zhenzhen，HUANG Junjie，et al. The method to measure the terminal position and pose of 3-PRS parallel mechanism based on binocular vision system[J]. Manufacturing Technology & Machine Tool，2018，667(1)：101-106.

[2] 崇愛新，尹輝，劉艷婷，等. 基于雙目視覺的無縫線路鋼軌縱向位移測量方法研究[J]. 儀器儀表學報，2019，40(11)：85-92.

CHONG Aixin，YIN Hui，LIU Yanting，et al. Research on longitudinal displacement measurement method of seamless rail based on binocular vision[J]. Chinese Journal of Scientific Instrument，2019，40(11)：85-92.

[3] 姬波，楊文東，張馳，等. 基于GA-SVM的高壓輸電線路弧垂預(yù)測模型[J]. 鄭州大學學報，2018，50(4)：97-103.

JI Bo，YANG Wendong，ZHANG Chi，et al. High voltage transmission line sag prediction model based on GA-SVM[J]. Journal of Zhengzhou University，2018，50(4)：97-103.

[4] 葉旭輝，吳功平，黃樂，等. 基于離線學習的野外架空地線檢測算法[J]. 光學學報，2018，38(9)：250-258.

YE Xuhui，WU Gongping，HUANG Le，et al. Field ground wire detection algorithm based on off-line learning method[J]. Acta Optica Sinica，2018，38(9)：250-258.

[5] 裴慧坤，楊興，侯立群. 同塔雙回特高壓輸電線路紅外圖像檢測研究[J]. 中國電子科學研究院學報，2019，14(2)：212-217.

PEI Huikun，YANG Xing，HOU Liqun. Infrared image detection of double circuit UHV transmission lines on the same tower[J]. Journal of China Academy of Electronics and Information Technology，2019，14(2)：212-217.

[6] 趙光鋒，李欣唐，聶鋼，等. 基于電暈損耗計算的特高壓交流同塔雙回輸電線路損耗特性[J]. 科學技術(shù)與工程，2018，18(30)：182-187.

ZHAO Guangfeng，LI Xintang，NIE Gang，et al. Loss characteristics of ultra high voltage alternating current dual circuit transmission line based on corona loss calculation[J]. Science Technology and Engineering，2018，18(30)：182-187.

[7] 周艷真，吳俊勇，于之虹，等. 基于轉(zhuǎn)子角軌跡簇特征的電力系統(tǒng)暫態(tài)穩(wěn)定評估[J]. 電網(wǎng)技術(shù)，2016，40(5)：1482-1487.

ZHOU Yanzhen，WU Junyong，YU Zhihong，et al. Power system transient stability assessment based on cluster features of rotor angle trajectories[J]. Power System Technology，2016，40(5)：1482-1487.

[8] 陳翰澍，周煥林，邱新剛，等. 構(gòu)架空間多支管節(jié)點試驗研究與力學分析[J]. 合肥工業(yè)大學學報，2019，42(2)：237-242.

CHEN Hanshu，ZHOU Huanlin，QIU Xingang，et al. Experimental study and mechanical analysis of multiplanar steel joint of framework[J]. Journal of Hefei University of Technology，2019，42(2)：237-242.

[9] 郭春義，蔣雯，殷子寒，等. 弱交流電網(wǎng)下含STATCOM的LCC-HVDC系統(tǒng)的附加阻尼協(xié)調(diào)控制方法[J]. 中國電機工程學報，2018，38(20)：5957-5964.

GUO Chunyi，JIANG Wen，YIN Zihan，et al. A supplementary damping coordination control for LCC-HVDC system with STATCOM under weak AC grid conditions[J]. Proceedings of the CSEE，2018，38(20)：5957-5964.

[10] 許賢澤，劉靜，施元，等. 基于Spark和梯度提升樹模型的短期負荷預(yù)測[J]. 華中科技大學學報，2019，47(5)：84-89.

XU Xianze，LIU Jing，SHI Yuan，et al. Short-term load forecasting based on Spark and gradient boosting decision tree model[J]. Journal of Huazhong University of Science and Technology，2019，47(5)：84-89.

[11] 趙騰飛，包華，張雷，等. 考慮耐張串效應(yīng)的特高壓線路導(dǎo)線弧垂的理論解[J]. 科學技術(shù)與工程，2020，20(30)：12512-12519.

ZHAO Tengfei，BAO Hua，ZHANG Lei，et al. Theoretical solution of conductor sag in ultra high voltage transmission line considering tension string effect[J]. Science Technology and Engineering, 2020，20(30)：12512-12519.

[12] 汪茹，田瑾，吳飛，等. 一種基于有限元法的超高壓輸電線路三維電場計算方法[J]. 電子測量與儀器學報，2019，33(4)：103-110.

WANG Ru，TIAN Jin，WU Fei，et al. Three-dimensional electric field calculation method for EHV transmission line based on finite element method[J]. Journal of Electronic Measurement and Instrumentation，2019，33(4)：103-110.

[13] 麻衛(wèi)峰，王金亮，王成，等. 機載激光雷達點云數(shù)據(jù)輸電線路弧垂模擬[J]. 測繪科學技術(shù)學報，2019，36(4)：394-399，405. MA Weifeng，WANG Jinliang，WANG Cheng，et al. Transmission line sag simulation from airborne LiDAR point cloud data[J]. Journal of Geomatics Science and Technology，2019，36(4)：394-399，405.

[14] 胡軼波，呂佳佳，彭翰川，等. 基于空間電場探針的輸電線路故障行波檢測[J]. 電力科學與技術(shù)學報，2020，35(4)：27-32.

HU Yibo，Lü Jiajia，PENG Hanchuan，et al. Fault detection of transmission line based on space electric field probes[J]. Journal of Electric Power Science and Technology，2020，35(4)：27-32.

[15] 官瀾，李奧森，韓念遐，等. 基于數(shù)字化三維模型的架空輸電線路設(shè)計[J]. 電測與儀表，2020，57(3)：105-109.

GUAN Lan，LI Aosen，HAN Nianxia，et al. Design of overhead transmission lines based on digital three-dimensional model[J]. Electrical Measurement & Instrumentation，2020，57(3)：105-109.

Sag Detection of Conductor and Ground Wire of UHV Transmission Line Based on Binocular Vision Technology

CHEN Ruirui1WANG Jian1CAI Xia2TAO Yong3GONG He4

(1. Lanzhou Power Supply Company of State Grid Gansu Electric Power Company, Lanzhou 730070;2. Jinchang Power Supply Company of State Grid Gansu Electric Power Company, Jinchang 737100;3. State Grid Gansu Electric Power Company Maintenance Company, Lanzhou 730070;4. Yingkou Power Supply Company of State Grid Liaoning Electric Power Supply Co., Ltd., Yingkou 115000)

In order to improve the visual detection ability of the conductor and ground wire sag of UHV transmission line, and realize the real-time measurement and alarm of the cross span distance of the conductor and ground wire, a method based on binocular vision technology for UHV transmission line sag detection is proposed. A visual imaging model is constructed, fusion filtering and information enhancement technology are used for image enhancement, artificial intelligence visual imaging features are analyzed, based on binocular vision technology, visual reconstruction through optimal control of image fusion is realized. Using fusion clustering analysis method, through ambiguity identification and parameter fusion method, combined with the scene reconstruction technology, the three-dimensional reconstruction of the ground wire sag of UHV transmission line is carried out, and AR technology is used to carry out the ground wire sag of UHV transmission line visual information processing, real-time measurement and optimization processing results of the crossing distance of the ground lead. The simulation results show that the method has better visual reconstruction ability, higher measurement accuracy and shorter detection time.

Binocular vision technology；UHV；transmission lines；ground wire；sag detection

10.11985/2021.04.023

TM73

20201210收到初稿，20210508收到修改稿

陳銳銳，男，1985年生，高級工程師。主要研究方向為智能電網(wǎng)輸電技術(shù)，傳感器應(yīng)用控制技術(shù)和人工智能裝備在電力系統(tǒng)中的應(yīng)用等。E-mail：quewohanyt9@163.com

王健，男，1979年生，高級工程師。主要研究方向為智能電網(wǎng)輸電技術(shù)，傳感器應(yīng)用控制技術(shù)和人工智能裝備在電力系統(tǒng)中的應(yīng)用等。E-mail：31581693@qq.com

蔡峽，男，1979年生，高級工程師。主要研究方向為智能電網(wǎng)輸電技術(shù)，傳感器應(yīng)用控制技術(shù)和人工智能裝備在電力系統(tǒng)中的應(yīng)用等。E-mail：3090434938@qq.com

陶勇，男，1974年生，助理工程師。主要研究方向為智能倉儲技術(shù)，傳感器應(yīng)用控制技術(shù)和人工智能裝備在電力系統(tǒng)中的應(yīng)用等。E-mail：1113119401@qq.com

宮赫，女，1991年生，碩士。主要研究方向為柔性直流變電技術(shù)，逆變器變換控制技術(shù)和人工智能裝備在電力系統(tǒng)中的應(yīng)用等。E-mail：5724647@qq.com