输电线路通道树障生长风险预判系统

沈明松,曾绍攀,廖振陆

（国网福建省电力有限公司三明供电公司，福建三明 365000）

1 引言

电力能源是社会经济发展的重要支撑，目前我国使用的主要输电线路为电缆和架空线路，输电线路对电力系统的远距离安全运输起到重要作用。随着电网规模的扩大，跨地区输电线路的构建逐渐增加，给电网的运行安全带来了一定的压力，因此需要对电力输电线路进行安全巡检[1]。在输电线路的安全巡检中，树障隐患是巡视工作的重点内容，由于输电线路与树木的距离小于安全距离，以及山火引发树木燃烧的问题，会导致输电线路跳闸，进而影响电力系统的运行。为了更好地处理树障隐患，保障输电线路的稳定运行，需要对树障生长高度和与输电线路间隔的距离进行监测，判断树障隐患风险，及时处理隐患信息[2]。传统的输电线路通道巡检方式主要依靠人工巡检，对巡检人员的专业技能和地理环境要求较高，存在巡检盲区，并且传统系统难以实现全面覆盖的检测要求，有必要对树障隐患巡检系统进行研究，提高风险预测的智能性和准确性。曾勇斌等人提出了输电线路缺陷风险建模及其预测方法研究，该方法根据输电线路自身的特点将其细分成若干个部件。然后对输电线路各部件的缺陷严重程度进行量化，并根据输电线路的缺陷历史数据，通过隶属度分析进而定义得到输电线路整体的缺陷风险值。最后研究了各种随机因素分别对线路各部件缺陷风险值的影响。建立基于支持向量机的输电线路缺陷风险值预测模型并对线路未来时段内的缺陷风险值进行预测[3]。张磊等人设计了一种输电通道移动巡视管控系统，研究了一套安全可靠的输电通道巡视管控方案，并依据此方案构建了输电通道移动巡视管控系统平台，利用移动终端及互联网技术实现巡视数据的有效整合及实时展示，依托广阔的巡线资源为电力系统各运维管理单位提供输电通道巡视管控服务[4]。但是上述俩种研究风险预判的覆盖范围较小，没能达到预测效果。

为解决上述问题，本文设计一个输电线路通道树障生长风险预判系统，以减少输电线路故障停电损失，提高电网安全稳定性。

2 输电线路通道树障生长风险预判系统硬件设计

本文设计的树障生长风险预判系统的硬件结构，主要包括：控制模块、图像采集模块、超声波测距模块、倾角传感器模块和供电电源模块等。控制模块负责对整个系统硬件的信息采集与控制，形成无线网络中的信息交互，包括数据采集控制、供电控制、通讯控制等，并可对控制信息进行收发和信号强度放大的处理。图像采集模块是利用摄像头获取输电线路通道树障和周围环境的状态信息；超声波测距模块是利用发射和接收的超声波，测量树障与输电线路的距离；倾角传感器模块是利用传感器采集树障检测的倾角数据，已完成树障生长风险的估算，以上硬件模块构成了系统的感知层。供电电源模块为硬件系统提供了必要的供电电源，保证系统硬件的稳定运行。

2.1 设计监测摄像头

图像采集模块主要通过摄像头获取输电线路通道的图像，因此监测摄像头的选择对图像采集的质量至关重要。考虑到输电线路所处的实际环境，需要选择合适的摄像头，来实现树障生长风险预判功能[5]。目前，市面上的摄像头可分为数字信号和模拟信号摄像头两类，数字信号摄像头分辨率较高，能够满足本文设计系统的三维信息测量精确度，因此选择OV5640 数字信号摄像头作为图像采集模块的核心部件。OV5640摄像头主要通过两个引脚设置图像的分辨率等成像信息，完成芯片信号的处理，输出与像素同步的时间信号。为获取摄像头信息，需要依靠成像传感器，完成电荷信号的读取[6]。本文选择CMOS 作为成像传感器，如图1所示。与其他材料相比，CMOS 属于光电传感元件，功率损耗小，仅需3V电压就可维持正常运行，可以实现低功耗模式。

图1 成像传感器电路

摄像头将光信号转化为电信号，并依次输出为像素点，最终储存为数字图像并导入到外部器件中。

2.2 选择超声波探头

系统硬件中超声波测距模块，需要根据输电线路通道的高度选择合适频率的探头。考虑超声波的振动频率、信号传输距离和强度，本文选择USC18TR-40MP型超声波探头进行对监测点的距离测量。USC18TR-40MP型超声波探头，具有频率高、波长短、方向性好和灵敏度高的特点，其技术参数见表1。

表1 USC18TR-40MP超声波测距模块参数

将超声波探头安装在硬件结构的底端，竖直向下发射和接收信号，利用脉冲计数计算树障与输电线路通道的距离，将采集到的距离数据，传回后台服务器。

3 输电线路通道树障生长风险预判系统软件设计

3.1 构建风险位置识别模型

本文设计通过实时监测树障与输电线路的相对距离，实现对树障生长风险位置的识别。首先基于悬链方程构建输电线路模型。悬链线模型如图2所示，将输电线路模拟为只受拉力作用的柔性线缆，呈自然下垂的曲线形态，重力沿线缆均匀分布，具有较高的拟合精度[7]。

图2 输电线路悬链线模型

在输电线路上任意选取一点，对其进行平衡状态的受力分析，得到水平和竖直方向的受力平衡为：

式(1)中，L表示向左的水平拉力；K表示沿切线的向外拉力；θ表示线路倾角；m表示输电线路单位质量；s表示线路长度；g表示重力加速度。输电线路的受力关系与θ有关，对其进行积分求导后，得到输电线路的悬链线方程为：

式(2)中，x表示输电过程中的变化，选取输电线路最低点作为坐标原点，建立新的坐标系，将式(2)的悬链线方程调整为：

式(3)中，H0表示输电线路最低点与地面距离。设定P、Q为档距线路上的两点，P点对地距离为HP、倾角为θP；Q点对地距离为HQ，倾角为θQ。联立方程组可得到：

以摄像头视场沿输电线路通道方向建立坐标Z轴，竖直向上为坐标Y 轴，垂直线路的水平方向为坐标X 轴，建立新的坐标系，则输电线路的悬链线方程转化为：

式(5)中，p 表示平移距离。基于以上步骤，通过超声波测距模块得到监测数据，计算得到树障与输电线路模型的相对距离，判断树障是否处于安全区域，进而识别树障风险位置[8]。

3.2 设置树障生长风险预判模式

基于识别出的风险位置，对树障生长隐患进行预判。在实际环境中，除了传输电线外，塔杆和地面也存在干扰，因此在提取树障风险特征时，需要去除干扰，优化对树障生长风险的检测[9]。对信息数据进行分类，是树障生长风险预判的基础，根据实际环境的地物特征，设计通道障碍物分类算法，实现通道内精确分类。塔杆可按高度分层，每一层视为形状相似的多边形，利用三维凸包构造算法对其求解，确定塔杆位置。输电线路在断面上通常呈有规律的现状分布，在获得断面数据后，基于聚类算法和法向约束算法确定输电线路分布。计算断面数据集中所有未标记的数据的平方差，表示为：

式(6)中，e表示数据点平方差总和；K表示聚类的分组；i表示类别比率，N表示断面上的点；ai表示类别Ci的平均值。根据分组表现的特征，经过迭代后，按照相似性进行聚类。将选定的聚类数据点沿其法向量方向移动，移动位置可表示为：

其中，G、B、R分别表示图像颜色空间的亮度值。在RDG 空间中，树障生长风险特征值的灰度概率明显高于其他非兴趣区域，因此对图像进行过绿特征分割，可将树障生长风险特征提取出来，完成风险预判的立体匹配。以输电线路通道与树障等地物的距离为基础，对风险位置建模后，得到了区域位置的识别，根据障碍物分类结果，提取树障生长风险特征，建立树障立体匹配，从而完成风险预判。

4 实验结果与分析

为验证本文设计系统的监测和预判效果，选取某地输电线路通道搭建硬件终端平台，进行系统运行测试。该地段输电线路通道内存在茂密树丛，可能存在树障隐患，因此对其进行树障生长风险预判。

4.1 系统性能调试

为评估本文设计系统的输电线路提取与拟合效果，在输电线路上选取并标记10 个位置点，使用系统拟合和手动拟合的方法，分别测量净空距离、垂直距离和水平距离。将模型拟合结果与人工刺点拟合结果进行对比，计算同一位置点的距离差值，根据差值确定拟合精确度。系统模型自动拟合与手动拟合结果对比具体见表2。

表2 系统拟合与手动拟合输电线路误差

由表2数据可知，输电线路标记的位置点的线路误差平均值小于0.3m，说明系统拟合的输电线路具有较高的精确度。

为测试系统对输电线路通道的地物障碍分类的效果，选取输电线路点云密度不同的2 个区间，进行地物障碍分类，并对分类精确度进行评价，具体分类结果见表3。

由表3所示，本文系统对地物障碍的整体分类精确度高于95%，其中输电线路精确度高于98%，塔杆精确度高于96%，树障精确度高于97%，地面精确度高于86%，因此具有良好的分类效果，能够基于此分类效果提取树障特征。

表3 系统地物障碍分类结果

基于以上系统性能调试，输电线路拟合和地物障碍分类效果较好，满足基本功能需求，可进行后续风险预判。

4.2 风险位置预判测试

为验证本文系统应用的有效性，将本文系统设置为实验组，将传统系统设置为对照组，进行对比实验，比较树障生长风险位置预判的效果，传统系统树障生产风险位置识别结果见图3，本文设计系统位置识别结果见图4。

图3 传统系统树障风险位置识别结果

从图3、图4预判结果可知，传统系统没有检测到树障生长风险，无法及时有效识别树障隐患点。而本文系统能够对树障生长风险位置进行识别，检测出存在隐患的危险点，证明了系统的有效性，比传统系统的检测覆盖面更广，能够完成对树障生长风险的监测。

图4 本文系统树障风险位置识别结果

根据输电线路运行规范，树线距离不能超过安全范围。对实验区域内识别的风险位置进行预判，确定缺陷级别。根据输电线路与下方树障的最小垂直距离与水平距离，判定树障生长高度隐患，具体安全范围要求见表4。

表4 树障生长风险预判等级列表

采用分段截面距离计算和分析输电线与树障的距离，并与规定的安全距离进行比较，标记存在树障生长风险的缺陷点，根据分析结果对其进行风险等级预判，并对该区域的位置坐标、树障隐患等信息进行存储，并生成预判报告。本文系统对树障生长风险的检测结果见表5。

表5 树障检测缺陷点信息列表

根据500Kv输电线路的安全运行标准，本文标记的位置点的垂直距离与水平距离均小于安全距离7m，存在树障生长风险，因此判定为紧急缺陷类型，后台软件系统发布警示信息，以此完成树障生长风险预判和安全隐患自动化监测，后续需采取一定措施降低树障生长风险。

5 结束语

由于输电线路树障隐患容易诱发大面积停电，破坏输电线路安全稳定运行，传统检测系统智能化水平较低，无法实现高精度的树障隐患检测，因此设计一个输电线路通道树障生长风险预判系统，实现对树障隐患的有效预警。但是，本次设计的系统还存在不足之处，可以在以下方面进一步进行优化。首先，完善对树障特征的提取，提高对树障识别的准确性和可靠性；其次，缩短处理生成点云数据的时间，提高系统检测的时间效用；最后，针对体积较小的地面障碍，生成完整点云数据，提高信息采集精确度。