基于三维技术的输变电工程智能化质检方法

刘 洋 唐继朋

（1. 国网天津市电力公司物资公司，天津 300304；2. 国网天津市电力公司，天津 300010）

0 引言

输变电工程项目技术复杂、启动资金规模较大，使得工程质量检测，成为工程项目管理的关键环节，在施工调试等阶段中，影响工程质量的相关因素较多，直接关系到输变电工程投运后的安全经济性［1，2］。若输变电工程线路设备出现事故，则会为供电用户带来极大不便，因此，对输变电工程进行质量检测，及时解决输变电工程相关事故，保护导线设备安全，具有重要意义［3，4］。

现阶段，输变电工程质检方法相关研究取得较大发展，文献［5］采用基于集中监控大数据的工程质检方法，搭建监控信息分析中心，但该方法未充分整合分类监控信息，影响了异物覆盖检测效果。文献［6］采用基于大数据挖掘的工程质检方法，挖掘输变电线路设备告警信息，但该方法挖掘历史数据存在缺失，异物覆盖检测效果不佳。文献［7］采用基于物联网技术的工程质检方法，物联网采集输变电工程线路设备的形态信息，监测管理输变电设备，但该方法的物联网架构覆盖面积重叠区域较大，异物覆盖检测厚度和体积同样较低。

针对以上问题，提出基于三维技术的输变电工程智能化质检方法，通过激光扫描采集点云数据，建立输变电工程区域范围内的三维模型，及时清除输变电线路设备故障隐患。

1 基于三维技术的输变电工程智能化质检方法设计

1.1 定位输变电工程线路设备空间坐标

采集输变电工程地域范围内的图像数据，定位导线、电力设备空间坐标。在无人机上安装激光扫描仪，配置光源和图像采集卡，设置激光扫描仪扫描参数，包括扫描频率、摆动角度等，在输变电工程的地域范围内，布设无人机飞行航线，令无人机进入航线，并向扫描镜发射激光，通过扫瞄镜的运动反射，确保激光覆盖输变电工程的整个地域范围［8］。利用光电接收装置，接收输变电线路、电力设备、地面反射的激光束，根据激光束传输间隔，以及无人机采集输变电工程数据时的位置姿态，得到激光设备至地面的距离。在无人机上安装CCD 工业相机，获得输变电线路和设备的数码影像数据，判断激光扫描仪采集的点云数据类型，辅助输变电工程的图像采集［9］。设任意一点的物理坐标为(u，v )、像素坐标为(x，y )，平面坐标的转换公式为：

其中ax、ay分别为像素在x方向、y方向上的物理长度，(u0，v0) 为物理坐标原点，在像素坐标系中的坐标值。转换像素坐标和激光扫描仪坐标，关系式为：

其中k1、k2分别为激光扫描仪的内参数矩阵、外参数矩阵，取决于世界坐标系和激光扫描仪坐标系的相对位置，f为激光发射频率，(X1，Y1)，Z1为激光扫描仪坐标系中的坐标值［10］。利用激光扫描时，地面、无人机、飞行距离之间的三角形几何关系，转换两个三维直角坐标系，使其通过旋转和平移等操作，能够重合在一起，设地面坐标系中的坐标值为(X2，Y2，Z2)，转换关系式为：

其中R、T分别为旋转矩阵、平移矩阵。通过以上坐标转换，得到像素点的实际三维坐标。至此完成输变电工程线路设备空间坐标的定位。

1.2 基于三维技术建立输变电工程三维模型

导入空间坐标数据，利用三维技术，建立输变电工程三维模型。预处理激光点云图像，提取输变电线路设备特征点，采用LOG 去噪算子，在图像全局上设置相同的高斯分布参数，过滤点云数据的高斯噪声，使灰度值差值较大的像素点，取周围像素点的平均灰度值，高斯滤波函数表达式为：

其中b为高斯滤波参数，由LOG 去噪算子的宽度决定，g(x，y)为去噪后的点云图像。设置原始点云图像的判别式，去除小于LOG 函数值的像素点，得到过滤图像，卷积过滤图像和滤波图像，利用拉普拉斯算子，增强低强度的像素边缘，对滤波图像进行二阶导数增强处理，增强后的图像h(x，y) 为：

其中⊗表示卷积操作，u(x，y)为过滤图像［11］。考虑背景光线影响，图像部分边缘强度较低，为此计 算 像 素 点(x，y )的 梯 度 幅 值M(x，y)和 矢 量c(x，y)，避免低强度边缘与噪声点混淆，表达式为：

通过梯度幅值M(x，y)，去除边缘像素点的干扰线，通过梯度方向c(x，y)，确定边缘像素点的法线方向，从而定位图像中输变电线路设备的边缘，尽量多的保留目标边缘［12］。设置一个2×2 的窗口，沿着目标边缘的像素点移动，采用边缘轮廓局部重构的方法，跟踪目标边缘的高频像素，描述激光图像的动态约束边界点，识别特征像素点，并对其进行几何定位。动态约束分布集Q表达式为

其中P、N分别为导线设备x方向的边缘长度、y方向的边缘长度，d(x，y)为(x，y)位置的像素点空间分布距离。将约束集Q作为量化中心，引入一个核函数和学习参量，对边缘像素点进行融合处理，提取LOG 量化特征点。匹配图像特征点，计算点云图像中各个位置的像素点相关系数，找到相关系数最大的点作为最佳匹配点，相关系数f表达式为：

其中U(x，y)为(x，y)位置的像素点灰度值，R为匹配像素点的相似性尺度范围为图像全局像素点的灰度均值［13］。设定相关系数f的阈值，缩小特征点匹配范围，多次收敛迭代下，得到f值最大的像素点，将其作为最佳匹配点，匹配激光扫描仪不同扫描角度下的点云图像，得到用于三维建模的几何顶点数据。利用三维技术，把几何顶点的光栅数据，写入CAD 软件的帧缓冲器，将几何顶点转换为图形片元，统计几何顶点的空间三维坐标(X2，Y2，Z2)，导入CAD 中的三维图形库，生成输变电工程区域内的曲面造型，再把导线设备纹理颜色，映射粘贴至三维模型。至此完成基于三维技术的输变电工程三维模型建立。

1.3 智能化质检输变电工程线路设备

视觉监测输变电工程三维模型，智能化检测导线设备故障。通过输变电工程三维模型，显示输变电工程地域范围内的地形数据，对三维模型进行旋转和缩放，使其与基础地理数据无缝结合。考虑匹配数据为特征点匹配得到的数据，由此判定场景中灰度变化较大的点，为实际中导线设备异物覆盖的点云数据，根据模型显示的异物形态，判定相应的异物类别，包括鸟害、覆冰等。当电力设备表面存在异物时，其覆盖体积V为：

其中v1为三维模型上的异物包络体积，v2为未覆盖时的电力设备体积［14］。拟合异物覆盖的三维网格，当导线表面存在异物时，整根导线的覆盖厚度H为：

其中m表示导线上含有的异物覆盖截面数量，n为异物覆盖截面的平均厚度，F为输变电线路半径，Ei为第i个网格点对应的覆盖截面厚度，I为每个截面边界具有的网点数量。圈定输变电线路的连通域，将三维模型中的导线拟合为直线，通过导线网格点到拟合直线的距离，计算第i个网格点对应的输变电线路偏离度Bi，公式为：

其中Di为第i个网格点到拟合直线的距离［15］。设定偏离度的限值范围，留下范围内的网格点，去除超过限值的网格点，模拟出实际输电线路的连接情况，判定导线是否存在断股故障。遍历三维场景中的输变电线路设备，得到导线设备外貌形态和表面特征，检测套管、绝缘子有无损坏和爆裂、破裂，绝缘套、导线是否脱落，防雨罩、端子箱、接地箱等是否安装牢固，断路器和变压器等支架有无变形，电缆、衬垫、金属支架有无磨损破坏、是否安装完整或发生移位。至此完成输变电工程线路设备的智能化检测，实现基于三维技术的输变电工程智能化质检方法设计。

2 实验论证分析

将此次设计方法，与基于集中监控大数据的工程质检方法、基于大数据挖掘的工程质检方法、基于物联网技术的工程质检方法，进行对比实验，比较四种方法对导线设备异物覆盖的检测情况。

2.1 实验准备

选取某地区输变电工程作为实验对象，该工程项目为500 kV 主供电网，铺设36.8 千米输变电线路，占地面积为29183 平方米，是省内500 kV 主网架重要组成部分，共建立87基铁塔，采用全线双回路架设，安装了多台100万千伏安变压器，导线为钢芯铅绞线，多次跨越铁路和高速公路，4种方法分别对该工程导线设备进行质量检测。设计方法在输变电工程区域范围内布设无人机航线，选择直升机型号为Bell⁃206L⁃4，体积为35 cm×35 cm×60 cm，重量为12.8 kg，设置激光扫描参数和摄像参数，具体如表1 所示。

表1 激光扫描参数和摄影参数

激光扫描仪的波长安全等级为4 级，激光雷达分辨率为±4 cm，工业相机另配备80 mm 镜头，最低像元分辨率为10 cm，保持快门速度不变，优先自动曝光快门，使其与飞行速度相匹配。该输变电工程受地域天气影响，覆冰灾害严重，激光扫描点云数据、以及摄像机拍摄的覆冰图像如图1 所示。

图1 输变电线路设备采集图像显示

将1∶10 万比例尺的激光扫描点云数据，作为三维模型基础数据，建立图2 所示的输变电工程三维模型，再通过拍摄的导线覆冰图像、绝缘子覆冰图像，精确说明模型中的物体类别。

图2 输变电工程三维建模输出

对三维模型进行缩放等操作，找到灰度异常的覆冰点，并与图1 所示的拍摄图像进行对比，掌握导线绝缘子覆冰情况。

2.2 实验结果

4种分别检测实验区域内的导线覆冰点、绝缘子覆冰点，结果如图3 所示。

图3 覆冰点检测统计结果

在所有覆冰点中，找到四种方法都检测到的覆冰点，由图3 可知，这样的导线覆冰点有500个左右，绝缘子覆冰点有400个左右，在以上覆冰点处布置监控点，进一步检查导线覆冰厚度、绝缘子覆冰体积。4 种方法对导线覆冰厚度的质检结果如图4所示。

图4 导线覆冰厚度检测实验对比结果

由图4 可知，设计方法检测的导线覆冰平均厚度为43.7 mm，基于集中监控大数据的工程质检方法检测的平均厚度为33.1 mm，基于大数据挖掘的工程质检方法检测的平均厚度为28.4 mm，基于物联网技术的工程质检方法检测的平均厚度为21.8 mm，设计方法检测的导线覆冰厚度分别高出10.6 mm、15.3 mm、21.9 mm。由手工测量可知，四种方法的检测厚度都小于实际厚度，但设计方法检测厚度与实际值最为贴近。

在400 片绝缘子中，选出100 片安装位置接近的绝缘子，对其进行编号，四种方法对绝缘子覆冰体积的质检结果如图5 所示。

图5 绝缘子覆冰体积检测实验对比结果

由图5 可知，设计方法检测的绝缘子覆冰平均体积为1.23m3，基于集中监控大数据的工程质检方法检测的平均体积为1.01m3，基于大数据挖掘的工程质检方法检测的平均体积为0.88m3，基于物联网技术的工程质检方法检测的平均体积为0.81m3，设计方法检测的绝缘子覆冰体积分别多出0.22m3、0.35m3、0.42m3。由手工测量可知，四种方法的检测体积同样都小于实际体积，但设计方法检测体积与实际值最为贴近。综上所述，此次设计方法质检输变电线路设备时，增加了导线覆冰厚度和绝缘子覆冰体积，具有较高的检测精度，与实际覆冰情况更加接近，能够帮助质检人员准确判断覆冰程度，为覆冰灾害的事故预防提供可靠依据。

3 结束语

此次研究结合三维技术，设计了一种输变电工程智能化质检方法，增加了异物覆盖的检查厚度和检测体积，更加接近实际覆盖厚度和覆盖体积。但此次研究仍存在一定不足，在今后的研究中，会对覆盖厚度和覆盖体积进行编程，当检测值超过一定数值时，对其进行自动报警，帮助质检人员迅速预防。