输电线路发热缺陷智能诊断技术分析

陈健文，钟 钦，陈恒清，李杰荣

（广西电网有限责任公司 玉林供电局，广西 玉林 537000）

0 引 言

以往的输电线路采取人工巡检，其劣势如下：一是巡检方式单一，具有较大的安全隐患，巡检质量无法保证；二是随输电线路大规模增加，传统人工形式不仅难以实现较远距离输电线路故障、缺陷的识别，而且针对地形复杂、山区、交通不便区域的巡检，会给电力企业检修人员带来极大的工作难度和作业强度。无人机技术在输电线路巡检工作中应用能够有效解决上述问题，充分适应不同距离输电线路的检修、诊断。因此，探讨利用无人机红外视频技术满足面向输电线路的发热智能诊断需求，对于我国智能电网的稳定运行以及电力产业的发展有着至关重要的作用。

1 无人机在输电线路巡视检修中的应用现状

目前，我国无人机在输电线路巡检中的应用主要是针对本体设备、附属设备以及相关环境的检修、诊断。输电线路工作期间极易出现一系列安全隐患、如线路故障、线路发热缺陷等，将无人机技术应用于输电线路巡检，可保障整个输电线路始终处于安全、稳定运行状态。

应用无人机技术进行输电线路巡检期间，以全方位、多角度形式开展巡视，弥补了以往人工巡视的局限性，进行信息的全面采集。无人机在输电线路巡检期间会优化线路，提升面对输电线路巡视的效率。相比人工巡检，无人机巡检更加深入、全面，如输电线路某一节点存在发热缺陷、故障，此刻无人机巡视技术可以利用红外视频技术、频率测定技术等测定具体发热缺陷、故障位置，或是对地线的导电情况、磨损情况进行监测[1]。

2 无人机红外视频在输电线路诊断中的优势分析

（1）能够降低电力部门巡检所支付的成本。传统电力部门开展输电线路巡检，动用大量人力资源、经济资源，整个巡检过程往往需要配置重型机械，特别是山区线路巡检。此外，随电网建设规模不断扩增，需要巡检的线路距离不断加长，范围越大，所需的人工巡检费用就越高，最终甚至可能导致巡检效益小于成本支出。

（2）无人机红外视频技术有着更高的效率。无人机每次飞行距离可持续1 h以上，1 h内巡检距离可达30 km，每次派出4架无人机开展红外视频巡检，其效率相当于出动30名巡检工作人员1天的工作量，且无人机不会受到巡检地理环境限制。大量实践应用经验已经验证，无人机红外视频技术的应用，有利于电力企业落实其指定的重点输电线路安全隐患排查，及时对输电线路通道内的违章建筑以及树木加以发掘，继而全面提升输电线路巡检效率，克服恶劣环境导致输电线路巡检工作失败的困难[2]。

3 基于无人机红外视频的输电线路发热缺陷智能诊断技术研究

3.1 无人机红外视频智能诊断输电线路实现原理

对于观测目标以及目标所处的背景，采用红外图像监测技术，能够快速反映出二者的热辐射信号。然而同可见光图像对比，红外图像内目标、背景有着较低的对比度，存在边缘模糊问题。虽然目前图像识别技术下已经存在大量边缘提取技术，但一般的边缘提取技术，难以有效实现目标轮廓信息的提取，并且无人机平台所获取的红外视频内，必然存在大量复杂背景信息、噪声信息，故计算机难以在拍摄的红外视频内实现输电线路信息的自动识别。针对这一问题，可将基于输电线路方向的“模型驱动”算法融入至无人机红外视频功能中，从完成拼接处理、帧间差分处理的图像内提取输电线路的主要方向，将此信息作为先验知识，自红外线图像内确定输电线路的信息，并沿着提取的输电线区域主方向，以输电线路故障诊断标准为依据实现输电线路故障位置的诊断[3]。

3.2 红外图像自动定位技术

3.2.1 无人机采集红外视频数据

在无人机获取输电线路信息阶段，飞行姿态不稳定性、巡检飞行角度、输电线路现场环境复杂等因素，红外视频内将保存大量噪声信息、背景信息。在电子热噪影响、信道传输错误影响之下，大量脉冲椒盐噪声将存在于红外视频图像之中，致使输电线路红外图像边缘模糊，对比度低，同时空间域将严重受到背景噪声污染[4]。故基于计算机系统图像识别技术实现对图像的增强预处理、去噪预处理，有效削弱图像内的随机噪声，提升图像对比度，为后续输电线路目标提取数据源的稳定性作出保障。

3.2.2 帧间差分

完成图像增强、图像去噪预处理后，基于图像拼接开展帧间差分操作，其原因在于光流法具有巨大时间成本，实时性较差，不利于输电线路目标提取。相比之下图像差分法实现简单，实时性较强。

然而，针对图像内目标采用图像差分法进行探测，并不适用于背景、目标均为静态状态，但探测器为动态的情况，无法实现对象完整区域提取，且监测结果过度依赖于帧时间隔。克服这一问题，可采用加速稳定特征加速稳健特征（Speeded Up Robust Feature，SURF）描述增强之后相邻两帧图像的尺度不变特征，随后在基于神经网络进行匹配，基于匹配生成相邻2帧图像的全新图像，最终获取拼接结果[5]。图1为面向输电线路的图像帧间差分处理流程。

图1 图像帧间差分处理流程

在完成相邻2帧图像拼接之后，计算重叠公共区域，针对重叠公共区域开展帧间差分计算。计算期间，假设2帧图像分别在ti时间、tj时间拍摄，在对重叠公共区域进行帧间差分处理后，获得的图像描述公式为

式中：T表示像素差阈值；ti、tj时间在像素点(x,y)部位的灰度值分别为f(x,u,ti)、f(x,u,tj)。在针对重叠区域进行帧间差分后，大量背景信息将被消除，可在定位输电线路期间获取十分稳健的图像，随后便可对已完成帧间差分的图像进行双边滤波去噪处理，并以Ostu图像分割法实现图像二值化分割。

3.2.3 基于输电线路主方向的自动定位

完成后帧间差分、图像二值化分割后，图像内仍旧会存在不连续、噪声较多的特征，常规的Canny算子或是Hough变换检测，无法可靠提取图像内的输电线路目标。输电线路具备一定方向性，基于傅里叶频谱理论，针对具有方向性的规则纹理来讲，其在傅里叶频域的能量，主要聚集在过原点支线之上，故在完成帧间差分、二值化分割后，对图像进行二维傅里叶变换继而获取FM(u,v)，求取功率谱，其公式为

随后面向(θ,r)极坐标系，进行直角坐标系下的功率谱转换处理，同时针对极坐标之下某一个角度一切同一角度功率谱进行计算，求和。此刻，能量直方图为最大功率谱对应的角度，而与能量对应的最大值便是输电线路的主方向。

为了自序列帧红外图像内实现输电线路信息提取，基于输电线路所具备连续性、平行特征，结合上述计算获取的输电线路主方向。首先可快速寻找前景点，于该点部位设置1个同主方向相互平行的窗口，该窗口大小，以估计的相邻输电线路之间距离，结合输电线路长度来确定[6]。其次，沿着主方向，分别向2侧进行窗口平移，针对图像图幅、窗口重叠区域内像素加以计算，获取这一区域内前景信息填充。若计算结果之下。填充度超过设定阈值，则对窗口信息加以保留，同时以窗口信息为依据，定位出图像内的输电线路信息[7]。

3.3 输电线路故障诊断与定位

在电流、电压均未超出额定值情况下，电气设备实现稳定、安全运行，同时会产生各种损耗，损耗会变成热能导致导体温度上升，材料的物理性能、化学性能将下降。当输电线路某处出现接触不良、故障期间，表面温度场必然出现变化，因此反映于红外图像内的亮度，也会同其他正常线路区域有所差别[8]。

3.3.1 伪彩色与温度的转换

对电气设备表面温度进行测量时，红外热像仪是十分有效的检测方法。检测期间，并未对电气设备的表面温度直接获取，而是利用红外热像仪，基于红外线辐射能的计算获取。红外线辐射能与电气设备表面的温度，二者之间具有特定的函数关系，在完成红外辐射能测量并投射到热像仪后，可以开展对温度的计算。

红外热像仪实现温度测量的主要原理为“普朗克定律”。其主要面对电气设备表面的温度场进行图像获取，因此灰度图像的灰度值与实际温度，二者呈正比关系，灰度值越高，则相应有着越高的温度，伪彩色值则同温度值有着对应关系。伪彩色值与温度值换算的关系表达式为

式中：I表示红外图像的热值；X与R表示热像仪的热范围；L表示热像仪的热平移。基于上述表达式所体现的关系，运用红外图像热值与绝对温度的关系，计算出红外图像各点下的实际温度为

式中：I0表示实际热值；τ、ξ分别为透射率以及物体的发射率；t表示物体的温度；热像仪的标定曲线常数为A与B；针对短波系统而言，C=1。基于上述转换关系，利用红外成像仪给定的自身参数，可将采集伪彩色图像向对应温度图像转换，各像素均对应1个确定温度。

3.3.2 故障诊断与定位

电气设备工作状态的诊断，主要参照GB 763－1990文件、DL/T 664－2008文件判断允许温度、允许温升，而实现故障的大致诊断。但是，温度测量阶段会受到诸多因素影响，对其进行判断往往相对困难[9]。一般，对于温度的判断会采用同类比较法、表面温度判断法、相对温差判断法、档案分析法以及热普图分析法，这些方法在DL/T 664－1999文件中均已说明，实际应用期间会选择1种或是多种方法联合应用实现故障状态诊断、分析。运用无人机红外视频技术，诊断的输电线路发热缺陷的工作，可结合“表面温度判断法”与“相对温差判断法”。

基于红外图像内灰度值、温度值之间的关系以及电力行业输电线路故障诊断标准，可实现输电线路温度的监测，沿着定位出的输电线路区域，利用表面温度判断法、相对温差判断法，可以获取输电线路的斩断结果，标记出温度异常点，同时基于故障诊断结果，系统上位机会以表格形式提供故障诊断数据，供电力部门检修单位加以判断、分析[10]。

3.4 诊断效果分析

目前，本次利用无人机红外视频技术面向输电线路发热缺陷所指定的诊断方案，已被应用到国家电网某电力公司，该公司采用T630红外检测系统，相关技术参数如表1所示。

表1 T630红外视频检测系统技术参数

本套基于无人机的红外视频检测系统，主要用于该电力公司辖区内高原区域输电线路巡检工作。巡检阶段，无人机距离地面飞行高度约为20 m，输电线路走廊穿越地形相对简单，高度缓和但背景高度复杂，具有大量数目信息，部分输电线路与背景信息相互融合，即便肉眼也难以快速分辨输电线路[11]。

应用无人机红外视频检测系统期间，可实现输电线路区域准确定位，视频图像内输电线路均可实现准确定位，预处理之后的图像叠加结果也十分精确。

4 结 论

本文针对基于无人机红外视频的输电线路发热缺陷智能诊断技术开展研究，详细介绍了面向输电线路发热缺陷智能诊断的无人机红外视频检测系统实现原理。相关电力企业可借鉴本文研究结果，加强对无人机红外视频技术的应用，以有效提升输电线路检修效率和质量，降低检修成本，为输电线路安全、稳定运行提供技术保障。