基于領域環境火點綜合辨識法的電網山火監測預警的研究及應用

余爾汶

(國網福建電力檢修公司，福州 350013)

福建地區地處我國東南沿海，群山環繞，以山地丘陵地形為主，共計約有林地9.7萬km2，森林覆蓋率為65.95%(位居全國最高)。福建電網輸電線路大部分穿越全省各市縣遠郊林區地帶，對處在這些地區的輸電線路運行維護難度大，防山火工作尤為困難。

近幾年，頻發的森林山火已嚴重威脅福建電網輸電線路安全穩定運行[1]。據統計, 2013年以來，在福建電網輸電線走廊內，共計監控到影響線路安全運行的森林火災495起，因山火導致輸電線路停運共計261條次，其中連接浙閩特高壓交流線路也曾停運3 次[2]。由于山火的高溫引起的線路絕緣間隙損壞和合閘過程操作過電壓引發的間隙擊穿問題,往往需要較長的時間才能恢復線路的運行。2017年福建電網多次發生過因火燒山造成特高壓線路跳閘,山火熄滅后線路才恢復運行,對全省仍至華東區域電網的安全穩定運行造成了嚴重影響山火一但發生,其發展速度可能很快,短短幾十分鐘就可能擴散到輸電線路周邊,而造成輸電線路跳閘通常只需要幾分鐘。及時發現與處置初發山火對電網山火防治極其重要。文獻[3]提出了基于FY-3/VIRR 或NOAA/AVHRR 數據的衛星監測方法。文獻[4]提出一種遙感探火的三通道合成法判識火點，采用彩色合成、圖像增強等圖像處理技術對MODIS 的3個通道數據進行合成，使用目視法判識火情。文獻[5]提出了適用于環境衛星火點監測的定量反演算法。文獻[6]雖提出利用雷達、傳感器等遙感技術監測輸電線路山火的方式。然而，前述電網山火火點的監測方法，要么精度低、要么分辨率低、要么建設成本高、要么存在盲區等方面的問題。

本文從電網山火監測需要大范圍、高精度、高頻度、高效性、通用性等要求出發，結合環境背景信息和運行經驗，提出一種基于領域環境的火點綜合辨識方法,通過像元周邊指標的標準差、平均值和地表覆蓋信息等綜合閾值判識，可有效提高小面積的火點的判識精度，通過多源衛星數據的融合提高了火點識別的時間分辨率。

對于電網山火火點的監測,需要實時跟蹤分析火點與輸電設備的距離,并及時通知輸電線路運行維護人員。本文采用的方法是將火點的經緯度、面積信息與電網地理信息地圖疊加，通過火點動態跟蹤,預測火情影響范圍,并在GIS地圖上搜索其覆蓋的輸電設備,計算效率高。本文方法可為電網輸電線路衛星監測火點預警計算提供指導。

1 山火監測基本原理

1.1 監測原理

斯特藩—玻爾茲曼定律(Stefan-Boltzmann law)表明黑體的輻射度與溫度的四次方成正比，輻射度對溫度的變化非常敏感[7]。可根據這一特征，衛星監測地表輻射度進行高溫熱源的判識。

J=εσT4

(1)

σ=5.67×10-8 W·m-2·K-4

式中J——黑體輻射度；ε——輻射系數，對于絕對黑體，ε=1；σ——斯特藩—玻爾茲曼常數；T——絕對溫度。

1.2 通道亮溫值計算

根據普朗克黑體輻射定律[8]，常溫熱點輻射波長與中紅外通道波段接近，而高溫熱源輻射波長與遠紅外通道波段接近，利用這個特點，可以進行高溫熱源粗判；而中紅外、遠紅外通道輻射增長率差異較大，利用這種差異，可以進行地面火點細判。

由普朗克黑體輻射公式

(2)

可得通道p亮溫值Tp

(3)

2 鄰域環境相關熱點監測算法

2.1 傳統火災檢測算法及問題

傳統火災檢測算法，其核心是利用3.7u通道對熱源的敏感性(這個敏感性是相對于其它通道而言，例如11u通道對熱源反映不敏感)。當3.7u通道的絕對值大于某一閾值時，即認為發生了火災。當然，對于捕捉大火是沒有問題的，但是，對于以下幾種情況就會碰到困難：

(1)火點比較小。小的火點溫度相對較低，很容易被忽略。

(2)火點上面有薄云、煙、霧或比較濃厚的氣溶膠覆蓋。在這些情況下，雖然火點信息還會被衛星捕捉到，但火點絕對溫度比較低，很容易被傳統算法忽略。

(3)大片的地面高溫度。地面的裸土在夏季被太陽照射后，溫度也非常高，經常被傳統算法判斷成為火點。

影響傳統算法對火災檢測能力的因素歸結起來有幾個大的方面：

(1)季節變化因素：季節變化導致的地面溫度變化，使3.7u通道的溫度值隨季節差異很大。

(2)天際變化因素：一天內的地面溫度變化，使3.7u通道的溫度值發生天際變化。

(3)云和氣溶膠因素：云和氣溶膠，導致地面溫度傳遞到衛星時，受到阻擋和掩蓋，影響對地面溫度的觀測。

(4)日光反射因素：白天時，在云的邊緣，由于反射太陽光，也會導致3.7u通道的溫度值非常高。

2.2 鄰域環境相關熱點探測算法

2.2.1鄰域環境相關熱點探測算法要點

鄰域環境相關熱點探測算法是針對傳統算法的不足而設計的，其技術要點如下。

(1)主要考慮被計算像元與其周邊像元的關系。這些關系包括：3.7u通道的標準差；3.7u通道的平均值；3.7u通道與11u通道的差值的標準差；3.7u通道與11u通道的差值的平均值。

(2)保留傳統算法的優點：溫度閾值依然是新算法的一個要素。

(3)使用土地利用和土地覆蓋文件：把城市、裸土等導致誤判的因素剔除。

“鄰域”是指被判識像元的周圍，比如以被判識像元為中心3×3的區域。“鄰域環境”，是指標準差、平均值和地表覆蓋信息等。

2.2.2鄰域環境相關熱點探測算法步驟

2.2.2.1通道選擇

火災監測算法從多種衛星遙感數據抽取關鍵的探測通道，這些適用于火災監測的通道包括：

關鍵遙感通道：3.7 μm紅外通道(簡稱3通道)11 μm紅外通道(簡稱4通道)0.8 μm可見光通道(白天，簡稱2通道)；

輔助遙感通道：12 μm紅外通道(簡稱5通道)0.6 μm可見光通道(白天，簡稱1通道)。

另外，還需要使用輔助數據，輔助數據包括：

植被覆蓋和植被利用數據：用于屏蔽水體、裸土、城市等。

行政區域邊界線：用于確認熱點所在的行政區域。

2.2.2.2探測潛在火災(熱點)

初步篩選可能是火災(熱點)的那些像元。通過一系列的判別條件，排除那些明顯不是火災(熱點)的像元，而通過判別的像元，則進入下一個判識流程。

(1)潛在熱點的判別條件

T3>311K

(4)

T3-T4>9K

(5)

式中T3——3通道的亮度溫度，以K為單位，T4——4通道的亮度溫度，以K為單位。

(注：對判別條件的基本要求：閾值要低到所有的可能是熱點的像元都被選取；閾值要高到排除大多數不是熱點的像元。)

主要掩模包含：云——用1、2和5通道確定；沙漠——在一些基礎數據集中提供；水體——在一些基礎數據集中提供，也可以用低的NDVI(植被覆蓋指數)值確定。

(2)排除一些特別像元的判別條件

因為3通道覆蓋了電磁波譜的太陽和熱紅外區間，所以排除3通道的一些特別像元是非常重要的，這些像元是：輻射率達到飽和或因為高反照而變得比高溫高出太多(如亮土壤、云、太陽耀斑等)。

排除這些像元的辦法是使用2通道的反照率，滿足下面條件的潛在熱點不是火，將被排除：

ρ2≥20%

(6)

式中ρ2——2通道的反照率，以百分比表示，范圍為0～100%。

(注：當使用了掩模后，此判別條件依然可以排除一些虛假潛在熱點，如亮稀土平原或在河上的太陽耀斑。)

2.2.2.3確認火災

針對上一步選出的潛在熱點，明確它們是不是火。對于每個潛在熱點，判斷的方式是研究潛在熱點和它的相鄰像元的關系。事實上，如果大多數相鄰像元與潛在熱點有足夠大的差異，這個潛在熱點就被認為是火。

(1)潛在熱點的相鄰像元的信息提取。以潛在熱點為中心，自動計算一個可變大小的背景窗口(從3×3到15×15個像元)的統計信息，當滿足下面條件時停止：最少25%的臨近像元可被認為是熱點背景；最少有3個像元適于計算。

當計算條件不滿足時，潛在熱點被排除，該像元被標示成不是火。

如果通過了這些條件，則計算：

T3b：熱點背景的T3平均值；

σT3b：熱點背景的T3標準偏差；

T34b：熱點背景的T3-T4平均值；

σT34b：熱點背景的T3-T4標準偏差。

其中標準偏差的計算公式：

對統計計算的像元的要求：不是潛在熱點，而是與之相關的正常熱點背景。如果可能，應該排除水體和云參與統計，它們會引起統計結果偏差，導致錯誤結論。

例如：一個熱土像元，周圍被水包圍，被選為潛在熱點。這種情況下，它將背景確認為熱點，因為水體在的3通道低值將減小潛在熱點背景的平均值。另一種情況是被其它熱點包圍著的一個小熱點，將被排除，因為其它熱點錯誤地提高了背景的平均值。

(2)與鄰域環境相關的熱點判別條件。如果滿足下面條件，潛在熱點就被判定為熱點：

T3PF-(T3b+2σT3b)>3K

(7)

T34PF>T34b+2σT34b

(8)

式中T3b——熱點背景的T3平均值；σT3b——熱點背景的T3標準偏差；T34b——熱點背景的T3-T4平均值；σT34b——熱點背景的T3-T4標準偏差；T3PF——潛在熱點的溫度；T34PF——潛在熱點的T3-T4平均值。

(3)與其他衛星觀測背景的熱點判別條件。使用相同(或相近)時間的靜止氣象衛星數據檢測熱點。使用FY-2C、MTSAT、GOES等衛星的觀測值作為背景，靜止氣象衛星IR通道的溫度為Tg4，NIR通道的溫度為Tg3，在前面各測試中被判定的熱點，經過下面判斷才最后確定為熱點：

T3-Tg3>5K

(9)

(T3-T4)-(Tg3-Tg4)

(10)

式中T3——3通道的亮度溫度；T4——4通道的亮度溫度；Tg3——靜止衛星3通道的亮度溫度；Tg4——靜止衛星4通道的亮度溫度。

3 監測預警算法

3.1 多元衛星聯合觀測算法

極軌衛星分辨率高，軌道設計可以很好地提高在軌道密集時間的火災探測能力，但也降低了軌道稀疏時間的探測能力。靜止衛星紅外通道分辨率5公里，只能用于識別大型火災。正常情況下，每小時提供一次觀測，加密觀測，提供每半小時一次的觀測。

衛星數據之間的融合與匹配問題包括：衛星時間匹配問題、空間分辨率問題、通道定標問題。

精心設計的鄰域環境相關熱點探測算法，降低了不同衛星的通道和儀器特征對火災探測的影響，從算法角度使不同衛星的通道和儀器得到的探測結果更加一致，事實上做到了不同衛星的通道和儀器的數據融合。

本文采用等經緯度投影。因為在這些投影中，等經緯度投影最適合科學計算，也能很好的和福建電網災害監測預警和應急指揮管理系統融合。

通常的火災監測算法，都是針對具體某個衛星或某個傳感器而言的。如果想統一使用多源衛星數據，必須進行相對定標：多源衛星數據需要定標到一個相對的標準之上。對于本文來說，Aqua衛星Modis傳感器數據，由于其動態范圍大，成像質量高，被選為相對定標的定標參考。

3.2 線路山火故障預警算法

根據運行經驗，發生山火輸電線路的故障概率受很多因素影響。相關機理研究也表明高壓絕緣破壞放電符合概率性規律，因此本文采用概率性指標來預警山火條件下的線路故障。

3.2.1樸素貝葉斯算法原理

根據貝葉斯定理，可以得到樸素貝葉斯這個分類方法。一個樸素貝葉斯分類器假設一個分類的特性與該分類的其他特性不相關。

樸素貝葉斯模型易于建造，且對于大型數據集非常有用。雖然簡單，但是樸素貝葉斯的表現卻超越了非常復雜的分類方法。

3.2.2線路山火故障概率學習算法

本文選取學習樣本為：福建歷史山火衛星監測和線路山火人工預警紀錄。根據運行經驗和分類特性不相關的假設選取分類特征如下：一是火險等級；二是火點與線路的最近距離；三是線路架設高度；四是投影風力；五是線路運行狀態；六是火災面積。

數據預處理過程：火險等級從福建電網災害監測預警和應急指揮管理系統當中的火險等級中抽取，綜合歷史火情和當前溫度濕度累計未降雨天數等因素。

火點與線路的最近距離，將監測到的火點映射到電網GIS圖形上，通過GIS上的快速圖形搜索算法搜索到火點到周邊線路的最短距離。

線路的架設高度，以線路的電壓等級為基礎，按照設計標準自動生成，對于早期線路或特殊情況的線路進行人工修正，更新到GIS上，并歸并到最臨近的低一檔設計標高。

投影風力，通過GIS圖形搜索，求取風力在火點和最臨近線路方向上的投影。

線路運行狀態，根據線路一次、二次設備的實際運行檢修情況，對線路的運行狀態評估好、中、差三檔。

根據火點監測的象元數測算火災面積。算法流程如下：

(1)根據根據歷史火災監測預警情況和線路跳閘情況生成訓練樣本集合(每次山火監測預警搜索最近的線路和發生跳閘的線路作為訓練樣本)。

(2)統計得到在各樣本下各個特征屬性發生跳閘的條件概率估計值。

(3)對每一個類別計算P(X|Yk)P(Yk)。

(4)按照各個特征屬性是條件獨立的，根據貝葉斯定理推導如下：

(5)根據訓練后得到的概率分布驗證新監測到的山火和線路預警。

(6)根據實際發生的線路故障持續學習和更新概率分布估計。

4 福建電網山火監測實例

2018年1月19日，福建監測到三處火情，其中寧德一處火情對電網威脅較大，出現對線路的預警。火情基本情況如下：

12時30分前，本文的衛星火點監測方法未監測到福建有異常高溫。

13時30分，本文的衛星火點監測方法監測到福建有三處異常高溫。具體位置情況如表1。

從衛星圖片(見圖1)，依據本文提出的方法監測到4處火點，監測到的火點位置如表1所示。

表1

表中邵武市和壽寧縣的火點位置離福建電網主網線路位置較遠未引發線路故障預警。

寧德市火點距離福建和華東特高壓聯絡線都榕Ⅰ/Ⅱ路較近，根據本文預警算法，測算的故障概率達到0.345，超過預警閾值0.1，觸發線路山火故障預警。

1 000 kV都榕Ⅰ/Ⅱ路線路周邊現場實地勘查情況為：14:27，距離1 000 kV都榕Ⅰ線480號桿塔(與都榕Ⅱ線471號桿塔并排架設)左側300 m處有火燒山。現場火勢大、煙大，風向背離線路，植被為蘆葦、灌木、松樹。現場已經有人組織滅火。未影響線路運行。18:46，1 000 kV都榕Ⅰ線480號桿塔(與都榕Ⅱ線471號桿塔并排架設)附近山火全部熄滅。

圖1 火災衛星圖

5 結語

(1)通過本方法在福建電網災害監測預警和應急指揮管理系統中的應用，驗證了本方法可以發現受一定背景干擾的火點監測，能有效提高火災監測的準確性。

(2)通過本方法在福建電網災害監測預警和應急指揮管理系統中的應用，驗證了本方法可以發現火災面積較小的火點，能有效提高火災監測的精確度。

(3)本文的方法應用到福建電網災害監測預警和應急指揮管理系統中，實現了對火情的全天候監測預警，驗證了本方法在提高電網山火時間分辨率和線路山火故障預警效果。

參考文獻：

[1] 吳田，阮江軍，胡毅，等．500 kV 輸電線路的山火擊穿特性及機制研究[J]．中國電機工程學報，2011，31(34)：163-170.

WU Tian，RUAN Jiangjun，HU Yi，et al．Study OU forestfire induced breakdown of 500 kV transmission line interms of characteristics and mechanism[J]．Proceedings ofthe CSEE，2011，31(34)：163-170.

[2]PEREIRA J M C．A comparative evaluation of NOAAAVHRRvegetation indices for burned surface detectionand mapping[J]．IEEE Transactions on Geoscience andRemote Sensing，1999，37：217-226.

[3]葉立平，陳錫陽，何子蘭，等．山火預警技術在輸電線路的應用現狀[J]．電力系統保護與控制，2014，42(6)：145-153.

YE Liping，CHEN Xiyang，HE Zilan，et al．Present situationof forest fire early warning technology used fortransmission line[J]． Power System Protection andControl，2014，42(6)：145-153.

[4]李家國，顧行發，余濤，等．澳大利亞東南部森林山火HJ 衛星遙感監測[J]．北京航空航天大學學報，2010，36(10)：1221-1224.

LI Jiguo，GU Xingfa，YU Tao，et al．Detection of Australiansoutheast forest fire using HJ satellite [J]．Journal ofBeijing University of Aeronautics and Astronautics，2010，36(10)：1221-1224.

[5]張敏，戴棟，謝從珍，等.基于激光雷達技術的輸電線路山火監測方法研究[J]．電測與儀表，2015,52(15)：101-107.

ZHANG Min，DAI Dong，XIE Congzhen，et al．Study on monitoring wildfire around power transmission line based on Lidar[J]．Electrical Measurement & Instrumentation，2015，52(15)：101-107.

[6]黃永義．普朗克黑體輻射定律的建立過程[J]．廣西物理，2011，32(3)：32-37．

HUANG Yongyi．Derivation process of Plank’s radiationlaw[J]．Guangxi physics，2011，32(3)：32-37.

[7]WANG S D，MIAO LL，PENG G X．An improved algorithmfor forest fire detection using HJ data[J]．ProcediaEnvironmental Science，2012，13：140-150.

[8]PEREIRA J M C．A comparative evaluation of NOAAAVHRRvegetation indices for burned surface detectionand mapping[J]．IEEE Transactions on Geoscience andRemote Sensing，1999，37：217-226.

[9]陸佳政，劉毓，吳傳平，等.輸電線路山火衛星監測與告警算法研究[J]．中國電機工程學報,2015,35(21):5511-5519.

LU Jiazheng, LIU Yu, WU Chuanping, et al．Study on Satellite Monitoring and Alarm Calculation Algorithm of Wild Fire Near Transmission Lines[J].Proceedings of the CSEE,2015, 35(21):5511-5519.