電力人工智能圖像識別技術研究及在架空輸電線路巡檢業務中的應用

程旭　李濤　張建

【摘? 要】現階段，常見的輸電線路巡檢方法有人工巡檢（借助信息化設備）、借助檢測儀器（紅外成像儀和紫外成像儀）借助新設備（直升飛機、機器人、無人飛行器）的巡檢。而我國電力系統主要采用傳統的人工巡檢輸電線路的方法，這種方法下，工作人員通常面臨惡劣的巡檢環境，具有巡線難度大、工作量大、數據繁重、不易存儲等缺點。對此，文章就現階段新型電力人工智能圖像識別技術在架空輸電線路巡檢業務中應用的相關內容進行了簡要的分析。

【關鍵詞】人工智能;圖像識別技術;架空輸電線路;巡檢業務;應用

1引言

隨著經濟社會的快速發展，居民生產生活中對于電能資源的需求量越來越大。輸電線路大多架設在較為空曠的野外，并且輸電線路周圍的地形地貌狀況相對復雜。如果再沿用以往的人工巡檢方式，不僅會造成經濟成本的增加，同時也不利于巡檢效率與質量的提高。此外，由于大多數輸電線路分布在野外，在受到自然、人為等因素的影響下，線路經常出現破損的問題。通過應用智能巡檢技術能及時、準確的找到故障點，進而為后續的故障搶修提供幫助。

2架空輸電線路巡檢現狀

架空輸電線路是我國遠距離輸配電力的主要途徑，截止目前我國的高壓輸電線路已超過23萬公里。由于架空輸電線路暴露于野外，容易受持續張力、雨雪侵襲、電氣閃絡、異物短路、材料老化等非人為因素的影響而發生導線斷股、磨損和腐蝕等損傷，如果不及時發現并修復，可能會導致大面積停電等嚴重的電力事故和巨大的經濟損失。目前，我國主要通過地面人工目測和無人機航測兩種方式對架空輸電線路進行定期巡檢。眾所周知，傳統的基于人力的巡視勞動強度大、效率低，并且人員安全得不到有效保障，而航測法不僅成本高，危險性也較大，稍有不慎就可能導致撞線。隨著智能技術的迅速發展，輸電線路的巡檢方式有望實現變革。例如，輸電線路巡檢機器人沿線巡檢，需自主跨越防震錘、間隔棒、線夾等多種障礙物，同時利用攜帶的攝像頭對桿塔、導線、避雷線、絕緣子串、路金具、線路通道等進行近距離拍攝，并對采集到的圖像信息進行自主分析判斷，也可以將其傳回地面基站，進行人工分析。巡檢機器人的應用可以大大提高巡檢的效率，降低輸電線路維護成本，確保其安全運行，是節約成本的有效辦法，也是保證安全的重要措施。

3圖像識別技術綜述

近年來，人工智能技術與機器學習技術均得到了突飛猛進的發展，較為通用的解決思路是通過圖像采集終端傳感器獲取圖像數據文件，通過數據的預處理來實現特征量的歸類，從而依據訓練模型來實現預置特征的標注。構建高效且準確的圖像分類模型的主要有運用兩種方法：其一運用優化分類器得到高效的圖像分類模型;其二分析優化圖像特征得到更好的圖像理解過程，從而得到高效的圖像分類模型。國內外研究機構與企業在圖像識別技術研究、應用領域進行了巨大的投入，形成了廣泛的成果。目前，國內百度、阿里云、騰訊、曠世科技等大型科技企業都已推出了基于人工智能圖像識別技術的開放API平臺，能夠滿足包括不同目標對象、不同識別粒度在不同場景下的應用需求，商業化進程遠超預期。國外，谷歌、微軟等傳統科技翹楚企業也紛紛布局圖像識別技術領域，研究成果及商業化產品在行業內占有舉足輕重的地位。

4人工智能圖像識別在輸電巡檢業務中的應用模式

4.1輸電巡檢影像樣本編碼規則研究及標準庫構建

基于輸變電設備的結構從屬關系和缺陷的分級分類，制定樣本屬性標注規范，構建樣本庫，該樣本庫來源于輸電線路各類巡視數據，包括直升機、無人機、在線視頻、機器人及可穿戴設備拍攝的視頻、圖片等，不同來源的數據具有不同數據特征和存儲格式，需要分別構建缺陷數據庫系統。本文通過開展巡視缺陷樣本特征質量評價技術、基于深度學習框架的訓練數據集格式轉化方法和數據庫存儲檢索技術研究，構建輸變電影像樣本標準庫。

4.2輸電線路智能立體巡視模式研究與構建

輸電線路人工智能圖像識別輔助巡視通過獲取現有輸電線路本體無人機、直升機巡視系統和輸電線路視頻圖像機器人、在線監測巡視系統數據;利用開發的人工智能圖像識別模塊進行缺陷隱患的在線或離線分析識別，并在系統中展示分析結果;結合移動應用，根據線路管理權限，選擇性推送預告警信息。系統采用模塊化開發方式，主要包括無人機和直升機數據管理系統規范接口模塊、視頻圖像機器人和在線監測巡視系統規范接口、數據存儲、數據管理、本體缺陷圖像智能識別分析、通道隱患圖像智能識別分析、告警信息推送、告警信息展示等模塊。

4.2.1現有巡視數據的獲取

對于輸電線路視頻圖像機器人在線巡視數據，采取制定統一數據協議的方式，開發基于WebSevers的接口，獲取視頻圖像機器人在線巡視數據;對于圖像視頻在線巡視數據，各網省均已部署系統，制定統一的數據協議，開發基于WebSevers的接口，獲取視頻圖像在線巡視數據。通過以上方式，打通與輸電線路人工智能圖像識別輔助巡視系統之間的數據通道，實現數據的獲取。

4.2.2數據分析

輸電線路人工智能圖像識別輔助巡視系統采用模塊化開發方式，集成人工智能圖像識別模塊，對無人機、直升機巡視數據，采用離線模式進行缺陷的檢測與識別;另外，針對輸電線路通道內的巡視圖像，采用在線識別模式實時分析;對于視頻圖像機器人巡視數據，采用在線識別模式實時分析。

4.2.3數據存儲與管理

輸電線路人工智能圖像識別輔助巡視系統將數據按照臺賬數據、運行數據和圖像、視頻等非結構化數據進行劃分，分別采用不同的存儲和管理方式。其中：針對臺賬數據采用關系型數據庫來實現存儲的持久化，針對運行數據則采用NoSQL數據庫來提供讀寫與分析的性能。

4.2.4告答信息推送

輸電線路人工智能圖像識別輔助巡視系統基于電網GAS實現告警信息的分布式實時動態展示。以區域內輸電線路分布圖為綱，以變電站為起止，顯示不同電壓等級的輸電線路，以桿塔為核心，顯示本體、通道等立體化分析結果及告警信息，形成告警分布圖，同時顯示直升機、無人機的實時位置及視頻監測裝置的安裝位置。

4.3輸電線路通道風險評估體系研究與安全預譽模式設計

以無人機、直升機、機器人等智能化巡視及人工巡視為基礎，以圖像自動識別技術的在線監測為補充，進行山火、機械外破、異物、鳥害專項排查。一是開展山火智能立體化風險排查，劃分防山火重點區段，并制定I級、II級防火區。二是開展通過重點排查跨越河流航道、一級公路、大跨越等重要交叉跨越的“三跨”及的防機械外破風險;重點排查在建高速公路、鐵路、化工園區、采石采礦等存在高大機械作業或爆破施工作業情況。三是開展防異物外破風險排查。重點排查通道內及通道方圓500米內是否存在大面積塑料大棚、薄膜、大型橫幅及其他易漂浮物，通道內及通道方圓100米內是否有彩鋼板等。四是開展防鳥害風險排查。重點排查沿線路是否有鳥群集結地段鳥類活動的規律和特點，防鳥刺、驅鳥器等防鳥設施運行情況，桿塔上鳥巢分布情況，絕緣子、均壓環及金具上鳥糞情況。

5結束語

本項目研究基于人工智能深度學習技術對輸電巡視場景及故障識別進行研究，通過較為完備的樣本知識庫構建，場景特征分析、識別網絡優化技術等進行深入探索和研究并研發示范系統開展了場景化驗證工作，相關研究成果及實踐依據對電網行業未來開展基于人工智能圖像識別技術的輸電線路巡視具有必重要參考價值。

參考文獻：

[1]孫文欣.唐山供電公司輸電線路智能巡檢故障定位系統應用研究[D].華北電力大學，2013.

[2]周宗國，丁宇潔，周光珍，高在武.高壓輸電線路智能巡檢新技術[J].科學技術創新，2018，20：155-156.