基于通道可視化的輸電線路智能管控技術(shù)研究與應(yīng)用

陳波，李瑛，張宏宇，耿軍偉，趙留學(xué)

(1.北京電力經(jīng)濟(jì)技術(shù)研究院有限公司，北京 西城 100055；2.國(guó)網(wǎng)北京市電力公司，北京 西城100031)

0 引言

隨著電力系統(tǒng)的不斷發(fā)展，電力設(shè)施規(guī)模不斷增加。架空輸電線路作為電力輸送的重要載體，其運(yùn)行狀態(tài)對(duì)電力穩(wěn)定供應(yīng)意義重大；但輸電線路具有分布面廣、環(huán)境復(fù)雜、暴露在外等特點(diǎn)。一方面，容易受到吊車、泵車等大型機(jī)器違章作業(yè)等外力破壞威脅[1-2]；另一方面，對(duì)輸電線路和桿塔本體設(shè)備運(yùn)行情況巡檢工作量大、難度高。目前，北京地區(qū)共有輸電桿塔2萬余基、輸電線路長(zhǎng)度累計(jì)近1萬km。北京作為首都，對(duì)電力系統(tǒng)的供電可靠性要求極高。為保障輸電線路安全穩(wěn)定運(yùn)行，及時(shí)發(fā)現(xiàn)并處置輸電通道外力隱患及絕緣子等本體缺陷，減少因外力破壞或本體缺陷導(dǎo)致的停電事故，部分地區(qū)嘗試開展無人機(jī)、機(jī)器人巡檢等試點(diǎn)工作，通過無人機(jī)、巡檢機(jī)器人搭載攝像機(jī)、探測(cè)器等開展線路巡視[3-5]。但無人機(jī)和巡檢機(jī)器人對(duì)操控要求較高，成本較高，并且容易受到天氣條件影響，加上區(qū)域限飛等客觀因素，其適用條件有限，難以滿足全天候作業(yè)要求。

為了進(jìn)一步提高輸電線路管控質(zhì)效，近年來，國(guó)網(wǎng)北京市電力公司積極探索實(shí)踐，構(gòu)建了基于通道視頻采集與隱患智能識(shí)別的輸電線路智能安防系統(tǒng)，并針對(duì)采集終端、模型算法以及管控模式持續(xù)開展優(yōu)化提升，逐步提高采集效率、算法識(shí)別性能和管控方式，實(shí)現(xiàn)了對(duì)輸電線路全流程線上智能安全管控。

1 采集終端

1.1 箱體模塊化設(shè)計(jì)

前端視頻設(shè)備在線是實(shí)現(xiàn)輸電線路精細(xì)化智慧管控的基礎(chǔ)，但前端設(shè)備安裝環(huán)境較為惡劣，設(shè)備在線率通常難以保障。為提高設(shè)備在線率，積極推動(dòng)集成控制向定制化升級(jí)，實(shí)現(xiàn)箱體設(shè)備模塊化部署、插拔式安裝，并申報(bào)實(shí)用新型專利，設(shè)備在線率由原來的60%左右提高至99%以上。

模塊化部署、抽拉式裝配。集成控制箱內(nèi)設(shè)置模塊化腔體，相較于以往設(shè)備錯(cuò)落布置、出線位置散亂等問題，其空間利用及組件布局更為合理，為接線標(biāo)準(zhǔn)化提供基礎(chǔ)。控制器組件、路由器組件及蓄電池組件均采用抽拉式固定，相較于以往螺絲固定方式，更利于裝配且不易松動(dòng)，在保障了設(shè)備穩(wěn)定運(yùn)行的同時(shí)，提高了運(yùn)行維護(hù)效率。

標(biāo)準(zhǔn)化接頭、插拔式接線。運(yùn)維經(jīng)驗(yàn)表明，接頭松動(dòng)是設(shè)備離線的主要原因之一。為了提高設(shè)備接線穩(wěn)定性，箱體內(nèi)控制器組件、路由器組件以及電池組件均優(yōu)化采用航空插頭形式，實(shí)現(xiàn)插拔式接線，并進(jìn)行防水處理，相較于以往螺釘連接器（接線端子），設(shè)備連接更牢固，接線也更簡(jiǎn)單、集中和便捷。

通信模塊獨(dú)立部署。通信模塊是連接主站和前端設(shè)備的重要組件，以往通常將通信卡直接裝入攝像機(jī)中，攝像機(jī)兼具與主站通信的功能。為了提高通信穩(wěn)定性，控制箱中獨(dú)立部署工業(yè)級(jí)小型路由器，并在箱體外配置信號(hào)增強(qiáng)天線，數(shù)據(jù)傳輸穩(wěn)定性明顯提升。

供電系統(tǒng)優(yōu)化配置。蓄電池及控制組件均部署于箱體內(nèi)、塔上安裝，為滿足前端設(shè)備正常供電需求，降低箱體重量和體積，優(yōu)選采用磷酸鐵鋰蓄電池，較鉛酸蓄電池體積及重量可減少1/3以上，在無光照情況下仍可滿足設(shè)備正常供電5天以上，供電可靠性得到有效保障，蓄電池箱體外觀如圖1所示。

圖1 箱體正向圖

1.2 多維精細(xì)化巡檢

研究基于云臺(tái)視頻設(shè)備的精細(xì)化巡檢方案。通過與平臺(tái)配合設(shè)置攝像機(jī)預(yù)置位、放大倍數(shù)，可按預(yù)先設(shè)定的巡檢時(shí)間和路徑進(jìn)行自動(dòng)變倍巡航，能夠同時(shí)實(shí)現(xiàn)對(duì)輸電線路通道外力隱患以及桿塔本體缺陷、異物等的可視化監(jiān)測(cè)，實(shí)現(xiàn)“一機(jī)多用”。

輸電桿塔上加裝高倍率云臺(tái)攝像機(jī)，攝像機(jī)采用500萬像素、37倍光學(xué)變焦，水平方向360°連續(xù)旋轉(zhuǎn)，垂直方向+40°～-90°旋轉(zhuǎn)。如將高倍率云臺(tái)攝像機(jī)安裝于220 kV T管東33號(hào)塔（距34號(hào)塔距離約為350 m），可通過攝像機(jī)清晰的看到通道情況，并回傳圖片至主站中心；通過攝像機(jī)云臺(tái)和變倍功能可清楚的看到T管東34號(hào)桿塔（測(cè)試桿塔）的整體情況，并能通過設(shè)置的①～⑧的預(yù)制位置對(duì)34號(hào)塔各相位線路掛點(diǎn)定時(shí)開展巡航抓拍，設(shè)備上的防塵網(wǎng)及風(fēng)箏線清晰可見。此外，云臺(tái)攝像機(jī)也可通過角度上揚(yáng)實(shí)現(xiàn)對(duì)T管東33號(hào)塔本體絕緣子等設(shè)備的巡航抓拍。通過合理選擇安裝位置，單臺(tái)高倍率云臺(tái)攝像機(jī)巡航范圍可覆蓋本塔、本塔前后1～2基桿塔或鄰近并行桿塔，如圖2所示。

圖2 對(duì)端塔巡檢測(cè)試效果圖

支持通道圖像抓拍。按照預(yù)設(shè)抓圖周期（靈活配置，當(dāng)前為5 min），定時(shí)開展圖像抓拍，結(jié)合主站吊車機(jī)械等隱患人工智能圖像識(shí)別功能，監(jiān)控及巡視人員可及時(shí)掌握通道隱患情況。此外，通過視頻實(shí)時(shí)監(jiān)視與5～7天錄像存儲(chǔ)調(diào)用，為故障回溯等提供依據(jù)。

支持本體定期巡視。按照預(yù)設(shè)抓圖周期及預(yù)置位，定時(shí)對(duì)對(duì)端桿塔、相鄰桿塔以及本基桿塔部分無遮擋部位開展變焦巡檢和圖像抓拍，監(jiān)控及巡視人員可及時(shí)掌握風(fēng)箏線等本體細(xì)小異物隱患、缺陷等情況，如圖3～4所示。

圖3 本塔巡檢測(cè)試效果圖

2 算法模型

2.1 場(chǎng)景分析

2.1.1 輸電通道環(huán)境分析

圖4 鄰近桿塔巡檢抓拍圖

輸電通道環(huán)境一般比較復(fù)雜，如有房屋、廠房等建筑，也會(huì)有樹木、信號(hào)塔、燈桿等形狀特別接近吊車等機(jī)械的物體；并且在一年四季，樹木、草叢等背景會(huì)發(fā)生變化；每天不同時(shí)間段，攝像機(jī)的采光條件各不相同。

2.1.2 識(shí)別目標(biāo)特點(diǎn)分析

所要識(shí)別的目標(biāo)包括吊車、泵車、挖掘機(jī)、推土機(jī)、渣土車等施工機(jī)械，目標(biāo)與背景一般比較難于拆分；并且隨著目標(biāo)離攝像機(jī)遠(yuǎn)近的不同，其大小也會(huì)發(fā)生明顯的變化；施工機(jī)械的狀態(tài)、顏色及姿態(tài)也各不相同；另外，也常常會(huì)出現(xiàn)比較嚴(yán)重的遮擋或光線不好的情況，識(shí)別困難。

綜合對(duì)輸電通道環(huán)境及所識(shí)別目標(biāo)特點(diǎn)的分析，需要建立的模型能夠識(shí)別大、小目標(biāo)，并對(duì)遮擋、姿態(tài)、光線及相似物體具有良好的適應(yīng)性，本文針對(duì)場(chǎng)景特點(diǎn)，對(duì)YOLOv3算法進(jìn)行了優(yōu)化。

2.2 數(shù)據(jù)處理

圖像數(shù)據(jù)數(shù)量和質(zhì)量為識(shí)別模型準(zhǔn)確性的重要基礎(chǔ)。本項(xiàng)目所有訓(xùn)練素材及驗(yàn)證素材均從系統(tǒng)前端攝像機(jī)抓拍的實(shí)際場(chǎng)景圖像中采集。通過人工篩選、分類，并對(duì)負(fù)樣本、無效樣本進(jìn)行梳理剔除。共收集各類場(chǎng)景、各種形態(tài)機(jī)械隱患有效正樣本素材超過100000張。為了提高模型對(duì)輸電通道環(huán)境及檢測(cè)目標(biāo)的適用性，針對(duì)圖像素材進(jìn)行預(yù)處理，進(jìn)一步豐富深度學(xué)習(xí)樣本數(shù)據(jù)場(chǎng)景，主要包括裁剪、色彩抖動(dòng)等。

2.3 模型優(yōu)化

近年來，深度學(xué)習(xí)技術(shù)受到社會(huì)各界的廣泛關(guān)注，并在機(jī)器視覺、語音識(shí)別、自然語言處理（NLP）等領(lǐng)域展現(xiàn)出巨大的應(yīng)用潛力。基于卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）的目標(biāo)檢測(cè)算法模型可分為雙階（Two stage）和單階（One stage）兩類。其中，Two stage算法一般要先存在目標(biāo)概率比較高的候選區(qū)域，再應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)這些候選區(qū)域進(jìn)行分類，并使用邊界框回歸對(duì)目標(biāo)邊界進(jìn)行調(diào)整，得到圖像中的目標(biāo)類型及邊界框。Two stage算法主要包括R-CNN[6]、Fast RCNN[7]和Faster R-CNN[8]等，經(jīng)過不斷地優(yōu)化提升，其運(yùn)算速度和精度也依次遞增。One stage算法主要包括YOLO[9-11]（you look only once）和SSD[12]等，相比于Two stage算法，One stage算法不須提取可能存在目標(biāo)的候選區(qū)域，計(jì)算速度加快。2016年，YOLO系列算法提出后先后經(jīng)過了YOLOv1、YOLOv2到Y(jié)OLOv3等階段的發(fā)展，網(wǎng)絡(luò)通過使用多個(gè)尺度的特征來進(jìn)行目標(biāo)檢測(cè)，能夠提升全圖的目標(biāo)檢測(cè)性能，保障目標(biāo)檢出的精準(zhǔn)度。集中類型的算法檢測(cè)性能指標(biāo)如圖5所示。輸電通道圖像為大場(chǎng)景圖片，施工隱患機(jī)械中包含遠(yuǎn)處成像尺寸較小的吊車等，同時(shí)考慮到目前One stage算法和Two stage算法在適用性、泛化性和準(zhǔn)確性等方面的特點(diǎn)，系統(tǒng)最終采用基于YOLOv3算法的輸電線路巡檢目標(biāo)檢測(cè)模型。

圖5 隱患識(shí)別效果圖

為了解決各機(jī)械因種類或者拍攝距離不同，導(dǎo)致的大小差別較大的問題，基于YOLOv3目標(biāo)檢測(cè)算法，并在整個(gè)YOLOv3模型設(shè)計(jì)中，分別設(shè)計(jì)8倍、16倍、32倍降采樣特征圖，對(duì)不同尺度目標(biāo)進(jìn)行學(xué)習(xí)與預(yù)測(cè)，8倍特征圖主要用于小目標(biāo)的檢測(cè)，16倍特征圖用于中等目標(biāo)的檢測(cè)；32倍特征圖用于大目標(biāo)的檢測(cè)。整體上全面提升大、中、小目標(biāo)的檢測(cè)性能。此外，對(duì)YOLOv3算法通常所使用的主干網(wǎng)絡(luò)進(jìn)行優(yōu)化，通過NAS網(wǎng)絡(luò)自動(dòng)搜索技術(shù)搜索得到最匹配的網(wǎng)絡(luò)主干。

2.4 效果分析

為了便于分析機(jī)械等外力隱患識(shí)別的實(shí)際應(yīng)用效果，對(duì)模型上線后的檢出率和正報(bào)率數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)。

2.4.1 檢出率分析

隨機(jī)抽取應(yīng)用該識(shí)別模型的8000基輸電桿塔中的100基（約12000張圖片）進(jìn)行核驗(yàn)，模型算法經(jīng)過多輪迭代優(yōu)化，目標(biāo)綜合檢出率（吊車、泵車等多類機(jī)械綜合檢出率）由2017年的48.76%提高為88.62%，提升效果明顯。此外，為了進(jìn)一步分析模型對(duì)隱患的檢出能力，對(duì)檢出的桿塔情況進(jìn)行了周統(tǒng)計(jì)，系統(tǒng)及時(shí)報(bào)警的點(diǎn)位記為檢出點(diǎn)位、未能及時(shí)報(bào)警的點(diǎn)位記為漏報(bào)點(diǎn)位，統(tǒng)計(jì)發(fā)現(xiàn)，隱患點(diǎn)位檢出率均在90%以上，最高達(dá)97%，此指標(biāo)可代表實(shí)際應(yīng)用情況。

2.4.2 正報(bào)率分析

對(duì)100基桿塔約5000張告警檢出圖片進(jìn)行統(tǒng)計(jì)分析，正確識(shí)別出吊車等5類機(jī)械隱患的告警視為正報(bào)，錯(cuò)誤識(shí)別為吊車等5類機(jī)械隱患的告警視為誤報(bào)。模型經(jīng)過多輪優(yōu)化，目標(biāo)綜合正報(bào)率（吊車、泵車等多類機(jī)械綜合正報(bào)率）由2017年的69.12%提高為91.22%，提升效果明顯。此外，對(duì)系統(tǒng)8000余基桿塔1天全量告警圖片進(jìn)行了統(tǒng)計(jì)，當(dāng)天總告警量約為19000張，正報(bào)率約為93%，該結(jié)果與100基輸電桿塔告警圖片的抽樣統(tǒng)計(jì)數(shù)據(jù)基本一致。

3 功能應(yīng)用

輸電線路智能安防系統(tǒng)基于“圖像識(shí)別+變倍巡航”技術(shù)，能夠?qū)崿F(xiàn)對(duì)輸電通道外力隱患、異物搭掛、本體設(shè)備的可視化管控，實(shí)現(xiàn)對(duì)通道外力隱患的智能判別和主動(dòng)告警等功能。

3.1 通道遠(yuǎn)程巡檢

輸電前端視頻模塊能夠定時(shí)回傳圖像，監(jiān)控人員能夠通過輪巡功能對(duì)所轄輸電通道進(jìn)行24 h遠(yuǎn)程監(jiān)控，一方面，實(shí)現(xiàn)外力隱患第一時(shí)間發(fā)現(xiàn)、第一時(shí)間處置、第一時(shí)間解決，提高輸電通道運(yùn)維管控效率；另一方面，通過云臺(tái)攝像機(jī)預(yù)置位功能，實(shí)現(xiàn)對(duì)本基桿塔及鄰近桿塔重點(diǎn)部件運(yùn)行情況的遠(yuǎn)程檢查，及時(shí)掌握設(shè)備運(yùn)行情況。

3.2 告警智能推送

主站智能分析服務(wù)器加載深度學(xué)習(xí)算法，利用基于YOLOv3的外力隱患識(shí)別模型，實(shí)現(xiàn)對(duì)輸電通道中的塔吊、吊車、泵車、挖掘機(jī)、渣土車等大型施工隱患車輛的智能識(shí)別，并將外力隱患告警圖片推送至平臺(tái)，供運(yùn)維監(jiān)控人員第一時(shí)間審核、處理。相對(duì)于人工遠(yuǎn)程巡檢，智能告警功能能夠?qū)旊娋€路運(yùn)行狀態(tài)24 h后臺(tái)監(jiān)控，避免人工巡檢漏查漏看現(xiàn)象，大大縮短檢查、整改時(shí)間，提高運(yùn)維巡檢質(zhì)量和效率。

3.3 隱患閉環(huán)管控

輸電線路智能安防系統(tǒng)與移動(dòng)巡檢作業(yè)系統(tǒng)實(shí)現(xiàn)融合應(yīng)用，現(xiàn)場(chǎng)巡視人員可通過移動(dòng)巡檢App查看巡視線路的圖片及視頻，同時(shí)可以實(shí)時(shí)接收監(jiān)控中心核實(shí)下發(fā)的告警信息。巡視人員接到看護(hù)任務(wù)到達(dá)現(xiàn)場(chǎng)后，通過移動(dòng)巡檢App操作開始任務(wù)，主站可實(shí)時(shí)獲取現(xiàn)場(chǎng)看護(hù)狀態(tài)信息，包括工作人員姓名、聯(lián)系方式等；隱患解除后，系統(tǒng)將重新啟動(dòng)告警識(shí)別推送，實(shí)現(xiàn)故障隱患處置全過程閉環(huán)管控。

3.4 應(yīng)用成效

輸電線路智能安防系統(tǒng)采用先進(jìn)的技術(shù)手段，實(shí)現(xiàn)輸電線路故障隱患發(fā)現(xiàn)、預(yù)警、處置功能，具有良好的經(jīng)濟(jì)和社會(huì)效益。

輸電線路分布廣、地形復(fù)雜，人工巡檢難度大，耗時(shí)耗力，巡檢效率低，處置及時(shí)率難以保證。采用“圖像識(shí)別+變倍巡航”的智能化巡視模式可實(shí)現(xiàn)對(duì)輸電線路通道隱患、異物及本體設(shè)備的智能巡檢，可有效降低巡檢的人力、物力和時(shí)間成本，緩解巡檢運(yùn)維壓力，實(shí)現(xiàn)通道及本體設(shè)備全天候可視化線上閉環(huán)管控，能夠及時(shí)發(fā)現(xiàn)故障隱患，有效減少輸電線路故障事件，管控效率可提高10倍以上，有效提升輸電線路安全管控能力。

4 結(jié)束語

國(guó)網(wǎng)北京市電力公司近年來積極探索利用技術(shù)手段提升輸電線路管控質(zhì)效，構(gòu)建了基于視頻采集與圖像識(shí)別的輸電線路智能安防系統(tǒng)，并通過不斷優(yōu)化采集終端、迭代模型算法、深化功能應(yīng)用等方式持續(xù)提高系統(tǒng)與業(yè)務(wù)的融合深度，實(shí)現(xiàn)了輸電線路隱患的全流程線上化智能管控。

下一步，將持續(xù)充分挖掘、利用生產(chǎn)系統(tǒng)產(chǎn)生的海量圖像數(shù)據(jù)價(jià)值，對(duì)輸電通道機(jī)械識(shí)別模型進(jìn)行優(yōu)化迭代，繼續(xù)提升識(shí)別效果。深入開展輕量化圖像識(shí)別模型研究，研究基于視頻識(shí)別的邊緣計(jì)算方法和低功耗裝置，探索云邊協(xié)同識(shí)別模式，提高輸電運(yùn)行場(chǎng)景圖像識(shí)別精度和效率。

積極拓展應(yīng)用場(chǎng)景，充分挖掘云臺(tái)設(shè)備巡檢能力拓展本體缺陷識(shí)別維度，充分利用三維點(diǎn)云等信息提升對(duì)通道環(huán)境的理解能力，探索基于氣象、隱患等多源數(shù)據(jù)融合實(shí)現(xiàn)輸電線路運(yùn)行態(tài)勢(shì)研判，進(jìn)一步提高系統(tǒng)智能化水平。