输电线路外破隐患空间距离三维点云测量方法

分类：电力论文范文 时间：关注：(1)

　　【目的】输电线路容易受到外力破坏，如建筑施工和车辆碰撞等。通过准确测量外破隐患空间距离，可以预警并及时采取措施避免故障发生，进而保障输电线路的安全稳定运行。但在输电线路较长的情况下，区域点云密度不均匀性会明显增加，给计算外破隐患空间距离带来困难，同时在噪声点的干扰下，测量误差和转换参数不准确等问题导致故障点与端点之间产生坐标转换误差。为了及时智能化测量输电线路外破故障点与端点之间的距离、快速消除外破故障，提出了一种输电线路外破隐患空间距离三维点云测量方法。【方法】基于点云密度的高程滤波区间，利用kdtree空间结构遍历整幅图像，获取点云数据。对三维点云提取到的输电线路目标图像进行色彩调整、旋转、分辨率调整以及翻转等一系列预处理;当输电线路外破引起不对称短路故障时，结合输电线路的正序电感、电容以及容抗信息，解算目标像素点后的输电线路外破隐患空间距离，分析输电线路两端的正序分量和负序分量，对目标像素点进行解算，消除故障点处不同步相角的影响，构建空间距离测量函数，根据子空间网格点云的最小值和均值之和确定搜索半径，解算目标图像中的像素点，实现对输电线路外破隐患空间距离的精准测量。【结果】所提方法在不同步相角和不同过渡电阻下，测距绝对误差较小，最大值未超过2m，不存在伪根情况，所测量的空间距离与故障距离最为接近，可实现对输电线路外破隐患精准测距。在恶劣天气或复杂地形条件下，若人员难以到达现场巡检，可通过远程监控点云数据来分析外破隐患空间距离，如果发现某一物体(如正在靠近输电线路的施工机械)与输电线路之间的空间距离逐渐缩小，当达到设定的危险阈值时，系统需要发出预警并及时采取措施避免外破事故的发生。【结论】采用三维点云测量技术对输电线路外破隐患空间距离进行测量，可以实时监测输电线路周围环境，全面准确地掌握输电线路的健康状况。根据实际情况优化巡检策略，重点巡检外破隐患风险较高的区域，减少不必要的巡检工作量，提高运维效率。

　　关键词：目标像素点;输电线路外破隐患;空间距离;三维点云;测距函数;不同步相角

　　论文《输电线路外破隐患空间距离三维点云测量方法》发表在《沈阳工业大学学报》，版权归《沈阳工业大学学报》所有。本文来自网络平台，仅供参考。

　　引言

　　输电线路破损检查主要依靠日常巡检、维护和检修来实现[1-2]，在某些方面可以采用“技防”手段，而可靠运行需要考虑外部破坏因素，主要通过“人防”来实现。相对来说“人防”手段较为复杂，需要工作人员及时发现和消除隐患，并保持隐患在可控范围内，不会对整体线路造成严重影响。随着鸟害和违章建筑等外部破坏因素的不断增多，输电线路外破隐患种类出现了直线上升的趋势。利用智能化技术对输电线路外破隐患空间距离进行测量，是当前相关学者亟须解决的难题之一。

　　陈旭等[3]根据杆塔直线距离实现了对线路双端非同步故障的测距。在分布参数模型的基础上对线路长度进行等倍数放大并引入解析表达式，根据杆塔直线距离计算故障间的距离。高淑萍等[4]在故障发生的第一时间确定故障线路，利用小波包分解方法对电压故障分量进行小波包能量的转换，并将转换后的样本输入到BP神经网络中进行非线性拟合，经过不断训练后输出故障线路的距离测量结果。但上述两种方法的测距结果均存在伪根，与实际结果存在一定的误差。

　　为了解决上述问题，本文提出了一种输电线路外破隐患空间距离三维点云测量方法。通过三维点云提取输电线路目标图像，对其训练后得到目标点的类别、边框和置信度;建立新的测距函数，通过解算目标像素点消除不同步相角对测距精度的影响，在保证较高精度的前提下完成对输电线路外破隐患空间距离的测量。将所提方法与其他方法展开对比实验测试，验证了所提方法的测量误差最小，且受步相角和过渡电阻的影响较小。

　　1 输电线路的三维点云扫描像素提取

　　输电线路三维点云是由若干个相邻子空间组成的网格，通过对每个网格进行点云密度分析和高程滤波处理，完成对输电线路三维点云数据的粗提取;再对输电线路各个点云之间的倾斜角度特征进行分析，结合粗提取结果完成对数据的精确提取[5]。以上方法多通过无人机配合激光扫描设备来完成。

　　在水平方向上对输电线路三维点云子空间进行划分。按照特定距离在x轴方向上进行分割，对分割后的网格按照特定距离在y轴方向上再次进行分割。假设D为输电线路三维点云平均密度值(即对输电线路三维点云总数与输电线路水平投影面积做除法)，d为单个子空间中三维点云的平均密度值。当(d>0.6D)时，说明该子空间中包含数量繁多且密度较大的非电力线点(可能是地面点或杆塔点);当(0.03D ≤d ≤0.6D)时，说明该子空间中包含较少且稀疏的非电力线点[6];当(d<0.03D)时，说明该子空间中只有少数几个电力线点。

　　基于点云密度的高程滤波区间表达式为：

　　[ Z_{ ext{min}} leq Z leq Z_{ ext{min}} + a imes (Z_{ ext{mean}} - Z_{ ext{min}}) + b ]

　　式中：(Z_{ ext{min}})和(Z_{ ext{mean}})分别为子空间网格点云的最小值和均值;a、b均为常量。

　　针对提取得到的非电力线点存在的干扰，在点云间倾斜角度平均值算法的基础上，引入滤波算法将其过滤掉[7]。输电线路三维点云精确提取过程为：利用kdtree空间结构遍历整幅图像，获取点云数据。根据子空间网格点云的最小值和均值之和确定一个合适的搜索半径r，计算该半径内搜索点与邻近点之间的倾斜角度均值。通过统计点云数据中点到其邻近点的距离，并以标准偏差作为搜索阈值β，并将倾斜角度均值与β进行比较，当β大于倾斜角度均值时，说明当前搜索半径内的点为电力线点;反之，则为非电力线点。由此计算两点之间的倾斜角度，其计算表达式为：

　　提取输电线路的三维点云会存在少许悬浮噪声点。为了降低噪声点对后续空间距离测量的影响，可利用半径滤波器对其进行过滤。

　　2 输电线路外破隐患空间距离测量

　　2.1 输电线路外破隐患特征损失函数设计

　　对三维点云提取到的输电线路目标图像进行色彩调整、旋转、分辨率调整[8]以及翻转等一系列预处理，尽可能地降低样本背景对目标识别的影响。对完成预处理的图像进行训练[9]，其中外皮破损后，像素特征损失函数的表达式为：

　　式中：(lambda_{c})为目标点的损失权重;(lambda_{n})为目标图像在不考虑边框置信度情况下的损失权重;(J_{s}^{o})为在网格s中的目标点;(J_{sh}^{o})、(J_{sh}^{n})分别为在网格s中第h个锚框中包含目标点以及不包含目标点的情况;(q_{s})、(t_{s})、(e_{s})、(u_{s})为预测边框;(hat{q}_{s})、(hat{t}_{s})、(hat{e}_{s})、(hat{u}_{s})为实际边框;(g_{s})、(h_{s}(g))分别为在网格s中预测类型和目标置信度[10-12];(hat{g}_{s})、(hat{h}_{s}(g))分别为在网格s中实际类型和目标置信度;(S^{2})为图像中的网格数目;o为网格中待预测边框数目。通过计算得到目标图像的类别、边框以及置信度。

　　2.2 输电线路外破隐患空间距离测量实现

　　图1为输电线路外破隐患故障示意图，其中(dot{U}_{m})和(dot{I}_{m})分别为m端电压和电流序分量，(dot{U}_{n})和(dot{I}_{n})分别为n端电压和电流序分量。

　　(图1 输电线路外破隐患故障示意图 Fig.1 Schematic diagram of hidden dangers from external damage to transmission line 说明：标注m端、n端、故障点w、输电线路WL及距离P)

　　在损失函数表述基础破损像素特征的基础上，假设w点发生外破，距m端距离为P，将该点视为目标点[13-15]，利用传输线方程对其进行解算，得到w点处的电压和电流，即：

　　式中：γ为电流传输系数;Q为传输波阻抗;l为输电线路的长度。

　　当输电线路外破引起不对称短路故障时，则有：

　　在电网输电线路中，电感比电阻大很多且容抗比泄露电导也大很多，因此，传输系数满足(gamma approx omega / sqrt{HC_{varepsilon}})[19-20]，其中，ω为角频率，H、C、(C_{varepsilon})分别为输电线路的正序电感、电容以及容抗。

　　为消除故障点处不同步相角的影响，对目标像素点进行解算，其计算表达式为：

　　基于上述计算过程，可得到解算目标像素点后的输电线路外破隐患空间距离，且测距结果没有伪根，不受外破故障类型、电流和电阻的影响。

　　3 实验测试

　　为了验证所提方法在实际应用中可以精准测量输电线路外破隐患空间距离，将其与双端非同步故障测距方法和小波包能量谱算法展开对比实验。

　　以线路电压等级为500kV的输电线路为实验对象，线路最低高度为15m，水平跨度为900m，从真实的输电线路图像中采集到一批包含外破隐患的图像数据集，并标注每个外破隐患与电线之间的空间距离，将任意物体在输电线路导线下方或距离导线小于5m的范围归为外破隐患空间。

　　实验操作系统为Ubuntu18.04，软件为CUDA NN7.0，硬件为NVIDIA GTX1080Ti，初始设置数据集规模为500张图像数据。将数据集划分为训练集和验证集，按照8∶2进行划分，设置学习率为0.001，训练迭代次数为50个epoch。

　　设置外破隐患的图像数据集目标图像的短路故障类别为4个，分别为单相接地、两相接地、两相相间和三相接地;边框坐标设置为[0.1,0.2,0.8,0.9];置信度设置为0.9。对实验输电线路进行测试，具体测试步骤如下：

　　1) 对输电线路三维点云网格进行点云密度分析和高程滤波处理。根据子空间网格点云的最小值和均值之和确定搜索半径为1.3m;通过统计点云数据中点到其邻居点的距离，计算两者的标准偏差并确定搜索阈值为1.4m。

　　2) 分析各点云之间倾斜角度特征，利用无人机配合激光扫描设备精准提取输电线路的三维点云扫描像素。

　　3) 目标点的损失权重为0.3，在不考虑边框置信度情况下目标图像的损失权重为0.7。根据(g_{s})、(h_{s}(g))、(hat{g}_{s})、(hat{h}_{s}(g))获取目标图像的置信度;根据(q_{s})、(t_{s})、(e_{s})、(u_{s})和(hat{q}_{s})、(hat{t}_{s})、(hat{e}_{s})、(hat{u}_{s})计算目标图像的边框，获得像素特征损失函数。

　　4) 根据(gamma ≈omega / sqrt{HC_{varepsilon}})计算传输系数为0.6，结合输电线路外破隐患故障示意图，获取外破隐患的电压和电流。

　　5) 通过解算目标像素点消除不同步相角对测距精度的影响，完成对输电线路外破隐患空间距离的高精度测量。

　　3.1 输电线路外破三维图像识别

　　利用所提方法对该地区输电线路进行外破故障识别，结果如图2所示。

　　(图2 所提方法识别到的输电线路外破三维图像 Fig.2 3D images of external damage to transmission lines identified by proposed method 说明：a为线1破损识别图，b为线2破损识别图，电力线完整，故障点清晰，噪声点极少)

　　由图2可知，利用所提方法识别到的输电线路外破三维图像电力线完整且精准，外破故障点清晰可见且仅存在极小部分的噪声点。该方法为后续进行外破隐患空间测距奠定了基础。

　　3.2 输电线路外破隐患空间测距精度

　　针对输电线路外破可能引起的故障，对比所提方法、双端非同步故障测距方法和小波包能量谱方法的空间测距性能，设定不同步相角度为36°，3种方法的对比结果如表1所示。

　　表1 3种方法的空间测距对比结果 Tab.1 Comparison results of space distance measurement by three methods

　　| 短路故障类型 | 过渡电阻/Ω | m端到故障端距离/km | 所提方法/km | 双端非同步故障测距方法/km | 小波包能量谱方法/km |

　　| 单相接地 | 80 | 5 | 4.999 | 4.976 | 4.914 |

　　| 单相接地 | 2 | 100 | 99.959 | 99.904 | 99.901 |

　　| 单相接地 | 497 | 300 | 299.187 | 299.235 | 298.541 |

　　| 两相接地 | 140 | 10 | 9.941 | 9.890 | 9.632 |

　　| 两相接地 | 5 | 150 | 149.282 | 149.298 | 149.321 |

　　| 两相接地 | 495 | 400 | 399.956 | 399.201 | 398.583 |

　　| 两相相间 | 160 | 15 | 14.982 | 14.901 | 14.862 |

　　| 两相相间 | 490 | 200 | 199.913 | 199.900 | 199.841 |

　　| 三相接地 | 10 | 500 | 499.003 | 498.865 | 498.855 |

　　| 三相接地 | 300 | 20 | 19.994 | 19.989 | 19.941 |

　　| 三相接地 | 495 | 250 | 249.891 | 249.677 | 249.589 |

　　| 三相接地 | 3 | 600 | 599.842 | 599.737 | 599.687 |

　　表2 A相接地短路故障测距误差 Tab.2 Distance measurement error of A-phase ground short circuit fault

　　| 不同步相角/(°) | 所提方法绝对误差/m | 小波包能量谱方法绝对误差/m | 双端非同步故障测距方法绝对误差/m |

　　| -300 | 0.79 | 1.47 | 1.78 |

　　| -200 | 1.23 | 1.25 | 1.65 |

　　| -100 | 1.25 | 0.75 | 1.89 |

　　| 0 | 0.92 | 2.47 | 2.53 |

　　| 100 | 0.81 | 2.05 | 2.33 |

　　| 200 | 0.89 | 1.01 | 1.74 |

　　| 300 | 1.23 | 0.98 | 1.55 |

　　由表1可知，对于输电线路外破引起的不同故障类型，3种方法的空间测距结果均存在少许误差，但与双端非同步故障测距方法和小波包能量谱方法相比，利用所提方法得到的空间距离与故障距离最为接近。说明所提方法在应用过程中不易受外破故障类型的影响，结果不存在伪根的情况，且得到的外破隐患空间距离测量结果更为精准。

　　基于输电线路外破引起的线路断裂故障类型，3种方法受不同步相角的影响测距的绝对误差如表2~3所示。表2为外破故障引起的A相接地故障，表3为外破故障引起的三相接地短路故障，二者均为距离m端约240km处由输电线路外破引起的线路断裂故障。由表2~3可知，无论发生何种故障，所提方法的测距绝对误差均保持在2m以内，测距结果具有较高的精确度。

　　表3 三相接地短路故障测距误差 Tab.3 Distance measurement error of three-phase ground short circuit fault

　　| 不同步相角/(°) | 所提方法绝对误差/m | 小波包能量谱方法绝对误差/m | 双端非同步故障测距方法绝对误差/m |

　　| -300 | 1.71 | 3.25 | 4.23 |

　　| -200 | 1.13 | 2.98 | 4.05 |

　　| -100 | 0.95 | 2.01 | 3.65 |

　　| 0 | 1.05 | 1.75 | 3.88 |

　　| 100 | 1.43 | 2.48 | 3.75 |

　　| 200 | 1.45 | 1.66 | 4.02 |

　　| 300 | 1.68 | 1.78 | 4.33 |

　　当输电线路外破发生在距m端100km且不同步相角为36°时，验证3种方法是否受过渡电阻影响，结果如图3所示。

　　(图3 不同过渡电阻下3种方法的测距绝对误差 Fig.3 Absolute error of distance measurement by three methods under different transition resistances 说明：横坐标为过渡电阻(Ω)，纵坐标为绝对误差(m)，包含所提方法、小波包能量谱方法、双端非同步故障测距方法三条曲线)

　　从图3中可以看出，与双端非同步故障测距方法和小波包能量谱方法相比，所提方法测距绝对误差较小，最大值没有超过2m。说明所提方法可以实现输电线路外破隐患空间距离的精准测量。

　　4 结束语

　　针对输电线路外破隐患空间距离测量问题，提出一种输电线路外破隐患空间距离三维点云测量方法。通过三维点云提取完成输电线路外破故障的识别;通过分析输电线路两端的正序分量和负序分量，完成对输电线路外破隐患空间距离的精准测量。在实验测试中，所提方法测距误差较小，测距精度较高，且不易受外破故障类型和过渡电阻的影响，适用范围更广。

　　参考文献(References)

　　[1] 张安安，邓芳明. 基于CNN-RVM的输电杆塔外破振动识别方案[J]. 计算机仿真，2020，37(4)：76-80.(ZHANG A A，DENG F M. External vibration identification scheme of transmission line tower based on CNN-RVM[J]. Computer Simulation，2020，37(4)：76-80.)

　　[2] KUMAR M M，ALLI R，SUNDARAVAZHUTHI V. A computational algorithm based on biogeography-based optimization method for computing power system security constrains with multi FACTS devices[J]. Computational Intelligence，2020，36(4)：1493-1511.

　　[3] 陈旭，张鑫瑞，伍祥，等. 以杆塔直线距离为基准的双端输电线路非同步故障测距算法[J]. 电网技术，2021，45(4)：1581-1587.(CHEN X，ZHANG X R，WU X，et al. Fault location algorithm using asynchronous data for two-terminal transmission line based on straight line distance between the towers[J]. Power System Technology，2021，45(4)：1581-1587.)

　　[4] 高淑萍，姜元月，宋国兵，等. 混合三端直流输电线路故障测距方法研究[J]. 电力系统保护与控制，2021，49(15)：76-83.(GAO S P，JIANG Y Y，SONG G B，et al. Research on a fault location method for a hybrid three-terminal DC transmission line[J]. Power System Protection and Control，2021，49(15)：76-83.)

　　[5] 武建卫，邵剑峰. 计及波速变化的反行波直流输电线路故障测距方法[J]. 中国电力，2021，54(5)：121-128.(WU J W，SHAO J F. Fault Location of DC Transmission lines based on backward waves considering wave speed changes[J]. China Power，2021，54(5)：121-128.)

　　[6] 张劲波，林少远，黄晓予，等. 基于电网信息模型的输电线路交叉跨越距离测量应用研究[J]. 电气传动，2022，52(18)：48-52.(ZHANG J B，LIN S Y，HUANG X Y，et al. Research on transmission line crossing distance measurement based on grid information model[J]. Electric Drive，2022，52(18)：48-52.)

　　[7] 林冬云，卢嘉，李纯明，等. 基于空间点云三维曲面重建的距离测量[J]. 激光与光电子学进展，2022，59(14)：196-206.(LIN D Y，LU J Q，LI C M，et al. Distance measurement based on three-dimensional surface reconstruction of spatial point cloud[J]. Laser & Optoelectronics Progress，2022，59(14)：196-206.)

　　[8] 杨纯，李垠韬，宋伟，等. φ-OTDR光纤传感电缆防外破监测数据预处理方法[J]. 激光与红外，2021，51(4)：486-492.(YANG C，LI Y T，SONG W，et al. Preprocessing method of monitoring data for cable breaking prevention based on φ-OTDR optical fiber sensor[J]. Laser & Infrared，2021，51(4)：486-492.)

　　[9] 圣文顺，孙艳文，张会影. 基于稀疏理论与FFST-GIF的多聚焦图像融合算法[J]. 江苏大学学报(自然科学版)，2022，43(2)：195-200.(SHENG W S，SUN Y W，ZHANG H Y. Multi-focus image fusion algorithm based on sparse theory and FFST-GIF[J]. Journal of Jiangsu University (Natural Science Edition)，2022，43(2)：195-200.)

　　[10] 王宏宇，李永丽，张云柯，等. 单电源多级串供型输电线路距离保护误动原因分析及改进[J]. 电力自动化设备，2021，41(2)：179-185.(WANG H Y，LI Y L，ZHANG Y K，et al. Analysis and improvement of mal-operation in distance protection of multi-stage series transmission line with single power source[J]. Electric Power Automation Equipment，2021，41(2)：179-185.)

　　[11] ANGELO V G. An extended solution to the equations describing a 3-conductor transmission line[J]. WSEAS Transactions on Circuits and Systems，2020，19：90-104.

　　[12] 张智伟，范新桥，张利，等. 基于动态模式分解的三端多段式架空线-电缆混合输电线路故障定位新方法[J]. 电力系统及其自动化学报，2022，34(10)：129-137.(ZHANG Z W，FAN X Q，ZHANG L，et al. Novel fault location method for three-terminal multi-segment overhead-cable hybrid transmission line based on dynamic mode decomposition[J]. Proceedings of the CSU-EPSA，2022，34(10)：129-137.)

　　[13] 刘政，张蔚，季小雨，等. 基于优化小波重构算法的直流输电线路故障测距方法[J]. 可再生能源，2021，39(12)：1675-1679.(LIU Z，ZHANG W，JI X Y，et al. DC line fault location method based on optimized wavelet reconstruction algorithm[J]. Renewable Energy，2021，39(12)：1675-1679.)

　　[14] 钱建国，魏立，李游，等. 基于三维点云的输电线路分类去噪算法研究[J]. 应用激光，2022(11)：104-112.(QIAN J G，WEI L，LI Y，et al. Research on the classification and outlier removal algorithm of transmission lines based on 3D point cloud[J]. Applied Laser，2022(11)：104-112.)

　　[15] 刘凤莲，曹永兴，高润明，等. 基于无人机载LiDAR的输电线路树障单木识别[J]. 电测与仪表，2023，60(9)：7-13.(LIU F L，CAO Y X，GAO R M，et al. Recognition of tree barriers on transmission lines based on UAV-borne LiDAR[J]. Electrical Measurement & Instrumentation，2023，60(9)：7-13.)

　　[16] 林志军，刘宝军，关俊峰，等. 基于影像特征分析的架空输电线路三维实景建模[J]. 电子器件，2022，45(1)：172-177.(LIN Z J，LIU B J，GUAN J F，et al. 3D real scene modeling of overhead transmission line based on image feature analysis[J]. Chinese Journal of Electron Devices，2022，45(1)：172-177.)

　　[17] 麻卫峰. 机载激光点云输电线路巡检关键技术研究[J]. 测绘学报，2023，52(9)：1612-1618.(MA W F. Research on key technologies of transmission line inspection for ALS point cloud[J]. Acta Geodaetica et Cartographica Sinica，2023，52(9)：1612-1618.)

　　[18] 谭弘武，王敬茹，刘武能，等. 机载LiDAR高压线塔点云自动化提取[J]. 遥感信息，2021，36(4)：7-11.(TAN H W，WANG J R，LIU W N，et al. Automatic extraction of high voltage line tower point cloud from airborne LiDAR data[J]. Remote Sensing Information，2021，36(4)：7-11.)

　　[19] 张晓华，蔡巍，武宇平，等. 基于海量点云数据的输电线路三维建模研究[J]. 信息技术，2023，47(9)：143-147.(ZHANG X H，CAI W，WU Y P，et al. Research on three-dimensional modeling of transmission lines based on massive point cloud data[J]. Information Technology，2023，47(9)：143-147.)

　　[20] 杨翠茹，彭向阳，余欣. 结合小波变换与数学形态学的电缆局放信号识别与降噪方法[J]. 沈阳工业大学学报，2023，45(6)：619-624.(YANG C R，PENG X Y，YU X. Recognition and denoising method of cable partial discharge signal based on wavelet transform and mathematical morphology[J]. Journal of Shenyang University of Technology，2023，45(6)：619-624.)