基于多源遥感数据的输电线路...险源检测及智能运维方案研究_苏晓.pdf

/基于多源遥感数据的输电线路危险源检测及智能运维方案研究苏晓张卓成陈峻宇丁争张明晖李浪（国网江苏省电力有限公司无锡供电分公司）*1摘要：为了维护电网线路安全，快速、准确地发现输电线路危险源，将输电线路运维工作便捷化、智能化。本文基于多源遥感数据，借助人工智能算法，将其与输电线路危险源检测和智能运维相结合，通过算法模型的研究，研究分析输电线路不同危险源的自动检测识别方法，为输电线路智能运维提供新的方式，以解决输电线路通道运维与城市建设、自然环境的矛盾，减轻基层巡检作业人员的工作负担，提升运维效率。关键词：输电线路；危险源；多源遥感；检测；智能运维 引言输电线路是当前电力输送的主要通道，也是供电系统的重要组成部分和保证电力供给的桥梁，输电线路的运维管理工作关系到电网安全、畅通，直接影响电力能源能否经济有效地输送。随着城市建设进程的不断加快，以往一些输电线路经过的人迹稀少的地区，逐渐成为城市市区，群众的生产、生活等行为给输电线路带来了诸多隐患，线路运维工作人员不得不更频繁地对线路开展巡视，以确保通道环境的快速变化不影响线路运行，同时线路规模依然在不断增加，线路运维工作人员不堪重负，线路隐患无法及时发现，线路运行无法保证安全。同时，由于输电线路的施工规模较大、影响范围广，且多数路段所处的自然环境也比较复杂，因此输电线路以及杆塔部分长时间受气候、自然环境和机械张力等的影响，会形成腐蚀、损坏、自爆等损坏，此类问题如不及时发现和修复，会给输电线路的稳定工作造成很大隐患。在社会的快速发展下，输电线路的规模也在不断扩大，这也使得巡检的工程量成倍地增加，故现代智能电网安全高效巡检运维仅仅采用人工定期巡检的方式已经无法满足。因此，快速、高效地对输电线路危险源进行巡检，保障其正常运维至关重要 。遥感技术根据不同物体吸收、反射或发射的电磁波特性不同，从而提取信息，对远距离目标识别，具有监测范围广、数据搜集快、数据传输短等优点，且采集危险源信息不受地形地貌等客观因素影响，故获取不同对象的信息时，可针对性选取波段和仪器完成任务 。目前，在输电线路的巡维工作中，遥感技术已经得到了广泛应用。例如，在我国南方十省的电网公司监测输电线路附近林火时，都采用了卫星遥感技术 。陆佳政等人 基于卫星监测输电线路山火，提出利用区域分块查找和临近网格算法判别山火，并对火情进行预警，有效提高卫星监测的精度。雷国伟等人 提出利用监控、通信及卫星遥感等技术，对输电线路沿线环境进行监测，电网应对山火突发的能力得到有效提高。但光学遥感影像的分辨率相对较低、且云雨等天气状况容易对其造成影响。针对输电线路点多、面广和线长等特点，光学和雷达遥感虽然能够监测大区域的输电线路危险源，但低空遥感技术，例如无人机技术，凭借其高分辨率、巡检成本低等优势能够实现输电线路危险源的精准检测，但受电池、信号接收距离以及物理性能的约束，在巡检的空间范围和时间延续性等方面受到了极大的限制。综上所述，光学遥感、雷达遥感和低空无人机技术对输电线路危险源进行检测各具优势。因此，本研究拟基于多源遥感数据，借助人工智能手段，开展输电线路危险源检测和智能运维关键技术研究，基于卫星遥感数据驱动和人工智能技术识别输电线路的危险源，将识别的危险源结果输入到智能巡检设备，指导无人机等进行危险源的进一步监测，借助相关实测数据进行功能验证，对于满足输电线路监测需求、提升应急响应能力、服务社会发展具有重要意义。电气技术与经济 研究与开发*基金项目：国网江苏省电力有限公司科技项目“基于空间数据与人工智能的输电线路通道运维关键技术及应用研究”（）。/输电线路危险来源分析根据来源不同，输电线路的危险源可以划分为两大类。第一是城市环境下输电线路的危险源，其主要是指在城市建设过程中对输电线路造成的潜在危险。例如，路政等车辆在作业中，其扬臂造成输电线路受损；在建筑工地中，高楼建设施工设施在线路安全距离以内，造成输电线路受损；新增道路的规划也可能与已有的输电线路相冲突，以及建设设施大棚和农田利用情况的变化等带来的潜在危险。第二是自然环境下输电线路的危险源，其主要是指自然环境变化对输电线路带来的潜在危险。例如，树木生长过高会对输电线路带来威胁；天气状况，例如雷击会引起森林火灾和导致绝缘子受损，暴雨、台风等自然因素引起水土流失，造成的地质灾害会使输电线和电塔倾斜或倾倒，是输电线路的主要危险来源。除此之外，鸟类筑巢、高空悬挂物等因素也会对输电线路的正常运行带来危险。城市和自然环境下的输电线路危险源展示图如图 所示。图 输电线路危险源示例对输电线路不同危险源的精准检测是保障输电线路智能运维的基础。充分利用光学卫星遥感、雷达卫星遥感和低空无人机等技术，可快速、精准检测识别大区域的输电线路危险源，既能够降低巡检人员的工作量和难度，减少人力、物力和财力的投入，又可以及时发现潜在危险源，为输电线路的正常运行提供切实保障 。基于多源遥感的输电线路危险源检测识别.基于光学卫星遥感的输电线路危险源检测模型多源光学卫星遥感数据包括多个卫星、多个传感器的卫星影像，但影像数据的空间、时间分辨率等不同。对不同卫星、传感器的遥感数据，通过辐射定标、大气校正、正射校正、几何精校正、去云、研究区裁剪等自动处理，将不同空间分辨率、光谱分辨率、辐射分辨率的数据转换成统一分辨率，利用分布式、云计算等技术手段进行高效、快速处理。在对光学遥感数据预处理的基础上，根据输电线路危险源种类及实际应用需求，设计相应的神经网络模型。针对城市复杂环境下的危险源检测，危险源主体分为工地、道路、农田、大棚、厂房等。针对工地识别模型提出一种改进 网络结构，实现对工地目标的语义信息提取，通过修改空洞卷积的空洞率、增加特征融合分支、修改上采样通道数等优化。针对农田、大棚、工厂的任务环境，利用一种新的注意机制：大内核注意力（，）。吸收了卷积和 -的优点，包括局部结构信息、长依赖性和适应性，并且避免了在渠道维度上忽视适应性等缺点。针对道路模型，本文使电气技术与经济 研究与开发/用的网络结构是以 为主干网络的 -模型，模型四部分分别输出 、倍下采样特征图，有利于解决复杂环境下的密集目标分割任务。同时采集不同输电线路危险源种类的实地样本，来训练构建的神经网络模型，使用高性能服务器和图形处理器（，）对神经网络模型的参数进行调参和测试，最后，根据技术指标评估模型识别输电线路危险源的准确度，包括交并比（，）、准确率（-，）、平均交并比（-，）和 平 均 准 确 率（，）。.基于雷达卫星遥感的输电线路危险源检测模型根据自然环境下的输电线路危险源类型，主要为电塔倾斜、倾倒、覆冰等，故研究主体为电塔目标的检测、识别，通过多源雷达遥感数据进行电塔的形变监测，并使用高分辨率光学影像辅助监测 。研究多种常用的雷达遥感数据，如高分三号和 -数据的自动处理和归一化。基于人工智能的深度卷积神经网络技术，根据遥感数据特性和目标识别的需求，设计相应的神经网络模型。与基于语义分割算法的危险源提取模型相似，由于可见光影像成像环境复杂，目标地物多样性等问题，在自然环境下输电线的危险源检测也面临同样的困难，本研究选择了基于改进的 模型，并引入注意力机制，实现对背景特征的抑制。同时，研究合成孔径雷达（，）数据和光学影像的数据融合技术，通过采集的训练样本，使用高性能服务器和 构建的神经网络模型进行网络参数训练和测试，并使用精确率（-）和召回率（）作为模型识别精度的验证指标。.基于低空无人机的输电线路危险源检测模型外力破坏是输电线路的防控重心，通过可视化设备对输电线路进行监控，及时发现危险源保证线路安全运行，可有效减小人工巡维工作的压力。无人机设备通常是以固定航线或人工操作巡检，并采集输电线路及周围环境的图像或视频，输电线路中存在的故障和隐患可以在无人机图像或其图像包含信息中被发现。使用无人机巡检可以最大限度地减少线路故障造成的人员伤亡、社会影响和经济损失，以此来保障输电线路的正常运行 。基于自然环境和城市环境危险源的识别结果，将危险源结果进行综合分析，根据危险源种类、危险源距离、严重程度、地形地貌条件、天气条件等客观因素，生成无人机巡维方案。飞控人员一次性发出指令，无人机按照指令自主出发、自主巡检、自主返回降落，在自主飞行的过程中，精准发现问题，图像被实时回传到地面操控平台，输电人员根据巡视发现的结果，分析线路的缺陷。结合现有巡检方式能够及时对被巡检线路状态进行判断，准确定位安全隐患点和故障点，引导检修队伍快速开展线路维护。基于多源遥感的输电线路智能运维方案及技术验证.实地场景的危险源识别结果的测试验证面向 江 苏 电 网 系 统 选 取 具 有 代 表 性 的 示 范区 无锡作为测试对象，获取该区域近期的遥感影像数据，分别对城市环境、自然环境等不同的场景，针对性地取验场地，将卫星遥感数据进行系统处理和归一化，使用模型识别危险源，客观、系统、全面、多场地、多角度地对危险源识别系统进行验证。针对城市环境下的输电线路危险源检测，以遥感影像作为数据源，筛选并裁剪出含有工地、道路、农田、大棚、厂房的局部图像作为测试样本，分别形成工地、道路、农田、大棚、厂房测试样本集。通过将测试样本集分别输入训练好的深度学习模型，得到如图 所示的预测结果和如表 所示的模型指标。从图中可以看出，预测目标均可准确识别，且整体边界清晰，准确。经过验证集对模型的指标进行统计和分析，从表 中可以看到模型整体对于各个检测目标在 模型上都达到 以上，这说明模型对于背景和目标都预测得很准确。通过结合测试集对模型的输出结果可以分析得出农田、大棚、厂房的边界清晰，容易预测，所以 模型识别结果较好。工地、道路由于背景较为复杂，干扰信息较多，边界存在遮挡等问题，使得 模型识别精度相对较低。但结合图 结果来看，误检和漏检错误相对较少，识别精度整体效果较好。电气技术与经济 研究与开发 /图 城市环境危险源检测模型预测结果表 城市环境下各输电线路危险源模型测试结果检测目标 工地 .道路 .农田 .大棚 .厂房 .对于自然环境下的输电线路危险源检测，主要研究是对电塔等目标的识别提取，包括正常电塔、倾斜倾倒电塔等。将无锡地区近期遥感影像进行预处理，裁剪为多幅预设尺寸的子图，再将这些子图输入训练好的电塔检测模型进行预测，并保存输出结果。然后将所有子图的检测结果按裁剪时的起始点坐标进行回归，得到所述遥感影像的最终预测结果，可视化检测结果见图 。分别从数据验证指标和实际测试两个角度评定电塔检测模型整体性能，首先，使用训练得到图 电塔检测模型预测结果的模型对验证集的所有影像执行电塔检测测试，经统计计算，得到精确率和召回率，如表 所示。结合无锡地区遥感影像的电塔检测测试结果，可得出结论，所训练的电塔检测模型可准确识别出自然环境下的电塔，并且具有较高的检测精度和召回率，整体性能较好。表 电塔模型测试结果性能指标值 .无人机巡维方案计划制定有效性、可靠性的验证针对自然环境下的危险源检测结果，输入到无人机巡维方案自动生成系统进行方案生成，使用无人机进行起飞、拍摄、返回等实地验证，如图 所示。在安全性方面，验证其续航能力、恶劣天气的应对能力、合理避障能力、安全返回能力。在可靠性方面，验图 无人机巡维方案验证电气技术与经济 研究与开发/证传感器能否正常运转、传感器数据能否实时回传、灾害类型识别是否准确、灾害位置定位是否精确。结束语精准识别输电线路危险源是输电线路智能运维的关键。输电线路智能运维是以防止外力破坏为核心，通过输电线路网络的可视化监测，提高输电线路及通道的信息化程度，是周期性人工巡检运维模式的有效补充。本研究围绕输电线路危险源识别和运维难度较大等问题，充分利用空间遥感数据、高性能计算资源，开展基于深度学习以及统计学模型的电网巡检图像识别技术研究，构建相应图像智能分析技术框架，提升巡检图像智能识别技术，实现巡检视频图像常见故障、缺陷和风险识别。本文通过理论和算法模型方面的研究成果以及在输电通道运维领域的技术验证，将为空间遥感数据及人工智能在电网中的应用开拓新的研究领域，以提升公司电网巡检作业智能化的水平和巡检效率，引领