基于无人机的电力设备智能检测系统研究.pdf

Microcomputer Applications Vol.39,No.8,2023文章编号：10 0 7-7 57 X（2 0 2 3)0 8-0 18 6-0 3开发应用基于无人机的电力设备智能检测系统研究微型电脑应用2 0 2 3年第39 卷第8 期刘丙财，周伟才，黄海鹏，陈城，白岩石（深圳供电局有限公司，输电管理所，广东，深圳518 0 0 0）摘要：针对目前基于激光雷达提取电力传输线精度低、过度依赖先验信息、易受干扰等问题，提出了一种基于熵权特征评价的无人机激光雷达PTL检测系统。利用炳权法计算并分配不同显著特征的权重，从而最大化特征组合的性能。通过以最小的PTL损失移除大多数非PTL点，从而提高特征处理效率。通过自适应特征加权算法评估剩余的特征来提取PTL，从而提高评估的鲁棒性。实验环节以4个不同环境特征的样本集为例，对所提方法进行验证集分析。结果表明，与基于空间距离的方法相比，在复杂条件下本文方法准确度和F分数提高约4.96 1%和5.7 8 7%。实验结果进一步验证了所提模型即使在恶劣环境特征，也可获得较好的电力线提取结果。关键词：输电线路；无人机激光雷达；特征提取；熵权方法中图分类号：TP393Research on Intelligent Detection System of Power Equipment Based on UAV(Transmission Management Office,Shenzhen Power Supply Bureau Co.,Ltd.,Shenzhen 518000,China)Abstract:Aiming at the problems of low precision,over reliance on prior information and easy interference of power transmis-sion line extraction,based on lidar,a PTL detection system using UAV lidar based on entropy weight feature evaluation is pro-posed.The entropy weight method is used to calculate and allocate the weights of different salient features,so as to maximizethe performance of feature combination.The efficiency of feature processing is improved by removing most non PTL pointswith minimal PTL loss.The adaptive feature weighting algorithm is used to evaluate the remaining features to extract PTL,andto improve the robustness of the evaluation.In the experiment,four sets with different environmental characteristics are takenas examples to verify the proposed method.The results show that compared with the method based on spatial distance,the ac-curacy and F score of this method are improved about 4.961%and 5.787%,respectively,under complex conditions.The ex-perimental results further verify that the proposed model can obtain better power line extraction results even in harsh environ-ment.Key words:power transmission line;UAV lidar;feature extraction;entropy weight method0引言随着城市、工业、交通、国防等领域用电需求量越来越大，电力设备设施铺设也越来越广泛，发电、输电和配电系统的维护与管理也迎来了新的挑战 1-2 。为此，可通过计算机、通信、网络、大数据 31等技术，提高输电线路-51（PTL)服务质量，加快智能化、精细化的电力管理进程。近些年，激光雷达技术（LiDAR)技术已成为一种高效、准确的PTL检测解决方案。与传统遥感图像相比，点云包含多个回波、强度和坐标等信息，其三维表面信息（如几何结构和语义信息)可以直接提取。文献6 提出了一种基于机载激光雷达的电力信息重建技术，从而确定电力线信息。文作者简介：刘丙财（198 2 一），男，硕士，研究方向为架空输电线路运行维护；周伟才（197 5一），男，硕士，研究方向为架空输电线路运行维护；黄海鹏（1990 一），男，本科，研究方向为架空输电线路运行维护、机巡作业；陈城（198 9一），男，硕士，工程师，研究方向为输电线路运维；白岩石（198 9一），男，本科，研究方向为架空输电线路运行维护。186文献标志码：ALIU Bingcai,ZHOU Weicai,HUANG Haipeng,CHEN Cheng,BAI Yanshi献 7 研究了基于无人机激光雷达的台风灾害后电网巡视技术。文献 8 设计了一套LiDAR点云数据中电力线自动提取与重建的方法。然而，大多数无监督方法提取精度过度依赖于预处理步骤的性能及先验信息，如分类的塔架点云或塔架坐标；其次，复杂环境中（如山区、城市），由于PTL靠近植被或建筑物，导致提取精度降低。本文提出了一种基于熵权特征评价的PTL检测系统。首先，在特征信息归一化后，利用熵权方法计算并分配六类显著特征的权重。点云由HGS功能过滤，该功能可通过以最小的PTL损失移除大多数非PTL点来提高处理效率。然后，通过自适应特征加权算法评估剩余的五个特征来提取PTL。最后通过聚类去除噪声。Microcomputer Applications Vol.39,No.8,2023开发应用微型电脑应用2 0 2 3年第39 卷第8 期1无人机电力设备智能检测系统1.1数据集为了测试所提出系统的有效性，本文从不同的平台获得了4个数据集。前3个数据集由CBI-200P收集，CBI-200P是一个重量约1.6 kg的轻型小型激光雷达系统，并搭载在四旋翼无人机平台上。无人机平台集成了PandarXT激光扫描仪和内置惯性导航单元，两端各有2 个相同的天线，如图1所示。PandarXT的测距精度为2 cm，有效范围约为2 0 0 m，垂直角步长设置为0.2%数据集1选自一个包含大量农田的农村地区，包括上半部分数据中高度波动显著的山区地形和下半部分数据中有农田和低植被的平坦地形。数据集2 是从一个几乎没有植参数信息电压类型/kV长度/km速度/(m/s)点密度/(pts/s2)点间距离/m总点数/10 6电力线点数/10 31.2特征提取本文选择六类显著特征，包括地表高度（HGS）、垂直距离比（VRR）、水平角（HA）、地表变化（SV）、线性度（LI)和曲率变化(CC)构成特征向量，以区分PTL和其他地物。此外，六类显著特征可进一步分为高度特征（HGS和VRR)和特征值特征(HA、SV、LI 和CC)。1.3特征权重确定为了确定最佳特征权重以最大化特征组合的性能，本文采用嫡权法 9（EWM)，对不同的特征赋予不同的权重。通过EWM获得权重分布可分为以下三个步骤：特征信息矩阵的构建与标准化、权计算、特征权重计算。特征信息矩阵反映了每个特征的信息。矩阵中的每个元素都是根据六类显著特征对每个点的评估确定。为了消除单位幅值和比例对特征矩阵的影响，特征值按最小一最大阅值间隔从O到1进行归一化。HA、SV 和LI是PTL分布在高特征范围内的积极特征（式（3)）。因此，特征值越高，点成为PTL的可能性越大，其评估效果越好；相反，VRR、H A和CC是负面特征（式（4)）。特征值越低，评估效果越好。传统的权法评价指标局限于误差和数据准确性，难以获得与PTL提取相关的最大或最小特征值。因此，本文通过设置阈值区间而不是极值来优化评估过程，从而提高评估的鲁棒性。该过程具体计算如下：(V;Vhigh,1V;E(Vlow,Vhich)，e j=(V;Vhigh,eij=0Vhich-ViV;E(Viow,Vhigh),ej=Vhieh-Viow(Vi;i=11。此外，熵权与基于特征分类的最终特征权重成反比。如果一个特征显示的嫡值小于其他特征，则意味着该特征的点云具有更强的顺序和更低的不确定性。换言之，该特征更有利于信息提取，故具有更高的权重。因此，最终权重w，和熵权之间的反比关系可描述如下：1/;w=62(1/0.)i=1i=1,2,.,6,j=1,2,n在分析嫡权之后，本文计算了来自数据集1的2 个样本场景中的最终权重，其统计结果如表2 所示。在2 个样本中,HGS特征的嫡计算为1,这意味着HGS特征可以保留所有PTL信息并删除部分其他对象点。因此，HGS特征可以在不损失PTL精度的情况下实现单独评估。远离塔架时，SV在其余特征中的权重最高（0.3），这表明其在该场景中对电力线提取的贡献最大。在靠近塔架的区域，VVR权为1,表明其与HGS功能相同。表2 不同场景最终权重统计结果权重特征场景1HGS1VRR0.21HA0.11SV0.30LI0.14CC0.241.4特征评估本节将介绍通过特征评估提取PTL点。由于HGS特征的熵值为1,因此通过HGS特征单独评估激光雷达点，以移除部分非PTL点。其余的点参与后续评估。这一步骤的优点是可以提高后续特征计算的效率，并直接消除电力线提取中非PTL点的干扰。进一步，形成原始评估信息矩阵。参数信息准确率数据集198.932数据集299.905数据集399.315数据集499.248从表3可以看出，在数据集2 中，2 种方法的准确率都最高。分析原因，主要是因为环境地形平坦，植被远离PTL，因此造成的干扰较少。本文方法准确率为99.90 5%，较基于空间距离的方法相比，提高约2.57%。在数据集3中，复杂的地形变化将对算法性能产生重大影响。在数据集4中存在部分破损的PTL，基于空间距离的方法无法完全提取破损PTL。因此，基于空间距离的方法在数据集4中准确度和F分数明显降低。本文方法在数据集4中准确度和F分数提高约4.9 6 1%和5.7 8 7%。因此，在不同环境特征下，本文所提方法均具有较好的性能。实验结果充分验证了即使环境开发应用6通过评估信息矩阵和权重矩阵，通过综合特征评估提取PTL点。因此，HGS特征评估C和综合特征评估E可计算如下：C=e,wHGs,j=1,2,.,nC=Ew=：Le61e62WvVRRWHAWsvWLIWccJ式中，n表示点数，n表示HGS评估选择的点数。(6)2实验与分析2.1指标与实验环境为验证所提系统的效率，选取评估指标包括准确率、召回率和F分数。实验环境为微软Visual Studio2015上用C+编程，并在CPU为i7-9750H和16 GRAM的工作站上进行测试。2.2结果与分析图2 为所提系统提取的PTL结果。从图2 可以看出，即使在陡峭的山脉（数据集1和数据集3)和PTL密度稀疏的城市地区（数据集4),PTL也可以与地面、植被和建筑对象精确分离。实验结果表明所提出的方法可以提供一个稳定的评估来区分PTL和非PTL,从而产生准确有效的PTL场景2检测结果。110.120.070.280.53表3不同方法在不同指标下对比结果本文方法/%召回率98.43699.48698.46597.612微型电脑应用2 0 2 3年第39 卷第8 期e21e22e31e32图2 提取的PTL结果表3为不同方法在不同环境特征的数据集中各指标对比结果。基于空间距离 12 1/%F分数准确率98.68396.13199.69597.33598.88895.51198.42394.287特征恶劣，所提模型也可得到较好的提取结果。3总结本文对基于无人机的雷达激光系统下电力线传输设备的智能检测与识别进行了研究与分析，提出了一种基于熵权特征评价的PTL检测系统。系统通过使用地表高度HGS、垂直距离比VRR、水平角HA、地表变化SV、线性度LI和曲率变化CC构成显著几何特征，从而实现有效的PTL提取。该系统为复杂地形下PTL提取提供了一定借鉴。（下转第192 页）.188e2e3n：e6电力传输线其他召回率F分数93.18594.63594.86296.08391.45893.44091.04392.637(7)Microcomputer Applications Vol.39,No.8,2023失败时，有相应的错误提示。系统可维护性好。能够对数据库的的各类数据进行编辑，针对不同的操作票也可进行特色化的设计，以更好的符合实际工作的应用。数据管理界面如图7 所示。用门地快地点）小车力用的小车电压豆脑器电1三2图7 智能变电站智能防误系统数据管理4.2系统防误应用就地操作时，系统可提供“图形模拟开票”“手工开票”“预存操作票调用”和“典型操作票调用”等多种开票方式。所有开票方式均可任意选择其中一种方式，也可互相转换使用。能开出并打印包括一、二次设备操作项及检查、测量、验电、提示等特殊操作在内的完整操作票，所有开出的操作票必须经过系统防误逻辑规则和设备状态信息自动判断所开操作票的正确性。所开操作票整洁、规范、格式化。支持小车三态的试验、运行、检修三态运行方式及设备检修开票操作。可以对已模拟开票完成的任务使用预演功能将操作内容自动播放，方便熟悉操作过程，并可将操作票内容传输至电脑钥匙，以便进行接下来对设备进行解锁和操作。模拟预演操作时，在防误装置主机上，按变电站一次主接线图设备防误操作画面及各种功能菜单，检验操作票是否正确，若操作错误，则在显示器上显示相应信息并同时发出音响报警，达到了防止各种误操作的目的，同时也起到了仿真培训的作用。5总结为满足连续遥控操作情况下的防误自动化校核要求，文中建立了智能变电站智能防误技术系统，主要得出了如下结(上接第18 8 页）1刘文君，张莉芳.绿色证书交易市场、碳排放权交易市场对电力市场影响机理研究 J.生态经济，2 0 2 1，37(10):21-31.2 JALLSOPP R.Leveraging the Powerof Big Data inthe Production of Responsible Gamblers:a Foucaul-dian PerspectiveJJ.Information&CommunicationsTechnology Law,2021,30(1):54-74.3王洋.基于ZigBee与云平台的皮革企业智慧管理系统J.中国皮革，2 0 2 1，50（7）：36-38.4GHANDEHARI S S,DOLUWEERA G,ROSE-HART W D,et al.Investigation of Different Methodsto Generate Power Transmission Line RoutesJJ.E-lectric Power Systems Research,2018,165:110-119.开发应用论：智能变电站智能防误系统构架，由智能防误主机、就地防误单元、电脑钥匙、防误锁具，采集控制器以及智能地线等部件组成；提出了智能变电站智能系统防误研判规则，能根据防误逻辑规则及设备状态，对远方操作（含顺控）和就地操作提供防误校验结果；实现了对一二次设备运行状态的实时采集、监测，引入关键二次设备状态条件参与防误逻辑规则研全国广站全国电压12参考文献微型电脑应用2 0 2 3年第39 卷第8 期1判,最后，智能变电站智能系统应用证明了系统的可行性。1张海霞，陈见辉.基于PLC技术的电子气动机器人自动化控制方法 J.制造业自动化，2 0 2 1，43（9）：6 6-6 9.2 陈浩，沈博臣，钱泓超.油气管道运输中的工艺设备与自动化控制 J.制造业自动化，2 0 2 1，43（8）：6 9-7 3.3赵健.大数据通信仪表的自动化传输控制模型研究J.制造业自动化，2 0 2 1，43（8）：10 4-10 8.4赖声钢.基于GPRS和ZigBee网络的地铁变电站防误闭锁系统设计 J.城市轨道交通研究，2 0 18，2 1（4）：135-138.5钱平，李长宇，王笑棠，等.基于变电站的微机防误系统的可视化监控技术研究 J.现代电子技术，2 0 16，39(24):176-178.6李勇亮，王泉宇.浅谈集控防误系统在实践中的应用J.企业管理，2 0 16（S2)：310-311.7张海庭，张思远，刘登鑫，等.变电站防误闭锁逻辑可视化校验系统设计及应用 J.电力系统保护与控制，2021,49(12):181-187.8 陈武，段斌.变电站智能电子设备动态重构闭锁逻辑生成多代理系统 J.电力系统自动化，2 0 15，39（2 1)：107-112.9蒋宏图，袁越，程伟.智能变电站站控层在线防误的设计与实现 J.电力自动化设备，2 0 13，33（8）：147-151.10杨倩，唐红霞.主动通讯多频段信息传输质量检测方法仿真 J.计算机仿真，2 0 19，36（6）：2 0 5-2 0 8.（收稿日期：2 0 2 1-12-16）5SSCHITO J,JULLIER J,RAUBAL M.A Frameworkfor Integrating Stakeholder Preferences when Deci-ding on Power Transmission Line CorridorsJJ.EU-RO Journal on Decision Processes,2019,7（1):159-195.6徐徐维.基于机载激光雷达的电力线信息重建技术研究J.激光杂志，2 0 2 0,4112)：114-117.7崔健.台风灾害下无人机激光雷达技术的电网巡视应用 J.测绘科学，2 0 2 1，46（4)：6 3-6 7.8周钦坤，岳建平，杨恒，等.机载LiDAR数据中电力线的自动提取与重建 J.测绘通报，2 0 2 0（10）：2 6-30.9WANG L,GARG H,LI N.Pythagorean Fuzzy Inter-active Hamacher Power Aggregation Operators forAssessment of Express Service Quality with EntropyWeightJJ.Soft Computing,2021,25(2):973-993.（收稿日期：2 0 2 1-11-13).192参考文献