搭载紫外成像仪的无人机输电线路故障检测方法及系统技术方案

本发明专利技术公开一种搭载紫外成像仪的无人机输电线路故障检测方法及系统，包括：基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，确保待检测输电线路位于紫外成像仪记录图像的中心；对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；评估检测范围内局部放电的一致性；判断输电线路所在位置处是否出现局部放电一致性的最大值，或在输电线路的一致性值是否超过最大值的80％，若是，生成警报。本发明专利技术利用图像处理技术，对紫外成像仪获得的图片进行处理，并根据处理结果输出相应的警报，减少人工处理数据的工作量，提高巡检的准确率。并利用自动跟踪算法，保持输电线路在紫外成像仪的试场中心，提高检测性能和巡检效率。高检测性能和巡检效率。高检测性能和巡检效率。

【技术实现步骤摘要】
搭载紫外成像仪的无人机输电线路故障检测方法及系统


[0001]本专利技术属于输电线路巡检
，涉及一种搭载紫外成像仪的无人机输电线路故障检测方法及系统。

技术介绍

[0002]随着电力系统的电网规模的不断扩大、电力负荷要求的不断提高，电力系统中的各种类型损坏、故障也不断增加。如果没有进行有效地巡检和维护，就会影响设备的正常运行甚至产生危害，造成巨大的经济损失。因此，对输电线路的巡检十分重要。
[0003]电力系统受损后，会发生电晕放电的现象，同时伴随着会有声、光、热等效应。根据电晕放电特性，可以判断绝缘装置中缺陷的严重程度。常用的检测主要包括观察法、光测法、泄漏电流法、红外检测法等，这些检测方法大都存在着受环境影响大、误差大、操作困难、效率低等问题。
[0004]得益于紫外成像技术的发展，紫外成像仪能远距离、全天候、在不影响设备运行的情况下，观测电晕放电现象，实时检测出放电点的位置，并根据紫外光子数量判断放电强弱，并且受环境影响较小，在实际应用中带来了很大的便利。但是这种检测方法还存在一定缺陷：缺乏对紫外成像的数字化处理，对设备缺陷缺乏智能化和自动化检测；随着电网的逐步发展，长距离、跨区域、无人区和山区等复杂地形中的输电线路日益增加，传统的巡检方式很难满足电路巡检的新要求。

技术实现思路

[0005]本专利技术的目的在于解决现有技术中缺乏对紫外成像的数字化处理，对设备缺陷缺乏智能化和自动化检测；传统的巡检方式很难满足电路巡检的新要求的问题，提供一种搭载紫外成像仪的无人机输电线路故障检测方法及系统。
[0006]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0007]一种搭载紫外成像仪的无人机输电线路故障检测方法，包括：
[0008]采集输电线路的图像信息；
[0009]基于输电线路的图像信息，获取待检测输电线路的位置信息；
[0010]基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，确保待检测输电线路位于紫外成像仪记录图像的中心；实现无人机对待检测输电线路的自动路径跟踪；
[0011]在实现无人机对待检测输电线路的自动路径跟踪基础上，基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；
[0012]基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；并确定持续出现局部放电的物体位置；
[0013]判断输电线路所在位置处是否出现局部放电一致性的最大值，或在输电线路的一致性值是否超过最大值的80％，若是，生成警报；若否；不进行警报。
[0014]本专利技术的进一步改进在于：
[0015]基于输电线路的图像信息，获取待检测输电线路的位置信息；具体为：
[0016]基于Canny边缘检测算法，对输电线路的图像信息进行处理，获取二维边缘图像；
[0017]基于垂直卷积核对二维边缘图像进行卷积处理，去除二维边缘图像中的垂直线条；
[0018]基于厚度卷积核对去除垂直线条的二维边缘图像进行卷积处理，增强待检测输电线路的边缘图像；
[0019]基于霍夫变换，对待检测输电线路的边缘图像进行处理，获取待检测输电线路的位置信息。
[0020]基于Canny边缘检测算法，对输电线路的图像信息进行处理，获取二维边缘图像；具体为：
[0021]基于高斯滤波和非极大值抑制对输入的原始图像进行边缘锐化；
[0022]基于双阈值对边缘锐化后的原始图像进行区分，获取边缘锐化后的原始图像的弱边缘和强边缘；
[0023]对未连接到强边缘的弱边缘进行抑制，获得二维边缘图像。
[0024]基于霍夫变换，对待检测输电线路的边缘图像进行处理，获取待检测输电线路的位置信息，具体为：
[0025]将待检测输电线路的边缘图像使用一阶线性多项式进行霍夫变换，将输电线路近似为直线进行处理，提取线条斜率的角度[
‑
θ～θ]，θ的取值如公式(1)所示：
[0026][0027]其中Z1和Z2分别为两个输电塔塔的高度，S为两个塔之间的跨度。
[0028]基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，具体为：
[0029][0030]其中，z为云台的期望角度，m
i
表示紫外线成像仪图像中心与第i行输电线路之间的距离，L表示检测到的行数，C
I
表示紫外线成像仪图像底部和中心之间的距离，β和V分别表示紫外线成像仪的垂直视角和垂直尺寸。
[0031]基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；具体为：
[0032]去除输电线路的图像的背景，突出紫外成像仪记录到的局部放电信息；对进背景处理后的输电线路的二维图像I(M
×
N)应用3σ异常值消除法进行降维，获取一维矩阵K(1
×
N)；
[0033]假设局部放电强度服从正态分布，当其放电强度大于μ+3σ时，认为该局部放电强度为异常值，相应位置为受损表面；而均匀分布在图像上的局部放电部分被排除；具体公式：
[0034][0035]其中K
j
表示对应一维矩阵K(1
×
N)中每个元素的局部放电强度；K
′
是一维矩阵，其中每个元素K
j
′
是二维图像I的每一列元素的总和：
[0036][0037]将一维矩阵K(1
×
N)中的每个元素映射到全局坐标中，获取检测范围内局部放电强度的分布。
[0038]将一维矩阵K(1
×
N)矩阵的每个元素映射到全局坐标中，获取检测范围内局部放电强度的分布；具体为：
[0039]计算视野范围R：
[0040][0041]其中R表示一维矩阵K(1
×
N)所指范围的实际水平长度，r表示无人机与输电线路之间的距离，α表示紫外成像仪的水平视角。
[0042]计算无人机与出发点之间的距离l
center
；基于文森蒂公式计算每个一维矩阵K(1
×
N)矩阵对应的l
center
；
[0043]计算出发点与每个一维矩阵K(1
×
N)中第j个元素之间的距离l
j
：
[0044][0045]其中，dir表示检查时紫外成像仪相对于输电线路的运动方向：当无人机从左向右移动时，dir定义为1，当无人机从右向左移动时dir定义为
‑
1；
[0046]计算局部放电强度在输电线路上的分布cdi(l)；将所有一维矩阵K中的每个元素都替换为相应的l
j
，获取局部放电强度在输电线路长度l上的分布cdi(l)。
[0047]基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；具体为：
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种搭载紫外成像仪的无人机输电线路故障检测方法，其特征在于，包括：采集输电线路的图像信息；基于输电线路的图像信息，获取待检测输电线路的位置信息；基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，确保待检测输电线路位于紫外成像仪记录图像的中心；实现无人机对待检测输电线路的自动路径跟踪；在实现无人机对待检测输电线路的自动路径跟踪基础上，基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；基于检测范围内局部放电的位置和频率，评估检测范围内局部放电的一致性；并确定持续出现局部放电的物体位置；判断输电线路所在位置处是否出现局部放电一致性的最大值，或在输电线路的一致性值是否超过最大值的80％，若是，生成警报；若否；不进行警报。2.根据权利要求1所述的搭载紫外成像仪的无人机输电线路故障检测方法，其特征在于，所述基于输电线路的图像信息，获取待检测输电线路的位置信息；具体为：基于Canny边缘检测算法，对输电线路的图像信息进行处理，获取二维边缘图像；基于垂直卷积核对二维边缘图像进行卷积处理，去除二维边缘图像中的垂直线条；基于厚度卷积核对去除垂直线条的二维边缘图像进行卷积处理，增强待检测输电线路的边缘图像；基于霍夫变换，对待检测输电线路的边缘图像进行处理，获取待检测输电线路的位置信息。3.根据权利要求2所述的搭载紫外成像仪的无人机输电线路故障检测方法，其特征在于，所述基于Canny边缘检测算法，对输电线路的图像信息进行处理，获取二维边缘图像；具体为：基于高斯滤波和非极大值抑制对输入的原始图像进行边缘锐化；基于双阈值对边缘锐化后的原始图像进行区分，获取边缘锐化后的原始图像的弱边缘和强边缘；对未连接到强边缘的弱边缘进行抑制，获得二维边缘图像。4.根据权利要求3所述的搭载紫外成像仪的无人机输电线路故障检测方法，其特征在于，包括：基于霍夫变换，对待检测输电线路的边缘图像进行处理，获取待检测输电线路的位置信息，具体为：将待检测输电线路的边缘图像使用一阶线性多项式进行霍夫变换，将输电线路近似为直线进行处理，提取线条斜率的角度[
‑
θ～θ]，θ的取值如公式(1)所示：其中Z1和Z2分别为两个输电塔塔的高度，S为两个塔之间的跨度。5.根据权利要求4所述的搭载紫外成像仪的无人机输电线路故障检测方法，其特征在于，所述基于待检测输电线路的位置信息和无人机的飞行信息，获取云台旋转角度，具体为：
其中，z为云台的期望角度，m
i
表示紫外线成像仪图像中心与第i行输电线路之间的距离，L表示检测到的行数，C
I
表示紫外线成像仪图像底部和中心之间的距离，β和V分别表示紫外线成像仪的垂直视角和垂直尺寸。6.根据权利要求5所述的搭载紫外成像仪的无人机输电线路故障检测方法，其特征在于，所述基于3σ异常值检测算法对输电线路的图像进行处理，获取检测范围内局部放电的位置和频率；具体为：去除输电线路的图像的背景，突出紫外成像仪记录到的局部放电信息；对进背景处理后的输电线路的二维图像I(M
×
N)应用3σ异常值消除法进行降维，获取一维矩阵K(1
×
N)；假设局部放电强度服从正态分布，当其放电强度大于μ+3σ时，认为该局部放电强度为异常值，相应位置为受损表面；而均匀分布在图像上的局部放电部分被排除；具体公式：其中K
j
表示对应一维矩阵K(1
×
N)中每个...

【专利技术属性】
技术研发人员：高杰，薛姗，陈露露，院金彪，
申请(专利权)人：西安万飞控制科技有限公司，
类型：发明
国别省市：