嚴志超

（西雙版納供電局，云南 西雙版納 666100）

1 無人機帶電零值絕緣子檢測技術(shù)必要性

盤形瓷絕緣子被廣泛應(yīng)用于架空輸電線路中，起著機械支撐和電氣絕緣的重要作用。瓷絕緣子的典型結(jié)構(gòu)如圖1所示，主要由瓷件、鋼腳、鋼帽、鎖緊銷及瀝青填充料等組成。其在制造過程中不可避免地存在一些工藝缺陷，在內(nèi)部形成微裂紋和小氣隙。在長期運行過程中，瓷絕緣子需要耐受強電磁環(huán)境、較大的機械負荷與復(fù)雜氣候環(huán)境的考驗，容易發(fā)生劣化而產(chǎn)生低值和零值絕緣子。在雷擊引起的絕緣子閃絡(luò)作用下，零值絕緣子可能出現(xiàn)炸裂，導(dǎo)致絕緣子斷串、導(dǎo)線落地等危險事故，嚴重威脅電網(wǎng)安全穩(wěn)定運行。

2 無人機帶電零值絕緣子檢測技術(shù)難點

2.1 不同條件下的零值絕緣子發(fā)熱規(guī)律與無人機測零的最優(yōu)拍攝角度

輸電線路上的瓷絕緣子結(jié)構(gòu)形式多樣、零值成因復(fù)雜，電壓等級、絕緣子串型、零值位置、污穢程度、環(huán)境條件等因素都會影響絕緣子的發(fā)熱現(xiàn)象。如何獲取不同條件下的零值絕緣子發(fā)熱規(guī)律和共性特征，選擇合適的無人機巡檢拍攝角度及安全路徑，提高零值檢測的有效性和準確率，是其主要技術(shù)難點之一[1]。

2.2 零值絕緣子紅外熱像溫升特征提取與人工智能識別模型

在輸電線路所處的戶外環(huán)境下，絕緣子串的紅外熱像背景復(fù)雜，干擾因素較多，不同環(huán)境條件下的絕緣子串紅外熱像差異較大。如何有效提取出絕緣子的鋼帽和盤面區(qū)域的溫升特征，是決定零值絕緣子檢測結(jié)果的關(guān)鍵所在；零值絕緣子的紅外熱像樣本有限，構(gòu)建有效的人工智能模型或深度學(xué)習框架，直接影響零值檢測與定位結(jié)果。因此，紅外熱像處理與智能識別模型是其另一技術(shù)難點[2]。

圖1 瓷絕緣子典型結(jié)構(gòu)圖

3 無人機帶電檢測零值絕緣子技術(shù)分析

目前，無人機技術(shù)在我國應(yīng)用廣泛，其在輸電線路巡檢中發(fā)揮著重要作用。無人機可在輸電線路中繞線飛行，攜帶紅外熱像儀、紫外成像儀等監(jiān)測設(shè)備。利用無人機檢測絕緣子具有安全、效率高、適合高空作業(yè)等優(yōu)點，其已逐漸成為輸電線路最得力的巡線助手。

零值絕緣子紅外熱像處理流程如圖2所示，包括灰度化、圖像去噪、圖像增強、圖像分割與二值化等算法。截取絕緣子串的鋼帽與盤面特征區(qū)域，并從中提取溫度特征，通過特征篩選，作為零值絕緣子識別模型的輸入量。利用機器學(xué)習算法構(gòu)建智能識別模型，通過模型訓(xùn)練，根據(jù)紅外熱像圖判斷是否含有零值絕緣子及其所在位置。

圖2 零值絕緣子紅外熱像處理流程

在上述工作基礎(chǔ)上，構(gòu)建大樣本的絕緣子鋼帽和盤面紅外熱像圖譜數(shù)據(jù)集，利用Fast-RCNN、YOLO v4等深度學(xué)習算法建立識別模型，根據(jù)模型輸出不斷訓(xùn)練，并修正目標檢測模型，實現(xiàn)零值絕緣子故障的自動識別與定位。綜合相關(guān)研究成果，集成無人機、自動控制云臺、高清紅外成像與可見光攝像設(shè)備、無線傳輸?shù)扔布卧c圖像處理和人工智能算法程序，開發(fā)基于無人機的輸電線路零值絕緣子帶電檢測系統(tǒng)，如圖3所示。選取典型輸電線路進行現(xiàn)場調(diào)試與改進，實現(xiàn)零值絕緣子的準確檢測。

3.1 絕緣子圖像處理技術(shù)

一般情況下，一幅完整的圖像由各種顏色構(gòu)成。而在計算機紅外熱像檢測圖像中，彩色圖像是無用的，只有圖像在經(jīng)過灰度圖像處理后才能使用；所以，需要建立一個圖像處理通道。圖像經(jīng)過灰度變換后，降低了矩陣維數(shù)，減少了數(shù)據(jù)量，再保留了圖像的邊緣特征和梯度信息[3]。

3.2 絕緣子圖像增強技術(shù)

在輸電線路環(huán)境中，環(huán)境多變，明暗不一，照明復(fù)雜。受這些因素的影響，無人機不可避免地會出現(xiàn)采光不均、部分昏暗等現(xiàn)象，需要對提取的圖像進行預(yù)處理。圖像增強技術(shù)一般是增強圖像邊緣輪廓信息和對比度，以顯示局部重要的圖像信息?，F(xiàn)今，圖像增強可分為空間域和頻域?？臻g域是對圖像直接處理，頻域是在變換域內(nèi)計算圖像系數(shù)，再通過相應(yīng)的反變換來增強圖像效果。

圖3 基于無人機的零值絕緣子紅外熱像檢測系統(tǒng)框架

3.3 圖像過濾

無人機在進行圖像采集和傳輸中，有些噪聲降低了圖像質(zhì)量，這在后期處理圖像中不可避免地會影響邊緣檢測的精度。因此，在絕緣子提取和跟蹤之前需要進行降噪處理，以加快圖像識別速度，主要采用維納濾波、均值濾波和中值濾波進行降噪處理[4]。

3.4 無人機航拍絕緣子識別定位技術(shù)

在無人機提取絕緣子圖和定位時，其采集不同圖像中絕緣子的數(shù)量與位置不一樣，會造成神經(jīng)網(wǎng)絡(luò)輸出不一致，若此時仍然采取神經(jīng)網(wǎng)絡(luò)回歸方法，必然會使絕緣子識別定位失效。所以，在實際工作中，需要根據(jù)情況而定，而采用深度學(xué)習中Faster R-CNN目標檢測算法對航拍絕緣子識別定位，能提高檢測工作效率與使用性[5]。

3.5 絕緣子污穢度試驗方法及步驟

瓷質(zhì)絕緣子在外部環(huán)境下會有不同的污穢度，其污穢物質(zhì)主要有塵土、油污等。在進行試驗時，將絕緣子的污穢度分1—4級，灰密固定值為l mg/cm2。絕緣子污穢等級鹽密與灰密如表1所示。

3.6 絕緣子發(fā)熱數(shù)據(jù)集構(gòu)建

絕緣子發(fā)熱數(shù)據(jù)采集主要來源于各電網(wǎng)公司典型故障圖庫，其中包含電力設(shè)備的絕緣子、支柱絕緣子、套管、金具等。目前，使用Fast-RCNN、YOLO v4等較為先進的目標對象檢測算法，需要對目標位置進行檢測并顯示。

表1 絕緣子污穢等級鹽密與灰密表

4 試驗案例

4.1 試驗環(huán)境與絕緣子選擇

為了驗證紅外熱成像檢測技術(shù)在劣質(zhì)絕緣子檢測中的應(yīng)用效果，選取1串包含零值絕緣子和低值絕緣子的220 kV盤形懸式絕緣子串，在室內(nèi)和室外分別進行試驗。試驗用紅外熱成像儀型號為FlirT630，紅外分辨率為640×480。儀器2次試驗電壓均為額定運行電壓，即127 kV。在室內(nèi)進行試驗時，用13片絕緣子連成1串，第13片絕緣子為試驗的高壓端。檢測時環(huán)境溫度為25 ℃，相對濕度為45%，風速為0 m/s。各絕緣子的絕緣電阻如表2所示。

表2 絕緣子電阻值

4.2 試驗過程

在通電2 h加壓后，從紅外圖譜（見圖4）中可知，相對零值絕緣子有較明顯溫度升高，相對良好絕緣子的溫差為1.4 K。

圖4 絕緣子紅外圖譜

4.3 結(jié)果分析

良好絕緣子電壓和劣質(zhì)絕緣子電壓分布對比如圖5所示。從圖5可以看出，絕緣電阻降低的絕緣體基本不承受電壓，而其他正常絕緣體的承受電壓則不同程度增加。在實際情況中，有的絕緣子正好處于“紅外檢測盲區(qū)”范圍，不適用于紅外診斷。因此，對于絕緣子的檢測應(yīng)采用紅外和其他多種方法相結(jié)合，以保證劣化絕緣子的檢出率，提高結(jié)果的正確性。

圖5 良好絕緣子電壓和劣質(zhì)絕緣子電壓分布對比圖

5 技術(shù)展望及目標

在無人機帶電檢測零值絕緣子方面，我國還需要不斷完善安全規(guī)范，以提高絕緣子帶電檢測技術(shù)。需要開發(fā)基于無人機與紅外熱像的零值絕緣子帶電檢測系統(tǒng)，結(jié)合圖像處理與人工智能技術(shù)，實現(xiàn)高壓輸電線路零值絕緣子的識別與定位。建立零值絕緣子發(fā)熱現(xiàn)象與外部因素的關(guān)聯(lián)性，提出更加有效的零值檢測判據(jù)，再融合紅外熱像處理、溫升特征提取與人工智能技術(shù)的輸電線路零值絕緣子智能識別與自動定位模型，實現(xiàn)零值絕緣子的有效檢測。最后，可開發(fā)基于無人機巡檢與紅外熱像法的零值絕緣子帶電檢測系統(tǒng)平臺，可替代傳統(tǒng)的電壓分布測試法，提高零值絕緣子檢測效率。

6 結(jié) 論

本文主要研究了無人機檢測絕緣子相關(guān)技術(shù)，對絕緣子的提取和跟蹤定位進行了分析，并進行了相關(guān)試驗。通過分析可知，在絕緣子檢測方面，有一種基于FasterR-CNN算法的識別和定位方法，與傳統(tǒng)絕緣體識別方法相比，具有較強的通用性。