Page 69 - 无损检测2021年第七期

试验研究

DOI : 10.11973 / ws j c202107008

基于 EDPF 算法的高空高压线故障智能识别

李建华, 周灵刚

( 国网浙江台州供电公司, 台州 318000 )

摘 要:为了改善无人机航拍成像的变形、 失真等问题, 构建了无人机航拍图像退化模型来恢
复图像质量。基于此, 利用 EDPF 算法检测高压线边缘, 实现了高压线故障智能识别。结果显示,
该方法的故障识别结果与实际情况完全一致, 且采用该方法后, 高压系统电力波动累积时长显著下
降, 验证了所提方法的应用有效性。
关键词:高压线故障; 智能识别; 图像恢复; 边缘检测

中图分类号: TP182 ; TG115.28 文献标志码: A 文章编号: 1000-6656 ( 2021 ) 07-0031-04

Intelli g entfaultidentificationofhi g h-altitudehi g h-tensionlinebasedonEDPFal g orithm

LIJianhua , ZHOULin gg an g

( StateGridZhe j ian gTaizhouPowerSu pp l yCom p an y , Taizhou318000 , China )

Abstract : InordertoreducethedeformationanddistortionofUAVaerialima g e , ade g radationmodelofUAV

aerialima g ewasbuilttorestoretheima g e q ualit y .Basedonthis , theEDPFal g orithmisusedtodetecttheed g eof

hi g hvolta g elineandrealizeintelli g entfaultidentificationofhi g hvolta g eline.Theex p erimentalresultsshowthat

thefaultidentificationresultsofthismethodarecom p letel y consistentwiththeactualsituation , andafterusin g this

method , thecumulativedurationofp owerfluctuationinthehi g hvolta g es y stem decreasessi g nificantl y , which

verifiesthea pp licationeffectivenessofthep ro p osedmethod.

Ke ywords : hi g hvolta g elinefault ; intelli g entreco g nition ; ima g erestoration ; ed g edetection
高压线的主要功能为传输高压电力 [ 1 ] , 山区危 筛选效率较低。
险高空高压线长期工作在复杂的自然环境中, 受多 针对以上问题, 笔者研究了新的基于无人机航
变天气的影响, 有较大概率形成异物悬挂、 绝缘子破 拍的山区危险高空高压线故障智能识别方法, 准确
损与断股等故障 [ 2 ] 。若无法在第一时间处理故障, 识别了高压线故障, 提升了山区危险高空高压系统
易发生电力传输中断问题 [ 3 ] 。 运行的稳定性。
当前常用的高压线故障智能识别方法主要有基
1 山区危险高空高压线故障智能识别方法
于高频测试信号注入的线路故障识别方法 [ 4 ] 和基于
改进方向电流法的线路故障识别方法 [ 5 ] 。前者利用 1.1 无人机航拍图像恢复处理
智能电表获取电网信息内的阻抗参数, 同时依照阻 无人机航拍图像在成像过程中会存在变形、 失
抗特性与电网高频测试信号实现高压线故障识别; 真等问题 [ 6-7 ] , 影响航拍图像的质量, 为此, 需对无人
后者将方向电流法作为核心, 结合暂态能量偏离度 机航拍图像进行恢复处理。通过构建无人机航拍图
共同实现高压线故障识别。但上述方法的实际应用 像的近似退化模型, 利用b ( x , ) 表示物平面上实
y
难度较大, 且易受外界自然环境的影响, 故障图像的 际无人机航拍图像, 最终获取退化模型描述的退化
无人机航拍图像。
y =H [ b ( x , )] n ( x , )
l ( x , ) y + y ( 1 )
收稿日期: 2021-02-06
式中: l ( x , ) 和 H [·] 分别为退化无人机航拍图像
作者简介: 李建华( 1986- ), 男, 本科, 工程师, 主要从事电网工 y
程管理研究工作 和成像过程中全部退化因素的变换函数; n ( x , ) 为
y
外部加性噪声 [ 8 ]
通信作者: 李建华, tzli j ianh@126.com 。
1
3

2021 年 第 43 卷 第 7 期

无损检测