Page 72 - 无损检测2021年第七期

李建华, 等:

基于 EDPF 算法的高空高压线故障智能识别

由图 3 可知, 采用文中方法能够有效识别出不 实际运行过程中的电力波动累积时长进行统计, 结
同高压线故障航拍图像中的高压线边缘, 且边缘识 果如表 6 所示。
别结果均正确。这一结果有利于后续可疑故障区域 表 6 各方法下试验对象的电力波动累积时长
的准确定位和故障识别准确率的提升。 min
2.2 可疑故障区定位结果 基于高频测试 基于改进方向 基于初始行波
采用文中方法对试验对象中所选区域航拍图像 月份 文中方法 信号注入的故 电流法的故障 相位差的故障
障识别方法 识别方法 识别方法
的故障进行定位, 所得结果如表 4 所示。
表 4 文中方法对不同区域的故障定位结果 1 96 112 106 131
2 78 104 118 112
区域航拍图像编号 可疑故障区域定位
3 69 186 103 97
未定位到可疑故障区域
1 4 84 117 109 124
2 成功定位到一个故障区域 5 101 99 122 106
3 成功定位到一个故障区域 6 83 122 189 115
未定位到可疑故障区域 7 92 120 177 114
4
8 74 141 136 159
5 未定位到可疑故障区域
9 78 136 147 187
6 未定位到可疑故障区域
10 80 109 120 163
成功定位到一个故障区域
7 11 93 102 128 118
8 成功定位到一个故障区域 12 97 106 111 130
9 成功定位到一个故障区域
由表 6 可知, 采用文中方法识别故障时, 试验对
10 未定位到可疑故障区域
象在一年内的电力波动累积时长达到1025min , 与
由表 4 可知, 采用文中方法对试验对象所选区 其他 3 种方法相比, 降低了 40% 以上。试验结果充
域进行可疑故障区定位时, 对无故障的航拍图像均 分说明文中方法能够显著降低试验对象的电力波动
未定位到可疑故障区域, 对存在故障的图像均成功 时长, 提升试验对象运行的稳定性。
定位到一个故障区域。试验结果显示文中方法能够
3 结语
有效定义可疑故障区域。
2.3 故障识别准确性测试 基于无人机航拍的山区危险高空高压线故障智

利用文中方法识别所选区域的故障情况, 所得 能识别方法, 通过对山区危险高空高压线图像进行
结果如表 5 所示。 恢复与高压线边缘检测结果进行可疑故障区定位,
表 5 文中方法的故障识别结果 并通过不同算法识别不同故障。结果显示, 文中方

区域航拍 实际故障 文中方法 法能够准确识别高压线故障, 提升山区危险高空高
是否一致
图像编号 情况 检测结果 压线路运行的稳定性。
1 无故障 无故障 一致
断股故障 断股故障 一致 参考文献:
2
3 断股故障 断股故障 一致
[ 1 ] 叶睿恺, 吴浩, 董星星 . 基于初始行波相位差的同杆双
4 无故障 无故障 一致
5 无故障 无故障 一致 回输 电 线 路 故 障 识 别 [ J ] . 电 力 系 统 保 护 与 控 制,
无故障 无故障 一致 2019 , 47 ( 3 ): 118-128.
6
7 断股故障 断股故障 一致 [ 2 ] 孙宇嫣, 蔡泽祥, 郭采珊, 等 . 基于深度学习的 智 能 变
8 异物悬挂故障 异物悬挂故障 一致 电站通信 网 络 故 障 诊 断 与 定 位 方 法 [ J ] . 电 网 技 术,
9 异物悬挂故障 异物悬挂故障 一致 2019 , 43 ( 12 ): 4306-4314.
10 无故障 无故障 一致 [ 3 ] 朱建新, 陈学东, 吕宝林, 等 . 基于多维高斯贝 叶 斯 的
机械设备失效 / 故障智能诊断及参数影响分析[ J ] . 机
由表 5 可知, 采用文中方法识别所选区域的故
械工程学报, 2020 , 56 ( 4 ): 35-41.
障, 均可获取与实际故障情况一致的检测结果, 由此
[ 4 ] 戚振彪, 凌松, 刘文烨, 等 . 基于高频测试信号 注 入 的
说明采用文中方法能够准确识别试验对象的故障。
配电网故障节点在线识别方法[ J ] . 电力系统保护与
2.4 高压系统运行稳定性测试 控制, 2020 , 48 ( 4 ): 110-117.
对比文中方法和其他 3 种方法对试验对象各月 ( 下转第 40 页)
4
3
2021 年 第 43 卷 第 7 期

无损检测