高压输电线路异物清理装置设计及应用效果

高压输电线路异物清理装置设计及应用效果

李嘉民

广东威恒输变电工程有限公司，528000

摘要：随着我国高压输电行业的快速发展，一些输电线路由于长期暴露在外，容易受到各种外部因素的干扰，发生不同程度的损坏。受自然环境和人为因素的影响，在高压输电线路上经常出现一些异物，如塑料袋、鸟巢、蜂窝、气球、风筝、广告布条、遮阴网、农用塑料薄膜等化纤和塑料类非金属材料异物等，易导致线路出现瞬时跳闸甚至大面积停电瘫痪的状况。因此，需要定期检测和维护输电线路，以减少输电线路故障和经济损失。为了满足输电线路电网客户的运行和维护需求，有必要设计和开发一种便携式的输电线路异物清理装置，并通过大量试验验证，在保证线路安全的前提下，可实现快速、精准、安全、高效清除不同场景的输电线路中异物。通过对现有高压输电线路上异物清理方法（绝缘杆操作法、绝缘绳操作法、等电位操作法、激光炮操作法、无人机喷火操作法）比较后，设计了一种新型的异物清理装置。该装置通过专业机构对新型异物清理装置进行机械试验，静荷重试验和动荷重试验均满足规程要求。

关键词：高压输电线路；异物清理；设计；应用

引言

随着我国电网规模的不断扩大，远距离输电线路越来越多，引发故障的因素更加多种多样。其中，因输电通道所处环境复杂，极易有各种异物附着，若不及时清理将会造成一定的安全隐患。随着无人机等设备广泛应用于输电线路图像巡检，对线路中异物识辨的传统方式效率显得非常低下，已无法适应当前电力输电线路巡检的实际需求，急需更加智能化的检测方法。

1.异物清理装置设计工作原理

通过数学建模，依据杠杆原理，设计了一种三点直线式杠杆平衡结构，前后依次设置电动切割部分、移动控制部分（辅助清理部分）和电器控制盒（内置锂电池和控制电路），3部分利用杠杆原理，能够保持自平衡。在中间部位设置2组摆座，利用铅锤原理，在风力作用下能够保持装置在垂直方向上的稳定性，避免因摆动过大，造成切割效果不佳或损坏装置。异物清理装置通过前置异物收集杆控制住导线异物根部，通过皎链传递至切割部分，异物根部切割完成后，大部分异物会在风力作用下脱离导线，遗留在导线上的剩余部分会进入到辅助清理部分。遗留异物在支撑轮和清扫轮的共同作用下，完成对异物的二次清理，若清理不够彻底，可多次进行辅助清理，直至清理完全。清理装置既可用于带电线路，又可用于停电线路异物清理。装置行走轮、异物收集杆等直接与导线、异物接触部分均由绝缘材料制作，避免了应用于带电线路时因集肤效应产生尖端放电，对装置的控制电路造成损坏。在应用于带电线路时，由作业人员使用绝缘操作杆将装置挂在导线上，应用绝缘操作杆将闭锁机构关闭或打开。在应用于停电线路时，可使用操作杆或者由作业人员直接将装置挂上线路导线。

2.轻量级网络算法对输电线路上异物目标的识别

随着人工智能及深度学习的发展，深度学习图像检测方法在电力系统方面的运用变得越来越广泛。目前已有多种算法应用于对输电线路上目标的识别与分类。将卷积块注意模型加入YOLOv3算法中，用来提升检测目标的显著度。并对非极大值抑制方法进行改进，从而实现对输电线路上故障目标的检测。采用多尺度训练，调节预测边界框比例以及引入对手生成策略的方法对FasterRcnn检测算法进行改进，实现对输电线路上绝缘子的检测。对YOLOv3算法的损失函数进行改进，并采用多段迁移学习策略提升检测精确度，实现对电力传输线路上绝缘子的定位识别。以上几种方法虽然在准确率上得到了一定程度的提升，但检测速率较慢。针对输电线路上异物目标检测问题，对YOLOv4目标检测算法进行了改进，选取输电线路上几种常见异物建立图像数据集，构建对应模型进行检测校验。相比于原算法模型，本文采用的改进型模型算法在精确度有轻微下降，然而总体精确度仍保持较高水准，满足目标检测需求。与此同时，本文算法能效减轻模型复杂程度，减少模型参数计算量，将原目标检测算法网络简化为轻量级网络，更适用于移动端及硬件算力较低的设备。本文设置消融实验来验证两种模块对于本文算法性能参数指标的影响。通过与其他几种图像检测算法及轻量级目标检测算法进行对比，进一步验证本文所提出算法的有效性及可行性。随着硬件集成技术的发展，搭载轻量级目标检测算法的无人机也能够实时完成对输电线路目标的巡检，以后也将对该研究方向进行进一步探索。

3.异物检测

异物检测往往基于输电线路的识别。现有的输电线识别方法主要考虑降低图像质量不佳、拍摄背景复杂等因素对线目标的影响。结合Canny算子对图像进行LSD线段提取与拟合得到电力线,检测速度较快,但易漏检多向输电线,且易受干扰线条影响。采用SGC立体匹配算法获得视差图,利用阈值分割获得输电线,减弱了复杂背景的不利影响,但运算开销较大。利用总体最小二乘拟合Hough变换所识别的点,减弱噪声敏感度,但该法对于平行导线尤其分裂导线的适用性不高。采用VGGNet与标签分布学习分类航拍图像目标,错误率低于传统特征分类,而对线条状目标识别效果不佳。基于EDLine线段特征检测和改进光流法的异物故障检测方法。(1)实现了双边滤波和分段线性变换的预处理,去噪并保留边缘信息,增强输电线灰度特征;(2)考虑到航拍图像受复杂背景影响较大,通过多特征约束滤除非目标线段,根据Gestalt感知定律研究基于矩阵的线段融合算法,解决EDLine线段检测的断续问题,快速准确识别输电导线;(3)采用改进光流法提高检测运算速度;分析背景与断续区域的光流以实现异物定位。采用本文方法能够在各种背景下准确定位颜色突出或与背景灰度相似的异物;而当无异物时,可排除背景噪声造成的疑似情况,从而有效抑制误检率。

4.YOLO-v3目标检测算法

YOLO-v3目标检测网络以Darknet-53特征提取网络作为基础网络，实现了端对端的训练，将目标检测由分类问题转换为回归问题，直接预测不同目标的类别和位置，相比需要先产生候选区域的检测算法具有明显的速度优势。而且YOLO-v3借鉴了特征金字塔FPN网络中的思想，在3种尺度下进行特征图融合与预测，提高了算法对不同大小目标的检测能力。将其应用于输电线路通道隐患目标检测，有效解决了因监视点距离隐患目标较远造成的目标过小从而引起的漏检问题。

结束语

综上所述，集合已有的图像数据规律和专家意见，充分分析了不同通道场景、不同隐患类别对输电线路安全可靠运行的危害程度，并据此提出了结合场景分析的输电线路通道可视化分级预警方法。首先改进深度残差网络提取输入图像的多光谱信息，通过软阈值化来减少噪声影响，提高输电线路通道场景分析模型的准确度，然后利用YOLO-v3目标检测算法构建输电线路通道隐患目标识别模型，针对隐患中的烟雾、施工车辆目标小的问题，采用难负样本挖掘策略，减少图片背景的影响，再根据输电线路通道的分级预警结构构建分级预警模型。根据本文模型在某供电公司实际应用中的预警效果显示，该模型能够较准确地反映出通道预警状态，指导运行维护人员根据不同的预警信号，不同的通道场景和隐患类别，及时有效地采取针对性防范措施，有效避免输电线路故障的发生，减少因故障引发的巨大损失。

参考文献

[1]姜光远.基于四轴飞行器的高压线异物清理系统设计[D].青岛大学,2018.000156.

[2]卞绍润,孙志超,陈曰印.架空输电线路异物清理工具的研制[J].电世界,2018,59(02):34-37.

[3]严伟佳,徐欣,席晓强,王东林,华鑫,寇淼.无人机高压输电线路异物清除装置[J].电力安全技术,2017,19(08):61-63.

[4]甄鸿俊,唐小亮.输电线路导、地线异物清理机上下线结构的研制与应用[J].中国新技术新产品,2015(02):73-74.

[5]赵慧斌,马兴誉.电线异物遥控夹线爬行烧除机简述[J].科技情报开发与经济,2011,21(33):194-197.