多传感器融合的高压直流输电线接地极导电预警模型

白 鑫，杨自岗，何帔雨，李 鹏，夏治侃,冀宏领

(1.云南电网有限责任公司文山供电局，云南 文山 663000； 2.云南大学信息科学与工程学院，云南 昆明 650504)

0 引言

高压直流输电系统由于其传输距离远、传输容量大等特点已经成为我国电力输送的重要组成部分。高压直流输电系统中的接地极系统对于维持整个系统的安全和稳定的运行起到了极其重要的作用。当接地极导电性能异常时，整个直流输电系统将无法安全可靠地运行，故障时还会造成人身伤亡事故[1-2]。因此对接地极导电性能的监测和预警具有重要的意义。

目前，已有文献对高压直流输电系统接地极导电性能监测、诊断及预警模型进行了研究。司马文霞等[3]建立了考虑土壤电阻率变化的接地极发热计算模型；潘卓洪等[4]提出了考虑地点位分布和接地电阻受多层水平土壤参数共同影响的模型；Robert Marciniak等[5]针对全球不同地区的天气气候类型，对镀锌钢接地极的腐蚀特性进行了研究，并得出了不同土壤类型接地极腐蚀特性及土壤电阻率与温度、湿度的关系；Jozsef Ladanyi等[6]对不同类型的接地极、土壤与接地电阻之间的关系进行了仿真研究；艾红杰等[7]采用阻抗法和时域分析法对接地极线路进行监测；杨文宇等[8]对接地极在线检测系统的总体结构进行了设计，以多种传感器采集处理入地电流、观测井的水位、水温等参数，并通过无线网络传输数据到检测中心进行状态诊断和预警；陆继明等[9]采用有限元法定性分析了地形、土壤层电阻率、接地极设计共同作用下的地表电位分布规律。

根据已有文献，本文提出了一种多传感器融合的高压直流输电线接地极导电预警模型。该模型融合了地下层的多个湿度传感器数据以及地表层的图像数据，基于Canny图像边缘检测算法和模糊推理方法，实现了对接地极导电异常的定性预警。

1 预警系统及模型

1.1 多传感器数据采集系统

文山±500 kV富宁换流站的两处接地极分别位于云南省文山市富宁县阿用乡的那连和那弄，接地极为换流站单极大地运行方式提供直流通路，并对中性点电位起到钳制作用。一方面，由于±500 kV富宁换流站接地极地处高原山区，雷雨大风等特殊天气较多，而接地极设备长期不带电且受外力破坏概率大，致使接地极故障率偏高。另一方面，由于接地极所处自然条件的限制，其人工检查、维护工作环境恶劣，尤其是对检测井和渗水井的定期检查工作量大，若不能及时发现接地极地表干燥、泥土枯焦等情况，及时开展人工注水让干旱的土壤恢复湿度，将严重影响接地极可靠性。因此，本文设计了一套接地极运行工况在线监测系统。系统主要由现场多功能监测终端、通信系统、后台监控中心三部分组成。其中，现场多功能监测终端由温湿度采集子系统和图像采集子系统组成。

温湿度采集子系统包含48组温湿度传感器，可对接地极附近下层土壤的温湿度进行数据采集和预处理；图像采集子系统包含2个球机摄像头，可对接地极附近地表环境进行360°图像采集和初步图像处理。通信系统采用电力内网或者移动数据通信网进行通信，连接现场检测设备和后台监控中心的业务处理系统。后台监控中心用于多数据融合及预警，结合接地极地表和下层土壤的环境数据进行分析，对于可能出现危险的情况进行预警提醒，并对异常提供维护建议。接地极监测系统示意图如图1所示。

图1 接地极监测系统示意图Fig.1 Schematic diagram of grounding electrode monitoring system

1.2 多传感器融合的接地极导电预警模型

本文提出了一种多传感器数据融合的接地极导电预警模型。根据多源信息融合理论[10]，该模型主要由数据级、特征级和决策级三部分组成。预警模型总体架构如图2所示。

图2 预警模型总体架构图Fig.2 Architecture of early warning model

①数据级：首先对采集的48组湿度传感器进行滤波和剔除异常值，并对两个180°广角的图像传感器采集的数据进行360°拼接。

②特征级：主要对采集的地下层土壤湿度原始数据进行中值滤波和均值滤波，去除噪声和异常值，得到平稳状态的地下土壤平均湿度特征值；更为重要的是，通过摄像头采集的接地极附近的地貌，识别出水塘、湿地的位置并提取出轮廓，计算出相应的地表水域面积特征值。

③决策级：通过模糊推理方法和现场巡检经验，对地表层水域面积特征值和地下层土壤湿度值进行联合判决，得出实时的接地极导电异常预警等级。

2 接地极地表水域面积计算模型

2.1 Canny边缘检测算法

Canny边缘检测算法[11]是一种先平滑后求导的多级图像处理方法，也是目前应用较为广泛的多级边缘检测算法。与其他边缘检测算法相比较，它在确保边缘检测精度的同时最大限度地保持了对边缘的敏感度。该算法的具体原理步骤如下。

①图像滤波平滑：通过高斯滤波器平滑彩色图像，除去图像噪声。

g(x,y)=f(x,y)G(x,y)

(1)

式中:G(x,y)为高斯函数；f(x,y)为原图像函数；g(x,y)为平滑后的图像函数。

②计算图像梯度：通过一阶偏导有限差分，以及图像卷积运算，得到平滑后图像中每个像素点(x,y)的梯度强度和方向，具体步骤如式(2)～式(5)所示。

(2)

(3)

|

(4)

(5)

③优化梯度幅值，进行最大化抑制：通过以上得到全局梯度并不能确定边缘，为了准确确定边缘，需要对梯度幅值进行最大化抑制，保留梯度变换最大的点。

2.2 接地极地表水域轮廓提取及面积计算模型

通过摄像头采集接地极附近地表的三原色(red greem blue,RGB)彩色图像，将RGB空间转换为色彩模型(hue saturation value,HSV)空间数据，使用HSV空间图像进行不同颜色识别。通过地表颜色判断地表水域所在位置并检测其边缘轮廓，然后计算轮廓所包围的面积。

选取通过非极大值抑制过后的待检测边缘点，设置高(T1)、低(T2)阈值，将边缘梯度值与低阈值作比较，如果小于低阈值，则判断为不是水塘、湿地的边缘点，将其删除；若梯度值大于高阈值，则为强边缘点，判断为是真实的边缘点，将其保留；若梯度值置于高阈值和低阈值之间，则为弱边缘点。仅仅依靠高阈值选取的边缘点，往往会使边缘存在断裂。为得到完整的边缘，对弱边缘点采用相邻4邻域的方法，判断是否为边缘点。若一条连通的弱边缘上的任何一个点与强边缘连通，则保留此边缘；反之则抑制此边缘，然后连接所有的真实边缘信息，得到接地极地表水面的轮廓。

水域面积的计算通常采用的方法为用一个参考矩形包围水塘轮廓，分别统计轮廓区域内的像素个数和参考矩形的像素个数。因为参考矩形的面积是已知的，可以通过式(6)求解面积。

(6)

式中:Nrectangle为图像中参考矩形的像素个数;Nleaf为轮廓内像素个数；Srectangle为参考矩形的面积。

接地极地表水面轮廓提取及面积计算流程如图3所示。

图3 轮廓提取及面积计算流程图Fig.3 Surface water area contour extraction and area calculation process

3 接地极导电预警多传感器联合判决模型

3.1 模糊推理基本原理

模糊推理[12-13]是以模糊集合论和逻辑推理为基础的决策方法。它通过模拟专家决策过程，首先确定决策输入输出量的论域，然后确定隶属度函数对输入输出值进行模糊化，最后根据模糊推理规则实现决策输入量和输出量之间的映射关系。

在模糊推理过程中，对具有单条件单输入系统，通常使用的推理方式如下。

①条件(前提)：如果x是A1且y是B1。

②输入(规则)：如果x是A1且y是B1，那么z是C1。

③结论：z是C1。

对于多条件多规则系统，可以理解为相应模糊规则的模糊关系的并运算。通常使用的推理方式如下。

①条件(前提)：如果x是A1且y是B1。

②输入1(规则1)：如果x是A1且y是B1，那么z是C1。

③输入2(规则2)：如果x是A2且y是B2，那么z是C2。

④结论：z是C1。

模糊推理的规则库是由“If……then……”规则构成的，其数量由输入和语言值数量共同确定，假设有2个输入，4个语言值，则有16条规则。模糊推理可以分为输入量模糊化、模糊规则和解模糊三个过程。模糊化是将确定值的输入量通过隶属度函数转化为对应的模糊语言输入值；模糊规则是通过一种运算法则把模糊输入量映射到模糊输出量；解模糊是将模糊输出量转化为精准的输出量。

3.2 接地极故障预警多传感器联合判决模型

隶属度函数选取三角形分布，具体如图4所示。

图4 隶属度函数Fig.4 Membership function

接地极故障预警多传感器联合判决模型中，以下层土壤平均湿度H(%RH)和地表水面面积A(m2)为输入，以预警情况U为输出。通过传感器采集的数据大小，将平均湿度H的论域设定为[0,100]；通过轮廓面积计算的大小，将面积A的论域设定为[0，200]；将输出U的论域设定为[0,300]，2个输入的语言值均设定为5个，分别为极高、高、中、低、极低。通过模糊推理，得到下层土壤平均湿度与地表水面面积的关系，最终推断出预警情况和等级。

通过现场巡检人员的工程实践经验，得到了如表1所示的预警情况模糊推理规则集。表1中：N为正常情况；P为预警情况；O，S，M，B，K为两种情况下的递增程度。当输出属于N类时，无论程度如何，预警等级输出为“正常”；当输出为“PO、PS、PM、PB、PK”，分别对应“蓝色预警、蓝色预警、黄色预警、橙色预警、红色预警”。

表1 预警情况模糊推理规则Tab.1 Fuzzy inference rules for early warning

4 试验及结果分析

本文在计算机基础上，使用Vs2012+opencv2.4.13实现对接地极地表水塘、湿地轮廓提取和面积计算。轮廓提取和面积计算结果如图5所示。

图5 轮廓提取和面积计算结果图Fig.5 Contour extraction and area calculation results

对多传感器采集的下层土壤湿度与接地极地表水面面积数据进行模糊推理联合判断，其地表水域面积隶属等级，下层土壤湿度隶属等级及接地极导电预警情况如表2所示。从试验结果分析可知，通过图像处理技术，能够很准确地提取到接地极地表水塘、湿地的轮廓并计算面积。结合模糊推理，对接地极下层土壤平均湿度与地表水面面积作出联合判断，导出预警等级，工作人员根据不同的预警等级确定相应的解决方案，极大地增加了接地极安全在线监测的及时性和可靠性。

表2 接地极导电预警情况Tab.2 Earth electrode conduction warning

5 结束语

本文提出了一种多传感器融合的高压直流输电线接地极导电预警模型。该模型融合了地下层的多个湿度传感器数据以及地表层的图像数据，基于Canny图像边缘检测算法实现了对地表层土壤湿度的检测，并通过模糊推理方法实现了对接地极导电异常的定性预警。通过文山±500 kV富宁换流站接地极监测数据的仿真分析，结果表明本文提出的预警模型具有易于工程实现、实时性好等优点。