双程摆扫激光测距探测成像在输电线路通道监测中的应用

董泽才，刘昌帅，冒文兵

(国网铜陵供电公司，安徽 铜陵 244000)

0 引言

输电线路里程规模的不断扩大，以及输电线路通道中元件数量的增多，导致输电线路通道监测难度逐渐增大。需进一步结合大数据信息处理方法以及可靠性数据检测技术，实现对输电线路通道的监测，以提高输电线路的输出稳定性和可靠性。相关的输电线路通道监测方法研究在电网配网设计和维护中具有重大意义[1-2]。一般的输电线路通道监测方法，采用多源视觉信息跟踪识别完成对输电线路通道的融合检测，应用较为广泛。

目前，输电线路的通道监测方法主要有基于城市街景数据的输电线路的通道监测方法[3]、基于GIS信息的输电线路的通道监测方法[4]以及模糊PID的输电线路的通道监测方法等[5]。以上方法均是通过模糊度辨识，实现对输电线路的通道GIS融合和监测，但它们的输电线路通道监测的视觉信息识别能力不好，监测可靠性和准确性不高。

针对上述问题，本文提出基于双程摆扫激光测距探测成像的输电线路通道监测方法。构建输电线路通道监测双程摆扫激光测距探测成像模型，采用激光传感器设计双程摆扫激光测距探测节点部署。提取输电线路通道监测双程摆扫激光图像，检测边缘灰度特征。构建边缘轮廓特征检测模型，实现对输电线路通道监测。

1 激光测距探测成像及预处理

1.1 输电线路监测双程摆扫激光测距探测成像

为实现双程摆扫激光测距探测成像在输电线路通道监测中的应用，构建输电线路通道监测双程摆扫激光测距探测成像模型，采用激光传感器实现对双程摆扫激光测距探测节点部署设计，在多源参数输入环境下，检测输电线路通道监测双程摆扫激光测距的模糊探测和图像特征[6]。双程摆扫激光测距探测下的输电线路监测总体结构模型如图1所示。

根据图1所示的双程摆扫激光测距探测下的输电线路监测总体结构，采用场景调度和视觉特征检测法，分析在不同的环境和应用场景下输电线路通道监测的适应度参数，构建输电线路通道监测双程摆扫激光测距探测视觉分析模型。结合统计特征分析方法，进行输电线路通道监测双程摆扫激光测距探测视觉成像和多源信息融合[7]，分析柔性负荷、可控负荷等参数， 进行输电线路通道监测双程摆扫激光测距探测和视觉成像，得到成像分布域中含有N个节点，表示为(X1(0),X2(0),…,XN(0))，输电线路通道监测双程摆扫激光测距探测成像i在t时刻的自相关特征匹配系数为Xi(t)=(xi1(t),xi2(t),…,xiD(t))。结合输电线路数据和视觉信息融合结果，得到输电线路通道监测双程摆扫激光测距模型，构建输电线路通道监测双程摆扫激光双目视觉融合跟踪模型，得到测距探测成像的匹配度表示为Vi(t)=(vi1(t),vi2(t),…,viD(t))。在大场景的融合通道背景下，得到激光测距探测成像的视觉分布最优解表示为pi=(pi1,pi2,…,piD)。通过提取输电线路GIM数字信息，在三维动态特征融合分布结构下，得到激光测距探测成像的关联信息分布权重ω值为

图1 输电线路通道监测总体结构模型

ω=Xi(t)+Vi(t)+pi

(1)

通过双程摆扫激光测距探测结果，得到优化监测模型下的动态融合参数为

b(m)=ω+(sv+ri)

(2)

sv为输电线路通道监测双程摆扫激光测距探测的视觉跟踪输出参数；ri为双程摆扫激光测距探测结果参数。通过上述设计，构建输电线路通道监测双程摆扫激光测距模型，根据图像采集和视觉跟踪结果，进行输电线路的通道监测[8]。

1.2 激光成像增强预处理

(3)

对于输入的输电线路通道监测梯度分量f(z)进行特征优选控制，提取输电线路GIM数字参数和环境参数，结合图像融合滤波方法重构输电线路通道监测的视景[9]，得到输电线路通道监测视景重构函数为

(4)

h(z)为输电线路通道监测双程摆扫激光测距探测成像分布节点的度，表示输电线路通道监测的视觉信息分配可靠性函数；fx(z)和fy(z)分别为输电线路通道监测双程摆扫激光测距探测成像的融合度函数。通过上述方法，进行输电线路通道监测双程摆扫激光测距探测视景重构[10]。

2 输电线路通道监测优化

2.1 视觉特征提取

通过输电线路通道监测双程摆扫激光测距的图像边缘尺度分解[11]，得到双程摆扫激光测距的输出参数分布集合P(ni)={pk|prkj=1,k=1,2,…,m}，通过优先级属性调度，得到输电线路通道监测双程摆扫激光测距探测的视觉重构目标函数为

T(d)=p(ni)+[ey+I]

(5)

ey为输电线路通道监测双程摆扫激光测距探测特征参数；d为视觉重构目标个数。通过次数为ni的迭代处理后，构建输电线路通道监测双程摆扫激光测距探测成像的双边匹配滤波模型[12]，得到输电线路通道监测双程摆扫激光测距探测成像的信息增强结果为

(6)

β为双边匹配滤波模型参数；h(j)为输电线路通道监测双程摆扫激光扫描后的匹配增强结果参数。结合网格区域分配方法，得到输电线路通道监测双程摆扫激光测距探测成像分配特征属性集为

rg(e)=f1g(z)+(F-1+qf)

(7)

f1g(z)为网络分配函数；F-1为输电线路通道监测双程摆扫激光测距探测成像融合的反函数；qf为输电线路通道监测双程摆扫激光测距探测成像分配函数。构建输电线路通道监测双程摆扫激光测距探测成像动态分配权系数，结合数字孪生聚类技术，得到激光测距探测输出的样本拟合参量表示为

(8)

l(a)为输入的输电线路通道监测双程摆扫激光测距探测成像输出的像素序列；ε为卷积运算。输电线路通道监测双程摆扫激光测距探测输出的特征聚类点(ta,ya)、(tb,yb)的动态监测多尺度模糊度函数为Hx=-jωx/‖ω‖和Hy=-jωy/‖ω‖，在动态场景中，构建输电线路通道监测的自适应参数信息增强模型，表达形式为

(9)

重构输电线路通道监测双程摆扫激光图谱边缘分量‖φ‖=sup|φ(θ)|，复杂背景干扰下满足C([a,b],R)的输电线路通道监测双程摆扫激光像素特征收敛判决条件，得到F和V是输电线路通道监测双程摆扫激光成像的滤波参数。

使用所构建的输电线路通道监测双程摆扫激光测距探测成像的边缘轮廓特征检测模型，根据输出图像的差异度融合结果,实现对输电线路通道监测双程摆扫激光扫描。

2.2 输电线路通道监测输出

根据输出图像的差异度融合结果实现对输电线路通道监测双程摆扫激光扫描和可靠性监测，采用人工智能的视觉信息伴随控制方法[13]，提取输电线路通道监测双程摆扫激光测距探测成像的边缘像素特征点，由此得到输电线路通道监测的模糊度协方差为

(10)

w为输电线路通道监测的模糊度个数；n为输电线路通道监测双程摆扫激光测距探测成像分配的粒子个数；fi为第i个监测通道的异常特征分布维数；favg为输电线路通道监测双程摆扫激光测距探测成像匹配度函数。当σ2

AG=ΔB(w)+‖s(i,j)+m‖

(11)

对于任意的输电线路通道监测双程摆扫激光测距探测成像数据点xi和xj，其特征匹配度为s(i,j)，值越小，输电线路通道监测双程摆扫激光测距探测成像的相似度越好。故系统根据相似度特征匹配结果，实现对输电线路通道监测。系统实现的结构如图2所示。

图2 输电线路通道监测的系统实现结构

3 仿真测试与结果分析

为验证本文方法在实现输电线路通道监测双程摆扫激光测距探测，以及输电线路通道监测中的应用性能，进行实验测试分析。设定双程摆扫激光测距的成像像素分布集为0.57，激光扫描的频段信息为8频段，输电线路的初始输出电压为200 kV，奇次谐波参数为0.31。根据上述参数设定，得到输电线路通道监测双程摆扫激光测距探测平台如图3所示。

图3 输电线路通道监测双程摆扫激光测距探测平台

根据图3设计，得到输电线路通道监测双程摆扫激光图像如图4所示。

分析图4得知，本文方法进行输电线路通道监测的视觉成像效果较好，根据图4的激光成像结果，进行输电线路通道监测，得到监测结果如表1所示。

表1 输电线路通道监测结果 mm

图4 输电线路通道监测双程摆扫激光图像

分析表1得知，本文方法进行输电线路通道监测的输出结果准确可靠。

测试不同方法进行输电线路通道监测的输出可靠性，并对输电线路通道进行多次监测，从而获取不同方法下输电线路通道监测的输出精度，得到测试结果如表2所示。

表2 不同方法下输电线路通道监测的输出精度对比

分析表1得知，本文方法进行输电线路通道监测的输出可靠性较好，精度较好，具有良好的应用性能。

4 结束语

研究输电线路通道监测方法，通过多源视觉信息跟踪识别的方法，实现对输电线路通道融合检测，从而提升输电线路的稳定性，故本文提出基于双程摆扫激光测距探测成像的输电线路通道监测方法。在多源参数输入环境下，进行输电线路通道监测双程摆扫激光测距的模糊探测和图像特征检测，构建输电线路通道监测双程摆扫激光测距探测视觉分析模型，采用了决策树融合的方法，提取输电线路通道监测双程摆扫激光图像，构建输电线路通道监测双程摆扫激光测距探测成像的双边匹配滤波模型，根据输出图像的差异度融合结果实现对输电线路通道监测双程摆扫激光扫描。根据相似度特征匹配结果，实现对输电线路通道监测。研究得知，本文方法进行输电线路通道监测的视觉跟踪性能较好，监测的精准度较高。