基于毫米波雷达的输电线路山火故障检测方法

周 岚 张彬桥

（三峡大学 电气与新能源学院, 湖北 宜昌 443002）

山火频发的山林地区上空分布着众多的输电线路,而山林火灾是导致电线受损的重大威胁,会引发输电线路跳闸,严重影响社会生产与生活[1].因此,寻找有效的输电线路故障检测方法十分关键.

为降低山火造成的输电线路损失,应采取有效措施在山火萌芽期进行输电线路的保护与抢修.为此,国内有学者提出了一些方法.如,文献[2]采用基于激光雷达技术检测输电线路故障,利用激光雷达系统的激光束与烟雾颗粒和大气分子之间的相互作用,通过接收散射后的回波信号并反演推算,对输电线路上的山火进行监测,能够有效识别输电线路的山火故障,但是该方法未考虑山火目标的全面提取,得到的山火火势、烟雾信息存在误差,一定程度上阻碍了输电线路的抢修效率；文献[3]采用基于AOTF的红外多谱检测输电线路故障,利用声光可调谐滤波器进行红外多光谱成像的光谱维检测,构建了输电线路的静态性能测试平台,通过该平台对输电线路的红外带内波段进行细分,实现了红外成像的精准监测,但仅对山火红外多谱图像进行预处理,获取的山火目标提取结果存在大量黑色杂质,且火苗边缘锯齿较大,为确定山火火势与位置信息增加了难度,山火故障检测精度低[4].

针对上述两种方法存在的显著性缺陷,提出了基于毫米波雷达技术的输电线路山火故障检测方法,将红外多谱技术与毫米波雷达技术相结合,为有效识别输电线路山火故障提供了崭新的手段.

1 毫米波雷达技术的输电线路山火故障检测方法

1.1 基于红外多谱技术的输电线路山火目标获取

1.1.1 红外多谱图像火点目标提取

通过红外多谱摄像仪获取输电线路的红外多谱图像,提取红外多谱图像中的火点目标,判断输电线路是否处于山火故障危险之中[5].根据普朗克辐射定律,温度在绝对零度以上的物体能够释放红外线,基于这一原理,经过被检测物体的红外辐射强度生成红外多谱图像[6].红外多谱图像中的物体温度与图像灰度成正比,图像灰度大,相应的物体温度高.当山火爆发时,火苗与周围的树木、山体温差较大,相应的红外多谱图像的灰度对比就越明显[7].采用Matlab软件得到山火红外多谱图像的灰度图[8]；接着,提取红外多谱灰度图中的火点目标.红外多谱灰度图像中的火点集合可描述成F{(m,n)|f(m,n)≥G}.其中,判断阈值用G表示,且有G＝200；(m,n)表示红外多谱图像的像素点,相应的灰度值用f(m,n)描述.

1.1.2 采用数学形态方法处理红外多谱图像

初步分割红外多谱图像,提取到的火点目标中混有黑色杂质,火点与周围环境的分界不明显,有大量的锯齿,为提高目标提取质量,采用数学形态方法[9]处理目标提取结果.

最基本的处理方法为腐蚀与膨胀[3],定义一个直径为10个像素的圆形盘状结构元素,完成红外多谱图像中各个像素的扫描工作,采用该结构元素和被该元素覆盖的图像做“与”操作,膨胀方法的操作如下[10]:假设都是1,最终图像的该像素是1,相反则是0.腐蚀方法的操作如下:假设都是1,最终图像的该像素是0,相反则是1.在山火目标提取结果的基础上,实施闭运算,即膨胀→腐蚀.该运算完成后,在红外多谱图像提取结果中,火焰的细碎黑洞明显减少,火焰外缘更加平滑.基于上述结果实施开运算,即腐蚀→膨胀,该运算完成后火焰的边界更加清晰[11].

1.2 基于毫米波雷达技术的输电线山火故障检测

采用红外多谱和毫米波雷达技术检测输电线路故障的原理如下:采用红外多谱摄像仪采集输电线路的山火图像,分割图像,提取图像中的火点目标,据此能够确定输电线路存在被山火损坏的威胁[12]；在此基础上,采用毫米波雷达系统检测输电线路的山火情况.由于山火产生的烟雾能够散射毫米波,烟雾颗粒与雷达毫米波束作用生成散射毫米波信号,该毫米波信号经过光电倍增管转换得到电信号并传输到计算机中,结合红外多谱图像火点目标提取结果生成相应的脉冲波形山火位置信息、山火烟雾浓度信息、山火火势信息等[13],同时发出故障警报,通知技术人员及时安排输电线路的故障抢修工作.

采用毫米波雷达技术检测输电线路故障的原理用图1描述.

图1 输电线路故障检测原理

由图1可知,毫米波雷达系统在工作过程中发射的脉冲波长为η0、宽度为σ,以准直镜为介质传递到大气中,山火产生的烟雾一定程度上削弱了光脉冲,迫使其散射并衰减[14],望远镜接收到产生的后向散射光.该望远镜的接收面积即为有效面积,相应的毫米波雷达公式如下:

式中:P(h)为接收到的功率；h、P1、k分别为观测点的长度、毫米波发射功率、光速；σ为脉宽；φ(h)、μ(h)以及D(h)分别为向后散射系数、消光系数以及接收机的有效面积.

上述参数中,φ(h)、μ(h)不是已知的,单独分析毫米波雷达公式中的空气分子散射、气溶胶散射.山火烟雾的气溶胶、大气分子分别用e、q表示,则有:

被检测物体同回波信号间的光学性质函数在毫米波雷达公式中完整体现,采用毫米波雷达技术可获取相应的回波信号[15],求解毫米波雷达公式得到气溶胶的相关参数信息.

公式(2)、(3)中,大气分子、气溶胶粒子后向散射系数分别用φq(h)、φe(h)表示,两者相应的消光系数分别用μq(h)、μe(h)表示,并且这4 个参数是未知的.采用大气模型数据标准计算大气分子的两大系数,气溶胶的两个系数采用Fernald方法获取,定义公式(4)、(5):

由公式(4)、(5)得出,E2通过计算能够得到；E1是未知的,需自定义.采用毫米波雷达技术检测输电线路的山火故障时,当E1取值范围为42～52,毫米波波长位于543～1 075 nm 之间,基于该参数设置可获取气溶胶散射的散射系数与消光系数.采用Mie散射模型[16],此时散射系数与消光系数的计算方法如下:

定义气溶胶后向散射系数同消光系数的比值为45,则有:

根据上述公式计算毫米波雷达公式中的φe(h)、μe(h).据此得到山火烟雾中气溶胶的相关数据信息,与毫米波雷达系统连接的计算机此时生成山火发生的位置信息、烟雾浓度信息、山火火势信息,系统同时发出故障警报,通知技术人员开展输电线路的抢修工作.

2 实验结果分析

通过输电线路故障模拟实验,检验本文方法在输电线路故障检测方面的可靠性.设置670、570、470、370 m 为模拟山火与检测装置间的长度.这4个位置点与检测装置呈直线分布,检测装置在直线的顶端,在4个位置上点燃木料,模拟山火的形成；实验设备由红外多谱摄像仪、毫米波雷达、电动机、显示器等构成,采用红外多谱技术、毫米波雷达技术获取的信息可在计算机显示器中显示.实验开始后,记录模拟实验中的相关数据.

2.1 红外多谱图像分析

图2～4分别描述了实验检测出的采用本文方法获取的山火红外多谱图像、初步分割后的山火红外多谱图像、采用数学形态处理后的山火红外多谱图像.

图2 山火红外多谱图像

图3 初步分割的山火红外多谱图像

图4 数学形态处理后的山火红外多谱图像

综合分析以上3图可得,初步分割后的山火图像边缘颗粒较大,杂质过多,在火焰内部有明显的黑色杂质,增加后期山火烟雾信息采集、火势判断的难度,为此本文采用数学形态方法处理山火目标提取图像,得到红外多谱图像中火焰边缘圆滑无颗粒,内部的黑色杂质明显减少,为输电线路故障检测、山火烟雾信息的采集、火势判断提供了便利,提高了输电线路故障检测的准确度,同时验证了本文方法获取清晰的红外多谱图像的有效性.

2.2 消光系数分析

在利用本文方法检测输电线路故障的过程中,毫米波雷达发射出的毫米波在介质中传播时,由于介质的影响会产生衰减,这个衰减程度用消光系数表示,消光系数越大,说明衰减的程度越大.在实验过程中,以检测装置为定点,本文方法在直线距离上不同位置产生的消光系数见表1.

表1 采用本文方法获取的消光系数

从表1可知,本文方法在370、470、570、670 m 这4个山火位置上的消光系数分别为3.4×10—3、3.1×10—3、3.0×10—3、2.8×10—3,本文方法在其它位置上的消光系数均等于或低于0.5×10—4,山火的4个位置消光系数大,采用本文方法检测出的山火位置信息与实验设置吻合,由此验证了本文方法检测输电线路故障的准确性.

2.3 故障检测准确度对比

采用基于激光雷达技术的输电线路故障检测方法、基于AOTF 的红外多谱输电线路故障检测方法与本文方法进行对比实验.分别对670、570、470、370这4个位置点的山火进行检测,进而判断输电线路是否发生故障,在不同位置点进行5次实验,以确保实验数据的可靠性.故障检测准确度见表2～3.

表2 本文方法的故障检测准确度(单位:%)

表2中,本文方法在4个山火位置上获取的输电线路故障检测准确度均值在98%以上,最大高达99.3%.本次故障检测测试共计5次,足以证明本文方法获取的实验结果真实可靠；本文方法进行故障检测的准确度均值的平均差值仅为0.56%,说明本文方法的稳定性能强,失误率较低.

从表3可知,基于激光雷达技术的输电线路山火检测方法的故障检测准确度均值相比本文方法依次低21.52%、27.64%、30.88%、26.44%,突显了本文方法的高准确度优势.随着实验的进行,基于激光雷达技术的输电线路山火检测方法的准确度均值呈先下降、再升高的趋势,在470 m 山火位置点处的故障检测准确度最低,在370 m 山火位置点处故障检测准确度有所回升.上述数据表明,从故障检测准确度与稳定性角度考虑,基于激光雷达技术的输电线路山火检测方法不能实现输电线路故障的有效检测.其故障检测准确度较低是因为其未考虑山火目标的提取,得到的山火火势信息、山火烟雾信息存在误差.

表3 基于激光雷达技术的故障检测准确度 (单位:%)

对比表2与表4数据能够看出,基于AOTF 的红外多谱输电线路山火检测方法相比本文方法的故障检测准确度均值分别低28.28%、42.14%、36.28%、33.08%,表明本文方法具有高准确度的优势；同时,基于AOTF的红外多谱输电线路山火检测方法的故障检测准确度是3种方法中最低的,在570 m 山火位置点的故障检测准确度仅为56.82%,说明山火位置点出现烟雾时,该方法不一定能够检测出输电线路存在故障威胁.原因为:该方法仅对山火红外多谱图像进行预处理,获取的目标提取效果较差,山火红外多谱图像中存在大量黑色杂质,且火苗边缘锯齿较大,导致后期确定山火火势与山火位置信息存在偏差.

表4 基于AOTF的的故障检测准确度 (单位:%)

综合分析表2～4中的结果可得,本文方法的故障检测准确度高达99.30%,可在输电线路存在山火故障威胁时,有效发出故障警报,并给出准确的故障位置、山火烟雾浓度、火势等重要信息,辅助技术人员开展输电线路抢修工作.

2.4 故障检测用时对比

实验记录以上3种方法在670、570、470、370 m这4个位置点中的故障检测用时均值,如图5所示.

图5 3种方法的故障检测平均用时

由图5可知,本文方法在4个山火位置点上的故障检测用时均值约为1.0 s,用时最少；其他两种方法检测用时相似,最短用时均约为13 s,基于激光雷达技术的输电线路故障检测方法的最长用时为15.9 s,基于AOTF的红外多谱输电线路故障检测方法的最长用时为18.9s.不难看出,本文方法用时最短,效率最高.

3 结 语

针对当前输电线路故障检测中存在的缺陷,提出了红外多谱技术与毫米波雷达技术的输电线路故障检测方法.采用红外多谱技术得到输电线路附近出现山火故障隐患的图像,获取输电线路处于山火威胁中的信息,将山火目标提取结果传递给毫米波雷达系统,获取山火发生的位置信息、烟雾浓度信息、山火火势等信息,检测出输电线山火故障并及时发出警报,通知工作人员进行抢修.实验结果表明,本文方法检测准确度均在98%以上,用时均值约为1.0 s,能够高效准确地检测出输电线路的山火故障.