基于多源异构数据融合的线路隐患识别技术及应用研究

李瑛　张晓颖　徐汀　王智　周爽　白烁　赵留学

摘 要：研究分析了与输电线路隐患识别相关的数据，在状态特征提取和归一化处理的基础上，以输电线路隐患识别为例，引入D-S证据理论实现多源数据的融合。基于现有的业务系统，搭建了统一的输电全景智慧平台，并在此平台上验证了数据融合识别输电线路隐患的有效性。提出的输电线路隐患识别方法，实现了多源数据的共享与融合，提升了输电线路的隐患识别的准确率，改善了输电线路的运维现状。

关键词：隐患识别；多源数据融合；全景智慧平台

中图分类号：TM712;TP391文献标志码：A文章编号：1001-5922（2023）06-0175-04

Research of techniques and application of  transmission hidden danger identification based on multi-source data sharing

LI Ying1，ZHANG Xiaoying1，2，XU Ting1，2，WANG Zhi1，2，ZHOU Shuang1，2，BAI Shuo1，2，ZHAO Liuxue3

（1.Beijing Electric Power Economics and Technology Research Institute CO.，LTD，Beijing Xicheng District100055，China;2.Beijing Gold Team Power Supply consulting LTD，Beijing Chaoyang District 100012，China;3.State Grid Beijing Electrics Power Company，Beijing Xicheng District 100031，China）

Abstract：This paper analyzes the data related to transmission line hidden danger identification.Based on state feature extraction and normalization，D-S theory was introduced to achieve the fusion of multi-source data taking the identification of hidden dangers in transmission lines as an example.Based on the existing business system，a unified transmission panoramic smart platform had been built.The effectiveness of data fusion on identifying hidden dangers of transmission lines had been verified on this platform.The proposed method for identifying hidden dangers of transmission lines achieved the sharing and fusion of multi-source data，improved the accuracy of hidden danger identification in transmission lines，and enhanced the current operation and maintenance status of transmission lines.

Key words：hidden danger identification;multi source data fusion; panoramic intelligent platform

當前，输电线路对于电力系统的安全影响越来越大，通过全景智慧平台进行线路运行监测也成为学者研究的热点，国内外研究人员针对电网系统的数据融合展开了系列研究[1-5]。根据输电线路需求，构建了线路检测系统，为高压的输电线路的监测提供了一定参考[6]；李分析了数字化电网与信息化企业的相互关系，介绍了数字化电网构建进程与发展前景[7]。实现线路运行的实时监测，并对可能的隐患进行快速响应，不仅需要找到合适的方法处理大量数据，还需要设计集成的平台进行管理。基于此，本文提出了一种基于多源数据融合对配电网故障进行辅助研判方法，为调度人员故障诊断提供借鉴；采用BP神经网络融合技术对数据进行据融合，用于对高速公路的施工安全进行监测；使用改进卷积神经网络的方法对多源异构信息数据进行融合，根据融合后的信息对旋转机械进行诊断，为旋转机械的故障诊断提供了一定的参考；D-S证据理论也被广泛用于数据融合，采用该方法对输电线路的智能化建设提供了思路。

1 数据预处理与特征提取技术

1.1 输电线路隐患类型

经过统计某省输电线路2021年度的隐患数据，可以将隐患分为异物隐患、树木隐患、建筑隐患、施工隐患和一般隐患等，其占比如图1（a）所示。其中异物隐患占比58%，分析异物隐患，得到其各类型占比如图1（b）所示。隐患年度数据量大，类别多，且不具有标准性，识别难度大，因此，以5大类隐患为识别对象，提出了多源数据融合的方法，从中提取出有效的安全状态特征，以确保输电线路的安全运行。

1.2 输电线路的空间数据源

1.2.1 无人机巡检系统数据

巡视结果主要包括激光点云、倾斜摄影、巡视轨迹、缺陷、隐患及巡视报告。实现无人机巡视任务信息、巡视报告、无人机巡视发现缺陷、隐患等数据的查看。

1.2.2 特巡人员巡检系统

特巡人员主要针对特定项目进行巡视，例如防风、防汛、防冰等专项管理。通过智能系统上传特巡作业动态、展示特巡任务清单及特巡任务结果，展示特巡相关隐患数据。

1.2.3 气象预警

实时获得监控所在区域周边的气温、湿度、降水量、风速风向在内的连续气象变化数据，实现对雷电、降雨、大风特殊预警。

1.2.4 视频监控

对数据进行汇总并形成隐患清单，通过视频监控功能查看隐患现场的状况。可远程观察各现场监控画面，提供实时视频及历史回放功能。

1.3 数据预处理

隐患识别的数据存在大量异构数据，例如巡检人员每日上传的大量寻访记录、日志等信息与巡检无人机处获得图像信息其结构不同，不能直接进行数据融合，需要对这些数据进行预处理。

1.3.1 结构化数据预处理

针对结构化隐患数据中的异常数据，包括不合理数据、空缺数据、离群数据等，分别采用删除法、填充法、插补法进行修正。为消除数据量纲对数据融合结果产生负面影响，对所得样本数据采用归一化处理方法，将数据向量映射到［0，1］。

1.3.2 半结构化数据预处理

针对半结构化隐患数据文件，选取隐患发生时间、隐患类型、经度信息、纬度信息、线路编号、杆塔编号、设备编号７个字段。这些字段可实现信息过滤功能，例如，隐患时间可以保证存入数据是所需时间段内的数据，筛选出该类数据后即可将时间属性过滤；隐患类型及其他字段均有类似方法可以实现相应的字段过滤，保证信息使用的便利性。

1.3.3 图像预处理

首先对图像进行双线性插值处理，缩小图像；其次，为防止户外自然光照射下拍摄的图像受噪音干扰导致图像模糊、图像识别困难等问题，在隐患识别前需要用高斯滤波器平滑图像；最后，针对远距离拍摄图像中小目标与图像背景灰度相似对图像识别产生的影响，采用灰度压缩算法进行处理。针对逆光与摄像头掉电等现象导致的图像亮度过高或过低现象，可通过图像均值进行判断；由于大雾天气影响导致图像模糊问题，采用Sobel算子对图像的灰度变化程度进行倒数计算，灰度变化的幅值大于75，则为有效像素，如果有效像素的数目不足30%，则为异常图像。之后采用图像匹配算法，对图像进行差分。

1.4 特征提取

对非结构化数据预处理时所选取的7个字段进行标记，根据标记结果提取段落中所提到的实体，如地区、编号等，并将不同的实体对象分别储存在预先建立对应类型的关系数据表中，并将实体所在文本源、段落所在文本位置等信息作为关联关系存储起来，将一段话中出现多个非重复的实体提取为实体对进行储存，作为更高层次的关联关系属性［8］。

在对无人机所采集到的图像信息的特征进行提取时，需要提取图像中的颜色、形状、纹理3个特征。颜色特征选择在HSV空间提取颜色矩特征，分别计算出颜色分量图的平均值、标准差、偏斜度，一共9个特征值，将其归一化后将其作为颜色特征［9-10］。形状特征采用形状不变法进行特征提取，通过计算中心矩和Hu特征，将Hu特征计算的输电线路隐患目标的17特征值进行归一化，将其作为形状特征［11-12］。

采用灰度共生矩阵来描述灰度图像中的分布规律，分别提取角二阶矩、对比度、熵、反差分矩阵、相关性的均值、标准差，一共10个特征值，归一化作为空间域提取信息［13］。采用小波域低频低阶矩、高频低阶矩、高频低阶矩与低频低阶矩的方法提取均值、标准差、标准偏斜度，本文采用4层分解后得到的数据进行归一化作为小波域低频特征［14］。

2 多源异构数据的融合

多源数据融合后的数据信息在识别分类中获得的结果比单个数据更加准确和可靠，一般分为数据级融合、特征级融合和决策级融合。其融合方式如图2所示。

数据微融合首先从所采集到的数据信息中过滤出相关信息传递给数据层进行融合，进而进行特征提取和属性的判断，最后进行联合属性判断输出相关数据。特征微融合是利用所采集到的特征信息，提高目标的识别能力，利用特征融合方法将不同类型的隐患特征结合起来，然后对其进行综合性的判断。决策级融合则需要数据库和专家决策系统对原始的数据或者中间层数据进行分析和推理，得到专家级决策结果。根据不同的应用场合，需要选择合适的融合方法。

D-S证据理论是一种能解决不确定性和多源信息整合的有效方法［15］，能够较好的将0-1区间可能发生的事件给描述出来。D-S证据理论能够获得准确性较高的融合结果，它已经成为信息融合、模式识别和决策分析等领域的重要方法［16-17］。证据理论无论是在融合建筑隐患、施工隐患等单类特征数据，还是融合综合隐患特征数据中，都能得到较好的结果。其基本思路［18-19］；

（1）建立识别框架。根据隐患特征分析，将可能出现的结果划分为异物隐患、树木隐患、建筑隐患、施工隐患和一般隐患等，构成证据理论中的识别框架；

（2）建立初始信任分配。例如当对杆塔1进行判别时，可能出现上述隐患，利用所处理后得到的数据对可能出现的隐患进行初始信任度的分配；

（3）计算所有命题的信任度。对每个可能出现的隐患根据所分配到的证据计算出信任度总和；

（4）證据合成。利用D-S证据，将每种隐患的信任度进行合成；

（5）决策。根据证据合成后的信任度，将识别框架中的某个隐患作为决策。通常将信任度最大的结果作为隐患的输出结果。

3 数据融合的隐患识别在输电全景智慧平台系统中的应用

3.1 全景智慧平台的框架

输电全景智慧平台基于中央控制平台建设，集中部署在北京总公司。一是针对电网资源中现有的子服务，交汇信息实现内网聚合，实时共享数据存储在中间站；二是对于电网资源无法支持的业务，如统一控制，实现互联网区域所有信息控制，构建各种监控服务，支撑互联网区域的前端应用功能实现，实现互联网区域内各城市公司人员的接入平台。全景智慧平台架构如图3所示。

3.2 全景智慧监控平台的实施与应用

隐患自动识别系统可实现多源数据融合、隐患类型识别、危险报警与台账记录等功能。充分发挥输电全景智慧平台的数据价值，将无人机系统图像、半结构化隐患文件、结构化隐患数据三者融合，实现隐患类型识别，降低输电运维人工成本。隐患报警可实现区域化隐患管理，提高隐患排查效率，避免隐患漏洞，缩短解决隐患问题的时间；之后排查人员进行在手机端台账记录平台完成记录，为后续隐患识别系统的运维提供数据支持。该系统对保电范围内容的施工、异物等隐患设备，进行实时视频监控、识别、告警，实现多屏联动。

该输电全景智慧平台不仅可以实现供电保电业务，还可对特殊气象环境做出预警。另外，针对输电运行情况，实现自动化的巡视、缺陷、隐患、故障、检测、值班等多方管理，提高输电效率，确保输电隐患及时排查，电力缺陷及时补救，电力故障快速抢修，保障企业经济效益并对社会产生优良影响。

4 结语

研究对多源数据进行预处理，并引入D-S证据理论融合方法进行隐患识别，建设输电全景智慧平台，实现现有各专业系统的耦合，构建了单系统、多功能的智慧平台新模式，实现多源数据的融合，提高了电力故障、隐患事前预警能力。将手机APP与系统中台进行关联绑定，确保数据实时共享，实现快速响应及时处理。输电全景智慧平台的实施表明，该平台建设实现了现有多专业平台集成及多源数据的融合，可以有效减少数据的重复采集，实现多业务功能的一体化控制，保障电力系统输电运维高效管理，进一步提高企业效益。

【参考文献】

［1］仝杰，刘艳丽，杨德龙，等.基于LDPC编码的OFDM无线专网通信在输电线路在线监测的应用研究［J］.现代电子技术，2017，40（17）：162-166.

［2］王臻，刘东，徐重酉，等.新型电力系统多源异构数据融合技术研究现状及展望［J］.中国电力，2023，5（4）：1-15.

[3］[JP2]张春梅，许兴雀，刘思麟. 基于多源数据融合的配电网故障诊断技术[J]. 上海交通大学学报：2023（6）：1-17.[JP]

［4］XIAO D ，ZHANG T ，ZHOU X ，et al. safety monitoring of expressway construction based on multisource data fusion［J］. Journal of Advanced Transportation，2020（5）：1-11.

［5］段礼祥，李涛，唐瑜，等.基于多源异构信息融合的机械故障诊断方法［J］.石油机械，2021，49（2）：60-67.

［6］周立国，王勇，李明，等.基于多源数据融合的油气管道诊断预警技术［J］.石油化工自动化，2022，58（2）：68-72.

［7］叶国庆，鲍翔，蔡正宜.高压输电线路在线监测智能化研究［J］.微型电脑应用，2020，36（12）：97-99.

［8］李向荣，郝悍勇，樊涛，等.构筑数字化电网建设信息化企业［J］.电力系统自动化，2007（17）：1-5.

［9］李立浧，彭蓉.智能化平台在输电线路运检系统中的应用研究［J］.电工技术，2020（3）：110-111.

［10］薛亮.均质油藏水驱油物理模拟驱替规律实验分析[J].粘接，2021，45（03）：132-136.

［11］王思丽，刘巍，杨恒，等. 基于自然语言处理和机器学习的实体关系抽取方法研究［J］. 图书馆学研究，2021（18）：39-48.

［12］王海强. 高压输电线路重要部件典型故障特征融合与识别算法研究.［D］.呼和浩特：内蒙古工业大学，2021.

［13］雷晨光. 基于区域不变矩的形状匹配技术的研究及应用［D］. 大连：大连理工大学，2014.

［14］吴景涛. 机器视觉技术在煤矸石智能识别中的应用研究［D］.北京：中国矿业大学，2019.

［15］刘姝.低频辐射源特征提取及识别方法研究［D］.南京：南京航空航天大学，2019.

［16］高骞，杨俊义，洪宇，等. 基于改造措施的智能配电系统优化模型分析［J］. 粘接，2022，49（12）：178-181.

[17］吴松平，王天一.基于神经网络和迁移学习的视频人体行为识别[J].智能计算机与应用，2021，11（12）：153-157.

［18］魏星，舒乃秋，崔鹏程，等. 基于改进PSO-BP神经网络和D-S证据理论的大型变压器故障综合诊断［J］. 电力系统自动化，2006，30（7）：46-50.

［19］邹红波，宋璐，张馨煜，等.基于PSO-GRNN和D-S证据理论的电网分区故障診断［J］.智慧电力，2023，51（3）：25-30.

［20］郑胜洁，刘留，胡祖翰，等.基于改进D-S证据理论的城市轨道交通设备预警方法［J］.交通工程，2022，22（6）：28-35.

收稿日期：2023-01-23；修回日期：2023-04-20

作者简介：李   瑛（1973-），男，高级工工程师，主要从事电网数字化研究；E-mail：liy@bj.sgcc.com.cn。

引文格式：李 瑛 ，张晓颖，徐 汀，等.基于多源异构数据融合的线路隐患识别技术及应用研究[J].粘接，2023，50（6）：175-178.