基于物联网的输电线路智能监测系统研究与应用

贾培跃

（宁夏送变电工程有限公司，宁夏 银川 750000）

0 引 言

目前，输电线路运行状态直接对电网运行安全性造成影响。在我国电网规模以及用电需求不断提升的背景下，输电线路运行监测工作的压力以及难度也随之提升，这就要求电力行业积极加强对输电线路监测技术的研究力度，将物联网、智能技术等现代高新技术融入监测系统，为提升输电线路运行状态监测质量以及效率提供有力保障。

1 物联网技术概述

物联网的实质是网络通信技术的一种应用形态，实现各种物质的相互连接。由于全球定位系统和无线电频率识别等技术普及，物体间具备交流条件，为实现物品跟踪管理提供必要的条件支持，实际应用中呈现出全面感知、可靠传递以及智能处理等优势。电力物联网即物联网技术在电力领域应用得出的成果，其实际运行过程中充分依托于电力系统运行各环节，并结合“大云物移智”通信架构以及技术，有效实现多层次、宽领域万物互联通信以及人机交互处理，为基于物联网的输电线路智能监测系统提供技术支持。

2 基于物联网的输电线路智能监测系统构成

根据传输线与物联网相结合的信息流向，可以将基于物联网的输电线路智能监测系统分为监测控制层、信息路由层和采集应用层3 个层次，具体如图1所示。

图1 系统结构

监测控制层包括上层集控管理主机、监测管理主机和综合存储数据库。该层的主要作用是对前端采集数据进行分析，监测控制工作周期，并在问题出现时发出报警信号。同时，监测控制层可以存储、分析和处理数据，为系统后续应用提供支持。

信息路由层是由单一或多层次数据集中器构成。其作用是将前端采集的数据传输到监测控制层，并保证数据传输的稳定性和可靠性[1]。信息路由层的具体架构可以根据实际应用场景进行调整，以达到最佳的传输效果。

采集应用层由多种前端监测设备构成，可根据实际需求进行调节。主要作用是实时采集各种监测数据，并将其传输到信息路由层[2]。该层设备种类繁多，包括传感器、监测仪器等，其选择应根据具体应用场景和监测目标而定。

整个智能监测系统是一个完整的闭环，其可以通过定期发送询问请求来实现网络结构扩充，并实现自我维护目标。同时，整个系统的架构设计应该具有可扩展性和灵活性，能够适应不同的应用场景和需求。

3 系统功能实现

3.1 边缘智能终端

边缘智能终端在系统中所承担的职能主要为设备以及系统管理、数据分析、安全加密等。该终端设计采用的数据处理与策略如下。

一方面，数据智能处理。边缘计算终端在实际运行过程中可汇总，并基于预设报警阈值集数据模型处理各监测终端所采集数据信息，最大限度地保障数据处理精准性。此外，边缘计算终端会利用人工智能（Artificial Intelligence，AI）图像检测识别技术识别分析视频监测终端所上传的信息，自动判断输电线路通道部分是否存在异物入侵、人为破坏等情况，并自动发出相应警报[3]。

另一方面，数据上报策略。边缘智能终端为满足相关数据的可靠性以及安全性要求，在实际运行中针对经过处理的数据结果以及后端设置差异性上报策略，具体如图2 所示。

图2 数据上报策略

所有数据在上传过程中，均需要经过加密模块处理后传输至云端系统，最大限度地保障数据安全。这种加密方式可以有效防止数据泄露和被篡改的风险。在实时监控功能开启的情况下，数据可直接上报以保障数据的实时性。实时监控功能可以使边缘智能终端及时发现和处理数据异常情况，从而保证数据的准确性和及时性。在正常运行情况下，边缘智能终端需要分析、识别并处理数据，依照正常周期进行上报。这种周期性上报方式使边缘智能终端更好地掌握数据的变化和趋势，从而更好地为用户提供服务[4-5]。对于异常数据，边缘智能终端会立即上报，其可以让管理者及时发现和处理数据异常情况，从而避免数据损失和风险。

3.2 电源系统

该系统主要以太阳能电源为主，辅以风力发电机，以满足不同地域的气候差异条件，保障系统运行的稳定性以及可靠性。该系统配置有防雷击、防毁保护设备以及具有较高环境适应性的蓄电池。该设备能保证在没有额外的极限情况下连续工作15 d，增强了电力供应的可靠性和稳定性。另外，本设计不仅实现了对供电单元的智能化自我管理、远程管理及工作监控等功能，还实现了对电力设备运行状态、电量参数的监控。实际检测过程中，系统将各功率单元视为一条线路，并在该基础上对其工作状况进行检测，从而实现获取精确地监控数据与管理工作开展状况，确保供电的可靠性。

3.3 智能分析子系统

3.3.1 视频图像智能识别

（1）智能识别策略。针对目前输电线信道监控长时段不发生改变的现状，该系统设计过程中主要采用定时与实时、前端与云端融合的方法，以移动物体探测为触发器，在降低传输宽带及计算资源消耗率的同时全天候监测输电线路通道。系统监测到有物体进入输电通道后，会自动利用深度辨识模块实现对进入物体的探测与辨识。若识别出外来物质侵入，则将识别结果以及图像信息传输至云端开展深入分析处理，云计算平台对报告的异常及图片进行探测、辨识，判断是否发布异常报警。该系统依照预设周期将输电环内传输网络中的视频信号数据传输至上端，并通过云计算对其进行处理。

（2）运动目标监测。针对传输网络中的视频影像易受光照、气象、背景等因素影响，以及边缘智能终端运算与资源受限等问题，该系统采用基于帧间差分方法处理视频图像。运动目标监测技术具有对环境光照不灵敏、算法简单、动态环境适应性强等特点，能够实现对通道的实时监控。具体工作中，可利用差分运算检验相邻帧之间的像素值差异，进而检测图像中运动或变化的目标，实际操作的主要步骤如下：第一，从视频流中采集连续的图像帧；第二，灰度化处理每一帧图像，为后续像素值对比奠定基础；第三，计算相邻帧之间的像素值差分，具体为计算当前帧像素值与前一帧相应像素值的差值；第四，对差分图像进行阈值处理，将差分值大于一定阈值的像素点视为运动目标，将差分值小于阈值的像素点视为背景；第五，根据阈值处理的结果，可以检测出运动目标的位置、大小和形状等信息。通过差分运算，可以有效检测出图像中的运动或变化，这在视频监控、运动分析、目标跟踪等领域具有广泛的应用。在实际利用该技术的过程中需要基于输电线路的实际情况对阈值进行设置。

（3）图像智能识别模型。针对输电线全线检测中存在视频数量众多、探测目标尺寸不确定等问题，系统采用的算法不仅要对目标大小进行精确区分，还要满足精度与速度要求。因此，该系统选取YOLOv3作为云端图像智能识别的基本框架。该系统实际设计中针对基于边缘智能终端的智能影像辨识问题，决定选择以YOLO-LITE 为核心构建面向边缘智能终端的图像识别模型，以解决终端算力以及资源限制问题。YOLOv3 参照残差神经网络思路，由5 个参差块组成53 层卷积网络。利用3 种不同尺寸的物体特性图实现所识别物体的自动分类，其中小特征图提取物体的语义信息，而大特征图则提取物体的空间位置信息。通过从小特征图中采样并与大特征图结合，可实现对不同尺寸物体目标检测识别的目的。YOLOv3 在实际应用中兼顾识别速度和及识别精度，适用于输电线路中不同物体目标的探测与辨识。在实际设计中，为在中央处理器（Central Processing Unit，CPU）基础上开展实时监测识别，简化YOLO 模型，并修改网络促使其具备相对较小的浅层网络，消除批量标准化。

3.3.2 数据分析模型

由于输电线路地理分布广泛、故障关联因素多以及人为因素多，输电线路运行状态复杂，无法建立高效准确的输电线路监测系统。在当前大数据技术应用逐渐成熟的背景下，统计理论也越来越被人们所接受，而以深度学习为基础的大数据分析和预测也越来越引起技术人员的重视。但现有研究成果中仍存在诸多不足。因此，技术人员构建出数据检测告警模型，将各种监控信息进行归类、统计，并将其依照重要程度结合起来构建出报警模型，以保证监控的可靠性和精度。

在此基础上，通过分类统计生产中监控及失效信息，建立以闸门回路为基础的智能预警模型，分类判断异常设备、异常位置、严重程度和发展态势，并对其进行报警，同时给出相应解决对策和方案。该模型还可以结合气象环境监测数据、线路故障数据及装备检修数据，利用以大数据为基础的智能分析方法，早期预警线路故障。

3.3.3 智能模型更新

智能化系统一般可划分为运行系统和学习系统2个部分。运行系统使用预先训练的智能模型进行智能化处理，主要负责对输入数据进行分类、识别、预测等；而学习系统则具备自学功能，可通过累积数据进行训练，不断更新模型以提升精准度目标。学习系统通常需要大量的标注数据和计算资源，以支持模型的训练和更新。一般来说，学习系统会采用深度学习等技术，通过反向传播算法不断优化模型的参数，提高其精准度和健壮性。模型更新后，系统会自动更新本地运行系统和边缘智能终端的模型，持续提升精准度目标。这一过程通常需要考虑数据的隐私保护、带宽和存储等方面的限制，以确保更新过程的高效性和安全性。

4 结 论

通过在输电线路检测工程中的实际应用，基于物联网的输电线路智能监测系统取得了显著的应用效果，对于提高输电线路监测水平、保障电力安全具有重要意义。该系统实际应用表明，其具有较高的准确性和实时性，能够实现对输电线路故障和安全隐患的智能识别与预警。相关技术人员应注意继续深入研究和完善该系统，提高其性能和应用范围，为电力行业的发展作出更大的贡献。