基于机巡数据的输电线路缺陷分析方法及系统

技术领域

本发明涉及输电线路运维领域，具体的涉及一种基于机巡数据的输电线路缺陷分析方法及系统。

背景技术

电力系统运行的一个基本目标是在合理的规划下向人们提供稳定而高质量的电能。现阶段，电力建设发展迅速，但许多弊端也接踵而来：电力建设现场安全管理制度不完善；绝大多数的输电设备长期暴露在恶劣条件的环境里，施工路段复杂给安全生产带来了极大的隐患。在输电线路的传统巡检中，常出现受地形、天气等自然因素影响较大、巡检效率低下、工作安全问题严峻等问题。尽管现阶段采用无人机代替巡检，但数据的分析依然采用人工识别。人力成本高，并且识别效率低。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于机巡数据的输电线路缺陷分析方法及系统，能够自动完成输电线路的缺陷分析，减少人力成本，提高识别效率。

根据本发明第一方面实施例的基于机巡数据的输电线路缺陷分析方法，包括：

用户通过控制中心输入巡线计划，控制中心给无人机发送导航数据；

无人机根据导航数据进行巡线并且在巡线过程中对输电线路进行拍照，获取输电线路的照片，在记录照片的同时附加拍摄时的定位信息和当前线路的标识信息，得到指定输电线路的图像数据；

无人机将获取的图像数据发送给控制中心；

控制中心通过预处理单元首先对图像数据进行预处理；

预处理后的图像数据发送给特征提取单元，特征提取单元识别并提取图像数据中的输电线路部件特征；

特征提取单元将部件特征发送给缺陷分析单元，所述缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，判断是否存在缺陷，如果出现缺陷，则发出缺陷警告并显示该部件的所在位置和标识信息。

根据本发明第一方面实施例的基于机巡数据的输电线路缺陷分析方法，至少具有如下技术效果：本发明实施方式通过无人机进行巡线，在巡线过程中拍摄图像数据，无需人工巡线，省心省力。无人机将获取的图像数据发送给主控中心，主控中心对图像数据进行预处理后，通过特征提取单元识别并提取图像数据中的输电线路部件特征，然后将部件特征放入缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，可以迅速识别出存在缺陷的输电线路，无需人工识别并且极大的提升了识别效率。

此外图像数据中还附带有定位信息和当前线路的标识信息，当主控中心发现缺陷时可以第一时间定位缺陷所在地点，第一时间前往现场消除隐患，提高了运维效率。

根据本发明的一些实施例，所述当前线路的标识信息包括输电线路的名称、输电线路所在台区和塔杆的信息。

根据本发明的一些实施例，所述预处理的详细步骤为

首先确定编码、巡检图像的命名格式是否正确，然后根据巡检图像后缀名确定编码格式，并检查巡检图像是否损坏；

最后通过空间域滤波法和频率域滤波法对图像进行去噪声处理。

根据本发明的一些实施例，所述特征提取单元采用YOLO模型提取算法提取图像数据中的部件特征。

根据本发明的一些实施例，所述特征提取单元采用RCNN模型提取算法提取图像数据中的部件特征。

根据本发明的一些实施例，所述特征提取单元采用SSD模型提取算法提取图像数据中的部件特征。

根据本发明的一些实施例，所述预警分析算法为PCA－KMeans的多维度预警分析方法。

根据本发明的一些实施例，还包括人工复核步骤：如果缺陷分析单元判断当前输电线路存在缺陷，则将该图像数据发送给人工识别单元进行人工二次判断。

根据本发明第二方面实施例的基于机巡数据的输电线路缺陷分析系统，包括无人机和控制中心，所述控制中心通过上述的基于机巡数据的输电线路缺陷分析方法进行输电线路的缺陷分析。

根据本发明第二方面实施例的基于机巡数据的输电线路缺陷分析系统，至少具有如下技术效果：

本发明实施方式通过无人机进行巡线，在巡线过程中拍摄图像数据，无需人工巡线，省心省力。无人机将获取的图像数据发送给主控中心，主控中心对图像数据进行预处理后，通过特征提取单元识别并提取图像数据中的输电线路部件特征，然后将部件特征放入缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，可以迅速识别出存在缺陷的输电线路，无需人工识别并且极大的提升了识别效率。

此外图像数据中还附带有定位信息和当前线路的标识信息，当主控中心发现缺陷时可以第一时间定位缺陷所在地点，第一时间前往现场消除隐患，提高了运维效率。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例中基于机巡数据的输电线路缺陷分析方法的流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

参考图1，一种基于机巡数据的输电线路缺陷分析方法，包括：

S1、用户通过控制中心输入巡线计划，控制中心给无人机发送导航数据；

S2、无人机根据导航数据进行巡线并且在巡线过程中对输电线路进行拍照，通过摄像头拍摄输电线路的照片，在记录照片的同时附加拍摄时的定位信息和当前线路的标识信息，例如输电线路的名称、输电线路所在台区和塔杆的信息等等，得到当前输电线路的图像数据；

S3、无人机将获取的图像数据发送给控制中心，本实施例中选用搭载5G通信模块的无人机进行巡检，传输速率更快；

S4、控制中心的服务器接收图像数据后，服务器内搭载的预处理单元首先对图像数据进行预处理，预处理的详细步骤为

首先确定编码、巡检图像的命名格式是否正确，然后根据巡检图像后缀名确定编码格式，并检查巡检图像是否损坏，这一步骤是为方面后续的单元对图像数据进行读取、存储和分析；

因为无人机巡检在采集图像的过程中常常会受到光照、噪声的影响，从而造成图像有大量噪声、图像明暗不均衡及图像质量下降等问题，因此还需要对图像进行去噪声处理，本实施例中预处理单元通过空间域滤波法和频率域滤波法进行噪声步骤。

S5、预处理后的图像数据发送给特征提取单元，特征提取单元识别并提取图像数据中的输电线路部件特征，特征提取单元可以采用YOLO模型提取算法、RCNN模型提取算法或SSD模型提取算法中的一种或多种提取图像数据中的部件特征，例如可以采用YOLO模型提取算法对防震锤的圆形部分进行提取，通过RCNN模型提取算法提取图像中的纹理特征来识别绝缘子，通过SSD模型提取算法提取输电线的边缘线。

S6、特征提取单元将部件特征发送给缺陷分析单元，缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，本实施例中预警分析算法为PCA－KMeans的多维度预警分析方法，判断是否存在缺陷，如果出现缺陷，例如绝缘子破碎、输电线断股、杆塔异物、防振锤断头等，则发出缺陷警告。

为了提高识别的准确率，还包括人工复核步骤：如果缺陷分析单元判断当前输电线路存在缺陷，则将该图像数据发送给人工识别单元进行人工二次判断。当人工也判断存在缺陷后发出警告并将缺陷发生地的并位置和标识信息发送给控制中心的预警平台，使运维人员可以第一时间前往现场进行查看，及时消除故障隐患。

本发明还涉及一种基于机巡数据的输电线路缺陷分析系统，包括无人机和控制中心，控制中心通过上述的基于机巡数据的输电线路缺陷分析方法进行输电线路的缺陷分析。

综上所述，本发明实施例通过无人机进行巡线，在巡线过程中拍摄图像数据，无需人工巡线，省心省力。无人机将获取的图像数据发送给主控中心，主控中心对图像数据进行预处理后，通过特征提取单元识别并提取图像数据中的输电线路部件特征，然后将部件特征放入缺陷分析单元通过缺陷分析数据库结合预警分析算法对该部件特征进行分析，可以迅速识别出存在缺陷的输电线路，无需人工识别并且极大的提升了识别效率。

此外图像数据中还附带有定位信息和当前线路的标识信息，当主控中心发现缺陷时可以第一时间定位缺陷所在地点，第一时间前往现场消除隐患，提高了运维效率。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。