CN104574390A - 基于视频监测技术的输电导线舞动幅值及频率的计算方法 - Google Patents

Abstract

本发明公开了属于视频图像处理技术的一种基于视频监测技术的输电导线舞动幅值及频率的计算方法。具体说是是以输电导线舞动时的运动轨迹为核心，通过对摄像机获得的视频图像进行处理，通过图像灰度化、滤波、直方图均衡化、分割及图像匹配后的导线目标图像舞动最低、最高位置图，获取该输电导线的舞动特性，然后对输电导线舞动幅值和频率的计算，全面掌握档距内导线的舞动性态及最大舞动幅值；该方法克服了现有舞动监测系统不能有效获得档距内导线舞动性态及最大舞动幅值的不足，使得测量结果更加准确、有效。

Description

基于视频监测技术的输电导线舞动幅值及频率的计算方法

技术领域

本发明属于视频图像处理技术，特别涉及一种基于视频监测技术的输电导线舞动幅值及频率的计算方法。具体说是是以输电导线舞动时的运动轨迹为核心，通过对摄像机获得的视频图像进行处理，获取该输电导线的舞动特性，通过运动轨迹获取档距内任意位置处导线的舞动特性。

技术背景

在当前我国经济迅猛发展的大背景下，全社会对电力可靠性的要求越来越高,电力事故造成的经济损失越来越严重。输电线路作为电网组成的重要部分，其安全运行直接决定着电网运行的可靠性，然而由于输电线路广泛分布于荒郊野外，运行环境恶劣，当遭遇覆冰积雪及风力作用时将引起导线出现低频率(0.1-3HZ)、大幅度(约为导线直径的15-500倍)、非线性特征的舞动，由于输电线路舞动时振幅大、持续时间长，导致导线间距过小，绝缘隙小、振动疲劳、金具受损、杆塔倒塌等事故隐患，严重影响电网安全可靠运行。为此针对输电导线舞动开展监测分析，获取其舞动特征并开展相关防舞抑制措施，对于确保电网安全运行意义重大。

基于输电导线舞动监测对保障输电线路安全运行的重要性，国内外针对输电导线舞动监测开展了相关研究，监测方法和手段主要集中于：

第一类：在输电导线上布置传感器来采集输电线路舞动参数，分析并拟合成导线的舞动轨迹、计算得出导线舞动的最大幅值、频率等。导线舞动监测最常用的传感器为加速度传感器，通过安装于导线上的加速度传感器感知、测量导线舞动时刻的加速度，通过积分运算获得导线的运动轨迹，并得出舞动的幅值、频率等。加速度传感器具备结构简单、灵敏度高、测量速度快等优点，但是由于其工作原理仍是通过传感器获取表征加速度大小和方向的特征电气量来对舞动开展测量分析，运行现场导线周围交变电磁场、温漂、零漂等因素将影响其测量精度；同时要准确获得一个档距内任一点处的舞动或最大舞动值需要在一个档距内导线上安装多个传感器，增加了测量的工作量及不安全因素，另外导线安装过多的传感器将改变其原有的舞动规律，影响测量结果的有效性，故在运行现场大范围安装实施存在困难。

第二类：采用视频监控并对获取的图像进行处理获得导线舞动特性。按监测方法的不同可分为固定式和便携式监测设备：固定式监测装置即舞动在线监测系统，将摄像装置固定于杆塔某一位置获取导线舞动的整个视频图像，通过对视频图像进行处理获得监控范围内不同点的舞动特征；受摄像装置监控范围的限制，该方法目前只能获得可视范围内部分导线的舞动形态，而档距内导线较长，无法获得整个档距导线的舞动状况，也不能有效得到档距内导线的舞动严重程度。便携式监测设备即通过工作人员携带摄像装置对舞动导线的任意位置进行监测，通过分析监测图像获得监测点处导线舞动的性态；便携式设备虽然能有效获得档距内导线任意位置的舞动性态，但是对于导线舞动状况的监测依赖于人工对监测点的选择，如果不能有效选取舞动最严重点开展监测，则无法获得档距内导线的舞动严重程度。

发明内容

本发明的目的是提出一种基于视频监测技术的输电导线舞动幅值及频率的计算方法，其特征在于，包括：

1)输电导线舞动幅值的确定

(1)数据的采集：将输电线路杆塔上摄像机所拍摄的视频图像通过GPRS网络传送至控制中心；

(2)相关参数的确定：测量周围环境温度，环境湿度，风速；查找固定档距，摄像机所拍摄的视频图像一秒钟所得的视频图像帧数；

(3)数据图像分析：覆冰导线在风的激励作用下会发生周期性的舞动，在一个舞动周期内观测点会出现一次最高点和最低点，通过摄像机跟踪拍摄的视频图像，得到一个舞动周期内舞动最低点和最高点图像；

(4)图像分割，为了得到提取到比较好的图像边缘，使用K-means算法进行提取，即通过统计图像直方图获得几个离散的初始聚类中心，然后按照聚类内部相似性最大，聚类间相似性最小的原则进行分割；

(5)图像匹配，将预存于图像匹配系统中的基准图像与经过处理的图像进行匹配处理，找到与基准图像最相似的目标物的中心位置，先进行粗匹配得到些比较有可能是目标物的区域，然后在精确匹配，从而可以快速确定目标物的位置；

(6)依据导线舞动轨迹特征，结合导线l点处的舞动幅值A_l并据式(3)可计算得出档距内导线的最大舞动幅值A,

$A=\frac{A_l}{\cos \left(\frac{\mathrm{n\πl}}{L}\right)}---\left(3\right)$

其中：L为档距长度；

l为导线距离杆塔的距离；

A_l为离杆塔l距离处导线的舞动幅值

n为档距内导线舞动的半波数，其值取决于导线档距；当档距L<200m时，n取1；当200m<L<400m时，n取2；当L>400m时，n取3；

依据导线舞动轨迹特征及档距内导线的最大舞动幅值A，依据式(4)可得出档距内不同位置处导线的舞动状态：

$A(l,t)-A\cos \left(\frac{\mathrm{n\&pi;}}{L}l\right)\cos \mathrm{\&omega;t}---\left(4\right)$

其中：L为档距长度；

A(l,t)为导线l点处任意时刻t时的舞动幅值；

ω为档距内导线舞动的频率，其中ω＝2πf＝2π/T(T为周期)；

2)导线舞动频率的计算：

首先确定摄像机的频率，即每一秒钟摄像机拍摄的帧数，设为f_s；其次取一定时间内导线舞动的视频图像，记视频长度为t秒，则所取视频帧数n＝t·f_s个；其次对所取舞动视频所有帧进行扫描统计，找出舞动极大值点对应的帧的个数，记做N，这样求出舞动的周期T,

$T=\frac{N}{n}t---\left(5\right)$

则舞动的频率f就为周期T的倒数。

所述步骤1-(1)数据的采集：通过在杆塔每相导线正上方位置固定一个高清摄像装置，对档距内某一位置l点处导线开展全天候监测，并通过GPRS或CDMA方式传送至监控中心；

所述步骤1-(3)数据图像分析：覆冰导线在风的激励作用下会发生周期性的舞动，监控中心通过视频软件逐帧回放监控视频获取导线舞动至最高P₁及最低位置处P₂的视频图像，通过图像匹配技术获取P₁、P₂点的坐标P₁(x₁,y₁)、P₂(x₂,y₂)，通过式(1)计算获得导线在图像上的位移量d；

$d=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}---\left(1\right)$

其中x、y为监测图像上点的坐标；

所述步骤1-(4)同时对经过K-means方法分割后的目标图像进行纵向扫描，，并据式(2)获取导线l点处的舞动幅值A_x，

A_l＝Dd/H               (2)

其中：D为导线直径；H为导线对应的像素值；

本发明的有益效果是本发明以视频监测为基础，以输电导线舞动轨迹为手段，构建了一种输电导线舞动计算方法，全面掌握档距内导线的舞动性态及最大舞动幅值；该方法克服了现有舞动监测系统不能有效获得档距内导线舞动性态及最大舞动幅值的不足，使得测量结果更加准确、有效；

附图说明

图1为输电线路视频图像数据的采集示意图。

具体实施方式

本发明提出一种基于视频监测技术的输电导线舞动幅值及频率的计算方法，下面结合附图好实施例予以说明。

本发明提出的基于视频监测技术的输电导线舞动幅值及频率的计算方法具体包括：

1)输电导线舞动幅值的确定

(1)数据的采集：如图1所示的输电线路视频图像数据的采集示意图，通过在杆塔每相导线正上方位置固定一个高清摄像装置，对档距内某一位置l点处导线开展全天候监测，并通过GPRS或CDMA方式传送至监控中心；

(2)相关参数的确定：测量周围环境温度，环境湿度，风速；查找固定档距(即两个输电线路杆塔之间的距离)，摄像机所拍摄的视频图像一秒钟所得的视频图像帧数；

(3)数据图像分析：覆冰导线在风的激励作用下会发生周期性的舞动，在一个舞动周期内观测点会出现一次最高点和最低点，通过摄像机跟踪拍摄的视频图像，得到一个舞动周期内舞动最低点和最高点图像；并对两图像进行如下处理：

第一步：图像灰度化处理，公式如下：

Y＝0.229R+0.587G+0.114B

式中：Y代表灰度图像中像素点的灰度值；R、G、B分别表示红色、绿色和蓝色。

第二步：平滑滤波和直方图均衡化

通过平滑滤波可以去除孤立的噪声点，使图像亮度比较均匀平滑；通过直方图均衡化把原始图像的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从而可以达到增强图像整体对比度的效果。

监控中心通过视频软件逐帧回放监控视频获取导线舞动至最高P₁及最低位置处P₂的视频图像，通过图像匹配技术获取P₁、P₂点的坐标P₁(x₁,y₁)、P₂(x₂,y₂)，通过式(1)计算获得导线在图像上的位移量d；

$d=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}---\left(1\right)$

其中x、y为监测图像上点的坐标。

本发明通过视频图像跟踪一个36s的舞动视频，获得第334帧图像为一个最低点，经过半个周期后在第378帧到达舞动最高点的图像

(4)图像分割，为了得到提取到比较好的图像边缘，使用改进的K-means算法进行提取，即通过统计图像直方图获得几个离散的初始聚类中心，然后按照聚类内部相似性最大，聚类间相似性最小的原则进行分割；然后将预存于图像匹配系统中的基准图像与经过处理的图像进行匹配处理，找到与基准图像最相似的目标图像的中心位置，先进行粗匹配得到些比较有可能是目标图像的区域，然后在精确匹配，从而可以快速确定目标图像的位置；再将目标图像进行纵向扫描，获取监控图像中导线宽带对应的像素值H，并据式(2)获取导线l点处的舞动幅值A_l，

A_l＝Dd/H            (2)

其中：D为导线直径；H为导线对应的像素值；

(5)依据导线舞动轨迹特征，结合导线l点处的舞动幅值A_l并据式(3)可计算得出档距内导线的最大舞动幅值A,

$A=\frac{A_l}{\cos \left(\frac{\mathrm{n\&pi;l}}{L}\right)}---\left(3\right)$

其中：L为档距长度(即两个输电线路杆塔之间的距离)；

l为导线离杆塔的距离；

A_l为离杆塔l距离处导线的舞动幅值

n为档距内导线舞动的半波数，其值取决于导线档距；当档距L<200m时，n取1；当200m<L<400m时，n取2；当L>400m时，n取3；

依据导线舞动轨迹特征及档距内导线的最大舞动幅值A，依据式(4)可得出档距内不同位置处导线的舞动状态：

$A(l,t)-A\cos \left(\frac{\mathrm{n\&pi;}}{L}l\right)\cos \mathrm{\&omega;t}---\left(4\right)$

其中：L为档距长度；

l为导线离杆塔的距离；

A(l,t)为离杆塔l距离处导线t时刻的舞动幅值；

ω为档距内导线舞动的频率，其中ω＝2πf＝2π/T(T为周期)；

2)导线舞动频率的计算：

首先确定摄像机的频率，即每一秒钟摄像机拍摄的帧数，设为f_s；其次取一定时间内导线舞动的视频图像，记视频长度为t秒，则所取视频帧数n＝t·f_s个；其次对所取舞动视频所有帧进行扫描统计，找出舞动极大值点对应的帧的个数，记做N，这样求出舞动的周期T,

$T=\frac{N}{n}t---\left(5\right)$

则舞动的频率f就为周期T的倒数。

实施例

为了得到提取到比较好的图像边缘，使用改进的K-means算法进行提取，即通过统计图像直方图获得几个离散的初始聚类中心，然后按照聚类内部相似性最大，聚类间相似性最小的原则进行分割；然后将预存于图像匹配系统中的基准图像与经过处理的图像进行匹配处理。监控中心通过视频软件逐帧回放监控视频获取导线舞动至最高P₁及最低位置处P₂的视频图像；所述图像分割的具体步骤如下：

Step 1：令初始聚类中心数K＝2；

Step 2：扫描灰度图像得到灰度直方图，并获得初始聚类中心；

Step 3：把每个数据归类到距离最近的类中；

Step 4：更新聚类中心的值(求类中数据的均值)；

Step 5：重复步骤3和4，知道聚类中心的值不再改变，然后转到下一步；

Step 6：计算在k聚类个数情况下的聚类评价函数J(K)；

Step 7：保存评价函数值J(K)及对应的聚类中心，令K＝K+1，返回Step2，直到K等于给定的值(由于输电线路图像比较单调，最大K值取5即可)；

Step 8：得到最佳的聚类个数k、k个聚类中心以及每个类中的数据。

Step 9：根据获得的最佳聚类中心即可完成图像分割。

其中，评价函数J(K)定义如下：

$\begin{array}{cc}J\left(K\right)=\frac{\mathrm{between}\left(K\right)}{\mathrm{In}\_\mathrm{Cluster}\left(K\right)}& \mathrm{between}\left(K\right)=\frac{1}{K}\underset{i=2}{\overset{k}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{(x_1^j-x_i^j)}^2\end{array}$

式中 $\mathrm{In}\_\mathrm{Cluster}\left(K\right)=\frac{1}{n}\underset{i=1}{\overset{1}{\mathrm{\&Sigma;}}}\underset{x_p\&Element;z_j}{\mathrm{\&Sigma;}}{(x_p^m-z_j^m)}^2$ between(K)表示K个类之间的平均距离，x₁和x_i分别为第一个和第i个聚类中心；

In_Cluster(K)表示每一个类内的数据对象到其对应的聚类中心的距离总和的平均值，z_j为第j个聚类中心，x_p为第j个聚类中心的元素。

将预存于图像匹配系统中的基准图像与经过处理的图像进行匹配处理，具体过程如下：

(1)粗匹配阶段

计算总的匹配搜索次数(如对于大小分别为m×m和n×n的基准图与目标图像,则总的搜索次数为(m-n+1)×(m-n+1),进行循环递推匹配。考虑到图像灰度数据之间具有一定的相关性,搜索时可以隔n₁像素取基准子图进行匹配。经过粗匹配得到3～5个最优的匹配点,对应的基准子图作为候选配子图。

(2)精匹配阶段

在粗匹配阶段得到的各个匹配点周围适当展开进行搜索匹配(若粗匹配阶段是隔n₁像素进行搜索的,则在各匹配点周围展开的幅值为应在n₁/2到n₁的范围内)。所有度量值中,相似性值最大(即灰度值相差最小)的匹配位置便是最终的匹配结果。

输电导线舞动幅值和频率的计算：

通过图像灰度化、滤波、直方图均衡化、分割及图像匹配后的导线目标图像舞动最低、最高位置图分别如图1所示，其中通过图像匹配舞动最低点的目标图像位置P1的中心点坐标为(240，117)，舞动最高点的目标图像位置P2的中心点坐标为(235，92)。

依据式(1)，可知导线舞动图像位移为：d＝25.5；

实际导线直径为2.5cm，通过对图像像素扫描可知其对应像素为2，摄像装置距导线观测点距离l＝25米，据式(2)可知观测点处导线的舞动幅值为：

A_l＝2.5×25.5/2＝31.9cm；

监测导线的档距为300米，取半波数n为2，依据式(3)可知导线舞动的最大幅值：

$A=\frac{31.9}{\frac{\cos \mathrm{\&pi;}}{6}}=63.8\mathrm{cm}$

舞动频率分析：

图像监测系统采用每秒获取24帧图像，监测视频全长为36s，通过对监测视频进行回放发现导线舞动达到最大幅值的次数为18次，依据式(5)可知导线舞动周期T约为2s。

依据式(4)可知档距内不同位置处导线的舞动状态为：

$A(l,t)=\frac{63.8\cos l}{150}\cos \mathrm{\&pi;t}$

其中：单位为cm.

(3)舞动报警

当舞动超过预定的数值的时候，监控中心将发出报警信息，并将所测量和计算的数据保存到数据库中。

Claims (4)

1.一种基于视频监测技术的输电导线舞动幅值及频率的计算方法，其特征在于，包括：

1)输电导线舞动幅值的确定

(1)数据的采集：将输电线路杆塔上摄像机所拍摄的视频图像通过GPRS网络传送至控制中心；

(2)相关参数的确定：测量周围环境温度，环境湿度，风速；查找固定档距，摄像机所拍摄的视频图像一秒钟所得的视频图像帧数；

(3)数据图像分析：覆冰导线在风的激励作用下会发生周期性的舞动，在一个舞动周期内观测点会出现一次最高点和最低点，通过摄像机跟踪拍摄的视频图像，得到一个舞动周期内舞动最低点和最高点图像；

(4)图像分割，为了得到提取到比较好的图像边缘，使用改进的K-means算法进行提取，即通过统计图像直方图获得几个离散的初始聚类中心，然后按照聚类内部相似性最大，聚类间相似性最小的原则进行分割；

(5)图像匹配，将预存于图像匹配系统中的基准图像与经过处理的图像进行匹配处理，找到与基准图像最相似的目标物的中心位置，先进行粗匹配得到些比较有可能是目标物的区域，然后在精确匹配，从而可以快速确定目标物的位置；

(6)依据导线舞动轨迹特征，结合导线l点处的舞动幅值A_l并据式(3)可计算得出档距内导线的最大舞动幅值A,

$A=\frac{A_l}{\cos \left(\frac{\mathrm{n\&pi;l}}{L}\right)}---\left(3\right)$

其中：L为档距长度；

l为导线离杆塔的距离；

A_l为离杆塔l距离处导线的舞动幅值；

n为档距内导线舞动的半波数，其值取决于导线档距；当档距L<200m时，n取1；当200m<L<400m时，n取2；当L>400m时，n取3；

依据导线舞动轨迹特征及档距内导线的最大舞动幅值A，依据式(4)可得出档距内不同位置处导线的舞动状态：

$A(l,t)=A\cos \left(\frac{\mathrm{n\&pi;}}{L}l\right)\cos \mathrm{\&omega;t}---\left(4\right)$

其中：L为档距长度；

l为导线离杆塔的距离；

A(l,t)为离杆塔l距离处导线t时刻的舞动幅值；

ω为档距内导线舞动的频率，其中ω＝2πf＝2π/T(T为周期)；

2)导线舞动频率的计算：

首先确定摄像机的频率，即每一秒钟摄像机拍摄的帧数，设为f_s；其次取一定时间内导线舞动的视频图像，记视频长度为t秒，则所取视频帧数n＝t·f_s个；其次对所取舞动视频所有帧进行扫描统计，找出舞动极大值点对应的帧的个数，记做N，这样求出舞动的周期T,

$T=\frac{N}{n}t---\left(5\right)$

则舞动的频率f就为周期T的倒数。

2.根据权利要求1所述基于视频监测技术的输电导线舞动幅值及频率的计算方法，其特征在于，所述步骤1-(1)数据的采集：通过在杆塔每相导线正上方位置固定一个高清摄像装置，对档距内某一位置l点处导线开展全天候监测，并通过GPRS或CDMA方式传送至监控中心。

3.根据权利要求1所述基于视频监测技术的输电导线舞动幅值及频率的计算方法，其特征在于，所述步骤1-(3)数据图像分析：覆冰导线在风的激励作用下会发生周期性的舞动，监控中心通过视频软件逐帧回放监控视频获取导线舞动至最高P₁及最低位置处P₂的视频图像，通过图像匹配技术获取P₁、P₂点的坐标P₁(x₁,y₁)、P₂(x₂,y₂)，通过式(1)计算获得导线在图像上的位移量d；

$d=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}---\left(1\right)$

其中x、y为监测图像上点的坐标。

4.根据权利要求1所述基于视频监测技术的输电导线舞动幅值及频率的计算方法，其特征在于，所述步骤1-(4)同时对经过K-means方法分割后的目标图像进行纵向扫描，，并据式(2)获取导线l点处的舞动幅值A_l，

A_l＝Dd/H     (2)

其中：D为导线直径；H为导线对应的像素值。