CN112070783A - 一种输电线路绝缘子串的风偏检测方法及装置 - Google Patents

一种输电线路绝缘子串的风偏检测方法及装置 Download PDF

Info

Publication number
CN112070783A
CN112070783A CN202010930131.5A CN202010930131A CN112070783A CN 112070783 A CN112070783 A CN 112070783A CN 202010930131 A CN202010930131 A CN 202010930131A CN 112070783 A CN112070783 A CN 112070783A
Authority
CN
China
Prior art keywords
image
wind deflection
insulator string
end point
string
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010930131.5A
Other languages
English (en)
Inventor
赵伟
董军
陈睿
李言武
陈荣盛
覃思翔
樊柄宏
吴昊
邱子针
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianshengqiao Bureau of Extra High Voltage Power Transmission Co
Original Assignee
Tianshengqiao Bureau of Extra High Voltage Power Transmission Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianshengqiao Bureau of Extra High Voltage Power Transmission Co filed Critical Tianshengqiao Bureau of Extra High Voltage Power Transmission Co
Priority to CN202010930131.5A priority Critical patent/CN112070783A/zh
Publication of CN112070783A publication Critical patent/CN112070783A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Water Supply & Treatment (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种输电线路绝缘子串的风偏检测方法及装置，方法包括：对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取第一绝缘串子图像的边缘轮廓位置；基于第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量；将第一风偏角与最大风偏角进行对比，判断是否超过最大风偏角；以及将第一风偏量与最大风偏量进行对比，判断是否超过最大风偏量，若至少有一个判断结果为是，发送报警提示，通过本申请实施例中的技术方案，可以减小计算复杂程度，也可以提高计算精度，为输电线路的安全运行提供有利保障。

Description

一种输电线路绝缘子串的风偏检测方法及装置
技术领域
本发明涉及输电线路在线监测技术领域，具体而言，涉及一种输电线路绝缘子串的风偏检测方法及装置。
背景技术
近年来，输电线路风偏闪络事故频繁发生，已经严重威胁到电网的安全运行。尤其是风偏跳闸现象，往往会使线路重合不易成功，一旦发生风偏故障，将会造成重大的经济损失；而且在事故发生后，很难判断出故障发生地点，这就给维修工作带来很大的麻烦。因此，对输电线路风偏监测就显得尤为重要。其中，绝缘子串风偏是在风力作用下，绝缘子串相对于杆塔发生的倾斜角度，是造成风偏跳闸事故的最主要因素。
目前，常用的绝缘子串风偏监测方法主要是利用安装倾角传感器进行检测，或者通过测量绝缘子串附近的风速、风向、温度及湿度等环境参数，将绝缘子串简化建立刚性直杆模型或弦多边形模型利用风偏计算公式来计算风偏角。这些方法一方面需要复杂的力学分析，计算量大，另一方面由于传感器精度或数学模型制约，不能将影响风偏的全部因素都考虑进去，会存在一定误差。
发明内容
本申请的目的在于提供一种输电线路绝缘子串的风偏检测方法及装置，用以有效的改善现有技术中存在的计算原理及运算过程复杂，运算精度不高的技术缺陷。
第一方面，本申请实施例提供了一种输电线路绝缘子串的风偏检测方法，方法包括：对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取第一绝缘串子图像的边缘轮廓位置；基于第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量；将第一风偏角与最大风偏角进行对比，判断是否超过最大风偏角；以及将第一风偏量与最大风偏量进行对比，判断是否超过最大风偏量，若至少有一个判断结果为是，发送报警提示。
结合第一方面，在第一种可能的实现方式中，对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取所述第一绝缘串子图像的边缘轮廓位置，包括：确定第一绝缘串子图像的灰度图I(P，Q)，以及确定灰度图I的二维无向图G(V，E)，其中，P用于表示灰度图I的宽度像素值，Q用于表示灰度图I的高度像素值，V用于表示像素点集合，E用于表示边集合；灰度图I中存在m只蚂蚁，控制每只蚂蚁移动，其中，每只蚂蚁移动一次表示一次迭代；一只蚂蚁经过n次迭代，蚂蚁从第一像素点(i,j)移动到第二像素点(s,t)的状态转移概率函数为
Figure BDA0002669926590000021
其中，α表示信息素影响因子，β表示启发式引导函数的影响因子，
Figure BDA0002669926590000022
表示经过n-1次迭代后第一像素点(i,j)的信息素浓度大小，
Figure BDA0002669926590000023
表示蚂蚁可以移动的像素点的集合，ηij表示第一像素点(i,j)处的启发式引导函数，启发式引导函数的计算式为
Figure BDA0002669926590000024
Vc(I(i,j))表示第一像素点(i,j)邻域互为对角线节点的灰度值差之和；m只蚂蚁完成一次迭代后，对信息素矩阵进行一次更新，更新计算式为
Figure BDA0002669926590000025
其中，ρ是信息素挥发系数，
Figure BDA0002669926590000031
是第k只蚂蚁在本次迭代中节点(i,j)的信息素增量；判断m只蚂蚁的迭代总次数是否达到最大迭代次数，若是，终止迭代；判断每一像素点对应的信息素矩阵的信息素浓度τ是否大于第一阈值，若是，将该像素点确定为边缘点，获得第一绝缘串子图像的边缘轮廓位置。
结合第一方面，在第二种可能的实现方式中，基于所述第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量，包括：基于第一绝缘串子图像的边缘轮廓位置，将具有最大纵坐标值的点确定为第一坐标端点(x1,y1)，将具有最小横坐标值的点确定为第二坐标端点(x2,y2)；根据第一预设运算式，计算获得第一风偏角θ，根据第二预设运算式，计算获得第一风偏量d，其中，第一预设运算式为θ＝arctan(x1-x2)/(y1-y2)，第二预设运算式为d＝Lsinθ，L为绝缘子串的长度。
结合第一方面，在第三种可能的实现方式中，在对经过预处理获得的第一绝缘串子图像之前，方法还包括：通过设置在杆塔上的CCD工业相机采集输电线路绝缘子串的图像信号；控制装置通过无线通讯实时将图像信号传输至监控中心。
结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，对经过预处理获得的第一绝缘串子图像，包括：将从监控中心获得绝缘子串的图像信号确定为目标检测图像；对目标检测图像进行中值滤波，用于去除椒盐噪声，获得第一检测图像；对第一检测图像进行频域图像增强处理，获得第二检测图像；对第二检测图像使用小波变换去雾算法进行图像去雾操作，得到第一绝缘串子图像。
第二方面，本申请实施例提供了一种输电线路绝缘子串的风偏检测装置，装置包括：处理模块，用于对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取第一绝缘串子图像的边缘轮廓位置；以及还用于基于第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量；判断模块，用于将第一风偏角与最大风偏角进行对比，判断是否超过最大风偏角；以及将第一风偏量与最大风偏量进行对比，判断是否超过最大风偏量；报警模块，用于在至少有一个判断结果为是时，发送报警提示。
结合第二方面，在第一种可能的实现方式中，处理模块还用于，确定第一绝缘串子图像的灰度图I(P，Q)，以及确定灰度图I的二维无向图G(V，E)，其中，P用于表示灰度图I的宽度像素值，Q用于表示灰度图I的高度像素值，V用于表示像素点集合，E用于表示边集合；灰度图I中存在m只蚂蚁，控制每只蚂蚁移动，其中，每只蚂蚁移动一次表示一次迭代；一只蚂蚁经过n次迭代，蚂蚁从第一像素点(i,j)移动到第二像素点(s,t)的状态转移概率函数为
Figure BDA0002669926590000041
其中，α表示信息素影响因子，β表示启发式引导函数的影响因子，
Figure BDA0002669926590000042
表示经过n-1次迭代后第一像素点(i,j)的信息素浓度大小，
Figure BDA0002669926590000043
表示蚂蚁可以移动的像素点的集合，ηij表示第一像素点(i,j)处的启发式引导函数，启发式引导函数的计算式为
Figure BDA0002669926590000044
Vc(I(i,j))表示第一像素点(i,j)邻域互为对角线节点的灰度值差之和；m只蚂蚁完成一次迭代后，对信息素矩阵进行一次更新，更新计算式为
Figure BDA0002669926590000045
其中，ρ是信息素挥发系数，
Figure BDA0002669926590000046
是第k只蚂蚁在本次迭代中节点(i,j)的信息素增量；判断m只蚂蚁的迭代总次数是否达到最大迭代次数，若是，终止迭代；判断每一像素点对应的信息素矩阵的信息素浓度τ是否大于第一阈值，若是，将该像素点确定为边缘点，获得第一绝缘串子图像的边缘轮廓位置。
结合第二方面，在第二种可能的实现方式中，处理模块还用于，基于第一绝缘串子图像的边缘轮廓位置，将具有最大纵坐标值的点确定为第一坐标端点(x1,y1)，将具有最小横坐标值的点确定为第二坐标端点(x2,y2)；根据第一预设运算式，计算获得第一风偏角θ，根据第二预设运算式，计算获得第一风偏量d，其中，第一预设运算式为θ＝arctan(x1-x2)/(y1-y2)，第二预设运算式为d＝Lsinθ，L为绝缘子串的长度。
结合第二方面，在第三种可能的实现方式中，处理模块还用于,将从监控中心获得绝缘子串的图像信号确定为目标检测图像；对目标检测图像进行中值滤波，用于去除椒盐噪声，获得第一检测图像；对第一检测图像进行频域图像增强处理，获得第二检测图像；对第二检测图像使用小波变换去雾算法进行图像去雾操作，得到第一绝缘串子图像。
与现有技术相比，本申请实施例具有的有益效果在于：通过CCD工业相机实时采集绝缘子串风偏图像，并且通过图像处理的方法，提取绝缘子串的特征参数，通过计算实时检测绝缘子串风偏角和风偏量，这既可以大大减小计算复杂程度，也可以提高计算精度，为输电线路的安全运行提供有利保障。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种输电线路绝缘子串的风偏检测方法的流程示意图；
图2为本申请实施例提供的一种输电线路绝缘子串的风偏检测装置的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参阅图1，图1为本申请实施例提供的一种输电线路绝缘子串的风偏检测方法的流程示意图。在本申请实施例，输电线路绝缘子串的风偏检测方法包括：步骤S11、步骤S12和步骤S13。
步骤S11:对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取第一绝缘串子图像的边缘轮廓位置；
步骤S12：基于第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量；
步骤S13：将第一风偏角与最大风偏角进行对比，判断是否超过最大风偏角；以及将第一风偏量与最大风偏量进行对比，判断是否超过最大风偏量，若至少有一个判断结果为是，发送报警提示。
在步骤S11之前，方法还包括：通过设置在杆塔上的CCD工业相机采集输电线路绝缘子串的图像信号；控制装置通过无线通讯实时将图像信号传输至监控中心。可选地，控制装置采用FPGA处理器，无线通讯传输采用GPRS+WiFi，通过VPN通道发送数据至监控中心。
对经过预处理获得的第一绝缘串子图像，包括：将从监控中心获得绝缘子串的图像信号确定为目标检测图像；对目标检测图像进行中值滤波，用于去除椒盐噪声，获得第一检测图像；对第一检测图像进行频域图像增强处理，获得第二检测图像；对第二检测图像使用小波变换去雾算法进行图像去雾操作，得到第一绝缘串子图像。
详细地，中值滤波的运算式为：
y(i，j)＝midian(x(i-1，j-1)，x(i-1，j)，x(i-1，j+1)，x(i，j-1)，x(i，j)，x(i，j+1)，x(i+1，j-1)，x(i+1，j)，x(i+1，j+1))
其中，x(i,j)是目标检测图像中坐标节点为(i,j)的像素灰度值，下标表示像素点坐标，y(i,j)是校正后的像素灰度值。
对第一检测图像进行图像增强处理，具体地，采用频域图像增强处理。具体算法为：首先对第一检测图像f(x,y)进行傅里叶变换，将其从空域变为频域F(u,v)，然后对傅里叶变换后的F(u,v)使用滤波函数H(u,v)进行滤波，得到G(u,v)，最终对G(u,v)再进行傅里叶逆变换得到所要的增强图像g(x,y)，表达式为：g(x,y)＝F-1(G(u,v))＝F-1(H(u,v)×F(u,v))。
对第二检测图像进行去雾操作，可选地，去雾算法可以为小波变换去雾算法，具体过程为：对频域中图像做小波多尺度变换，然后对分解的高频和低频系数进行操作，最终使用小波重构来实现图像去雾。它对于阴天或者光照不均匀情况下的图像暗淡有很好的提亮效果。
步骤S11:对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取第一绝缘串子图像的边缘轮廓位置。
详细地，确定第一绝缘串子图像的灰度图I(P，Q)，以及确定灰度图I的二维无向图G(V，E)，其中，P用于表示灰度图I的宽度像素值，Q用于表示灰度图I的高度像素值，V用于表示像素点集合，E用于表示边集合；灰度图I中存在m只蚂蚁，控制每只蚂蚁移动，其中，每只蚂蚁移动一次表示一次迭代；一只蚂蚁经过n次迭代，蚂蚁从第一像素点(i,j)移动到第二像素点(s,t)的状态转移概率函数为
Figure BDA0002669926590000081
其中，α表示信息素影响因子，β表示启发式引导函数的影响因子，
Figure BDA0002669926590000082
表示经过n-1次迭代后第一像素点(i,j)的信息素浓度大小，
Figure BDA0002669926590000083
表示蚂蚁可以移动的像素点的集合，ηij表示第一像素点(i,j)处的启发式引导函数，启发式引导函数的计算式为
Figure BDA0002669926590000084
Vc(I(i,j))表示第一像素点(i,j)邻域互为对角线节点的灰度值差之和；m只蚂蚁完成一次迭代后，对信息素矩阵进行一次更新，更新计算式为
Figure BDA0002669926590000085
其中，ρ是信息素挥发系数，
Figure BDA0002669926590000086
是第k只蚂蚁在本次迭代中节点(i,j)的信息素增量；判断m只蚂蚁的迭代总次数是否达到最大迭代次数，若是，终止迭代；判断每一像素点对应的信息素矩阵的信息素浓度τ是否大于第一阈值，若是，将该像素点确定为边缘点，获得第一绝缘串子图像的边缘轮廓位置。
在本申请实施例中，在获得第一绝缘串子图像后，获得第一绝缘串子图像的灰度图I(P，Q)，灰度图的像素大小为P*Q，V(i,j)表示第i行，第j列的像素点，I(i,j)为其灰度值大小，其中1≤i≤P，1≤j≤Q。
初始化相关参数，包括：在灰度图I中随机放置m只蚂蚁，其中，
Figure BDA0002669926590000087
预设m只蚂蚁的迭代总次数为Z；初始化信息素矩阵，信息素矩阵为τ，信息素矩阵表示全局的信息素信息，τij表示在像素点V(i,j)的信息素浓度，初始化时令τij＝c，其中c是一个常数，优选地，c的取值范围为0.0001至0.0005；以及计算启发式引导函数即启发式矩阵。
假设，m只蚂蚁中存在一只蚂蚁k，蚂蚁k每移动一次就代表迭代一次，每次迭代，信息素矩阵就会更新。判断所有蚂蚁完成一次迭代，若是信息素矩阵将会更新，再判断m只蚂蚁总共迭代的次数是否达到预设的迭代总次数Z，若否，根据转移概率每只蚂蚁行走一步，直至完成Z次迭代；若是，将会停止迭代，并将迭代结束时的信息素矩阵中每个点的信息素浓度τ与第一阈值T进行比较，若τ大于T就说明为边缘点，若τ小于T就说明不为边缘点，根据该判断条件，获得边缘点的曲线，集合获得第一绝缘串子图像的边缘轮廓位置。
步骤S12：基于第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量。
详细地，基于第一绝缘串子图像的边缘轮廓位置，将具有最大纵坐标值的点确定为第一坐标端点(x1,y1)，将具有最小横坐标值的点确定为第二坐标端点(x2,y2)；根据第一预设运算式，计算获得第一风偏角θ，根据第二预设运算式，计算获得第一风偏量d，其中，第一预设运算式为θ＝arctan(x1-x2)/(y1-y2)，第二预设运算式为d＝Lsinθ，L为绝缘子串的长度。
步骤S13：将第一风偏角与最大风偏角进行对比，判断是否超过最大风偏角；以及将第一风偏量与最大风偏量进行对比，判断是否超过最大风偏量，若至少有一个判断结果为是，发送报警提示。
详细地，最大风偏角为通过相关标准或规程中规定的最大风偏角和最大风偏量来确定的。当判断结果为第一风偏角大于最大风偏角；或者判断结果为第一风偏量大于最大风偏量；或者判断结果为第一风偏角大于最大风偏角以及判断结果为第一风偏量大于最大风偏量时，发送报警提示，提醒相关工作人员进行相关的维护。
请参阅图2，本申请实施例还提供了一种输电线路绝缘子串的风偏检测装置10，装置包括：
处理模块110，用于对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取第一绝缘串子图像的边缘轮廓位置；以及还用于，
基于第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量；
判断模块120，用于将第一风偏角与最大风偏角进行对比，判断是否超过最大风偏角；以及将第一风偏量与最大风偏量进行对比，判断是否超过最大风偏量；
报警模块130，用于在至少有一个判断结果为是时，发送报警提示。
综上所述，本申请实施例提供一种输电线路绝缘子串的风偏检测方法，方法包括：对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取第一绝缘串子图像的边缘轮廓位置；基于第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量；将第一风偏角与最大风偏角进行对比，判断是否超过最大风偏角；以及将第一风偏量与最大风偏量进行对比，判断是否超过最大风偏量，若至少有一个判断结果为是，发送报警提示，通过本申请实施例中的技术方案，可以减小计算复杂程度，也可以提高计算精度，为输电线路的安全运行提供有利保障。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种输电线路绝缘子串的风偏检测方法，其特征在于，所述方法包括：
对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取所述第一绝缘串子图像的边缘轮廓位置；
基于所述第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量；
将所述第一风偏角与最大风偏角进行对比，判断是否超过所述最大风偏角；以及将所述第一风偏量与最大风偏量进行对比，判断是否超过所述最大风偏量，若至少有一个判断结果为是，发送报警提示。
2.根据权利要求1所述的输电线路绝缘子串的风偏检测方法，其特征在于，所述对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取所述第一绝缘串子图像的边缘轮廓位置，包括：
确定所述第一绝缘串子图像的灰度图I(P，Q)，以及确定所述灰度图I的二维无向图G(V，E)，其中，P用于表示灰度图I的宽度像素值，Q用于表示灰度图I的高度像素值，V用于表示像素点集合，E用于表示边集合；
所述灰度图I中存在m只蚂蚁，控制每只蚂蚁移动，其中，每只蚂蚁移动一次表示一次迭代；
一只蚂蚁经过n次迭代，蚂蚁从第一像素点(i,j)移动到第二像素点(s,t)的状态转移概率函数为
Figure FDA0002669926580000021
其中，α表示信息素影响因子，β表示启发式引导函数的影响因子，
Figure FDA0002669926580000022
表示经过n-1次迭代后第一像素点(i,j)的信息素浓度大小，
Figure FDA0002669926580000023
表示蚂蚁可以移动的像素点的集合，ηij表示第一像素点(i,j)处的启发式引导函数，启发式引导函数的计算式为
Figure FDA0002669926580000024
Vc(I(i,j))表示第一像素点(i,j)邻域互为对角线节点的灰度值差之和；
m只蚂蚁完成一次迭代后，对信息素矩阵进行一次更新，更新计算式为
Figure FDA0002669926580000025
其中，ρ是信息素挥发系数，
Figure FDA0002669926580000026
是第k只蚂蚁在本次迭代中节点(i,j)的信息素增量；
判断m只蚂蚁的迭代总次数是否达到最大迭代次数，若是，终止迭代；
判断每一像素点对应的信息素矩阵的信息素浓度τ是否大于第一阈值，若是，将该像素点确定为边缘点，获得所述第一绝缘串子图像的边缘轮廓位置。
3.根据权利要求2所述的输电线路绝缘子串的风偏检测方法，其特征在于，所述基于所述第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量，包括：
基于所述第一绝缘串子图像的边缘轮廓位置，将具有最大纵坐标值的点确定为所述第一坐标端点(x1,y1)，将具有最小横坐标值的点确定为所述第二坐标端点(x2,y2)；
根据第一预设运算式，计算获得第一风偏角θ，根据第二预设运算式，计算获得第一风偏量d，其中，所述第一预设运算式为θ＝arctan(x1-x2)/(y1-y2)，所述第二预设运算式为d＝Lsinθ，L为绝缘子串的长度。
4.根据权利要求1所述的输电线路绝缘子串的风偏检测方法，其特征在于，在所述对经过预处理获得的第一绝缘串子图像之前，所述方法还包括：
通过设置在杆塔上的CCD工业相机采集输电线路绝缘子串的图像信号；
控制装置通过无线通讯实时将图像信号传输至监控中心。
5.根据权利要求4所述的输电线路绝缘子串的风偏检测方法，其特征在于，所述对经过预处理获得的第一绝缘串子图像，包括：
将从所述监控中心获得绝缘子串的图像信号确定为目标检测图像；
对所述目标检测图像进行中值滤波，用于去除椒盐噪声，获得第一检测图像；
对所述第一检测图像进行频域图像增强处理，获得第二检测图像；
对所述第二检测图像使用小波变换去雾算法进行图像去雾操作，得到所述第一绝缘串子图像。
6.一种输电线路绝缘子串的风偏检测装置，其特征在于，所述装置包括：
处理模块，用于对经过预处理获得的第一绝缘串子图像，采用蚁群算法进行边缘检测，提取所述第一绝缘串子图像的边缘轮廓位置；以及还用于；
基于所述第一绝缘串子图像的边缘轮廓位置，确定出绝缘子串的上端点的第一坐标端点和下端点的第二坐标端点，根据预设运算式计算获得当前状态下绝缘子串的第一风偏角和第一风偏量；
判断模块，用于将所述第一风偏角与最大风偏角进行对比，判断是否超过所述最大风偏角；以及将所述第一风偏量与最大风偏量进行对比，判断是否超过所述最大风偏量；
报警模块，用于在至少有一个判断结果为是，发送报警提示。
7.根据权利要求6所述的输电线路绝缘子串的风偏检测装置，其特征在于，所述处理模块还用于：
确定所述第一绝缘串子图像的灰度图I(P，Q)，以及确定所述灰度图I的二维无向图G(V，E)，其中，P用于表示灰度图I的宽度像素值，Q用于表示灰度图I的高度像素值，V用于表示像素点集合，E用于表示边集合；
所述灰度图I中存在m只蚂蚁，控制每只蚂蚁移动，其中，每只蚂蚁移动一次表示一次迭代；
一只蚂蚁经过n次迭代，蚂蚁从第一像素点(i,j)移动到第二像素点(s,t)的状态转移概率函数为
Figure FDA0002669926580000041
其中，α表示信息素影响因子，β表示启发式引导函数的影响因子，
Figure FDA0002669926580000042
表示经过n-1次迭代后第一像素点(i,j)的信息素浓度大小，
Figure FDA0002669926580000043
表示蚂蚁可以移动的像素点的集合，ηij表示第一像素点(i,j)处的启发式引导函数，启发式引导函数的计算式为
Figure FDA0002669926580000051
Vc(I(i,j))表示第一像素点(i,j)邻域互为对角线节点的灰度值差之和；
m只蚂蚁完成一次迭代后，对信息素矩阵进行一次更新，更新计算式为
Figure FDA0002669926580000052
其中，ρ是信息素挥发系数，
Figure FDA0002669926580000053
是第k只蚂蚁在本次迭代中节点(i,j)的信息素增量；
判断m只蚂蚁的迭代总次数是否达到最大迭代次数，若是，终止迭代；
判断每一像素点对应的信息素矩阵的信息素浓度τ是否大于第一阈值，若是，将该像素点确定为边缘点，获得所述第一绝缘串子图像的边缘轮廓位置。
8.根据权利要求6所述的电线路绝缘子串的风偏检测装置，其特征在于，所述处理模块还用于：
基于所述第一绝缘串子图像的边缘轮廓位置，将具有最大纵坐标值的点确定为所述第一坐标端点(x1,y1)，将具有最小横坐标值的点确定为所述第二坐标端点(x2,y2)；
根据第一预设运算式，计算获得第一风偏角θ，根据第二预设运算式，计算获得第一风偏量d，其中，所述第一预设运算式为θ＝arctan(x1-x2)/(y1-y2)，所述第二预设运算式为d＝Lsinθ，L为绝缘子串的长度。
9.根据权利要求6所述的电线路绝缘子串的风偏检测装置，其特征在于，所述处理模块还用于：
将从监控中心获得绝缘子串的图像信号确定为目标检测图像；
对所述目标检测图像进行中值滤波，用于去除椒盐噪声，获得第一检测图像；
对所述第一检测图像进行频域图像增强处理，获得第二检测图像；
对所述第二检测图像使用小波变换去雾算法进行图像去雾操作，得到所述第一绝缘串子图像。
CN202010930131.5A 2020-09-07 2020-09-07 一种输电线路绝缘子串的风偏检测方法及装置 Pending CN112070783A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010930131.5A CN112070783A (zh) 2020-09-07 2020-09-07 一种输电线路绝缘子串的风偏检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010930131.5A CN112070783A (zh) 2020-09-07 2020-09-07 一种输电线路绝缘子串的风偏检测方法及装置

Publications (1)

Publication Number Publication Date
CN112070783A true CN112070783A (zh) 2020-12-11

Family

ID=73663883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010930131.5A Pending CN112070783A (zh) 2020-09-07 2020-09-07 一种输电线路绝缘子串的风偏检测方法及装置

Country Status (1)

Country Link
CN (1) CN112070783A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114353880A (zh) * 2022-01-21 2022-04-15 国网河南省电力公司电力科学研究院 一种耐张绝缘子串风致振动在线监测系统及方法
CN116596908A (zh) * 2023-05-30 2023-08-15 南京亦鑫同电气有限责任公司 基于数据处理的电线电缆安全状态评估方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103063166A (zh) * 2013-01-05 2013-04-24 山西省电力公司大同供电分公司 悬式复合绝缘子串风偏角的检测方法及装置
CN106595593A (zh) * 2016-11-10 2017-04-26 西安工程大学 基于椭圆特征拟合的悬垂绝缘子串风偏监测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103063166A (zh) * 2013-01-05 2013-04-24 山西省电力公司大同供电分公司 悬式复合绝缘子串风偏角的检测方法及装置
CN106595593A (zh) * 2016-11-10 2017-04-26 西安工程大学 基于椭圆特征拟合的悬垂绝缘子串风偏监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
逯冉冉: "基于图像的输电线路绝缘子串风偏检测方法研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 01, pages 042 - 321 *
逯海军等: "基于不变性广义霍夫变换的绝缘子串风偏角检测", 水电能源科学, vol. 31, no. 10, pages 185 - 188 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114353880A (zh) * 2022-01-21 2022-04-15 国网河南省电力公司电力科学研究院 一种耐张绝缘子串风致振动在线监测系统及方法
CN116596908A (zh) * 2023-05-30 2023-08-15 南京亦鑫同电气有限责任公司 基于数据处理的电线电缆安全状态评估方法及系统
CN116596908B (zh) * 2023-05-30 2024-02-06 南京亦鑫同电气有限责任公司 基于数据处理的电线电缆安全状态评估方法及系统

Similar Documents

Publication Publication Date Title
US20190285517A1 (en) Method for evaluating health status of mechanical equipment
CN108038846A (zh) 基于多层卷积神经网络的输电线路设备图像缺陷检测方法及系统
CN101556142B (zh) 架空线路覆冰厚度的视觉检测方法
CN110930265B (zh) 一种基于移地距离的电力系统虚假数据注入攻击检测方法
CN106595593B (zh) 基于椭圆特征拟合的悬垂绝缘子串风偏监测方法
CN112070783A (zh) 一种输电线路绝缘子串的风偏检测方法及装置
CN107843818B (zh) 基于异源图像温升与局部放电特征高压绝缘故障诊断方法
CN110458157B (zh) 一种电力电缆生产过程智能监控系统
CN110264448A (zh) 一种基于机器视觉的绝缘子故障检测方法
CN110260774B (zh) 一种基于Pettitt算法的GNSS变形信息检验与预警方法
CN110530876B (zh) 基于长短期记忆神经网络的绝缘子污秽度发展预测方法
CN110705759B (zh) 水位预警监控方法、装置、存储介质及电子设备
CN117274722B (zh) 基于红外图像的配电箱智能检测方法
CN107703554A (zh) 多通道毫米波辐射计温湿廓线反演系统及其反演方法
CN115035182B (zh) 一种山区滑坡灾害预警方法及系统
CN108229524A (zh) 一种基于遥感图像的烟囱和冷凝塔检测方法
CN103852018A (zh) 基于图像处理的输电线路覆冰厚度测量算法
CN115082849B (zh) 基于深度学习的模板支架安全智能监测方法
CN107222169B (zh) 一种基于离群点检测的光伏阵列实时监控与故障检测方法
CN113657217A (zh) 一种基于改进的bp神经网络的混凝土状态识别模型
CN109827662B (zh) 基于逆高斯分布低值绝缘子红外检测温度阈值的判定方法
CN110290118A (zh) 一种基于隐马尔可夫模型的重复加工过程隐蔽性攻击检测方法
CN115455791B (zh) 一种基于数值模拟技术提高滑坡位移预测准确率的方法
CN116309447B (zh) 一种基于深度学习的水坝斜坡裂缝检测方法
CN107230217A (zh) 一种基于图像及灰色预测的输电线路山火预警方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination