CN117928451A - 高温大负荷工况下的输电线路导线弧垂的监测方法及系统 - Google Patents
高温大负荷工况下的输电线路导线弧垂的监测方法及系统 Download PDFInfo
- Publication number
- CN117928451A CN117928451A CN202410015769.4A CN202410015769A CN117928451A CN 117928451 A CN117928451 A CN 117928451A CN 202410015769 A CN202410015769 A CN 202410015769A CN 117928451 A CN117928451 A CN 117928451A
- Authority
- CN
- China
- Prior art keywords
- sag
- wire
- adjacent
- image
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000004020 conductor Substances 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 40
- 230000005540 biological transmission Effects 0.000 title claims abstract description 37
- 230000000007 visual effect Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 53
- 239000000725 suspension Substances 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000004040 coloring Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000004042 decolorization Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Electric Cable Installation (AREA)
Abstract
本发明实施例提供一种高温大负荷工况下的输电线路导线弧垂的监测方法及系统，属于输电线路导线弧垂监测技术领域。所述监测方法包括构建用于识别输电线路的导线弧垂图像中电力杆塔悬挂导线的悬挂点、电力杆塔的顶点和底点的模型；获取当前待监测的导线弧垂的多个视角的实时图像；本发明通过获取导线弧垂的实时图像，并识别实时图像中电力杆塔的悬挂点、定点以及底点，先筛选出可用图像，再根据可用图像中导线坐标获得导线弧垂的最低点，进而可以求得导线的弧垂值，该种方式有效获得导线弧垂值，且操作简单，测量效率高。
Description
技术领域
本发明涉及输电线路导线弧垂监测技术领域，具体地涉及一种高温大负荷工况下的输电线路导线弧垂的监测方法及系统。
背景技术
弧垂是指在平坦地面上，相邻两基电杆上导线悬挂高度相同时，导线最低点与两悬挂点间连线的垂直距离。一般地，当输电距离较远时，由于导线自重，会形成轻微的弧垂，使导线呈悬链线的形状。具体地，弧垂分两种情况，一是导线的两端相邻的电杆悬挂点高度相同，此时仅有一个弧垂值；二是导线的两端相邻的电杆悬挂点高度不同，此时有两个弧垂值，即导线的两个悬挂点各自的水平方向至导线最低点的铅锤距离。
目前，为了保障电网系统的安全稳定运行，需要对导线的弧垂进行定期检测。对于弧垂的测算，一般在现场采用辅助装置进行测量，但是现场测量的方式，需要投入的大量的人力、物力以及时间，且测算效率低。
本申请发明人在实现本发明的过程中发现，现有技术的上述方案具有需要耗费大量人力、物力和时间，且测算效率低的缺陷。
发明内容
本发明实施例的目的是提供一种高温大负荷工况下的输电线路导线弧垂的监测方法及系统，该高温大负荷工况下的输电线路导线弧垂的监测方法及系统具有测算简单且效率高。
为了实现上述目的，本发明实施例提供一种高温大负荷工况下的输电线路导线弧垂的监测方法，包括：
构建用于识别输电线路的导线弧垂图像中电力杆塔悬挂导线的悬挂点、电力杆塔的顶点和底点的模型；
获取当前待监测的导线弧垂的多个视角的实时图像；
构建每个所述实时图像的坐标系，其中，所述坐标系的原点位于所述实时图像的左下角处；
将所述实时图像输入至所述模型中，以获取所述实时图像中相邻两个所述电力杆塔的悬挂点、顶点以及底点的坐标；
根据所述实时图像中相邻两个所述电力杆塔的顶点以及底点的坐标确定可用图像；
获取每个所述可用图像中相邻两个所述电力杆塔之间的多个导线坐标；
根据每个所述可用图像中的多个所述导线坐标获取对应所述导线弧垂的最低点坐标；
根据每个所述可用图像中相邻两个所述电力杆塔的顶点、底点以及所述导线弧垂的最低点坐标获取导线弧垂值。
可选地，构建用于识别输电线路的导线弧垂图像中电力杆塔悬挂导线的悬挂点、电力杆塔的顶点和底点的模型包括：
构建输电线路的导线弧垂的神经网络模型；
获取所述导线弧垂图像的训练样本集；
根据所述训练样本集对所述导线弧垂的神经网络模型进行训练。
可选地，根据所述实时图像中相邻两个所述电力杆塔的顶点以及底点的坐标确定可用图像包括：
根据公式(1)计算相邻的其中一个所述电力杆塔的垂直高度，
h1＝ya1-yb1， (1)
其中，h1为相邻的其中一个所述电力杆塔的垂直高度，ya1为相邻的其中一个所述电力杆塔的顶点的纵坐标，yb1为相邻的其中一个所述电力杆塔的底点的纵坐标；
根据公式(2)计算相邻的另外一个所述电力杆塔的垂直高度，
h2＝ya2-yb2， (2)
其中，h2为相邻的另外一个所述电力杆塔的垂直高度，ya2为相邻的另外一个所述电力杆塔的顶点的纵坐标，yb2为相邻的另外一个所述电力杆塔的底点的纵坐标。
可选地，根据所述实时图像中相邻两个所述电力杆塔的顶点以及底点的坐标确定可用图像还包括：
获取相邻的两个所述电力杆塔的实际垂直高度；
根据公式(3)计算所述实时图像的视角误差值，
其中，H1为相邻的其中一个所述电力杆塔的实际垂直高度，H2为相邻的另外一个所述电力杆塔的实际垂直高度，σ为所述实时图像的视角误差值；
判断所述实时图像的视角误差值是否小于误差阈值；
在判断所述实时图像的视角误差值小于所述误差阈值时，判定所述实时图像为可用图像；
在判断所述实时图像的视角误差值大于或等于所述误差阈值时，判定所述实时图像不是可用图像。
可选地，获取每个所述可用图像中相邻两个所述电力杆塔之间的多个导线坐标包括：
对所述可用图像进行去色；
获取所述可用图像中所述悬挂点的平均深度值；
对所述可用图像中相邻两个所述电力杆塔之间的弧垂区域进行像素检测；
预先设定多个相邻像素作为一个检测点；
获取所述检测点的平均深度值；
根据公式(4)计算所述弧垂区域内当前所述检测点与所述悬挂点的平均深度值的相似度，
其中，δ为当前所述检测点与所述悬挂点的平均深度值的相似度，Di为当前第i个检测点的平均深度值，i为整数编号，为所述悬挂点的平均深度值，τ为调节参数，且τ>1；
判断当前所述检测点与所述悬挂点的平均深度值的相似度是否大于或等于相似度阈值；
在判断当前所述检测点与所述悬挂点的平均深度值的相似度大于或等于相似度阈值的情况下，判定当前所述检测点为待验证点；
在判断当前所述检测点与所述悬挂点的平均深度值的相似度小于相似度阈值的情况下，判断当前所述检测点不为待验证点。
可选地，获取每个所述可用图像中相邻两个所述电力杆塔之间的多个导线坐标还包括：
获取每个所述待验证点的坐标；
判断相邻的预设数量的所述待验证点的横坐标是否逐渐增大；
在判断相邻的预设数量的所述待验证点的横坐标逐渐增大的情况下，判断相邻的预设数量的所述待验证点的纵坐标是否依次增大或者减小；
在判断相邻的预设数量的所述待验证点的纵坐标依次增大或者减小的情况下，判定预设数量的所述待验证点为导线坐标。
可选地，根据每个所述可用图像中的多个所述导线坐标获取对应导线弧垂的最低点坐标包括：
根据每个所述可用图像的多个所述导线坐标拟合出对应所述导线弧垂的曲线；
根据每个所述可用图像的所述导线弧垂的曲线获取对应的所述导线弧垂的最低点坐标。
可选地，根据每个所述可用图像中相邻两个所述电力杆塔的顶点、底点以及所述导向弧垂的最低点坐标获取导线弧垂值包括：
根据公式(5)计算所述可用图像中相邻两个所述电力杆塔的顶点的高度差，
其中，ε为所述可用图像中相邻两个所述电力杆塔的顶点的高度差，为所述可用图像中相邻的其中一个所述电力杆塔的顶点的平均高度，/>为所述可用图像中相邻的另外一个所述电力杆塔的顶点的平均高度；
判断所述可用图像中相邻两个所述电力杆塔的顶点的高度差是否小于或等于高度差阈值；
在判断所述可用图像中相邻两个所述电力杆塔的顶点的高度差小于或等于高度差阈值的情况下，
根据公式(6)计算导线弧垂值，
其中，f为所述导线弧垂值，αj为第j个所述可用图像的权重，为第j个所述可用图像中任一所述电力杆塔的纵坐标，/>为第j个所述可用图像中所述导线弧垂的最低点的纵坐标，n为所述可用图像的个数，j为整数编号，且j≤n。
可选地，根据每个所述可用图像中相邻两个所述电力杆塔的顶点、底点以及所述导向弧垂的最低点坐标获取导线弧垂值还包括：
在判断所述可用图像中相邻两个所述电力杆塔的顶点的高度差大于高度差阈值的情况下，
根据公式(7)计算导线弧垂值，
其中，f1为第一导线弧垂值，f2为第二导线弧垂值，为第j个所述可用图像中相邻的其中一个所述电力杆塔的纵坐标，/>为第j个所述可用图像中相邻的另外一个所述电力杆塔的纵坐标。
另一方面，本发明还提供一种高温大负荷工况下的输电线路导线弧垂的监测系统，包括：
无人机，用于拍摄输电线路的导线弧垂的图像或视频；
中央处理器，用于执行如上任一所述的监测方法。
通过上述技术方案，本发明提供的高温大负荷工况下的输电线路导线弧垂的监测方法及系统通过获取导线弧垂的实时图像，并识别实时图像中电力杆塔的悬挂点、定点以及底点，先筛选出可用图像，再根据可用图像中导线坐标获得导线弧垂的最低点，进而可以求得导线的弧垂值，该种方式有效获得导线弧垂值，且操作简单，测量效率高。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是根据本发明的一个实施方式的高温大负荷工况下的输电线路导线弧垂的监测方法的流程图；
图2是根据本发明的一个实施方式的高温大负荷工况下的输电线路导线弧垂的监测方法中训练导线弧垂的神经网络模型的流程图；
图3是根据本发明的一个实施方式的高温大负荷工况下的输电线路导线弧垂的监测方法中筛选可用图像的流程图；
图4是根据本发明的一个实施方式的高温大负荷工况下的输电线路导线弧垂的监测方法中获取导线坐标的流程图；
图5是根据本发明的一个实施方式的高温大负荷工况下的输电线路导线弧垂的监测方法中获取导线弧垂的最低点坐标；
图6是根据本发明的一个实施方式的高温大负荷工况下的输电线路导线弧垂的监测方法中计算导线弧垂值的流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1是根据本发明的一个实施方式的高温大负荷工况下的输电线路导线弧垂的监测方法的流程图。在图1中，该监测方法可以包括：
在步骤S10中，构建用于识别输电线路的导线弧垂图像中电力杆塔悬挂导线的悬挂点、电力杆塔的顶点和底点的模型。其中，该模型可以包括本领域技术人员所知的神经网络模型。
在步骤S11中，获取当前待监测的导线弧垂的多个视角的实时图像。其中，对于导线弧垂的实时图像可以包括但不限于通过无人机拍摄获得。
在步骤S12中，构建每个实时图像的坐标系，其中，坐标系的原点位于实时图像的左下角处。其中，坐标系的远点位于实时图像的左下角，则说明实时图像上的坐标都是正数。
在步骤S13中，将实时图像输入至模型中，以获取实时图像中相邻两个电力杆塔的悬挂点、顶点以及底点的坐标。
在步骤S14中，根据实时图像中相邻两个电力杆塔的顶点以及底点的坐标确定可用图像。其中，无人机在拍摄时会获得多个导线视角的图片，为了提高对导线弧垂测算的精度，需要选取针对导线视角的图片，即可用图片。
在步骤S15中，获取每个可用图像中相邻两个电力杆塔之间的多个导线坐标。
在步骤S16中，根据每个可用图像中的多个导线坐标获取对应导线弧垂的最低点坐标。
在步骤S17中，根据每个可用图像中相邻两个电力杆塔的顶点、底点以及导线弧垂的最低点坐标获取导线弧垂值。其中，在获得相邻两个电力杆塔的顶点、底点以及导线弧垂的最低点坐标时，即可计算出导线弧垂值。
在步骤S10至步骤S17中，先构建能够对悬挂点、电力杆塔的顶点和底点进行识别定位的模型，并进行预训练。再采集导线的实时图像并输入至模型中，获得实时图像的悬挂点、电力杆塔的顶点和底点，根据上述点的坐标选取可用图像，最后根据可用图像中的多个导线坐标，确定导线弧垂的最低点坐标，进而可以求取到导线弧垂值。
传统的导线弧垂的测量方法，一般在现场采用辅助装置进行测量，但是现场测量的方式，需要投入的大量的人力、物力以及时间，且测算效率低。在本发明的该实施方式中，采用获取导线的实时图像以及相关坐标的方式，可以有效地计算出导线弧垂值，且操作间，不需要耗费大量的人力物力，测量效率高。
在本发明的该实施方式中，为了能够对导线弧垂的图像中的导线的悬挂点、电力杆塔的顶点和底点进行识别，还需要构建用于图像识别的神经网络模型，具体地步骤可以如图2所示。具体地，在图2中，该监测方法还可以包括：
在步骤S20中，构建输电线路的导线弧垂的神经网络模型。
在步骤S21中，获取导线弧垂图像的训练样本集。其中，导线弧垂图像的训练样本集可以包括导线的悬挂点、电力杆塔的顶点和底点等。具体地，该电力杆塔的顶点和底点分别指代电力杆塔的顶部中心和底部中心。
在步骤S22中，根据训练样本集对导线弧垂的神经网络模型进行训练。
在本发明的该实施方式中，为了排除无人机拍摄的视角对导线实时图像的干扰，提高导线弧垂计算的准确度，还需要对无人机拍摄的图像进行筛选，具体地筛选方法可以如图3所示。具体地，在图3中，该监测方法还可以包括：
在步骤S30中，根据公式(1)计算相邻的其中一个电力杆塔的垂直高度，
h1＝ya1-yb1， (1)
其中，h1为相邻的其中一个电力杆塔的垂直高度，ya1为相邻的其中一个电力杆塔的顶点的纵坐标，yb1为相邻的其中一个电力杆塔的底点的纵坐标。
在步骤S31中，根据公式(2)计算相邻的另外一个电力杆塔的垂直高度，
h2＝ya2-yb2， (2)
其中，h2为相邻的另外一个电力杆塔的垂直高度，ya2为相邻的另外一个电力杆塔的顶点的纵坐标，yb2为相邻的另外一个电力杆塔的底点的纵坐标。
在步骤S32中，获取相邻的两个电力杆塔的实际垂直高度。
在步骤S33中，根据公式(3)计算实时图像的视角误差值，
其中，H1为相邻的其中一个电力杆塔的实际垂直高度，H2为相邻的另外一个电力杆塔的实际垂直高度，σ为实时图像的视角误差值。
在步骤S34中，判断实时图像的视角误差值是否小于误差阈值。
在步骤S35中，在判断实时图像的视角误差值小于误差阈值时，判定实时图像为可用图像。其中，若实时图像的视角误差值小于误差阈值，则说明两个电力杆塔接近于等比缩放，即两个电力杆塔与图像的成像平面近似平行，即正对两个电力杆塔，该种方式能够使得两个电力杆塔以及导线位于一个平面，降低了其他视角对成像的干扰，提高了后续的测量精度。
在步骤S36中，在判断实时图像的视角误差值大于或等于误差阈值时，判定实时图像不是可用图像。若实时图像的视角误差值过大，两个电力杆塔的成像呈前后分布，存在测量误差。
在步骤S30至步骤S36中，先分别计算出实时图像中相邻两个电力杆塔的垂直高度，再计算出实时图像的视角误差值。将该视角误差值与误差阈值进行对比，若视角误差值小于误差阈值，则说明两个相邻的电力杆塔以及导线处于与图像成像平面平行的状态，降低了倾斜视角等图像中的干扰，便于后续的准确计算。
在本发明的该实施方式中，为了进一步确定导线的具体位置，还需要对可用图像中导线的坐标进行确定，具体地确定方法可以包括如图4所示的步骤。具体地，在图4中，该监测方法可以包括：
在步骤S40中，对可用图像进行去色。其中，对可用图像中，可以形成具有多个灰度的图像。
在步骤S41中，获取可用图像中悬挂点的平均深度值。其中，根据识别到的悬挂点，对其附近预设范围的像素的平均深度值进行计算。
在步骤S42中，对可用图像中相邻两个电力杆塔之间的弧垂区域进行像素检测。其中，对两个杆塔之间的弧垂区域进行像素检测，即进一步了导线的检测范围，有利于提高检测效率。此外，进一步考虑到导线像素检测的效率，在拍摄时，可选择背景无山丘、桥梁等遮挡的图像。
在步骤S43中，预先设定多个相邻像素作为一个检测点。其中，对于检测点的形状可以包括圆形或者方形等。
在步骤S44中，获取检测点的平均深度值。其中，检测点的平均深度值可以对检测点中所有像素求平均得出。
在步骤S45中，根据公式(4)计算弧垂区域内当前检测点与悬挂点的平均深度值的相似度，
其中，δ为当前检测点与悬挂点的平均深度值的相似度，Di为当前第i个检测点的平均深度值，i为整数编号，为悬挂点的平均深度值，τ为调节参数，且τ>1。
在步骤S46中，判断当前检测点与悬挂点的平均深度值的相似度是否大于或等于相似度阈值。
在步骤S47中，在判断当前检测点与悬挂点的平均深度值的相似度大于或等于相似度阈值的情况下，判定当前检测点为待验证点。其中，若检测点与悬挂点的相似度大于或等于相似度阈值，则说明二者深度值差不多，即为导线上的一点。
在步骤S48中，在判断当前检测点与悬挂点的平均深度值的相似度小于相似度阈值的情况下，判断当前检测点不为待验证点。其中，若检测点与悬挂点的相似度小于相似度阈值，则说明二者深度值相差较大，该检测点不为导线上的一点。
在步骤S49中，获取每个待验证点的坐标。
在步骤S50中，判断相邻的预设数量的待验证点的横坐标是否逐渐增大。
在步骤S51中，在判断相邻的预设数量的待验证点的横坐标逐渐增大的情况下，判断相邻的预设数量的待验证点的纵坐标是否依次增大或者减小。其中，若线路的预设数量的待验证点的横坐标逐渐增大，则说明待验证点沿着X+轴的方向移动，即从左边的电力杆塔到右边的电力杆塔的方向。
在步骤S52中，在判断相邻的预设数量的待验证点的纵坐标依次增大或者减小的情况下，判定预设数量的待验证点为导线坐标。若相邻的预设数量的待验证点的纵坐标依次增大或者减小，则说明上述点呈弧形，均为构成导线的点。
在步骤S40至步骤S52中，先对可用图像进行取去色，再根据识别到的悬挂点的像素的深度值获取悬挂点的平均深度值。再预设一个检测点，对相邻两个电力杆塔之间的弧垂区域进行像素检测，确定与悬挂点的平均深度值相似的检测点。最后对相邻的多个待验证检测点进行判断，确定其是否为曲线，即是否逐渐增大或者逐渐减小，进而可以获得导线上的多个检测点。
在本发明的该实施方式中，在获得导线上的多个检测点后，还需要对都导线的最低点进行计算，具体地计算步骤可以如图5所示。具体地，在图5中，该监测方法还可以包括：
在步骤S53中，根据每个可用图像的多个导线坐标拟合出对应导线弧垂的曲线。
在步骤S54中，根据每个可用图像的导线弧垂的曲线获取对应的导线弧垂的最低点坐标。
在本发明的该实施方式中，在确定导线弧垂的最低点坐标后，可以获取导线弧垂值，具体地获取步骤可以如图6所示。具体地，在图6中，该监测方法还可以包括：
在步骤S60中，根据公式(5)计算可用图像中相邻两个电力杆塔的顶点的高度差，
其中，ε为可用图像中相邻两个电力杆塔的顶点的高度差，为可用图像中相邻的其中一个电力杆塔的顶点的平均高度，/>为可用图像中相邻的另外一个电力杆塔的顶点的平均高度。
在步骤S61中，判断可用图像中相邻两个电力杆塔的顶点的高度差是否小于或等于高度差阈值。
在步骤S62中，在判断可用图像中相邻两个电力杆塔的顶点的高度差小于或等于高度差阈值的情况下，
根据公式(6)计算导线弧垂值，
其中，f为导线弧垂值，αj为第j个可用图像的权重，为第j个可用图像中任一电力杆塔的纵坐标，/>为第j个可用图像中导线弧垂的最低点的纵坐标，n为可用图像的个数，j为整数编号，且j≤n。
在步骤S63中，在判断可用图像中相邻两个电力杆塔的顶点的高度差大于高度差阈值的情况下，
根据公式(7)计算导线弧垂值，
其中，f1为第一导线弧垂值，f2为第二导线弧垂值，为第j个可用图像中相邻的其中一个电力杆塔的纵坐标，/>为第j个可用图像中相邻的另外一个电力杆塔的纵坐标。
在步骤S60至步骤S63中，对于导线弧垂值的计算，需要先判断导线相邻的两个电力杆塔的顶点高度是否一致。若导线相邻的两个电力杆塔的高度一致，则可计算出一个导线弧垂值；若导线相邻的两个电力杆塔的高度不一致，则分别计算出两个导线弧垂值。
另一方面，本发明还提供一种高温大负荷工况下的输电线路导线弧垂的监测系统。具体地，该监测系统可以包括无人机以及中央处理器。具体地，无人机用于拍摄输电线路的导线弧垂的图像或图像，该中央处理器用于执行如上任一的监测方法。
通过上述技术方案，本发明提供的高温大负荷工况下的输电线路导线弧垂的监测方法及系统通过获取导线弧垂的实时图像，并识别实时图像中电力杆塔的悬挂点、定点以及底点，先筛选出可用图像，再根据可用图像中导线坐标获得导线弧垂的最低点，进而可以求得导线的弧垂值，该种方式有效获得导线弧垂值，且操作简单，测量效率高。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种高温大负荷工况下的输电线路导线弧垂的监测方法，其特征在于，包括：
构建用于识别输电线路的导线弧垂图像中电力杆塔悬挂导线的悬挂点、电力杆塔的顶点和底点的模型；
获取当前待监测的导线弧垂的多个视角的实时图像；
构建每个所述实时图像的坐标系，其中，所述坐标系的原点位于所述实时图像的左下角处；
将所述实时图像输入至所述模型中，以获取所述实时图像中相邻两个所述电力杆塔的悬挂点、顶点以及底点的坐标；
根据所述实时图像中相邻两个所述电力杆塔的顶点以及底点的坐标确定可用图像；
获取每个所述可用图像中相邻两个所述电力杆塔之间的多个导线坐标；
根据每个所述可用图像中的多个所述导线坐标获取对应所述导线弧垂的最低点坐标；
根据每个所述可用图像中相邻两个所述电力杆塔的顶点、底点以及所述导线弧垂的最低点坐标获取导线弧垂值。
2.根据权利要求1所述的监测方法，其特征在于，构建用于识别输电线路的导线弧垂图像中电力杆塔悬挂导线的悬挂点、电力杆塔的顶点和底点的模型包括：
构建输电线路的导线弧垂的神经网络模型；
获取所述导线弧垂图像的训练样本集；
根据所述训练样本集对所述导线弧垂的神经网络模型进行训练。
3.根据权利要求1所述的监测方法，其特征在于，根据所述实时图像中相邻两个所述电力杆塔的顶点以及底点的坐标确定可用图像包括：
根据公式(1)计算相邻的其中一个所述电力杆塔的垂直高度，
h1＝ya1-yb1， (1)
其中，h1为相邻的其中一个所述电力杆塔的垂直高度，ya1为相邻的其中一个所述电力杆塔的顶点的纵坐标，yb1为相邻的其中一个所述电力杆塔的底点的纵坐标；
根据公式(2)计算相邻的另外一个所述电力杆塔的垂直高度，
h2＝ya2-yb2， (2)
其中，h2为相邻的另外一个所述电力杆塔的垂直高度，ya2为相邻的另外一个所述电力杆塔的顶点的纵坐标，yb2为相邻的另外一个所述电力杆塔的底点的纵坐标。
4.根据权利要求3所述的监测方法，其特征在于，根据所述实时图像中相邻两个所述电力杆塔的顶点以及底点的坐标确定可用图像还包括：
获取相邻的两个所述电力杆塔的实际垂直高度；
根据公式(3)计算所述实时图像的视角误差值，
其中，H1为相邻的其中一个所述电力杆塔的实际垂直高度，H2为相邻的另外一个所述电力杆塔的实际垂直高度，σ为所述实时图像的视角误差值；
判断所述实时图像的视角误差值是否小于误差阈值；
在判断所述实时图像的视角误差值小于所述误差阈值时，判定所述实时图像为可用图像；
在判断所述实时图像的视角误差值大于或等于所述误差阈值时，判定所述实时图像不是可用图像。
5.根据权利要求1所述的监测方法，其特征在于，获取每个所述可用图像中相邻两个所述电力杆塔之间的多个导线坐标包括：
对所述可用图像进行去色；
获取所述可用图像中所述悬挂点的平均深度值；
对所述可用图像中相邻两个所述电力杆塔之间的弧垂区域进行像素检测；
预先设定多个相邻像素作为一个检测点；
获取所述检测点的平均深度值；
根据公式(4)计算所述弧垂区域内当前所述检测点与所述悬挂点的平均深度值的相似度，
其中，δ为当前所述检测点与所述悬挂点的平均深度值的相似度，Di为当前第i个检测点的平均深度值，i为整数编号，为所述悬挂点的平均深度值，τ为调节参数，且τ>1；
判断当前所述检测点与所述悬挂点的平均深度值的相似度是否大于或等于相似度阈值；
在判断当前所述检测点与所述悬挂点的平均深度值的相似度大于或等于相似度阈值的情况下，判定当前所述检测点为待验证点；
在判断当前所述检测点与所述悬挂点的平均深度值的相似度小于相似度阈值的情况下，判断当前所述检测点不为待验证点。
6.根据权利要求5所述的监测方法，其特征在于，获取每个所述可用图像中相邻两个所述电力杆塔之间的多个导线坐标还包括：
获取每个所述待验证点的坐标；
判断相邻的预设数量的所述待验证点的横坐标是否逐渐增大；
在判断相邻的预设数量的所述待验证点的横坐标逐渐增大的情况下，判断相邻的预设数量的所述待验证点的纵坐标是否依次增大或者减小；
在判断相邻的预设数量的所述待验证点的纵坐标依次增大或者减小的情况下，判定预设数量的所述待验证点为导线坐标。
7.根据权利要求6所述的监测方法，其特征在于，根据每个所述可用图像中的多个所述导线坐标获取对应导线弧垂的最低点坐标包括：
根据每个所述可用图像的多个所述导线坐标拟合出对应所述导线弧垂的曲线；
根据每个所述可用图像的所述导线弧垂的曲线获取对应的所述导线弧垂的最低点坐标。
8.根据权利要求7所述的监测方法，其特征在于，根据每个所述可用图像中相邻两个所述电力杆塔的顶点、底点以及所述导向弧垂的最低点坐标获取导线弧垂值包括：
根据公式(5)计算所述可用图像中相邻两个所述电力杆塔的顶点的高度差，
其中，ε为所述可用图像中相邻两个所述电力杆塔的顶点的高度差，为所述可用图像中相邻的其中一个所述电力杆塔的顶点的平均高度，/>为所述可用图像中相邻的另外一个所述电力杆塔的顶点的平均高度；
判断所述可用图像中相邻两个所述电力杆塔的顶点的高度差是否小于或等于高度差阈值；
在判断所述可用图像中相邻两个所述电力杆塔的顶点的高度差小于或等于高度差阈值的情况下，
根据公式(6)计算导线弧垂值，
其中，f为所述导线弧垂值，αj为第j个所述可用图像的权重，为第j个所述可用图像中任一所述电力杆塔的纵坐标，/>为第j个所述可用图像中所述导线弧垂的最低点的纵坐标，n为所述可用图像的个数，j为整数编号，且j≤n。
9.根据权利要求8所述的监测方法，其特征在于，根据每个所述可用图像中相邻两个所述电力杆塔的顶点、底点以及所述导向弧垂的最低点坐标获取导线弧垂值还包括：
在判断所述可用图像中相邻两个所述电力杆塔的顶点的高度差大于高度差阈值的情况下，
根据公式(7)计算导线弧垂值，
其中，f1为第一导线弧垂值，f2为第二导线弧垂值，为第j个所述可用图像中相邻的其中一个所述电力杆塔的纵坐标，/>为第j个所述可用图像中相邻的另外一个所述电力杆塔的纵坐标。
10.一种高温大负荷工况下的输电线路导线弧垂的监测系统，其特征在于，包括：
无人机，用于拍摄输电线路的导线弧垂的图像或视频；中央处理器，用于执行如权利要求1-9任一所述的监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410015769.4A CN117928451A (zh) | 2024-01-04 | 2024-01-04 | 高温大负荷工况下的输电线路导线弧垂的监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410015769.4A CN117928451A (zh) | 2024-01-04 | 2024-01-04 | 高温大负荷工况下的输电线路导线弧垂的监测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117928451A true CN117928451A (zh) | 2024-04-26 |
Family
ID=90755090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410015769.4A Pending CN117928451A (zh) | 2024-01-04 | 2024-01-04 | 高温大负荷工况下的输电线路导线弧垂的监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117928451A (zh) |
-
2024
- 2024-01-04 CN CN202410015769.4A patent/CN117928451A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113345019B (zh) | 一种输电线路通道隐患目标测距方法、设备及介质 | |
| CN107590456B (zh) | 一种高空视频监控中小微目标的检测方法 | |
| CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
| CN111091023B (zh) | 一种车辆检测方法、装置及电子设备 | |
| CN111815707A (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
| CN110399762A (zh) | 一种基于单目图像的车道线检测的方法及装置 | |
| CN113970734B (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
| CN113724259B (zh) | 井盖异常检测方法、装置及其应用 | |
| CN112102395B (zh) | 一种基于机器视觉的自主巡检的方法 | |
| CN111750804A (zh) | 一种物体测量的方法及设备 | |
| CN109146880A (zh) | 一种基于深度学习的电力设备检测方法 | |
| CN104065863A (zh) | 图像处理方法及处理装置 | |
| CN116563384A (zh) | 一种图像采集装置标定方法、设备及计算机设备 | |
| CN114663485A (zh) | 一种输电线路图像和点云数据的处理方法和系统 | |
| CN113074634B (zh) | 一种快速相位匹配方法、存储介质和三维测量系统 | |
| CN116573366B (zh) | 基于视觉的皮带跑偏检测方法、系统、设备及存储介质 | |
| CN117928451A (zh) | 高温大负荷工况下的输电线路导线弧垂的监测方法及系统 | |
| CN115797877A (zh) | 一种电力传输设备的智能监控方法、系统及介质 | |
| CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
| CN112762896B (zh) | 一种大景深镜头相机水平度判定调整的装置及方法 | |
| CN115311574A (zh) | 一种建筑物监测方法、设备及介质 | |
| US11699303B2 (en) | System and method of acquiring coordinates of pupil center point | |
| CN115511961A (zh) | 三维空间定位方法、系统及存储介质 | |
| CN113250914A (zh) | 一种机舱塔顶2d位移测量方法、系统、设备及存储介质 | |
| FAN et al. | Intelligent antenna attitude parameters measurement based on deep learning ssd model |
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 |