摘要：输电线路网络部件的种类繁多，例如绝缘子、均压环、防振锤、杆塔和输电线等。各个部件由于常年暴露在自然环境中，很容易受到天气、鸟类等因素的影响。最常见的天气因素包括雷击、暴雨和高温。这种剧烈的环境条件，很大程度上会导致线路部件产生一定程度的形变，甚至出现自爆现象。而鸟害则是直接对部件进行破坏，从而损害部件性能以至于无法工作。因此，对输电线路部件进行故障分析和检测显得尤为重要。伴随着无人机技术的发展，考虑到无人机自身具有的优势:携带方便、操作简单、反应迅速、起飞降落对环境的要求低等，越来越多的国家开始采用无人机巡检的方式代替传统巡检。一方面，无人机巡检具有野外作业风险低、效率高的特点；另一方面，无人机巡检产生了大量的巡线图片，需要人工判读才能得到最终的巡检报告，人工去识别图片中关键报告，工作量也是巨大的。因此，采用计算机视觉的技术对图像进行识别具有十分重要的意义。
关键词：输电线路；故障检测；深度学习；绝缘子；检测算法
引言：输电线路巡检发展至今，已经由最初的人工巡检方式转变为自动化的无人机巡检。当前无人机获取的图片依旧需要后台人工进行整理，再由人工或者特定的故障检测算法，对输电线路故障进行排查，这种半自动的故障检测方将会被取代。未来，搭载有故障检测模块的无人机将被投入使用，从而实现故障的实时检测。因此，故障检测模块需要使用能够对多种故障进行检测的算法。文章针对输电线路常见故障分析与检测方法方面进行详细分析，希望能够给相关人士提供重要的参考价值。
1.输电线路部件故障类型
1.1绝缘子故障
绝缘子在输电线路中是用量最多的部件，主要有两个作用:电气绝缘和机械支撑。在长时间的运行过程中，由于绝缘子的制作材质所限制，极易发生材料老化、破损、掉片等故障。这些不仅会导致绝缘子的功能失效，还容易引发输电线路安全事故。受特殊环境因素影响，如雷击、大风、暴雨甚至鸟类啄击，绝缘子结构常常发生形变。当玻璃绝缘子的内部存在杂质或者缺陷的时候，受到外界压力的影响，内外受力失衡，导致玻璃体爆炸，即玻璃绝缘子的“自爆”现象。
1.2均压环故障
均压环的作用是防范侧击雷，是一种用于改善绝缘子电压分布的环状金具，将高电压均匀分布在绝缘子的周围，保证绝缘子各部位之间没有电压差。在自然环境下均压环常出现破损和歪斜脱落的情况。除了自然因素外，均压环常见的故障还包括人为因素。由于有的工作人员不熟悉均压环的原理，容易出现反装现象，导致高压侧金具端附近的场强比正确安装时大。输电线如果长期在这种状况下运行，则会加速端部密封胶的电蚀和开裂。
1.3防振锤故障
防振锤是为了保证在风力影响下导线不会出现剧烈振动。输电线路基本上架设在高空中，如果导线长期处于振动状态，不仅会存在不稳定性，还会因为周期性的弯折而发生疲劳破损。所以绝缘子两侧的导线上常常挂有一个小锤，即防振锤。由于长期受风力影响，防振锤很容易发生移位现象，包括有平行线上的两个防振锤位置不一致或者两个防振锤碰到了一起。防振锤是金具的一种，因天气原因而导致的锈蚀也使得防振锤变得比较脆弱、易损。
2.输电线路部件故障检测算法
2.1绝缘子故障检测算法
近年来，各种各样的绝缘子检测算法层出不穷，如基于红外成像法的检测算法，基于方向梯度直方图和支持向量机结合的方法等。随着深度学习技术的发展，基于深度学习的绝缘子检测方法也引起了许多学者的关注，如基于改进Fast－CNN、Ｒ－FCN、AlexNet和VGGNet的绝缘子图像检测检测技术。正是因为深度学习的发展，特别是卷积神经网络在图像领域的广泛应用，使得绝缘子故障检测近年来获得快速发展。在深度学习应用中，特征提取是使用深度网络的目的，相关学者采用经典的卷积神经网络和SOM网结合实现显著性检测。该网络结构由5个卷积层和2个全连接层组成，卷积层之间使用7×7、5×5和3×3的卷积核进行卷积以提取更详细的局部信息。SOM网是一种自组织特征映射网络，典型SOM网仅有输入层和竞争层，输入层是用于表达目标的特征，而竞争层则为输出层。文中分别对简单场景和复杂场景中的绝缘子自爆图像进行检测，通过实际调查发现，该方法在各种场景下，对绝缘子自爆故障的检测都能达到80%以上。不过受部分复杂场景的影响，对正常的绝缘子的误检率仍然颇高。除此之外，从红外成像领域对绝缘子进行故障检测也是也是人们关注的热点。例如，基于频域热特征成像的复合绝缘子缺陷检测方法通过对绝缘子施加脉冲热激励，采集表面动态变化温度分布进行判断和基于深度学习的劣化绝缘子红外特征检测。
2.2均压环故障检测算法
大多数均压环的检测算法都是通过研究对象的局部轮廓特征进行检测。学者利用均压环的类圆特征，根据由直线和曲线片段组成的2AS相互关系进行判决。有关学者利用FasterＲ－CNN对常见的均压环进行检测。部分内容在使用神经网络检测均压环的基础上[1]，进一步对均压环歪斜故障检测进行探索。均压环在航拍图像中受到角度影响无法直接判断其是否发生歪斜。因此，需要结合绝缘子的位置进行判断。由于均压环端面与绝缘子端面在工程安装上要求两者相互平行，判断均压环是否歪斜的依据就是判断均压环和绝缘子的夹角是否过大。如图1中所示，判断均压环是否歪斜，先要提取图像中红线两侧端点坐标，通过计算均压环红线端点坐标和绝缘子红线端点坐标之间的夹角θ，判断均压环是否歪斜。依据安全规范标准，当倾斜角度不超过7.5°均压环认定为正常。
图1.均压环和绝缘子整体简化模型：
.jpg)
2.3输电线故障检测算法
常用的输电线检测算法是依据导线的分布特点和几何特征，利用边缘检测算法进行识别。部分内容提出一种基于离散余弦变换算法(DCT)的航拍影像中输电导线快速识别技术。输电线检测算法可以作为输电线断股检测的准备步骤。导线断股的主要特征为导线宽度的变化，即断股导线宽度小于正常输电线宽度。基于这一特征，学者提出了一种基于Freeman链码准则的断股诊断方法。首先通过边缘检测得到输电线边缘，然后记录链码为0和非0的像素点。计算每条像素序列与连续且最长的一段链码值为0的基准线之间的距离。当距离超过一定范围的像素点数达到一定程度时，则判断为断股。文中断股故障点检测标记结果如图2所示，图中黑色部分为输电导线标记点则为导线上的可疑故障点。因为可疑故障点的数量大于一定的值，所以判断图像为可疑断股。将霍夫变换后的输电线路直线边缘作为种子点，然后通过区域种子生长方法，寻找导线因断股而导致的毛刺等缺陷特征作为输电线路是否出现故障的判断依据[2]。
图2.故障点标记结果：
.jpg)
结论：
简而言之，在常年的使用过程中，用于电力传输的输电线路常常受到外界环境的影响，使得输电线路部件容易出现不同程度的破损，这给输电网络的安全运行带来了极大的挑战。对输电线路常见故障分析与检测方法进行了详细的研究。
参考文献：
[1]纪超，黄新波，曹雯，等．改进的Fast－CNN模型在绝缘子特征检测中的研究［J］．计算机与现代化，2019，4:59－64．
[2]赵振兵，崔雅萍，戚银城，等．基于改进的Ｒ－FCN航拍巡线图像中的绝缘子检测方法［J］.2019，46(3):159－163．