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。
关键词：配电线路；运行故障；检测技术
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。图1展示了一些常见的绝缘子故障种类。
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乃至如图1(a)所示的破损情况。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，如图1(b)所示。
.png)
图1?常见的绝缘子故障?
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。
如图2(a)(b)所示，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，即如图2(c)所示的均压环安装错误。
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。
.png)
图2?常见的均压环故障?
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，防振锤很容易发生如图3(a)(b)所示的移位现象，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。
.png)
图3?常见的防振锤故障?
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。如图3(c)所示为防振锤因被锈蚀而导致破损。
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。
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，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。
2.2?均压环故障检测算法
在使用神经网络检测均压环的基础上，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4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。
.png)
图4均压环和绝缘子整体简化模型?
3 展望
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。
使用深度学习方法不仅能对多种目标进行特征提取，还能够有效地减少干扰区域，提高输电线路部件故障图像检索的准确率。可见，深度学习方法在输电线路部件故障检测中引起了广泛的关注。不过深度学习方法的训练过程依赖于大量样本数据的支持。由于输电线路系统的特殊性，部件故障发生的情况是非常少的，也就意味着构建一个具有充足输电线路部件故障样本的数据库是十分困难的。同时，数据量的不足很有可能导致深度神经网络无法学习到准确的模型参数，从而在实际应用中对输电线路部件故障检测的泛化性能差，难以进行精准检测。为了能更好地学习到部件故障中的深度特征，采用合适的数据增强方法也是急需解决的问题之一。当前，生成对抗网络(GAN，Generative Adversarial Networks)是图像生成领域的一个研究热点，并在许多领域，例如图片风格迁移、超分辨率重建、图像补全以及去噪等方面已经达到了不错的效果。未来若能将生成对抗网络这一技术引入输电线路部件故障检测中，将有望解决数据量不足的问题，使得这一研究领域的发展更进一步。
4 总结
输电线路上各种部件的正常运行，是保证电力供应的关键因素，也是对施工人员和用户人身安全的极大保障。一旦输电线路系统出现安全隐患，及时进行检测可以有效降低维护成本。通过对输电线路常见部件故障进行介绍，列举了现有的一些故障检测算法。相比传统的人工巡检，选择科学的故障检测算法，例如深度学习方法，进行安全的、可靠的、有效的检测，能够极大地提高故障识别准确率，减少故障识别用时，及时对故障进行抢修，在一定程度上减少电路事故的发生，对整个输电线路系统的稳定运行起到极为关键的作用。并且，在未来故障检测的研究中深度学习技术也将起到至关重要的作用。
参考文献
[1]?陈泌垽，范菁.无人机在输电线路巡检中应用的探索[J].电工技术，2019，(3):80-81.
[2]?麦俊佳，郭圣，徐振磊，等.输电线路多旋翼无人机自动驾驶智能巡检系统[J].计算机系统应用，2019，28(40:105-110.
[3]?程洋，夏令志，李志飞，等.基于红外成像法的零值瓷绝缘子检测[J].绝缘材料，2019，52(3):74-79.