王力
中国南方电网公司，广东，广州， 510030
摘要：输电线路跨越复杂的环境，因此容易出现覆冰现象，及时了解输电线路的覆冰状态，对于防止电力事故的发生和保障电力系统的稳定运行有着十分重要的意义。 与人工观测覆冰状态相比，基于5G和图像处理的输电线路覆冰监测系统具有实时性，快速性和经济性等优点。 本文以5G技术和图像处理技术为主要研究对象，对基于5Gde 输电线路覆冰图像系统和覆冰图像的处理进行了相关研究工作，促进输电线路覆冰在线监测技术研究的发展，对于提高电力系统运行的稳定性也有重要意义。
关键词：输电线路；5G；覆冰监测；图像处理；在线监测；
0引言
输电线路作为电力系统电能输送基础设施的关键组成部分之一，是电网运行的基础。南方电网区域辽阔，输电线路往往会受到环境、地形、气候、自然灾害等的影响，出现覆冰现象，严重的还会导致导线断线、金具损坏、杆塔损折等事故，使得输电线路发生稳定性故障，从而导致电能输送的受到影响，对整个供电网络产生严重影响，直接导致了电力系统运行安全性的降低[1]。对输电线路覆冰在线监测技术展开相关研究，研制高效的输电线路覆冰监测系统可以及时监测到输电线路覆冰情况，通过采取适当的措施，减小和避免覆冰现象对输电线路的影响，防止大规模断电事故的发生，提高供电的稳定性具有重要的实际意义，也有利于推动智能电网的发展[2]。
目前比较通用的输电线路覆冰监测方法包括了导线重量法、线路倾角法、光纤传感法、图像监测法等[3]。图像监测法具有直观形象、信息丰富等优点，是取得大量输电线路覆冰信息的重要方法之一。图像监测法通过图像信息处理技术，对输电线路覆冰状态时的图像和非覆冰状态时的图像进行预处理，提取输电线路边缘等特征信息，通过分析差异化信息，从而获得输电线路的覆冰情况[4]。不过在真实的输电线路环境下，监测中使用到的相机通常会受到实际环境的影响，摄像头会出现覆冰、覆雾、模糊等现象，也会受到雪花等噪声的干扰，影响输电线路监测摄像机的成像效果，并且由于图像数据量较大，当前4G网络无法实现实时的图像数据回传，仅能间断的回传数据，从而无法实现输电线路覆冰在线实时监测，无法满足输电线路安全保障实时性、准确性的要求。
针对上述问题，本文进行了基于5G的输电线路覆冰在线监测技术研究：
（1）基于5G的输电线路在线覆冰监测技术架构，构建基于5G的覆冰监测场景系统架构模型；
（2）基于改进图像处理的输电线路覆冰在线监测技术，提高电网人员的工作效率，保障输电线路安全可靠稳定运行;
1基于5G的输电线路覆冰在线监测装置
5G是为了满足近年来移动通信的快速发展需求而研发出来的新一代移动通信网络，与4G系统相比，其传输速率和资源利用率都得到了很大的提高。除了给用户带来更高、更快、更丰富的体验，还对诸如网络速率和延迟等性能指标有了更高的需求。 与“尽力交付”的4G传输网络现状相比，5G具有eMBB大带宽，uRLLC低延迟和mMTC大规模连接的功能，为网络多样化的性能配置提供了更多的选择范围。
典型的eMBB应用包含高清视频，VR，MR等。这种情景需要非常高的带宽，其关键性能指标包括了高传输速率（100Mbps）的用户体验速率（热点场景的访问传输速率可达到1Gbps，其中峰值速率可达到数十Gbps），每平方公里大量流量密度（数十Tbps），每小时快速移动性能（500 km以上）等。另外，涉及到人机交互的场景也对时间需求比较高，例如VR沉浸式体验需要延迟约10毫秒。
uRLLC的典型应用包含了工业控制，无人机自动巡检，无人车辆驾驶控制等。这种情况主要针对对延迟极为敏感的业务，也需要非常高的可靠性。无人车辆自动驾驶实时监控等要求的延迟时间为毫秒级别，车辆生产，对于工业产品加工制造，其延迟要求为10 ms，并且要求接近100％的网络可用性。
mMTC的典型应用包含了智能城市，智能家居等。此类应用具有高连接密度的强烈需求，并且行业多样性和差异性是它的重要特点。集抄终端作为智能城市中常用的应用点，其终端要求具有较低的成本以及功耗，并且网络需要支持具有大量小数据包的接入。视频监控不仅需要高密度的分布，而且还需要监控设备和网络支持高传输速率。智能家居业务对延迟的需求相对不那么高，然而终端根据不同的应用场景可能需要适应不同工作环境的变化，例如高温低温，振动和高速旋转等等。
本文提出的基于5G的输电线路覆冰在线监测系统在输电线路杆塔上安装工业摄像机和输电网关，通过工业摄像机获取输电线路的图像信息数据，以无线的方式统一接入到5G 工业级CPE网关，CPE网关通过5G网络连接到云端的输电线路覆冰在线监测平台。整个输电线路覆冰在线监测系统由云管边端4层结构组成，系统的基本组成架构如图1所示。
.png)
图1 基于5G的输电线路覆冰在线监测系统架构图
为在解决实际监测环境中，相机受到周围环境的影响出现覆冰、覆雾、模糊等现象，采用具有防冰、防雾并且可以自动融冰的工业摄像机，保障获取到的图像的成像质量。
2基于图像处理的输电线路覆冰在线监测技术
2.1.图像的获取
图像的获取是计算机视觉应用中的重要基础，是后续处理步骤的唯一信息来源。获取的图像的质量极大地影响了图像处理的效果。选择摄像机时，还应考虑研究对象形状大小、是否需要彩色成像等情况。根据成像条件，如照明是否良好等，调整摄像机的成像内容或增加外部光源设备等等。
在获取图像的过程中，往往会受到环境以及成像硬件的影响，导致最终成像的图像质量较差。图像成像过程中产生的噪声会给边缘检测和目标识别带来一些误差。因此在对图像进行进一步处理之前，需要采用图像预处理技术来进行预处理，减少图像失真，强化可用特征，以满足后续步骤对于图像的成像要求。
2.2.图像灰度化
通常情况下的摄像机捕获到的图像都是具有RGB三个通道的，和人类的视觉系统感知模型类似，其中RGB由不同的灰度值来表示。位图像中的灰度值范围为[0,255]，每个像素点都有RGB三个波段，并且都有着不同的灰度级数。图像灰度化是减少图像数据量，提高系统效率的有效方法之一。对于RGB彩色图像的灰度处理有着以下几种方法：
（1）单波段法
单波段法将RGB三个波段中的某一个波段直接作为灰度图像，最为简单。
.png)
2.3.直方图匹配
直方图匹配又被称为直方图规定化，是指将一张图片中所有像素的灰度值分布曲线处理成预先设定形状的曲线而进行的图像处理方法。即将某张图像或某一区域图像的直方图与另一张图像进行匹配，使得两张的灰度值的分布保持一致，从而可以更好地对两张图像进行对比分析。直方图匹配可以在单个维度的灰度直方图之间进行匹配，也可以对多个维度的灰度直方图之间进行匹配。
输电线路中覆冰和非覆冰状态下的采集到的图像往往处于不同的光照、天气下，因此在对不同状态下的输电线路图像做进一步分析之前，首先进行直方图匹配，以达到较好的分析效果。
2.4.相机标定及校正
相机标定是求解摄像机参数的过程。摄像机参数是摄像机内部的一些属性参数例如焦距、畸变系数等等。摄像机与理想的光学模型存在一定的差异，成像过程中会出现几何畸变，对摄像机进行标定可求解摄像机参数，并对图像进行校正，减少图像的变形和失真。为了获得更好成像效果，通常会使用透镜尽可能多进行光线的采集。在物距远小于像距和不考虑透镜影响的情况下，透镜成像模型可以看作小孔成像模型。通常来说在实际的摄像机成像中，摄像机的畸变无可避免，摄像机畸变的类型具体可分为径向畸变、薄棱镜畸变及切向畸变。
（1）径向畸变
径向畸变往往是因为镜头径向方向形状不够理想导致的。在线性成像模型中，成像和本体将保持几何意义上的相似性，即组成物体的线条将保持原来的形状。但在实际的成像过程中，离图像中心越远的直线弯曲的幅度越大，这种畸变称为径向畸变。
（2）切向畸变
切向畸变主要是由摄像机的物理光学系统的物理光心与成像硬件系统的几何中心不重合导致的。
（3）薄棱镜畸变
镜头设计或制作过程的各种失误均会使成像过程产生畸变，各类畸变产生的结果一起表达时与一个薄棱镜产生的结果类似，因而称为薄棱镜畸变。
2.5.图像滤波
图像滤波一般指的是在尽可能保持图像特征细节的前提下对目标图像的噪声进行过滤，是图像预处理中十分关键的一部分，其滤波效果的质量决定了后续进一步处理计算的有效性和可靠性。
2.6.边缘检测
边缘是图像的重要特征信息之一，边缘往往是两个不同物体之间的边界，具有丰富的信息，常用于图像分割、感兴趣区域提取等。边缘在图像中通常表现为灰度变化剧烈的地方，一般通过一阶导数和二阶导数来进行边缘检测。常见的边缘检测算子有Sobel 算子、Prewitt 算子和 Roberts 算子。
（1）Sobel算子
Sobel边缘检测器为大小3×3的模板，表示为领域行列之间的差。
.png)
图4 Roberts 算子模板
（4）改进的Canny边缘检测算子
Canny边缘检测算子的基本步骤为：
①高斯平滑滤波器卷积降噪；
②计算梯度幅值和方向；
③非极大值抑制；
④双阈值处理方法；
Canny 算子具有错误率低、定位准确和可以有效抑制虚假边缘等有点，但经过Canny边缘检测后的图像仍然存在很多无用的边缘，这对寻找输电线路覆冰的边缘十分不利。主要从以下两个方面对Canny算子进行改进：
（1）步骤①中的高斯滤波往往不能很好地保持图像的边缘，因为对整个窗口范围内的像素进行了加权平均，也就是当前处理的像素为滤波模板的中心位置，这就导致了边缘的扩散。本文使用文献[5]中提出的一种具有良好边缘保持的滤波方法，把每个滤波像素点都当成是潜在的边缘点，然后对于每个待滤波的像素点，生成几种不同的滤波子窗口，然后把这些滤波窗口的边缘或者角点位置和该像素点对齐，然后滤波得到结果，最后根据把这些子窗口的滤波之后的最佳重构结果作为最终的滤波结果。
（2）对覆冰图像进行多尺度下采样，在不同的尺度下进行基于边缘保持滤波的Canny边缘检测，将检测到的边缘图像进行综合分析，从而可以过滤掉一些虚假的边缘。
改进后的Canny边缘检测可以更好的对输电线路覆冰图像进行边缘检测。
2.7.覆冰厚度计算
由于在覆冰之前和之后，输电线路导线的边缘明显不同，因此在摄像机采集到的覆冰之前和之后的图像边缘在像素上的差异也很大。本文根据电网覆冰标准，在输电线路图像上计算出导线覆冰前后图像像素值区域大小，如果覆冰后的导线区域图像像素大于覆冰之前的图像像素20％，则需要进行进一步的边缘提取，并计算覆冰导线和真实导线边缘之间的距离，并将该距离进行分析，以确定是否覆冰[6]。如果判断该输电线路覆冰，计算覆冰的厚度，然后与人工设定的临界值进行比较，如果超过设定的阈值，则系统发出警告。覆冰厚度的计算是基于如图5所示。
.png)
3结论
本文研究了基于5G的输电线路在线覆冰监测技术架构，构建基于5G的覆冰监测场景系统架构模型；基于改进的图像处理的输电线路覆冰在线监测技术，提高电网人员的工作效率，保障输电线路安全可靠稳定运行；
该研究可在输电线路覆冰监测中发挥重要作用，实现输电线路巡检向智慧化转变，全面提升输电线路的稳定性和可靠性。目前仍存在一些问题需要进一步解决，如工业摄像机拍摄的角度单一无法观测到正面和背面的覆冰情况、算法模型较为单一泛化能力不强等问题，将作为下一步研究的方向。
参考文献
[1] 孔韬, 何相奎, 张迪,等. 微地形区输电线路覆冰在线监测装置研究[J]. 通信电源技术, 2020.
[2] 李娇. 输电线路覆冰监测技术研究[D]. 2014.
[3] 阳林, 张飞, 李昊. 输电线路人工观冰和覆冰监测预警系统的比较[J]. 西安工程大学学报, 2016, 30(1):73-78.
[4] 菅瑞琴. 基于图像处理的输电线路覆冰厚度研究[D]. 2018.
[5] Yin H , Gong Y , Qiu G . Side Window Filtering[J]. 2019.
[6] 许永波. 基于DCNN的航拍输电线路图像特征分类和覆冰检测算法研究[D].郑州大学,2019.
作者简介
王力(1986年9月出生)，男，汉族，籍贯湖北广水，中国南方电网公司电力调度控制中心，工程师、研究生学历。
.