電力線損實時檢測技術(shù)研究
時間:2022-07-23 11:09:48
導(dǎo)語:電力線損實時檢測技術(shù)研究一文來源于網(wǎng)友上傳,不代表本站觀點,若需要原創(chuàng)文章可咨詢客服老師,歡迎參考。
摘要:針對傳統(tǒng)電力線損度低、實時性差、系統(tǒng)測量誤差率高的缺點和不足的問題,提出一種基于激光點云的電力線損實時檢測技術(shù)。通過對電力線損實時檢測的算法流程及原理方面的分析,再利用激光探測傳感裝置提取點云特征,選定線損數(shù)據(jù)的樣本集,構(gòu)建樣本點的特征向量,并求解SVM的判別函數(shù),最終實現(xiàn)對電力線損的精確檢測。實驗結(jié)果證明,提出的基于激光點云的電力線損實時檢測技術(shù)能夠有效提高檢測精度,降低測量誤差和線損率,對電力工程具有一定的實際應(yīng)用價值。
關(guān)鍵詞:激光點云;電力線損;檢測;誤差率
電能在傳輸?shù)倪^程中經(jīng)過配電、變電等環(huán)節(jié)會造成一定的損耗[1]。其中一部分電能損失源于電力設(shè)備本身損耗,如變壓器、表計電壓線圈損耗等,這些電力線損稱為固定損耗;而另一部分電能損失為管理損耗,主要由于線路故障、計量裝置誤差等原因造成,屬于可以進行監(jiān)測和控制的部分[2-3]。近年來,隨著激光技術(shù)的快速發(fā)展和進步,其更多的優(yōu)點和性能不斷地被發(fā)掘出來,激光的應(yīng)用領(lǐng)域也進一步得到拓展[4]。激光檢測技術(shù)是對激光優(yōu)良性能的有效應(yīng)用,如激光掃描、跟蹤、測振、激光校準(zhǔn)、破損識別、光譜分析等都顯示了激光檢測的優(yōu)越性[5]。應(yīng)用激光技術(shù)對被測物體進行掃描和檢測,采用了非接觸的方式、精度高、時間短、受測量范圍和被檢測物體位置的影響較小[6]。在激光檢測技術(shù)當(dāng)中,點云檢測精度最高、效果最優(yōu),激光點云以空間坐標(biāo)為參考系,基于對被檢測對象的空間掃描,提取被測對象各個采樣點的空間坐標(biāo),獲取海量采樣點的集合,這些點集合能夠表示被測對象的表面性狀及空間分布[7-8]。傳統(tǒng)的模糊檢測方法,如神經(jīng)網(wǎng)絡(luò)檢測方法,具有計算復(fù)雜、假設(shè)條件多、實時性不足等,難以有效改善電力線損的檢測效果[9]。為提高電力線損檢測精度低、誤差高、實時性差的弊端,本文提出了一種基于激光點云的電力線損實時檢測技術(shù)研究。利用激光探測傳感裝置提取點云特征,選定線損數(shù)據(jù)的樣本集,構(gòu)建樣本點的特征向量,并求解支持向量機SVM的判別函數(shù),完成對電力線損的精確檢測。仿真實驗表明文章提出的基于激光點云的電力線損實時檢測技術(shù)研究,能夠有效提高檢測精度,降低線損率和系統(tǒng)誤差,減少電能在傳輸過程中的損耗。
1電力線損檢測原理及流程
采用激光探測傳感器對出現(xiàn)線損的線路段進行激光掃描,獲取故障端的點云特征,形成故障樣本集,分析樣本集的·991·特征向量,通過基于支持向量機(SVM)進行函數(shù)判別,完成線路線損的精準(zhǔn)檢測。在電力線路檢測的過程中,最為關(guān)鍵的點云數(shù)據(jù)的提取和分析,其電力線損檢測算法流程如圖1所示。
2基于激光點云的電力線損實時檢測技術(shù)
為了實現(xiàn)基于激光點云的電力線損實時檢測,通過基于支持向量機(SVM)進行電力線點云的提取,而SVM在分類模型選擇時,更加傾向于選擇簡單的模型,如直線、平面、超平面等。對于線性可分為二類問題,SVM能夠?qū)深悩颖緶?zhǔn)確分開,同時能夠使兩類數(shù)據(jù)到超平面的空間間隔最大,從而得到最優(yōu)超平面。如圖2所示。圖2中的兩類數(shù)據(jù),K表示最優(yōu)超平面,離K平面最近且平行于K平面的K1和K2平面上的樣本為支持向量,可通過這些支持向量實現(xiàn)數(shù)據(jù)集的分類。由此可知,為了確定一個超平面將兩類數(shù)據(jù)進行分開,并且樣本離超平面的距離足夠遠,使得兩者的間距最大,從而可確定f(x)的參數(shù)向量ω和平移向量b,使得距離d最大,需要滿足式(3)。
3實驗結(jié)果與分析
本文進行仿真實驗,驗證提出技術(shù)研究在提高檢測精度和降低線損率方法的優(yōu)勢。在檢測精度的表現(xiàn)方面,分別采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模糊檢測技術(shù)和本文提出基于激光點云的檢測結(jié)果進行對比分析,在線路故障和計量裝置上分別提取100個點進行測試,每10個點為一組,以每組數(shù)據(jù)的平均值作為測量結(jié)果,如表1、表2所示。從表1、表2的結(jié)果可知,在線路故障檢測方面和計量裝置故障檢測方面,本文提出的基于激光點云的檢測系統(tǒng)相比于傳統(tǒng)的檢測技術(shù),結(jié)果精度更高。對某A、B兩段線路分別采用常規(guī)檢測方法和本文方法進行線損率檢測,檢測時間各為1個月,在采用本文方法檢測的過程中,若發(fā)現(xiàn)線路故障,及時對其進行處理,對其線損率數(shù)據(jù)進行匯總整理,如圖3、圖4所示。由圖3、圖4可知,在采用本文檢測技術(shù)前A、B兩段線路線損率高達2.5%,表明線路中存在故障,局部還可能出現(xiàn)漏電或竊電情況;而采用本文提出的基于激光點云的電力線損實時檢測技術(shù)后,可實時對線路中出現(xiàn)的故障進行排除,使線損率降低到1%以下。由于可見,本文檢測技術(shù)有利于提高檢測結(jié)果的精準(zhǔn)度和減低線損率。
4總結(jié)
電能在傳輸?shù)倪^程中,除了自身的損耗以外,還會因為各種自然因素的影響或是線路故障等導(dǎo)致?lián)p耗的出現(xiàn)。本文提出的一種基于激光點云的電力線損實時檢測技術(shù),通過仿真實驗表明,該基于激光點云的電力線損實時檢測技術(shù)的檢測效率更高、速度更快,而且通過該檢測技術(shù)能夠及時排除故障,能夠?qū)⒊R?guī)高達2.5%的線損率降低到1%以下,有利于電能傳輸成本的節(jié)約。
參考文獻
[1]徐博,劉正軍,王堅.基于激光點云數(shù)據(jù)電力線的提取及安全檢測[J].激光雜志,2017,38(7):48-51.
[2]林祥國,寧曉剛,段敏燕,等.分層隨機抽樣的單檔電力線LiDAR點云聚類方法[J].測繪科學(xué),2017,42(4):10-16.
[3]劉志青,李鵬程,陳小衛(wèi),等.基于信息向量機的機載激光雷達點云數(shù)據(jù)分類[J].光學(xué)精密工程,2016,24(1):210-219.
[4]胡春梅,薛惠敏,夏國芳,等.基于激光點云和近景影像的數(shù)字拓片生成方法[J].激光雜志,2017,38(9):32-37.
[5]張志剛,孫立才,汪沛.基于激光掃描技術(shù)的行人檢測方法研究[J].計算機科學(xué),2016,43(7):328-331.
[6]蔡紅云,陳海佳,劉俊,等.基于ArcGIS的云存儲三維激光點云測圖實現(xiàn)方法[J].測繪通報,2017(8):154-155.
[7]劉杰,閻躍觀,李軍,等.基于激光點云的沉陷區(qū)水平位移求取方法研究[J].煤礦開采,2016,21(2):99-102.
[8]杜森,高明章,魏紀(jì)原.基于激光點云輔助的相機標(biāo)定方法研究[J].激光雜志,2016,37(10):89-93.
[9]吳鴻亮,門錕,董楠,等.基于J2EE架構(gòu)的線損理論計算與診斷分析系統(tǒng)開發(fā)與應(yīng)用[J].電力系統(tǒng)保護與控制,2016,44(5):108-116.
作者:孫春華 石旭初 孫云峰 周定亞 單位:國網(wǎng)江蘇省電力有限公司漣水縣供電分公司