電力線損實時檢測技術(shù)研究

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