基于多源異構(gòu)數(shù)據(jù)融合的線路隱患識(shí)別技術(shù)及應(yīng)用研究

李瑛　張曉穎　徐汀　王智　周爽　白爍　趙留學(xué)

摘 要：研究分析了與輸電線路隱患識(shí)別相關(guān)的數(shù)據(jù)，在狀態(tài)特征提取和歸一化處理的基礎(chǔ)上，以輸電線路隱患識(shí)別為例，引入D-S證據(jù)理論實(shí)現(xiàn)多源數(shù)據(jù)的融合?；诂F(xiàn)有的業(yè)務(wù)系統(tǒng)，搭建了統(tǒng)一的輸電全景智慧平臺(tái)，并在此平臺(tái)上驗(yàn)證了數(shù)據(jù)融合識(shí)別輸電線路隱患的有效性。提出的輸電線路隱患識(shí)別方法，實(shí)現(xiàn)了多源數(shù)據(jù)的共享與融合，提升了輸電線路的隱患識(shí)別的準(zhǔn)確率，改善了輸電線路的運(yùn)維現(xiàn)狀。

關(guān)鍵詞：隱患識(shí)別；多源數(shù)據(jù)融合；全景智慧平臺(tái)

中圖分類號(hào)：TM712;TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2023）06-0175-04

Research of techniques and application of? transmission hidden danger identification based on multi-source data sharing

LI Ying1，ZHANG Xiaoying1，2，XU Ting1，2，WANG Zhi1，2，ZHOU Shuang1，2，BAI Shuo1，2，ZHAO Liuxue3

（1.Beijing Electric Power Economics and Technology Research Institute CO.，LTD，Beijing Xicheng District100055，China;2.Beijing Gold Team Power Supply consulting LTD，Beijing Chaoyang District 100012，China;3.State Grid Beijing Electrics Power Company，Beijing Xicheng District 100031，China）

Abstract：This paper analyzes the data related to transmission line hidden danger identification.Based on state feature extraction and normalization，D-S theory was introduced to achieve the fusion of multi-source data taking the identification of hidden dangers in transmission lines as an example.Based on the existing business system，a unified transmission panoramic smart platform had been built.The effectiveness of data fusion on identifying hidden dangers of transmission lines had been verified on this platform.The proposed method for identifying hidden dangers of transmission lines achieved the sharing and fusion of multi-source data，improved the accuracy of hidden danger identification in transmission lines，and enhanced the current operation and maintenance status of transmission lines.

Key words：hidden danger identification;multi source data fusion; panoramic intelligent platform

當(dāng)前，輸電線路對(duì)于電力系統(tǒng)的安全影響越來越大，通過全景智慧平臺(tái)進(jìn)行線路運(yùn)行監(jiān)測(cè)也成為學(xué)者研究的熱點(diǎn)，國內(nèi)外研究人員針對(duì)電網(wǎng)系統(tǒng)的數(shù)據(jù)融合展開了系列研究[1-5]。根據(jù)輸電線路需求，構(gòu)建了線路檢測(cè)系統(tǒng)，為高壓的輸電線路的監(jiān)測(cè)提供了一定參考[6]；李分析了數(shù)字化電網(wǎng)與信息化企業(yè)的相互關(guān)系，介紹了數(shù)字化電網(wǎng)構(gòu)建進(jìn)程與發(fā)展前景[7]。實(shí)現(xiàn)線路運(yùn)行的實(shí)時(shí)監(jiān)測(cè)，并對(duì)可能的隱患進(jìn)行快速響應(yīng)，不僅需要找到合適的方法處理大量數(shù)據(jù)，還需要設(shè)計(jì)集成的平臺(tái)進(jìn)行管理?；诖?，本文提出了一種基于多源數(shù)據(jù)融合對(duì)配電網(wǎng)故障進(jìn)行輔助研判方法，為調(diào)度人員故障診斷提供借鑒；采用BP神經(jīng)網(wǎng)絡(luò)融合技術(shù)對(duì)數(shù)據(jù)進(jìn)行據(jù)融合，用于對(duì)高速公路的施工安全進(jìn)行監(jiān)測(cè)；使用改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的方法對(duì)多源異構(gòu)信息數(shù)據(jù)進(jìn)行融合，根據(jù)融合后的信息對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行診斷，為旋轉(zhuǎn)機(jī)械的故障診斷提供了一定的參考；D-S證據(jù)理論也被廣泛用于數(shù)據(jù)融合，采用該方法對(duì)輸電線路的智能化建設(shè)提供了思路。

1 數(shù)據(jù)預(yù)處理與特征提取技術(shù)

1.1 輸電線路隱患類型

經(jīng)過統(tǒng)計(jì)某省輸電線路2021年度的隱患數(shù)據(jù)，可以將隱患分為異物隱患、樹木隱患、建筑隱患、施工隱患和一般隱患等，其占比如圖1（a）所示。其中異物隱患占比58%，分析異物隱患，得到其各類型占比如圖1（b）所示。隱患年度數(shù)據(jù)量大，類別多，且不具有標(biāo)準(zhǔn)性，識(shí)別難度大，因此，以5大類隱患為識(shí)別對(duì)象，提出了多源數(shù)據(jù)融合的方法，從中提取出有效的安全狀態(tài)特征，以確保輸電線路的安全運(yùn)行。

1.2 輸電線路的空間數(shù)據(jù)源

1.2.1 無人機(jī)巡檢系統(tǒng)數(shù)據(jù)

巡視結(jié)果主要包括激光點(diǎn)云、傾斜攝影、巡視軌跡、缺陷、隱患及巡視報(bào)告。實(shí)現(xiàn)無人機(jī)巡視任務(wù)信息、巡視報(bào)告、無人機(jī)巡視發(fā)現(xiàn)缺陷、隱患等數(shù)據(jù)的查看。

1.2.2 特巡人員巡檢系統(tǒng)

特巡人員主要針對(duì)特定項(xiàng)目進(jìn)行巡視，例如防風(fēng)、防汛、防冰等專項(xiàng)管理。通過智能系統(tǒng)上傳特巡作業(yè)動(dòng)態(tài)、展示特巡任務(wù)清單及特巡任務(wù)結(jié)果，展示特巡相關(guān)隱患數(shù)據(jù)。

1.2.3 氣象預(yù)警

實(shí)時(shí)獲得監(jiān)控所在區(qū)域周邊的氣溫、濕度、降水量、風(fēng)速風(fēng)向在內(nèi)的連續(xù)氣象變化數(shù)據(jù)，實(shí)現(xiàn)對(duì)雷電、降雨、大風(fēng)特殊預(yù)警。

1.2.4 視頻監(jiān)控

對(duì)數(shù)據(jù)進(jìn)行匯總并形成隱患清單，通過視頻監(jiān)控功能查看隱患現(xiàn)場(chǎng)的狀況。可遠(yuǎn)程觀察各現(xiàn)場(chǎng)監(jiān)控畫面，提供實(shí)時(shí)視頻及歷史回放功能。

1.3 數(shù)據(jù)預(yù)處理

隱患識(shí)別的數(shù)據(jù)存在大量異構(gòu)數(shù)據(jù)，例如巡檢人員每日上傳的大量尋訪記錄、日志等信息與巡檢無人機(jī)處獲得圖像信息其結(jié)構(gòu)不同，不能直接進(jìn)行數(shù)據(jù)融合，需要對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理。

1.3.1 結(jié)構(gòu)化數(shù)據(jù)預(yù)處理

針對(duì)結(jié)構(gòu)化隱患數(shù)據(jù)中的異常數(shù)據(jù)，包括不合理數(shù)據(jù)、空缺數(shù)據(jù)、離群數(shù)據(jù)等，分別采用刪除法、填充法、插補(bǔ)法進(jìn)行修正。為消除數(shù)據(jù)量綱對(duì)數(shù)據(jù)融合結(jié)果產(chǎn)生負(fù)面影響，對(duì)所得樣本數(shù)據(jù)采用歸一化處理方法，將數(shù)據(jù)向量映射到［0，1］。

1.3.2 半結(jié)構(gòu)化數(shù)據(jù)預(yù)處理

針對(duì)半結(jié)構(gòu)化隱患數(shù)據(jù)文件，選取隱患發(fā)生時(shí)間、隱患類型、經(jīng)度信息、緯度信息、線路編號(hào)、桿塔編號(hào)、設(shè)備編號(hào)７個(gè)字段。這些字段可實(shí)現(xiàn)信息過濾功能，例如，隱患時(shí)間可以保證存入數(shù)據(jù)是所需時(shí)間段內(nèi)的數(shù)據(jù)，篩選出該類數(shù)據(jù)后即可將時(shí)間屬性過濾；隱患類型及其他字段均有類似方法可以實(shí)現(xiàn)相應(yīng)的字段過濾，保證信息使用的便利性。

1.3.3 圖像預(yù)處理

首先對(duì)圖像進(jìn)行雙線性插值處理，縮小圖像；其次，為防止戶外自然光照射下拍攝的圖像受噪音干擾導(dǎo)致圖像模糊、圖像識(shí)別困難等問題，在隱患識(shí)別前需要用高斯濾波器平滑圖像；最后，針對(duì)遠(yuǎn)距離拍攝圖像中小目標(biāo)與圖像背景灰度相似對(duì)圖像識(shí)別產(chǎn)生的影響，采用灰度壓縮算法進(jìn)行處理。針對(duì)逆光與攝像頭掉電等現(xiàn)象導(dǎo)致的圖像亮度過高或過低現(xiàn)象，可通過圖像均值進(jìn)行判斷；由于大霧天氣影響導(dǎo)致圖像模糊問題，采用Sobel算子對(duì)圖像的灰度變化程度進(jìn)行倒數(shù)計(jì)算，灰度變化的幅值大于75，則為有效像素，如果有效像素的數(shù)目不足30%，則為異常圖像。之后采用圖像匹配算法，對(duì)圖像進(jìn)行差分。

1.4 特征提取

對(duì)非結(jié)構(gòu)化數(shù)據(jù)預(yù)處理時(shí)所選取的7個(gè)字段進(jìn)行標(biāo)記，根據(jù)標(biāo)記結(jié)果提取段落中所提到的實(shí)體，如地區(qū)、編號(hào)等，并將不同的實(shí)體對(duì)象分別儲(chǔ)存在預(yù)先建立對(duì)應(yīng)類型的關(guān)系數(shù)據(jù)表中，并將實(shí)體所在文本源、段落所在文本位置等信息作為關(guān)聯(lián)關(guān)系存儲(chǔ)起來，將一段話中出現(xiàn)多個(gè)非重復(fù)的實(shí)體提取為實(shí)體對(duì)進(jìn)行儲(chǔ)存，作為更高層次的關(guān)聯(lián)關(guān)系屬性［8］。

在對(duì)無人機(jī)所采集到的圖像信息的特征進(jìn)行提取時(shí)，需要提取圖像中的顏色、形狀、紋理3個(gè)特征。顏色特征選擇在HSV空間提取顏色矩特征，分別計(jì)算出顏色分量圖的平均值、標(biāo)準(zhǔn)差、偏斜度，一共9個(gè)特征值，將其歸一化后將其作為顏色特征［9-10］。形狀特征采用形狀不變法進(jìn)行特征提取，通過計(jì)算中心矩和Hu特征，將Hu特征計(jì)算的輸電線路隱患目標(biāo)的17特征值進(jìn)行歸一化，將其作為形狀特征［11-12］。

采用灰度共生矩陣來描述灰度圖像中的分布規(guī)律，分別提取角二階矩、對(duì)比度、熵、反差分矩陣、相關(guān)性的均值、標(biāo)準(zhǔn)差，一共10個(gè)特征值，歸一化作為空間域提取信息［13］。采用小波域低頻低階矩、高頻低階矩、高頻低階矩與低頻低階矩的方法提取均值、標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)偏斜度，本文采用4層分解后得到的數(shù)據(jù)進(jìn)行歸一化作為小波域低頻特征［14］。

2 多源異構(gòu)數(shù)據(jù)的融合

多源數(shù)據(jù)融合后的數(shù)據(jù)信息在識(shí)別分類中獲得的結(jié)果比單個(gè)數(shù)據(jù)更加準(zhǔn)確和可靠，一般分為數(shù)據(jù)級(jí)融合、特征級(jí)融合和決策級(jí)融合。其融合方式如圖2所示。

數(shù)據(jù)微融合首先從所采集到的數(shù)據(jù)信息中過濾出相關(guān)信息傳遞給數(shù)據(jù)層進(jìn)行融合，進(jìn)而進(jìn)行特征提取和屬性的判斷，最后進(jìn)行聯(lián)合屬性判斷輸出相關(guān)數(shù)據(jù)。特征微融合是利用所采集到的特征信息，提高目標(biāo)的識(shí)別能力，利用特征融合方法將不同類型的隱患特征結(jié)合起來，然后對(duì)其進(jìn)行綜合性的判斷。決策級(jí)融合則需要數(shù)據(jù)庫和專家決策系統(tǒng)對(duì)原始的數(shù)據(jù)或者中間層數(shù)據(jù)進(jìn)行分析和推理，得到專家級(jí)決策結(jié)果。根據(jù)不同的應(yīng)用場(chǎng)合，需要選擇合適的融合方法。

D-S證據(jù)理論是一種能解決不確定性和多源信息整合的有效方法［15］，能夠較好的將0-1區(qū)間可能發(fā)生的事件給描述出來。D-S證據(jù)理論能夠獲得準(zhǔn)確性較高的融合結(jié)果，它已經(jīng)成為信息融合、模式識(shí)別和決策分析等領(lǐng)域的重要方法［16-17］。證據(jù)理論無論是在融合建筑隱患、施工隱患等單類特征數(shù)據(jù)，還是融合綜合隱患特征數(shù)據(jù)中，都能得到較好的結(jié)果。其基本思路［18-19］；

（1）建立識(shí)別框架。根據(jù)隱患特征分析，將可能出現(xiàn)的結(jié)果劃分為異物隱患、樹木隱患、建筑隱患、施工隱患和一般隱患等，構(gòu)成證據(jù)理論中的識(shí)別框架；

（2）建立初始信任分配。例如當(dāng)對(duì)桿塔1進(jìn)行判別時(shí)，可能出現(xiàn)上述隱患，利用所處理后得到的數(shù)據(jù)對(duì)可能出現(xiàn)的隱患進(jìn)行初始信任度的分配；

（3）計(jì)算所有命題的信任度。對(duì)每個(gè)可能出現(xiàn)的隱患根據(jù)所分配到的證據(jù)計(jì)算出信任度總和；

（4）證據(jù)合成。利用D-S證據(jù)，將每種隱患的信任度進(jìn)行合成；

（5）決策。根據(jù)證據(jù)合成后的信任度，將識(shí)別框架中的某個(gè)隱患作為決策。通常將信任度最大的結(jié)果作為隱患的輸出結(jié)果。

3 數(shù)據(jù)融合的隱患識(shí)別在輸電全景智慧平臺(tái)系統(tǒng)中的應(yīng)用

3.1 全景智慧平臺(tái)的框架

輸電全景智慧平臺(tái)基于中央控制平臺(tái)建設(shè)，集中部署在北京總公司。一是針對(duì)電網(wǎng)資源中現(xiàn)有的子服務(wù)，交匯信息實(shí)現(xiàn)內(nèi)網(wǎng)聚合，實(shí)時(shí)共享數(shù)據(jù)存儲(chǔ)在中間站；二是對(duì)于電網(wǎng)資源無法支持的業(yè)務(wù)，如統(tǒng)一控制，實(shí)現(xiàn)互聯(lián)網(wǎng)區(qū)域所有信息控制，構(gòu)建各種監(jiān)控服務(wù)，支撐互聯(lián)網(wǎng)區(qū)域的前端應(yīng)用功能實(shí)現(xiàn)，實(shí)現(xiàn)互聯(lián)網(wǎng)區(qū)域內(nèi)各城市公司人員的接入平臺(tái)。全景智慧平臺(tái)架構(gòu)如圖3所示。

3.2 全景智慧監(jiān)控平臺(tái)的實(shí)施與應(yīng)用

隱患自動(dòng)識(shí)別系統(tǒng)可實(shí)現(xiàn)多源數(shù)據(jù)融合、隱患類型識(shí)別、危險(xiǎn)報(bào)警與臺(tái)賬記錄等功能。充分發(fā)揮輸電全景智慧平臺(tái)的數(shù)據(jù)價(jià)值，將無人機(jī)系統(tǒng)圖像、半結(jié)構(gòu)化隱患文件、結(jié)構(gòu)化隱患數(shù)據(jù)三者融合，實(shí)現(xiàn)隱患類型識(shí)別，降低輸電運(yùn)維人工成本。隱患報(bào)警可實(shí)現(xiàn)區(qū)域化隱患管理，提高隱患排查效率，避免隱患漏洞，縮短解決隱患問題的時(shí)間；之后排查人員進(jìn)行在手機(jī)端臺(tái)賬記錄平臺(tái)完成記錄，為后續(xù)隱患識(shí)別系統(tǒng)的運(yùn)維提供數(shù)據(jù)支持。該系統(tǒng)對(duì)保電范圍內(nèi)容的施工、異物等隱患設(shè)備，進(jìn)行實(shí)時(shí)視頻監(jiān)控、識(shí)別、告警，實(shí)現(xiàn)多屏聯(lián)動(dòng)。

該輸電全景智慧平臺(tái)不僅可以實(shí)現(xiàn)供電保電業(yè)務(wù)，還可對(duì)特殊氣象環(huán)境做出預(yù)警。另外，針對(duì)輸電運(yùn)行情況，實(shí)現(xiàn)自動(dòng)化的巡視、缺陷、隱患、故障、檢測(cè)、值班等多方管理，提高輸電效率，確保輸電隱患及時(shí)排查，電力缺陷及時(shí)補(bǔ)救，電力故障快速搶修，保障企業(yè)經(jīng)濟(jì)效益并對(duì)社會(huì)產(chǎn)生優(yōu)良影響。

4 結(jié)語

研究對(duì)多源數(shù)據(jù)進(jìn)行預(yù)處理，并引入D-S證據(jù)理論融合方法進(jìn)行隱患識(shí)別，建設(shè)輸電全景智慧平臺(tái)，實(shí)現(xiàn)現(xiàn)有各專業(yè)系統(tǒng)的耦合，構(gòu)建了單系統(tǒng)、多功能的智慧平臺(tái)新模式，實(shí)現(xiàn)多源數(shù)據(jù)的融合，提高了電力故障、隱患事前預(yù)警能力。將手機(jī)APP與系統(tǒng)中臺(tái)進(jìn)行關(guān)聯(lián)綁定，確保數(shù)據(jù)實(shí)時(shí)共享，實(shí)現(xiàn)快速響應(yīng)及時(shí)處理。輸電全景智慧平臺(tái)的實(shí)施表明，該平臺(tái)建設(shè)實(shí)現(xiàn)了現(xiàn)有多專業(yè)平臺(tái)集成及多源數(shù)據(jù)的融合，可以有效減少數(shù)據(jù)的重復(fù)采集，實(shí)現(xiàn)多業(yè)務(wù)功能的一體化控制，保障電力系統(tǒng)輸電運(yùn)維高效管理，進(jìn)一步提高企業(yè)效益。

【參考文獻(xiàn)】

［1］仝杰，劉艷麗，楊德龍，等.基于LDPC編碼的OFDM無線專網(wǎng)通信在輸電線路在線監(jiān)測(cè)的應(yīng)用研究［J］.現(xiàn)代電子技術(shù)，2017，40（17）：162-166.

［2］王臻，劉東，徐重酉，等.新型電力系統(tǒng)多源異構(gòu)數(shù)據(jù)融合技術(shù)研究現(xiàn)狀及展望［J］.中國電力，2023，5（4）：1-15.

[3］[JP2]張春梅，許興雀，劉思麟. 基于多源數(shù)據(jù)融合的配電網(wǎng)故障診斷技術(shù)[J]. 上海交通大學(xué)學(xué)報(bào)：2023（6）：1-17.[JP]

［4］XIAO D ，ZHANG T ，ZHOU X ，et al. safety monitoring of expressway construction based on multisource data fusion［J］. Journal of Advanced Transportation，2020（5）：1-11.

［5］段禮祥，李濤，唐瑜，等.基于多源異構(gòu)信息融合的機(jī)械故障診斷方法［J］.石油機(jī)械，2021，49（2）：60-67.

［6］周立國，王勇，李明，等.基于多源數(shù)據(jù)融合的油氣管道診斷預(yù)警技術(shù)［J］.石油化工自動(dòng)化，2022，58（2）：68-72.

［7］葉國慶，鮑翔，蔡正宜.高壓輸電線路在線監(jiān)測(cè)智能化研究［J］.微型電腦應(yīng)用，2020，36（12）：97-99.

［8］李向榮，郝悍勇，樊濤，等.構(gòu)筑數(shù)字化電網(wǎng)建設(shè)信息化企業(yè)［J］.電力系統(tǒng)自動(dòng)化，2007（17）：1-5.

［9］李立浧，彭蓉.智能化平臺(tái)在輸電線路運(yùn)檢系統(tǒng)中的應(yīng)用研究［J］.電工技術(shù)，2020（3）：110-111.

［10］薛亮.均質(zhì)油藏水驅(qū)油物理模擬驅(qū)替規(guī)律實(shí)驗(yàn)分析[J].粘接，2021，45（03）：132-136.

［11］王思麗，劉巍，楊恒，等. 基于自然語言處理和機(jī)器學(xué)習(xí)的實(shí)體關(guān)系抽取方法研究［J］. 圖書館學(xué)研究，2021（18）：39-48.

［12］王海強(qiáng). 高壓輸電線路重要部件典型故障特征融合與識(shí)別算法研究.［D］.呼和浩特：內(nèi)蒙古工業(yè)大學(xué)，2021.

［13］雷晨光. 基于區(qū)域不變矩的形狀匹配技術(shù)的研究及應(yīng)用［D］. 大連：大連理工大學(xué)，2014.

［14］吳景濤. 機(jī)器視覺技術(shù)在煤矸石智能識(shí)別中的應(yīng)用研究［D］.北京：中國礦業(yè)大學(xué)，2019.

［15］劉姝.低頻輻射源特征提取及識(shí)別方法研究［D］.南京：南京航空航天大學(xué)，2019.

［16］高騫，楊俊義，洪宇，等. 基于改造措施的智能配電系統(tǒng)優(yōu)化模型分析［J］. 粘接，2022，49（12）：178-181.

[17］吳松平，王天一.基于神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的視頻人體行為識(shí)別[J].智能計(jì)算機(jī)與應(yīng)用，2021，11（12）：153-157.

［18］魏星，舒乃秋，崔鵬程，等. 基于改進(jìn)PSO-BP神經(jīng)網(wǎng)絡(luò)和D-S證據(jù)理論的大型變壓器故障綜合診斷［J］. 電力系統(tǒng)自動(dòng)化，2006，30（7）：46-50.

［19］鄒紅波，宋璐，張馨煜，等.基于PSO-GRNN和D-S證據(jù)理論的電網(wǎng)分區(qū)故障診斷［J］.智慧電力，2023，51（3）：25-30.

［20］鄭勝潔，劉留，胡祖翰，等.基于改進(jìn)D-S證據(jù)理論的城市軌道交通設(shè)備預(yù)警方法［J］.交通工程，2022，22（6）：28-35.

收稿日期：2023-01-23；修回日期：2023-04-20

作者簡(jiǎn)介：李 ? 瑛（1973-），男，高級(jí)工工程師，主要從事電網(wǎng)數(shù)字化研究；E-mail：liy@bj.sgcc.com.cn。

引文格式：李 瑛 ，張曉穎，徐 汀，等.基于多源異構(gòu)數(shù)據(jù)融合的線路隱患識(shí)別技術(shù)及應(yīng)用研究[J].粘接，2023，50（6）：175-178.