本发明涉及电力设备检测技术领域，尤其是一种基于云边协同输电线路精细化感知方法。
背景技术：
在能源互联网的背景下，区域电网和网架线路联系越来越紧密，跨区输电越来越重要，使得任何时刻的不安全状况都将大面积地影响到城市供电，因此针对输电线路的安全运营要求大大提高。当前对于输电线路的巡检主要依靠人工巡检、无人机巡检以及传统视频监测三种方法的独立作业。
1.人工巡检消耗资源巨大，受限于工作时间在夜间往往达不到运维目标；观测视角多为仰角，对于杆塔侧面以及底面的巡视较为全面，但无法对立体设备进行全方位巡视及测温，可能造成误检甚至漏检；安全作业风险高，工作效率低；巡检人员缺员严重，电网建设速度与运维人员增速不匹配，无法满足电网巡检精益化要求。
2.无人机操控难度大、专业飞手数量少，无人机作业智能化程度不高，巡检仍主要依靠飞手手动操作，受外界环境影响大，巡检质量得不到保证；无人机巡检海量数据处理分析困难、有效利用率低，现有巡检影像智能算法识别率低，巡检数据处理智能化有待进一步提高；在夜间及恶劣天气环境下巡检困难，无法对线路通道状况进行24小时实时掌控；作业管控度弱，存在黑飞乱飞现象，数据质量不能保证。
3.传统视频监控装置，需要运检人员在监控中心对监拍图片进行肉眼识别，信息量大，出现故障很难第一时间发现，识别效率低。同时现场监控设备需要将所有监拍照片全部上传至数据中心进行处理，而上传图片中绝大部分都是无缺陷无告警的非异常图片，这占用了很多不必要的存储空间，同时也给网络带宽资源带来巨大的负担。另外，传统视频监控多为分散监测且角度固定，无法全面覆盖需要监测的内容和对象，对于不能用视频图像判别的故障类型无法进行监测，形成监测空白。
技术实现要素：
本发明的目的在于弥补现有技术的不足之处，提供一种基于云边协同输电线路精细化感知方法。
为了解决上述技术问题，本发明采用如下技术方案：
一种基于云边协同输电线路精细化感知方法，该感知方法基于监测系统来实现，所述监测系统包括物联传感设备、多旋翼无人机、无人机自主充电飞控机巢以及拥有前端识别能力的边缘计算网关；所述物联传感设备包括摄像头、气象传感器、温度传感器、拉力传感器和倾斜传感器，所述物联传感设备安装在杆塔上且用于定时或实时采集输电线路和杆塔的状态数据以及输电线路和杆塔的周围环境数据并传输至所述边缘计算网关；所述多旋翼无人机用于采集杆塔的状态数据，所述无人机自主充电飞控机巢安装在杆塔上且用于对所述多旋翼无人机进行充电和维护，并将所述多旋翼无人机所采集的数据传输至所述边缘计算网关；所述边缘计算网关基于云计算、边缘计算、大数据技术对所获取的数据在前端进行智能判别分析并滤除大量无效数据，之后传输至后端服务器平台。
该感知方法，包括如下步骤：
在杆塔上安装物联传感设备和无人机自主充电飞控机巢；
对除摄像头之外的其他物联传感设备进行标准阈值的设定，并记录摄像头所获取的输电线路标准图像，将标准阈值和输电线路标准图像汇集至边缘计算网关；
设置固定时间启动物联传感设备，对输电线路和杆塔的状态数据以及输电线路和杆塔的周围环境数据进行采集，并将采集到的数据汇集至边缘计算网关；
边缘计算网关将除摄像头之外的其他物联传感设备所采集到的数据与设定的标准阈值进行比对，获得比对结果；
边缘计算网关依据比对结果判断输电线路和杆塔的状态以及输电线路和杆塔的周围环境是否存在故障隐患，若判别为故障隐患，则由边缘计算网关及时向后端服务器平台输出告警并对运检人员进行告警提示；
通过多旋翼无人机对杆塔上各个预设目标位置进行悬停拍摄，并获取杆塔标准图像；
正常巡检时，由多旋翼无人机自动对杆塔上各个预设目标位置进行复拍，并获取杆塔复拍图像；
当多旋翼无人机进入无人机自主充电飞控机巢时，由无人机自主充电飞控机巢将杆塔标准图像和杆塔复拍图像汇集至边缘计算网关；
通过边缘计算网关对摄像头和多旋翼无人机所采集到的图像数据分别进行比对分析，即将摄像头所拍摄的输电线路图像与输电线路标准图像进行比对分析，以及将多旋翼无人机所拍摄的杆塔复拍图像与杆塔标准图像进行比对分析，判别出与输电线路标准图像或杆塔标准图像存在差异的特征图像；
通过边缘计算网关对特征图像进行信息加密处理，并传输至后端服务器平台作进一步分析计算，判断出故障隐患的类型并对运检人员进行告警提示。
进一步地，所述摄像头包括高清摄像头和红外摄像头，所述摄像头的拍摄方向沿着输电线路的走向设置以监拍输电线路上的隐患，所述隐患包括输电线路上的异物悬挂以及输电线路走廊中的施工车辆、树木和火情。
进一步地，所述气象传感器为六要素微气象仪，以用于监测输电线路走廊的温度、湿度、气压、风速、风向和降雨量数据，且在每隔五公里的杆塔上分别安装有一六要素微气象仪。
进一步地，所述温度传感器安装在杆塔的金具上，以用于监测金具的温度。
进一步地，所述拉力传感器安装在杆塔的绝缘子串与横梁之间，以用于监测输电线路的综合载荷力。
进一步地，所述倾斜传感器安装在杆塔上，以用于监测杆塔的纵向和横向倾斜角度。
进一步地，在每隔五公里的杆塔上分别安装有一所述无人机自主充电飞控机巢。
进一步地，在物联传感设备中，任一个传感器所采集的数据越限则会自动触发其余的传感器实时监测，以进行综合数据确认和判断。
进一步地，所述边缘计算网关具备协议转换功能，对前端数据进行统一封装，同时网关内嵌安全芯片，在公共网络上建立专用vpn网络，利用加密技术再封装一个数据通讯隧道，进行加密通讯，保证传输数据安全。
与现有技术相比，本发明的有益效果是：
1、本发明提出一种基于云边协同的输电线路精细化自主感知方法，通过输电线路在线监测装置全天候实时监控和无人机定时自主巡检，可提高输电线路和杆塔本体及周围环境的状态感知能力，能够及时发现输电线路和杆塔的隐患，并向后台自动告警；提高了巡检数据获取的标准化程度和自动化程度，提升了工作效率。
2、本发明实现巡检隐患信息智能研判，建立主动综合防护模式，采用智能图像分析技术，以基于图像处理、模式识别技术的计算机视觉技术为核心，结合多媒体技术、计算机网络技术，主动识别杆塔缺陷或检测危险目标，将报警信息和报警图片及时发送到远程管理平台(后端服务器平台)上，实现信息及时主动告警，从根本上取代人力排查输电线路缺陷及异物的方式，提升了输电线路防外力破坏水平。
3、本发明基于云边协同联动，无人机巡检数据及物联传感设备监测数据回传至数据中心之前，在边缘节点完成巡检数据的存储、融合、共享和实时计算，数据处理更接近数据来源，海量的数据不再需要上传至云端进行处理，核心网传输压力下降，数据传输迟延时间减少，避免了网络堵塞，节约数据存储空间，让传统设备具备自我感知能力和自主意识，满足泛在电力物联网状态全面感知、信息高效处理、应用便捷灵活的特征，有效推动了输电线路巡检向高度智能化和精益化管理模式的转变。
附图说明
为了使本发明的优点更容易理解，将通过参考在附图中示出的具体实施方式更详细地描述上文简要描述的本发明。可以理解这些附图只描绘了本发明的典型实施方式，因此不应认为是对其保护范围的限制，通过附图以附加的特性和细节来描述和解释本发明。
图1为本发明的流程图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员来说显而易见的是，本发明实施方式可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明实施方式发生混淆，对于本领域公知的一些技术特征未进行描述。
为了彻底了解本发明实施方式，将在下列的描述中提出详细的结构。显然，本发明实施方式的施行并不限定于本领域的技术人员所熟习的特殊细节。本发明的较佳实施方式详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。
在本发明的描述中，术语“内侧”、“外侧”、“纵向”、“横向”、“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作，因此不能理解为对本发明的限制。
下面结合附图对本发明的实施例作进一步详细的说明：
本实施例提供了一种基于云边协同输电线路精细化感知方法，该感知方法基于监测系统来实现，监测系统包括物联传感设备、多旋翼无人机、无人机自主充电飞控机巢以及拥有前端识别能力的边缘计算网关；物联传感设备包括摄像头、气象传感器、温度传感器、拉力传感器和倾斜传感器，物联传感设备安装在杆塔上且用于定时或实时采集输电线路和杆塔的状态数据以及输电线路和杆塔的周围环境数据并传输至边缘计算网关；多旋翼无人机用于采集杆塔的状态数据，无人机自主充电飞控机巢安装在杆塔上且用于对多旋翼无人机进行充电和维护，并将多旋翼无人机所采集的数据传输至边缘计算网关；边缘计算网关基于云计算、边缘计算、大数据技术对所获取的数据在前端进行智能判别分析并滤除大量无效数据，之后传输至后端服务器平台。
参见图1，本实施例所提供的一种基于云边协同输电线路精细化感知方法，主要包括数据采集阶段和云边协同判别阶段；在数据采集阶段中，利用部分固定点位的物联传感设备来实现输电线路和杆塔的结构化数据的采集，同时还利用摄像头和多旋翼无人机实现输电线路和杆塔的图像数据的采集；在云边协同判别阶段中，将结构化数据与标准阈值进行比对，并把超出标准阈值范围的数据输出至后端服务器平台并告警，将图片数据与标准图像进行比对分析，判断出特征图像并传输至后端服务器平台作进一步分析计算。
该感知方法的具体步骤如下：
(1)在杆塔上安装物联传感设备和无人机自主充电飞控机巢。
其中，摄像头包括高清摄像头和红外摄像头，在杆塔的重点区域安装高清摄像头和红外摄像头，方向面对输电线路走向，重点监拍输电线路上异物悬挂以及输电线路走廊中的施工车辆、树木、火情等隐患；气象传感器为六要素微气象仪，由于气象条件在小范围内几乎无变化，所以在每隔五公里的杆塔上安装一个六要素微气象仪，监测输电线路走廊的温度、湿度、气压、风速、风向、降雨量等信息，无需现场校准；温度传感器(温度计)安装在杆塔的金具上，以用于监测金具的温度；拉力传感器(拉力计)安装在杆塔的绝缘子串与横梁之间，以用于监测输电线路的综合载荷力；倾斜传感器(倾斜仪)安装在杆塔上，以用于监测杆塔的纵向和横向倾斜角度；每相隔五公里的杆塔上设置一处无人机自主充电飞控机巢，在为多旋翼无人机充电的同时将拍摄的图像传输至边缘计算网关。
(2)对除摄像头之外的其他物联传感设备进行标准阈值的设定，并记录摄像头所获取的输电线路标准图像，将标准阈值和输电线路标准图像汇集至边缘计算网关。
其中，根据不同传感器的测量精度以及现场运行的环境，有针对性的设定各个传感器的标准阈值；输电线路标准图像一般是指摄像头第一次所拍摄的正常状态下的输电线路的图像。
(3)设置固定时间启动物联传感设备，对输电线路和杆塔的状态数据以及输电线路和杆塔的周围环境数据进行采集，并将采集到的数据汇集至边缘计算网关。
其中，对于变化频率不明显的监测对象(如湿度、气压、杆塔倾斜等)，可设置相对较长的采集间隔；对于变化频率明显的监测对象(如金具温度、风偏等)，设置相对较短的采集间隔；并将采集到的数据传输至边缘计算网关。
(4)边缘计算网关将除摄像头之外的其他物联传感设备所采集到的数据与设定的标准阈值进行比对，获得比对结果；边缘计算网关依据比对结果判断输电线路和杆塔的状态以及输电线路和杆塔的周围环境是否存在故障隐患，若判别为故障隐患，则由边缘计算网关及时向后端服务器平台输出告警并对运检人员进行告警提示。
其中，在物联传感设备中，任一个传感器所采集的数据越限则会自动触发其余的传感器实时监测，以进行综合数据确认和判断，触发告警后第一时间上报后端服务器平台。
(5)通过多旋翼无人机对杆塔上各个预设目标位置进行悬停拍摄，确定相片编号和标准图像，获取标准图像，作为自动巡检工作的参考图像；正常巡检时，由多旋翼无人机自动对杆塔上各个预设目标位置进行复拍，并获取杆塔复拍图像。
其中，在杆塔及输电线路走廊附近的地表稳定区域标定控制点，并通过水准联测获取其坐标，确定控制点的精确坐标，目的在于复拍时保持杆塔位置与无人机位置相对一致；根据待巡检的杆塔线路设置多旋翼无人机的悬停坐标和云台姿态，具体结合固定点安装的摄像头朝向，设置悬停坐标和云台拍摄角度，弥补固定点安装的物联传感设备无法检测到的空白区域，实现对杆塔和输电线路的全方位立体监测。关于利用多旋翼无人机对杆塔缺陷识别的方案，可参考中国发明专利申请(申请号201811318451.4，申请日2018.11.07，申请公布号cn109459437a，申请公布日2019.03.12)所公布的一种基于高精度定位的多旋翼无人机输电杆塔缺陷识别方法，对此相关方案本文不再赘述。
(6)当多旋翼无人机进入无人机自主充电飞控机巢时，由无人机自主充电飞控机巢将杆塔标准图像和杆塔复拍图像汇集至边缘计算网关。
(7)通过内置训练样本库的边缘计算网关，对摄像头和多旋翼无人机所采集到的图像数据分别进行比对分析，即将摄像头所拍摄的输电线路图像与输电线路标准图像进行比对分析，以及将多旋翼无人机所拍摄的杆塔复拍图像与杆塔标准图像进行比对分析，判别出与输电线路标准图像或杆塔标准图像存在差异的特征图像。
其中，边缘计算网关提供强大的云边协同功能，以图像识别为核心，对监测数据进行识别、对比和过滤判断；智能图像识别：对现场拍摄图片进行前端本地分析，进行数据结构化处理，提取图片特征值，去除冗余内容，识别告警，上传后端服务器平台；算法迭代：建立初代识别模型，在识别过程中不断对特征值进行积累，后端服务器平台配备深度学习算法，不断完善监测对象特征，更新后的模型可由后端服务器平台统一下发至边缘计算网关，提高识别准确率。
(8)通过边缘计算网关对特征图像进行信息加密处理，并传输至后端服务器平台作进一步多种类型分析计算，判断出故障隐患的类型并对运检人员进行告警提示。
其中，边缘计算网关具备协议转换功能，对前端数据进行统一封装，同时网关内嵌安全芯片，在公共网络上建立专用vpn网络，利用加密技术再封装一个数据通讯隧道，进行加密通讯，保证传输数据安全。
本发明利用高清摄像头、红外摄像头、气象仪、温度计、拉力计、倾斜仪等多种传感器，定时、实时采集输电线路和杆塔本体的状态和运行信息，并上传至拥有前端识别能力的边缘计算网关。采用多旋翼无人机对标定点位进行精细化拍摄，并通过设置无人机自主充电飞控机巢，在充电的同时将多旋翼无人机获取的图像数据传输至边缘计算网关。边缘计算网关基于云计算、边缘计算、大数据技术，对拍摄的监测图片和数据进行前端识别分析判断，针对异常事件进行告警。边缘计算网关可对大量无效图片进行过滤，免去人工识别海量图片的工作，提高告警识别效率，同时减少上传数据量，解决网络传输带宽和流量的问题，解决服务器存储的问题。另外，多旋翼无人机搭载可见光及红外相机与在线监测互相补充，可以有效弥补两种巡检方式单独使用时产生的监测空白区域，实现多角度、全方位、立体化的巡视，提高设备隐患的检出率，提高巡检精细化水平，从根本上实现了对杆塔和输电线路本体状态及环境的24小时不间断全面感知，构建输电线路立体化巡检体系。本发明的应用在提升检测效率和质量的同时，还减轻了运维人员的工作压力。
综上所述，本发明的内容并不局限在上述的实施例中，本领域的技术人员可以在本发明的技术指导思想之内提出其他的实施例，但这些实施例都包括在本发明的范围之内。
1.一种基于云边协同输电线路精细化感知方法，其特征在于，该感知方法基于监测系统来实现，所述监测系统包括物联传感设备、多旋翼无人机、无人机自主充电飞控机巢以及拥有前端识别能力的边缘计算网关；所述物联传感设备包括摄像头、气象传感器、温度传感器、拉力传感器和倾斜传感器，所述物联传感设备安装在杆塔上且用于定时或实时采集输电线路和杆塔的状态数据以及输电线路和杆塔的周围环境数据并传输至所述边缘计算网关；所述多旋翼无人机用于采集杆塔的状态数据，所述无人机自主充电飞控机巢安装在杆塔上且用于对所述多旋翼无人机进行充电和维护，并将所述多旋翼无人机所采集的数据传输至所述边缘计算网关；所述边缘计算网关基于云计算、边缘计算、大数据技术对所获取的数据在前端进行智能判别分析并滤除大量无效数据，之后传输至后端服务器平台；
该感知方法，包括如下步骤：
在杆塔上安装物联传感设备和无人机自主充电飞控机巢；
对除摄像头之外的其他物联传感设备进行标准阈值的设定，并记录摄像头所获取的输电线路标准图像，将标准阈值和输电线路标准图像汇集至边缘计算网关；
设置固定时间启动物联传感设备，对输电线路和杆塔的状态数据以及输电线路和杆塔的周围环境数据进行采集，并将采集到的数据汇集至边缘计算网关；
边缘计算网关将除摄像头之外的其他物联传感设备所采集到的数据与设定的标准阈值进行比对，获得比对结果；
边缘计算网关依据比对结果判断输电线路和杆塔的状态以及输电线路和杆塔的周围环境是否存在故障隐患，若判别为故障隐患，则由边缘计算网关及时向后端服务器平台输出告警并对运检人员进行告警提示；
通过多旋翼无人机对杆塔上各个预设目标位置进行悬停拍摄，并获取杆塔标准图像；
正常巡检时，由多旋翼无人机自动对杆塔上各个预设目标位置进行复拍，并获取杆塔复拍图像；
当多旋翼无人机进入无人机自主充电飞控机巢时，由无人机自主充电飞控机巢将杆塔标准图像和杆塔复拍图像汇集至边缘计算网关；
通过边缘计算网关对摄像头和多旋翼无人机所采集到的图像数据分别进行比对分析，即将摄像头所拍摄的输电线路图像与输电线路标准图像进行比对分析，以及将多旋翼无人机所拍摄的杆塔复拍图像与杆塔标准图像进行比对分析，判别出与输电线路标准图像或杆塔标准图像存在差异的特征图像；
通过边缘计算网关对特征图像进行信息加密处理，并传输至后端服务器平台作进一步分析计算，判断出故障隐患的类型并对运检人员进行告警提示。
2.根据权利要求1所述的基于云边协同输电线路精细化感知方法，其特征在于，所述摄像头包括高清摄像头和红外摄像头，所述摄像头的拍摄方向沿着输电线路的走向设置以监拍输电线路上的隐患，所述隐患包括输电线路上的异物悬挂以及输电线路走廊中的施工车辆、树木和火情。
3.根据权利要求1所述的基于云边协同输电线路精细化感知方法，其特征在于，所述气象传感器为六要素微气象仪，以用于监测输电线路走廊的温度、湿度、气压、风速、风向和降雨量数据，且在每隔五公里的杆塔上分别安装有一六要素微气象仪。
4.根据权利要求1所述的基于云边协同输电线路精细化感知方法，其特征在于，所述温度传感器安装在杆塔的金具上，以用于监测金具的温度。
5.根据权利要求1所述的基于云边协同输电线路精细化感知方法，其特征在于，所述拉力传感器安装在杆塔的绝缘子串与横梁之间，以用于监测输电线路的综合载荷力。
6.根据权利要求1所述的基于云边协同输电线路精细化感知方法，其特征在于，所述倾斜传感器安装在杆塔上，以用于监测杆塔的纵向和横向倾斜角度。
7.根据权利要求1所述的基于云边协同输电线路精细化感知方法，其特征在于，在每隔五公里的杆塔上分别安装有一所述无人机自主充电飞控机巢。
8.根据权利要求1所述的基于云边协同输电线路精细化感知方法，其特征在于，在物联传感设备中，任一个传感器所采集的数据越限则会自动触发其余的传感器实时监测，以进行综合数据确认和判断。
9.根据权利要求1所述的基于云边协同输电线路精细化感知方法，其特征在于，所述边缘计算网关具备协议转换功能，对前端数据进行统一封装，同时网关内嵌安全芯片，在公共网络上建立专用vpn网络，利用加密技术再封装一个数据通讯隧道，进行加密通讯，保证传输数据安全。
技术总结