电力线路故障精确识别算法研究

作者：张世朋，陈鑫，朱永乾

来源：《中国新通信》 2018年第6期

□张世朋 陈鑫 朱永乾 山东科技大学电子通信与物理学院

【摘要】 随着经济的不断发展，传统电力线路巡线已经难以满足要求，对电力线故障的快速识别成为亟待解决的问题。文章分别介绍了改进的 SIFT特征向量匹配算法、神经网络算法和深度学习算法。通过对三种算法的比较分析，以及根据国内无人机电力线故障识别的现状，为国内电力线故障识别提供了新思路、新方法。【关键词】 电力线路 故障识别 SIFT 神经网络 深度学习

一、引言

随着我国经济的不断发展，工业和生活用电需求相继激增。以及输电线所处的复杂地形，传统的电力巡线方式已经不能满足要求。因此，电力巡线方法和技术的创新与发展迫在眉睫。随着无人机技术的飞速发展，其应用领域越来越广，从航拍的海量图片中筛选出故障点图片是无人机电力巡线的关键技术。

二、无人机自主电力线故障识别方法

实现无人机自主电力线故障识别关键在于对航拍图片的处理、筛选、识别。目标识别方面算法的发展主要有 SIFT特征点检测算法以及在此算法上改进的一些算法，神经网络算法和深度学习算法。

1、改进的 SIFT特征点检测算法。SIFT特征向量的匹配主要就是对两幅待匹配图像的 SIFT特征向量进行相似性度量。传统 SIFT算法采用比较最近邻特征点和次近邻特征点的欧式距离来判断特征点之间是否匹配。由于 SIFT特征向量高达 128维，计算量大，程序耗时长，极大影响匹配速度。为了减少运算时间，我们采用文献 [5]提出的准欧式距离作为相似度量准则。准欧式距离是准欧式距离矩阵按照水平、垂直、和对象合集分段估计全部的欧式距离，即

12

D =| x1 . x 1) | y . y | （1）

由式（1）可知，利用准欧式距离进行两特征向量的相似性度量，只需要一次乘法，而传统欧式距离需要 128次乘法和一次开方。因此，准欧式距离能够大大减小计算复杂度，减少匹配时间。

2、神经网络算法。人工神经网络是最近几十年蓬勃发展的领域。该方法是通过模拟人脑结构来效仿人类思考并解决问题的一种人工智能方法。这种复杂的神经网络系统由大量简单的人工神经单元连接构成，处理海量信息时，具有良好的并行处理、分布存储、自组织和自适应等特点，而且具有很强的容错能力，工程应用中常常出现的局部图像数据混乱等问题并不会对人工神经网络的正确判断产生很大影响。在目标识别领域，人工神经网络已经被广泛应用于文字识别、手写体字符识别、人脸识别、遥感图像识别和精确制导等方面。在无人机巡检方面应用较少。

3、深度学习算法。深度学习是近几年开启的一股研究热潮，其本质是模拟人脑的层次结构，通过大量的数据训练对外部输入的信息从低级到高级逐层学习，进而得到有用的本质特征。与

人工神经网络相比，深度学习更加强调网络模型的深度，以及通过多层学习最终实现目标的预测和识别。目前来看，深度学习最为典型的 3种算法分别是基于玻尔兹曼机的深度信念网络 （Deep belief Network，DBN）、基于自编码器的深度网络 、和卷积神经网络。深度学习一直备受国内外研究学者的关注微软、百度等均成立研究团队致力于深度学习的研究工作，目前深度学习已被成功运用于语音识别、图像识别、图像的搜索和标注等工作。 但由于发展较晚，应用还不够广泛。

4、三种算法比较分析。人工神经网络和深度学习是最近几十年蓬勃发展的领域。取得了很多重要成果，在目标识别领域，人工神经网络已经被广泛应用于文字识别、手写体字符识别、人脸识别、遥感图像识别和精确制导等方面，都具有快速准确处理海量信息的能力。目前在无人机电力巡线方面也陆续用到，相信未来随着深度学习的技术成熟，它将广泛应用到无人机电力巡检中。改进 SIFT的图像匹配算法较深度学习和神经网络相对简单，另外，改进的 SIFT算法能大大缩短图像匹配的时间，增强了实时性，基本能完成无人机电力巡线工作要求。故选择改进 SIFT的图像匹配算法。

三、 结束语

目前无人机巡线已成为巡线领域的一种有效手段，对无人机系统的故障识别和定位研究代表了目前的研究趋势。人工神经网络和深度学习虽然具有快速准确处理海量信息的能力，但发展较晚，技术还不够成熟。而改进的 SIFT算法能大大缩短图像匹配的时间，增强了实时性，基本能完成无人机电力巡线工作要求。未来随着机器学习、深度学习、大数据等领域的发展，将会为电力线巡线故障识别和精准定位提供新方案。

参 考 文 献

[1]刘士建 .自动目标识别算法发展综述 .中国科学院上海技术物理研究所，上海 ，2016

[2]胡海洋，李海林 .基于图像匹配的无人机目标定位方法 [J].舰船电子工程，2012，32（12）：49-51

[3]孙凤杰，输电导线图像目标识别方法［J］.中国图象图形

[4]王万国，等．基于无人机图像的输电线断股与异物缺陷检测方法［J］．计算机应用， 2015

[5]程德志，李言俊，余瑞星．基于改进 SIFT算法的图像匹配方法[J]．计算机仿真，2011

[6]廖圣龙，安居白 .基于视频图像的电力线故障诊断仿真研究 .大连海事大学信息科学与技术学院，辽宁 大连 116026，2016