導語：電力線損實時檢測技術研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：針對傳統電力線損度低、實時性差、系統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。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，選定線損數據的樣本集，構建樣本點的特征向量，并求解SVM的判別函數，最終實現對電力線損的精確檢測。實驗結果證明，提出的基于激光點云的電力線損實時檢測技術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用價值。

關鍵詞：激光點云；電力線損；檢測；誤差率

電能在傳輸的過程中經過配電、變電等環節會造成一定的損耗［1］。其中一部分電能損失源于電力設備本身損耗，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，屬于可以進行監測和控制的部分［2－3］。近年來，隨著激光技術的快速發展和進步，其更多的優點和性能不斷地被發掘出來，激光的應用領域也進一步得到拓展［4］。激光檢測技術是對激光優良性能的有效應用，如激光掃描、跟蹤、測振、激光校準、破損識別、光譜分析等都顯示了激光檢測的優越性［5］。應用激光技術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］。在激光檢測技術當中，點云檢測精度最高、效果最優，激光點云以空間坐標為參考系，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，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］。傳統的模糊檢測方法，如神經網絡檢測方法，具有計算復雜、假設條件多、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研究。利用激光探測傳感裝置提取點云特征，選定線損數據的樣本集，構建樣本點的特征向量，并求解支持向量機SVM的判別函數，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研究，能夠有效提高檢測精度，降低線損率和系統誤差，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）進行函數判別，完成線路線損的精準檢測。在電力線路檢測的過程中，最為關鍵的點云數據的提取和分析，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

為了實現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能夠將兩類樣本準確分開，同時能夠使兩類數據到超平面的空間間隔最大，從而得到最優超平面。如圖2所示。圖2中的兩類數據，K表示最優超平面，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數據集的分類。由此可知，為了確定一個超平面將兩類數據進行分開，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實驗結果與分析

本文進行仿真實驗，驗證提出技術研究在提高檢測精度和降低線損率方法的優勢。在檢測精度的表現方面，分別采用傳統神經網絡模糊檢測技術和本文提出基于激光點云的檢測結果進行對比分析，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，以每組數據的平均值作為測量結果，如表1、表2所示。從表1、表2的結果可知，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相比于傳統的檢測技術，結果精度更高。對某A、B兩段線路分別采用常規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，若發現線路故障，及時對其進行處理，對其線損率數據進行匯總整理，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后，可實時對線路中出現的故障進行排除，使線損率降低到1％以下。由于可見，本文檢測技術有利于提高檢測結果的精準度和減低線損率。

4總結

電能在傳輸的過程中，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致損耗的出現。本文提出的一種基于激光點云的電力線損實時檢測技術，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的檢測效率更高、速度更快，而且通過該檢測技術能夠及時排除故障，能夠將常規高達2．5％的線損率降低到1％以下，有利于電能傳輸成本的節約。

參考文獻

［1］徐博，劉正軍，王堅．基于激光點云數據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，2017，42（4）：10－16．

［3］劉志青，李鵬程，陳小衛，等．基于信息向量機的機載激光雷達點云數據分類［J］．光學精密工程，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．基于激光掃描技術的行人檢測方法研究［J］．計算機科學，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，魏紀原．基于激光點云輔助的相機標定方法研究［J］．激光雜志，2016，37（10）：89－93．

［9］吳鴻亮，門錕，董楠，等．基于J2EE架構的線損理論計算與診斷分析系統開發與應用［J］．電力系統保護與控制，2016，44（5）：108－116．

作者：孫春華 石旭初 孫云峰 周定亞 單位：國網江蘇省電力有限公司漣水縣供電分公司