一种基于压缩感知的输电线路防撞在线监测系统的制作方法

1.本发明属于电力系统在线监测技术领域，涉及一种输电线路防撞在线预警系统，具体涉及一种基于压缩感知的输电线路防撞在线监测系统。


背景技术：

2.输电环节作为电力传输过程中距离最远、电压等级最高、环境最为复杂的部分，一直以来饱受各类安全威胁的困扰。据统计，在引发输电线路跳闸因素中，主要包括了极端天气、高大树木、违章施工等，其中人为的外力撞击占比达到了近四分之一。在人为外力撞击事件中，近八成是由于大型工程机械违章施工导致的，并且往往会产生永久故障点，不仅对电网安全稳定运行产生严重威胁，并且对施工人员的人身安全危害极大。因此，对输电线路采取防撞预警措施是非常必要的。
3.一直以来，智能化的在线监测方法在输电领域的应用一直是较为薄弱的。目前，输电线路的防撞主要依靠人工现场巡线、人工后台视频监控等方式，均需耗费较多的人力资源，并且监测覆盖面较为有限。


技术实现要素：

4.本发明的目的是克服现有技术的缺陷，提供一种基于压缩感知的输电线路防撞在线监测系统，易于实现，并且具有较高的输电线路撞击威胁样本的识别精度，可以为输电线路运检工作人员提供较为可靠的预警信息，使得工作人员可以及时处理线路周边的危险因素，从而为输电线路的安全稳定运行提供可靠保障。
5.实现上述目的的技术方案是：一种基于压缩感知的输电线路防撞在线监测系统，包括前端监测模块和后台处理模块，其中：
6.所述前端监测模块包括依次相连的摄像模块、前端处理器和4g通信模块；
7.所述后台处理模块包括后台服务器和与其相连的预警模块；
8.所述摄像模块对被监测区域进行实时监测，当监测到运动目标时，发送被监测区域的图像给所述前端处理器；
9.所述前端处理器利用采集的被监测区域的图像提取异物的像素分布特征，并通过所述4g通信模块，将异物的像素分布特征传输至所述后台服务器；
10.所述后台服务器接收到异物的像素分布特征时，调取特征数据库以及建模完成的压缩感知识别算法，进行目标特征识别对异物是否具有威胁进行研判，并根据异物的研判结果输出预警结果给所述预警模块，工作人员通过所述预警模块的预警信息执行相应的处置措施，及时处理线路周边的危险因素。
11.上述的一种基于压缩感知的输电线路防撞在线监测系统，其中，所述特征数据库为离线特征数据库，所述特征数据库中存储的是历史采集的异物目标特征数据，其数据结构与前端处理器提取的异物的像素分布特征一致，并且包含了异物的研判结果，每一次所述后台服务器的识别均可对离线特征数据库进行数据更新与学习，增强压缩感知识别算法
的识别能力。
12.上述的一种基于压缩感知的输电线路防撞在线监测系统，其中，所述前端处理器利用采集的被监测区域的图像提取异物的像素分布特征时，将被监测区域的图像的像素由rgb空间转换为hsv空间，r指红色，g指绿色，b指蓝色，h指色调，s指饱和度，v指强度，取其中的色调h，rgb与h值之间的转换公式为：
[0013][0014]
v＝max(r,g,b)，q＝min(r,g,b)
[0015]
通过式(1)的转换，每一个像素点均对应一个h值，由此绘制出像素点分布特征图；
[0016]
为更好的表征像素分布特征，并且使得像素总数不同的图像之间有可比性，对像素点个数进行归一化处理，每一个h值对应的像素点个数均除以像素点个数最大值。
[0017]
上述的一种基于压缩感知的输电线路防撞在线监测系统，其中，所述后台服务器在进行目标特征识别时，是采用压缩感知识别算法识别特征数据库中与本次异物的像素分布特征最为相似的目标特征，包括两种情况：
[0018]
(1)识别出的目标类型为无威胁，那么本次目标特征识别的结果为无威胁，无需工作人员对其进行确认与处理；
[0019]
(2)识别出的目标类型为有威胁，则对目标的相似度设置阈值进行二次判断，若超过阈值则本次目标特征识别结果为威胁，需要工作人员进行处理；若没超过阈值则判定无威胁。
[0020]
上述的一种基于压缩感知的输电线路防撞在线监测系统，其中，所述压缩感知识别算法利用cs算法重构数据的功能实现目标特征的高精度识别，所述压缩感知识别算法的建模流程为：
[0021]
对于一次目标识别过程，采集由形状特征、距离特征以及像素分布特征所构成的300维特征向量，如下式所示：
[0022][0023]
式(2)中，xj表示第j个目标的特征向量，表示像素分布特征中的像素分布数据；
[0024]
那么，特征数据库中的目标特征向量组成数据库矩阵ψ：
[0025][0026]
式(3)中，n表示离线数据库中目标个数；
[0027]
设第j个目标的特征数据提取向量为sj：
[0028]
sj＝[0,...,0,1,0,...,0]
t
ꢀꢀꢀꢀꢀꢀꢀ
(4)
[0029]
式(4)中，第j个元素为1；
[0030]
综合式(2)-式(4)得：
[0031]
xj＝ψsjꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0032]
在实际识别过程中，已知量为x与ψ，通过cs算法重构s，通过s的数据特征寻找特征数据库中相似度最高的目标特征，为了实现这一过程，在式(5)的基础上构建cs算法标准形式，在式(5)两边同时乘以m
×
300维的观测矩阵φ得：
[0033]
φxj＝φψsjꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0034]
令t＝φx，θ＝φψ，则得：
[0035]
t＝θsj(7)
[0036]
式(7)中，θ称作传感矩阵，维度为m
×
n，为体现cs算法的压缩性，m远小于300，φ选用高斯随机矩阵；
[0037]
式(7)即为cs算法的标准形式，已知t与θ，即可重构s；
[0038]
式(7)是一个欠定方程，无法直接解方程，被重构向量s是稀疏度为1的向量，将重构问题转化为最小l1范数优化求解问题，求解模型为：
[0039]
min||s||
1 s.t.t＝θs
ꢀꢀ
(8)
[0040]
优化求解过程是通过多次迭代逐步逼近原数据向量的原理，选用的求解算法为正交匹配追踪算法，重构得到的向量s计为s'：
[0041]s′
＝argmin||s||
1 s.t.t＝θs
ꢀꢀ
(9)
[0042]
由于重构的过程存在误差，s'稀疏度并不是1，而是由一个接近1的值加上若干较小非零值组成的向量，选取向量中最大值对应的元素位置选择特征数据库中最相似目标特征向量，并用该值与1之间相似度作为目标之间的相似度。
[0043]
本发明的基于压缩感知的输电线路防撞在线监测系统，对于软硬件的要求相对较小，易于实现，并且具有较高的输电线路撞击威胁样本的识别精度，可以为输电线路运检工作人员提供较为可靠的预警信息，使得工作人员可以及时处理线路周边的危险因素，从而为输电线路的安全稳定运行提供可靠保障。
附图说明
[0044]
图1为本发明的基于压缩感知的输电线路防撞在线监测系统的框架图；
[0045]
图2为待抓取吊车的图像示意图；
[0046]
图3为土中抓取的吊车的像素分布特征图；
[0047]
图4为验证实验中压缩感知算法的测试准确率结果图。
具体实施方式
[0048]
为了使本技术领域的技术人员能更好地理解本发明的技术方案，下面结合附图对其具体实施方式进行详细地说明：
[0049]
请参阅图1、图2和图3，本发明的最佳实施例，一种基于压缩感知的输电线路防撞在线监测系统，包括前端监测模块1和后台处理模块2，前端监测模块1包括依次相连的摄像模块11、前端处理器12和4g通信模块13；后台处理模块2包括后台服务器21和与其相连的预警模块22；摄像模块11对被监测区域进行实时监测，当监测到运动目标时，发送被监测区域的图像给前端处理器12；前端处理器12利用采集的被监测区域的图像提取异物的像素分布
特征，并通过4g通信模块13将异物的像素分布特征传输至后台服务器21；后台服务器21接收到异物的像素分布特征时，调取特征数据库以及建模完成的压缩感知识别算法，进行目标特征识别对异物是否具有威胁进行研判，并根据异物的研判结果输出预警结果给预警模块22，工作人员通过预警模块22的预警信息执行相应的处置措施，及时处理线路周边的危险因素。
[0050]
特征数据库为离线特征数据库，特征数据库中存储的是历史采集的异物目标特征数据，其数据结构与前端处理器12提取的异物的像素分布特征一致，并且包含了异物的研判结果，每一次后台服务器21的识别均可对离线特征数据库进行数据更新与学习，增强压缩感知识别算法的识别能力。
[0051]
像素分布特征提取：
[0052]
图像中的颜色通常由rgb(红、绿、蓝)三基色像素描述，每一种基色取值范围为0-255。为了用一个值表征像素的颜色特征，需要进行空间转换。
[0053]
前端处理器12利用采集的被监测区域的图像提取异物的像素分布特征时，将被监测区域的图像的像素由rgb空间转换为hsv空间，r指红色，g指绿色，b指蓝色，h指色调，s指饱和度，v指强度，取其中的色调h，rgb与h值之间的转换公式为：
[0054][0055]
v＝max(r,g,b)，q＝min(r,g,b)
[0056]
通过式(1)的转换，每一个像素点均对应一个h值，由此绘制出像素点分布特征图；为更好的表征像素分布特征，并且使得像素总数不同的图像之间有可比性，对像素点个数进行归一化处理，每一个h值对应的像素点个数均除以像素点个数最大值。
[0057]
请参阅图2和图3，以图2中抓取的吊车为例，经过式(1)的转换，其像素分布特征如图3所示。
[0058]
基于压缩感知的目标特征识别：
[0059]
本发明的基于压缩感知的输电线路防撞在线监测系统，后台服务器21在进行目标特征识别时，是采用压缩感知识别算法识别特征数据库中与本次异物的像素分布特征最为相似的目标特征，包括两种情况：
[0060]
(1)识别出的目标类型为无威胁，那么本次目标特征识别的结果为无威胁，无需工作人员对其进行确认与处理；
[0061]
(2)识别出的目标类型为有威胁，则对目标的相似度设置阈值进行二次判断，若超过阈值则本次目标特征识别结果为威胁，需要工作人员进行处理；若没超过阈值则判定无威胁。
[0062]
以上为本发明的在线监测系统的目标特征识别算法整体逻辑架构。其中最为核心的部分就是在离线特征数据库的识别，此步骤的精度直接影响了最终结果的判断。压缩感知(cs)理论指出，若信号可以满足稀疏性要求，那么就利用低于奈奎斯特采样频率采集的部分数据，恢复信号的完整数据。本发明的基于压缩感知的输电线路防撞在线监测系统，将cs算法进行重新设计，利用其重构数据的功能实现目标特征的高精度识别。
[0063]
对于一次目标识别过程，采集由形状特征、距离特征以及像素分布特征所构成的
300维特征向量，如下式所示：
[0064][0065]
式(2)中，xj表示第j个目标的特征向量，表示像素分布特征中的像素分布数据；
[0066]
那么，特征数据库中的目标特征向量组成数据库矩阵ψ：
[0067][0068]
式(3)中，n表示离线数据库中目标个数；
[0069]
设第j个目标的特征数据提取向量为sj：
[0070]
sj＝[0,...,0,1,0,...,0]
t
ꢀꢀꢀꢀꢀꢀꢀ
(4)
[0071]
式(4)中，第j个元素为1；
[0072]
综合式(2)-式(4)得：
[0073]
xj＝ψsjꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0074]
在实际识别过程中，已知量为x与ψ，通过cs算法重构s，通过s的数据特征寻找特征数据库中相似度最高的目标特征，为了实现这一过程，在式(5)的基础上构建cs算法标准形式，在式(5)两边同时乘以m
×
300维的观测矩阵φ得：
[0075]
φxj＝φψsjꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0076]
令t＝φx，θ＝φψ，则得：
[0077]
t＝θsjꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0078]
式(7)中，θ称作传感矩阵，维度为m
×
n，为体现cs算法的压缩性，m远小于300，φ选用高斯随机矩阵；
[0079]
式(7)即为cs算法的标准形式，已知t与θ，即可重构s；
[0080]
式(7)是一个欠定方程，无法直接解方程，被重构向量s是稀疏度为1的向量，将重构问题转化为最小l1范数优化求解问题，求解模型为：
[0081]
min||s||
1 s.t.t＝θs
ꢀꢀꢀꢀꢀꢀ
(8)
[0082]
优化求解过程是通过多次迭代逐步逼近原数据向量的原理，选用的求解算法为正交匹配追踪算法(omp)，重构得到的向量s计为s'：
[0083]s′
＝argmin||s||
1 s.t.t＝θs
ꢀꢀ
(9)
[0084]
由于重构的过程存在误差，s'稀疏度并不是1，而是由一个接近1的值加上若干较小非零值组成的向量，选取向量中最大值对应的元素位置选择特征数据库中最相似目标特征向量，并用该值与1之间相似度作为目标之间的相似度。
[0085]
试验验证：
[0086]
为了验证本发明的基于压缩感知的输电线路防撞在线监测系统的有效性，首先建立识别使用的离线特征数据库以及用以验证算法的测试数据库。通过现场采集以及历史留存样本的处理，共建立了包含976个样本的离线特征数据库以及包含273个样本的测试数据
库。数据库中包含了多种机械设备在多种环境下的样本，可以涵盖大多数的输电线路大型机械撞击事故的类型。在测试数据库的273个样本中，具有威胁的样本共有76个，无威胁的样本共197个。
[0087]
压缩感知算法直接输出的是相似度值，最终结果的判定需要相似度值与设定的阈值之间进行对比。因此，不同的阈值对于算法输出结果的准确性影响时较为显著的。因此，本发明的基于压缩感知的输电线路防撞在线监测系统，在测试时针对不同阈值下的识别准确度进行统计。
[0088]
请参阅图4，为了验证本发明采用的cs算法的有效性，在测试中选取了bp神经网络以及k-近邻(k-nearest neighbor，knn)两种模式识别算法，用以进行对比验证。识别测试结果如图4所示。
[0089]
从图4中的结果可以得出，三种算法识别准确率的变化趋势均是随着阈值的增加先升后降的。cs、bp、knn三种算法达到准确率最大值的阈值分别为86％、80％、78％，对应的识别准确率分别为96.34％、91.94％、87.55％。
[0090]
由以上结果可以看出，本发明的基于压缩感知的输电线路防撞在线监测系统，cs算法的识别效果是具有一定优势的，其不仅有着最大的准确率值，同时对应的阈值也是最大的。这说明cs算法在识别目标时，均能够输出较高的相似度值，那么当阈值变低时，就会使得“误判”的情况变多，而当阈值变高时，并不会造成过多“漏判”。因此，cs算法具有最高的鲁棒性。
[0091]
综上所述，本发明的基于压缩感知的输电线路防撞在线监测系统，易于实现，并且具有较高的输电线路撞击威胁样本的识别精度，可以为输电线路运检工作人员提供较为可靠的预警信息，使得工作人员可以及时处理线路周边的危险因素，从而为输电线路的安全稳定运行提供可靠保障。
[0092]
本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。