一种基于油动无人机的特高压输电线路监测方法及系统与流程

本发明涉及输电线路监测，具体涉及一种基于油动无人机的特高压输电线路监测方法及系统。

背景技术：

1、特高压输电线路的监测在电力系统维护中起着至关重要的作用，传统的巡检方法存在一定的局限性，无法有效覆盖大范围、复杂地形或难以到达的区域，因此，无人机技术成为一种潜在的解决方案。

2、现有的无人机监测系统在特高压输电线路监测中已经取得了一些进展，然而，一方面在硬件上，使用的传统无人机在续航上存在问题，另一方面，在软件上，这些系统往往仅关注于参数数据或图像数据的单一模态监测，缺乏对多模态信息的综合利用；此外，对于复杂环境中的异常情况，传统方法可能难以提供准确而全面的监测结果。

3、公开于该背景技术部分的信息仅仅旨在加深对本公开总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成本领域技术人员所公知的现有技术。

技术实现思路

1、本发明中提供了一种基于油动无人机的特高压输电线路监测方法及系统，从而有效解决背景技术中所指出的问题。

2、为了达到上述目的，本发明所采用的技术方案是：

3、一种基于油动无人机的特高压输电线路监测方法，所述方法包括：

4、获取所述特高压输电线路的场景区域信息；

5、基于所述场景区域信息设计所述油动无人机的飞行路线，并实时获取所述油动无人机的位置信息；

6、定义所述飞行路线中的数据采集节点并与所述油动无人机的采集频率匹配；

7、基于安装在所述油动无人机上的边缘计算单元，对采集的参数数据信息进行初步检测，并得到初步检测结果；

8、将获取的特高压输电线路图像进行图像融合，并基于卷积神经网络模型进行检测，得到图像检测结果；

9、将所述初步检测结果和图像检测结果进行多模态数据融合，并根据融合结果得到异常监测判定结果。

10、进一步地，所述方法还包括：

11、基于所述异常监测判定结果，对所述特高压输电线路的问题区域进行定位；

12、设定所述油动无人机的二次飞行路线，对所述问题区域进行二次检测；

13、基于二次检测结果，确认所述异常监测判定结果的正确性，并制定人工检修策略。

14、进一步地，获取所述特高压输电线路的场景区域信息，包括：

15、获取所述特高压输电线路的地理环境信息；

16、获取所述特高压输电线路的拓扑结构信息和高度信息，得到线路基础数据信息；

17、识别所述特高压输电线路中的潜在障碍物，并将所述潜在障碍物所属的区域标记为危险区域；

18、将所述危险区域在所述地理环境信息中进行标注，并和所述线路基础数据信息结合，得到所述场景区域信息。

19、进一步地，基于所述场景区域信息设计所述油动无人机的飞行路线，并实时获取所述油动无人机的位置信息，包括：

20、基于所述场景区域信息，使用航迹规划算法和避障算法设计所述油动无人机的飞行路线；

21、配备所述油动无人机的实时定位系统，实时获取所述油动无人机的位置信息。

22、进一步地,定义所述飞行路线中的数据采集节点并与所述油动无人机的采集频率匹配，包括：

23、在设计的所述飞行路线中确定数据采集节点的位置，其中，所述数据采集节点根据所述场景区域信息确定；

24、对每个所述数据采集节点的地理坐标进行准确标定，并获取各所述数据采集节点的相隔距离信息；

25、根据所述相隔距离信息，设定每个数据采集节点的采集频率。

26、进一步地，基于安装在所述无人机上的边缘计算单元，对采集的参数数据信息进行初步检测，并得到初步检测结果，包括：

27、从所述油动无人机搭载的传感器中获取实时的参数数据；

28、激活所述油动无人机上的边缘计算单元，利用所述边缘计算单元对采集的参数数据进行实时处理，并得到初步检测结果；

29、将所述初步检测结果进行决策支持，确定是否需要进一步的深度分析。

30、进一步地,将获取的特高压输电线路图像进行图像融合，并基于卷积神经网络模型进行检测，得到图像检测结果，包括：

31、获取所述油动无人机搭载的摄像头拍摄的所述特高压输电线路的图像数据，其中，所述图像数据包括所述特高压输电线路的外部可见光图像和内部红外图像；

32、对采集到的图像进行预处理，并将内外部图像进行图像配准；

33、使用图像融合算法将配准后的所述内外部图像进行图像融合；

34、使用所述卷积神经网络模型对融合后的图像进行缺陷检测，并得到所述图像检测结果。

35、进一步地,将所述初步检测结果和图像检测结果进行多模态数据融合，并根据融合结果得到异常监测判定结果，包括：

36、对所述初步检测结果和图像检测结果进行特征提取，得到各模态数据的异常程度信息；

37、将从不同模态中提取的特征进行融合，得到所述融合结果；

38、根据所述融合结果，得到所述异常监测判定结果。

39、一种基于油动无人机的特高压输电线路监测系统，所述系统包括：

40、场景信息获取模块，获取所述特高压输电线路的场景区域信息；

41、飞行路线设计模块，基于所述场景区域信息设计所述油动无人机的飞行路线，并实时获取所述油动无人机的位置信息；

42、采集节点定义模块，定义所述飞行路线中的数据采集节点并与所述油动无人机的采集频率匹配；

43、数据初步检测模块，基于安装在所述无人机上的边缘计算单元，对采集的参数数据信息进行初步检测，并得到初步检测结果；

44、图像信息检测模块，将获取的特高压输电线路图像进行图像融合，并基于卷积神经网络模型进行检测，得到图像检测结果；

45、异常监测判定模块，将所述初步检测结果和图像检测结果进行多模态数据融合，并根据融合结果得到异常监测判定结果。

46、进一步地，所述场景信息获取模块，包括：

47、环境信息获取单元，获取所述特高压输电线路的地理环境信息；

48、基础数据获取单元，获取所述特高压输电线路的拓扑结构信息和高度信息，得到线路基础数据信息；

49、危险区域标记单元，识别所述特高压输电线路中的潜在障碍物，并将所述潜在障碍物所属的区域标记为危险区域；

50、数据信息集合单元，将所述危险区域在所述地理环境信息中进行标注，并和所述线路基础数据信息结合，得到所述场景区域信息。

51、通过本发明的技术方案，可实现以下技术效果：

52、实现了特高压输电线路全面监测，综合采集参数数据和图像信息，通过边缘计算与深度学习技术提高监测准确性。

53、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。