Оптическая система мониторинга гололёдообразования на воздушных линиях электропередачи с элементами искусственного интеллекта тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Малеев Андрей Владимирович

• Малеев Андрей Владимирович
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Малеев Андрей Владимирович

ВВЕДЕНИЕ

1 АНАЛИЗ ТЕКУЩЕГО СОСТОЯНИЯ СИСТЕМ ОБНАРУЖЕНИЯ ГОЛОЛЁДООБРАЗОВАНИЯ

1.1 Весовой (тензометрический) метод диагностики

1.2 Локационный метод диагностики

1.3 Метод инструментально-параметрической диагностики

Выводы

2 ПРИМЕНЕНИЕ ТЕХНОЛОГИИ «МАШИННОГО ЗРЕНИЯ» В УСТРОЙСТВЕ РАННЕГО ОБНАРУЖЕНИЯ ГОЛОЛЁДА НА ПРОВОДАХ ВОЗДУШНЫХ ЛИНИЙ ЭЛЕКТРОПЕРЕДАЧИ

2.1 Основы машинного зрения в системах обработки

зрительной информации

2.2 Постановка задачи и формирование требований к разрабатываемой системе мониторинга гололёдообразования

2.3 Структурная схема анализатора гололёдных образований и его описание

2.4 Особенности применения технического зрения в задаче автоматического обнаружения провода и(или) гололёда на нем

2.5 Особенности сравнения изображений при анализе их характерных свойств

2.6 Методы выделения характерных линий на изображении

2.7 Методы выделения характерных областей

2.8 Корреляционный анализ в системах технического зрения

2.9 Применение вейвлет-преобразования в системах технического зрения

Выводы

3 РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ ГОЛОЛЁДА НА БАЗЕ ПРОГРАММНО-ВЫЧИСЛИТЕЛЬНОГО КОМПЛЕКСА MATLAB

3.1 Описание пакета Image Processing Toolbox

3.2 Применение вейвлет-преобразования в системе мониторинга гололёдообразования на проводах воздушной линии электропередачи

3.3 Применение методов выделения характерных линий и областей на изображении в системе мониторинга гололёдообразования на проводах воздушной линии электропередачи

3.4 Анализ эффективности алгоритма детектирования гололёда методом характерных областей

3.5 Разработка метода оптического выделения провода или гололёда

по технологическим признакам

3.5.1 Описание метода оптического выделения провода или гололёда

по технологическим признакам

3.5.2 Аффинные преобразования дискретного изображения с оптического сенсора системы мониторинга гололёдообразования

Выводы

4 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ МОНИТОРИНГА ГОЛОЛЁДООБРАЗОВАНИЯ НА ПРОВОДАХ ВОЗДУШНЫХ ЛИНИЙ ЭЛЕКТРОПЕРЕДАЧИ

4.1 Мониторинг основных технологических параметров как косвенный признак наличия гололёдообразования

4.2 Методика расчета высотных положений проводов воздушных линий электропередачи

4.3 Разработка алгоритма расчетов стрелы провеса провода и грозозащитного троса воздушной линии электропередачи

4.3.1 Методика автоматизации расчета стрелы провеса провода и грозозащитного троса воздушной линии электропередачи

4.4 Определение основных параметров механического расчета проводов и тросов для мониторинга текущей гололёдной обстановки

4.4.1 Определение основных характерных параметров механического расчета проводов рассматриваемого пролета линии электропередачи

4.5 Интеграция автономных анализаторов гололёдных образований в единую взаимосвязанную сеть

4.5.1 Организация передачи данных по GSM каналу на удаленный диспетчерский центр

4.5.2 Интерфейс диспетчера аппаратно-программного комплекса определения гололёда

Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Приложение А - Акты о внедрении

Приложение Б - Результаты программного обнаружения технологических характеристик провода и гололёда на опорах воздушных

линий электропередачи

Приложение В - Программный код выделения провода и определения

его диаметра методом выделения характерных областей

Приложение Г - Программный код для организации связи с удаленным диспетчерским центром

Введение диссертации (часть автореферата) на тему «Оптическая система мониторинга гололёдообразования на воздушных линиях электропередачи с элементами искусственного интеллекта»

ВВЕДЕНИЕ

Актуальность темы исследования. Повышение надежности и экономичности электроснабжения путем уменьшения аварий в электрических сетях, вызванных интенсивными гололёдно-ветровыми нагрузками, является важной комплексной задачей. Решение данной задачи состоит из нескольких последовательных этапов: своевременного обнаружения начала гололёдообразования, воздействия на устройства удаления гололёдно-изморозевых отложений и контроль эффективности удаления гололёда [1].

Гололёдные отложения могут нанести большой ущерб воздушным линиям электропередачи (ВЛ) и приводят к таким явлениям, как обрыв проводов, грозозащитных тросов, повреждению арматуры и даже обрушениям опор. Ситуацию осложняет высокая степень износа (половина от общего числа воздушных линий электропередачи изношены более чем на 90 % [2]). Кроме того, возникает ущерб от недоотпуска электроэнергии, который зачастую превышает ущерб от повреждения элементов линии.

Безаварийная эксплуатация ВЛ является важнейшим вектором развития социальной и производственной инфраструктуры. Данные из открытых источников свидетельствуют о том, что более половины от общего количества повреждений на линиях электропередачи в Российской Федерации приходится именно на гололёдные аварии, а продолжительность перебоев электроснабжения достигает около 60 % от длительности всех аварийных отключений в течении года [1].

На сегодняшний день основным способом диагностики гололёдных отложений остаются визуальные осмотры ВЛ персоналом при объездах линии [3]. Точность оценки гололёдообразования, при таком способе обследования невысока из-за большого расстояния между наблюдателем и проводами, условий плохой видимости и исключает возможность прогнозирования аварий, вызванных оледенением проводов.

При благоприятных погодных условиях возможны облеты воздушных линий электропередачи средствами малой авиации, оборудованных системой трехмерного лидарного сканирования. В таком случае гарантировано получение точных трехмерных координат провеса проводов и грозозащитных тросов вдоль трассы прохождения ВЛ.

В настоящее время существует огромное количество систем анализа гололёдной обстановки на проводах воздушных линий электропередачи, тем не менее задача создания новых систем мониторинга остаётся актуальной [4]. Это обусловлено тем, что промышленные системы мониторинга, например, использующие тензометрические датчики тяжения, характеризуются высокими качественными и количественными показателями обнаружения гололеда, но при этом требуют отключения действующих ВЛ на время монтажа и значительных затрат при установке, а системы, реализованные на основе погодных станций, обладают низкой вероятностью правильного обнаружения гололёдных отложений.

Степень разработанности темы исследования. Проблема гололёдообразования на высоковольтных воздушных линиях электропередачи на сегодняшний момент остается актуальной и рассмотрена в работах отечественных учёных, среди которых следует отметить А.А. Аллилуева, Д.Р. Меркни, А.А. Глазунова, И.Н. Белоглазова, В.И. Пантелеева, А.Ф. Черняховского, Г.М. Шалыта, Я.Л. Арцишевского, М.Ш. Мисриханова, Р.Г. Минуллина, Р.Г А.Н. Шилина и др. За рубежом вклад в развитие данной научно-технической проблемы внесли J. Klensin, B. Manjunath, О. Tapani, L. Lindeberg, R. Sukthankar и др.

Объект исследования - Системы мониторинга гололёдообразования на проводах воздушных линий электропередачи напряжением 0,38^500 кВ со всеми существующими типами проводов и опор линий электропередачи.

Предмет исследования - методы и технические решения систем мониторинга гололёдообразования на проводах воздушных линий электропередачи.

Цель работы: Разработка оптической системы мониторинга гололёдообразования для предотвращения аварийных ситуаций на воздушных линиях электропередачи с возможностью определения за счёт элементов искусственного интеллекта параметров гололёдообразования, скорости нарастания гололёдных отложений и стрелы провеса провода в пролете воздушной линии электропередачи.

Для достижения цели поставлены и решены следующие задачи:

1. Анализ текущего состояния и актуальных технических решений систем обнаружения и контроля гололёдообразования.

2. Разработка метода и на его основе адаптивного алгоритма раннего обнаружения гололёда и его характеристик на проводах воздушных линий с использованием технологии «машинного зрения».

3. Разработка алгоритма интеграции данных от обособленных пунктов мониторинга гололёдообразования в технологическую сеть, для своевременного контроля гололёдообразования и плавки гололёда.

4. Реализация предложенного подхода в прототипе системы раннего обнаружения гололёдообразования и проведение испытаний прототипа в различных погодных условиях и на различных типах опор.

Методы исследования. При разработке системы мониторинга интенсивности гололёдообразования использовались методы теории планирования эксперимента, методы обработки информации в системах технического зрения, взаимосвязь с системой управления и идентификация объектов.

Научная новизна работы заключается в следующем:

1. Впервые предложена и обоснована возможность применения для воздушных линий электропередачи принципиально новой методики определения гололёда на проводах, основанной на технологии «машинного зрения» с адаптивной обработкой изображения, обеспечивающей высокую надежность обнаружения гололёдообразования в автоматическом режиме.

2. Впервые для этой цели разработан адаптивный метод оптического обнаружения провода и гололёда, обеспечивающий раннее обнаружение гололёда, его интенсивность, определяющий массу гололёдных отложений, диаметр гололёдообразования, стрелу провеса провода.

3. Впервые разработано и протестировано алгоритмическое и программное обеспечение, реализующее адаптивный метод оптического обнаружения провода и гололёда позволившее создать прототип прибора и интегрировать его в диспетчерско-технологическую сеть для оперативного контроля гололёдообразования и оценки эффективности плавки гололёда.

Основные положения и результаты, выносимые на защиту:

1. Предложенная и обоснованная принципиально новая методика определения гололёда на проводах линий электропередачи, основанная на технологии «машинного зрения» с адаптивной обработкой изображения, способна обеспечивать высокую надежность обнаружения гололёдообразования в автоматическом режиме.

2. Разработанные адаптивный алгоритм и программное обеспечение обладают высокой достоверностью раннего обнаружения гололёда, его интенсивности, определения диаметра гололёдообразования, массы гололёдных отложений, стрелы провеса провода.

3. Разработанное и протестированное программное обеспечение, позволяет реализовать прототип прибора и интегрировать его в диспетчерско-технологическую сеть для оперативного контроля гололёдообразования и оценки эффективности плавки гололёда.

Теоретическая значимость состоит в развитии существующих методов для выделения изображения в системе мониторинга гололёдообразования на проводах воздушной линии электропередачи и разработке на этой основе адаптивного алгоритма и программного обеспечения раннего обнаружения гололёда, его интенсивности, определения массы гололёдных отложений, диаметра гололёдообразования, стрелы провеса провода.

Практическая значимость работы состоит в том, что:

1) на основе теоретических исследований впервые реализован прототип прибора достоверного определения гололёдообразования, а также оценки эффективности плавки гололёда, монтаж которого может быть реализован на любой тип действующих опор линии электропередачи всех классов номинальных напряжений, проводов и грозозащитных тросов без отключения линии от напряжения, при этом стоимость разработанной системы значительно меньше аналогов;

2) разработанное алгоритмическое и программное обеспечение позволяет не только с высокой степенью достоверности идентифицировать параметры гололёдных отложений в непрерывном режиме (толщина стенки гололёда и его вид, стрела провеса провода, масса гололёдных отложений), но и определять эффективность процесса плавки гололёда;

3) разработанный прототип может служить основой для создания серийных устройств системы контроля гололёдообразования и плавки гололёда.

Соответствие паспорту специальности:

Решаемая в диссертации задача исследования соответствует направления специальности 2.2.8 - Методы и приборы контроля и диагностики материалов, изделий, веществ и природной среды (технические науки).

Области исследований, соответствующие решению поставленной задачи:

- научное обоснование новых и совершенствование существующих методов, аппаратных средств и технологий контроля, диагностики материалов, изделий, веществ и природной среды, способствующее повышению надёжности изделий и экологической безопасности окружающей среды;

- разработка методического, математического, программного, технического, приборного обеспечения для систем технического контроля и диагностирования материалов, изделий, веществ и природной среды, экологического мониторинга природных и техногенных объектов, способствующих увеличению эксплуатационного ресурса изделий и повышению экологической безопасности окружающей среды;

- разработка математических моделей, алгоритмического и программно -технического обеспечения обработки результатов регистрации сигналов в приборах и средствах контроля и диагностики с целью автоматизации контроля и диагностики, подготовки их для внедрения в цифровые информационные технологии.

Достоверность результатов работы подтверждена сопоставлением результатов натурных и вычислительных экспериментов с применением предложенной методики мониторинга за интенсивностью гололёдообразования и плавки гололёда. Для оценки эффективности нового подхода обнаружения гололёда, произведен ряд тестов в различных погодных условиях. Анализ полученных результатов подтвердил высокую эффективность разработанной системы для своевременного обнаружения гололёда.

Апробация результатов работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на ежегодных научных конференциях, проводившихся в Государственном университете аэрокосмического приборостроения II МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ КРАСНОЯРСК - САНКТ-ПЕТЕРБУРГ 3-6 марта 2021 «Метрологическое обеспечение инновационных технологий» «Metrological Support of Innovative Technologies» ICMSIT-II 2021, в Нижегородском государственном техническом университете им. Р.Е. Алексеева VII Всероссийская (XL региональная) научно -техническая конференция «Актуальные проблемы электроэнергетики» (АПЭ-2021), на VII Международной научно-технической конференции, ноябрь 2023, г. Чебоксары - «Проблемы и перспективы развития энергетики, электротехники и энергоэффективности», на XIV Международной научной конференции ноябрь 2023, г. Краснодар - «ТЕХНИЧЕСКИЕ И ТЕХНОЛОГИЧЕСКИЕ СИСТЕМЫ».

Публикации. По теме диссертации опубликовано 7 работ, в том числе 2 научные статьи в изданиях, входящих в перечень рекомендованных ВАК РФ, и 1 статья в журнале, входящем в международные базы данных Scopus и Web of Science.

Личный вклад соискателя. В работах, опубликованных в соавторстве, соискателю принадлежит формализация поставленных задач, разработка методики и алгоритмов прототипа системы мониторинга интенсивности гололёдообразования, тестирование алгоритмов при имитационном моделировании, а также проведение натурных испытаний на действующих объектах энергетической системы.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка литературы, включающего 108 наименований, 4 приложений. Общий объем работы составляет 152 страницы, включая 4 таблицы и 88 рисунков.

В первой главе описана проблематика явления образования гололёда на проводах ВЛ, определен процесс гололёдообразования, а также известные на сегодняшний день методы обнаружения гололёда на проводах ВЛ, произведен поиск и анализ патентной информации;

Во второй главе формируются требования к программному обнаружению гололёда по технологии «машинного зрения», разрабатываются структурные и технологические требования к применению рассматриваемой технологии, приводится подробное описание и характеристика разработанной системы, а также ее структурная схема. Разрабатываются математические основы технологии «машинного зрения», применяемые для решения поставленной задачи.

В третьей главе разрабатывается программный код для работы устройства, проверяются различные алгоритмы выделения объектов на изображении с помощью пакета Image Processing Toolbox программно-вычислительного комплекса Matlab. Создается код подпрограмм для функционирования системы, производится проверка работы алгоритмов на тестовых изображениях, формируются выводы по результатам работы. Производится анализ эффективности системы в сравнении с аналогами.

В четвертой главе рассматривается объединение обособленных пунктов мониторинга гололёдообразования в единую взаимосвязанную сеть.

Разрабатывается аппаратно-программный комплекс привязки анализаторов, с учетом картографической информации, к диспетчерскому центру. Проводятся испытания прототипа прибора на различных типах опор и напряжений воздушных линий электропередачи.

1 АНАЛИЗ ТЕКУЩЕГО СОСТОЯНИЯ СИСТЕМ ОБНАРУЖЕНИЯ ГОЛОЛЁДООБРАЗОВАНИЯ И НЕОБХОДИМОСТЬ ОСНАЩЕНИЯ ЭНЕРГЕТИЧЕСКОЙ ОТРАСЛИ ПОДОБНЫМИ УСТРОЙСТВАМИ

Образование гололёда зависит от климатических факторов и в разных регионах Российской Федерации неравномерно. Территория РФ была разделена на 7 районов по гололёду, в соответствии с интенсивностью гололёдообразования.

Наиболее проблемными территориями в плане гололёдообразования являются Дальний Восток, побережье Охотского моря, Сахалин, Приморский край и юг России, включающий Северный Кавказ, республики Башкортостан и Татарстан, республика Крым, часть Урала. На территории Сибири и, в частности, Красноярского края проблема гололёда на проводах ВЛ стоит не так остро. Повышенное гололёдообразование наблюдается только на севере Таймырского автономного округа, однако в этом регионе отсутствует централизованная энергосистема, а также отсутствует связь с энергосистемой Сибири, электроснабжение автономно и осуществляется преимущественно дизельными генераторами.

При соответствующих объявлениях метеорологических служб, о возможности появления гололёда на проводах воздушных линий электропередачи, оперативно-диспетчерские службы на месте оценивают виды отложений и толщину гололёдных муфт, приблизительно определяют объём намерзаний на проводах.

Альтернативой оперативному осмотру выездными бригадами гололёдообразования на ВЛ, являются автоматические устройства оценки гололёдной обстановки, позволяющие в режиме реального времени контролировать динамику изменения гололёдно-изморозевых отложений на проводах.

В настоящее время автоматизированные системы определения гололёдных образований на проводах ВЛ слабо распространены даже в регионах с сильным

гололёдообразованием. Мониторинг ВЛ осуществляется преимущественно с использованием оперативно-выездных бригад и бригад службы линий. В период образования гололёдно-изморозевых отложений диспетчеру сетей необходима постоянная и актуальная информация об гололёдной обстановке на ВЛ, для чего организуется круглосуточное дежурство оперативно-ремонтной бригады в местах наиболее вероятного образования гололёда [5]. Бригада, с помощью имеющихся средств связи, докладывает об обстановке диспетчеру. При этом невозможно точно определить объем гололёдных отложений, интенсивность нарастания гололёда, а передаваемая информация необъективна, что приводит к ошибочным действиям и увеличению времени принятия решения. Автоматизированные приборы мониторинга за образованием гололёда в большинстве случаев решают эту задачу. Нет необходимости визуального контроля со стороны выездной бригады, информация объективна и актуальна, передается в режиме реального времени диспетчеру сетевой компании, что упрощает контроль за образованием гололёда на проводах ВЛ.

Среди наиболее распространённых в настоящее время автоматизированных средств определения гололёда на проводах преобладают устройства, реализованные на датчиках тяжения провода (тензометрический метод), устройства с использованием датчиков регистрации условий внешней среды -температуры окружающего воздуха, температуры провода, скорости и направления ветра, влажности воздуха. Полученная информация обрабатывается и передается в диспетчерский центр по каналам связи (ВЧ-каналы, оптоволокно, радиоканалы) [4].

На сегодняшний момент, в отечественной литературе, методы мониторинга гололёдообразования условно разделены на три группы: весовые (тензометрические), локационные и инструментально-параметрические [6], некоторые методы могут относиться к нескольким группам одновременно.

1.1 Весовой (тензометрический) метод диагностики

Весовой метод реализуется за счет измерения гололёдной нагрузки на провод тензометрическими датчиками с последующим релейным сравнением полученных значений с пороговыми уставками [7, 8, 9]. Метод непосредственного измерения веса провода или грозозащитного троса является наиболее объективным при определении гололедообразования в пролете линии электропередачи.

Рассмотрим патенты, основанные на анализе весовой нагрузки с помощью датчиков нагрузки.

Как указано в патентном документе [10], устройство, с помощью которого возможно обнаружение гололёдных отложений может быть реализовано следующей структурной схемой (см. рисунок 1).

Устройство обнаружения отложений на проводе промежуточного пролета ВЛ содержит устройство телепередачи, два силоизмерительных датчика, каждый из которых подвешен подвижно между траверсой опоры и соответствующей гирляндой изоляторов, нижние концы обеих гирлянд изоляторов соединены между собой шарнирно, образуя У-образную подвеску, к которой прикреплен провод, верхние концы датчиков крепятся к траверсе опоры на расстоянии друг от друга, равном длине гирлянды изоляторов с датчиком, образуя с У-образной подвеской равносторонний треугольник, измеритель относительного направления ветра, измеритель скорости ветра, четыре функциональных преобразователя, формирователь порога, два пороговых элемента и логический элемент ИЛИ. После анализа показаний датчиков производится принятие решения о наличии или отсутствии гололёда на проводе.

Согласно данному способу измеряют гололёдные и ветровые нагрузки с помощью весового датчика, измеряющего силы, возникающие под действием гололёдных и ветровых нагрузок на провода и опоры линии электропередачи, при этом в качестве упругого элемента весового датчика используют опору (см. иллюстрацию, рисунок 2), на которой подвешены провода воздушной линии

электропередачи, при этом для определения гололёдных нагрузок измеряют упругую деформацию опоры вдоль вертикальной оси симметрии опоры, а для определения ветровых нагрузок измеряют упругие изгибные деформации опоры, возникающие при отклонении вертикальной оси симметрии опоры от вертикальной линии.

1 - измеритель направления ветра; 2 - измеритель скорости ветра; 3,4 -силоизмерительные датчики; 5 - устройство телепередачи; 6,7,9,10 - функциональные преобразователи; 8 - формирователь порога; 11,12 - пороговые элементы; 13 - логический элемент «ИЛИ»

Рисунок 1 - Структурная схема устройства обнаружения гололёдных отложений

Как отмечается в патенте [11], в качестве одного из возможных способов измерения гололёдной и ветровой нагрузок может быть использовано устройство, структурная схема которого представлена на рисунке 2.

1 - опора; 2 - провода; 6,8 - ветровые нагрузки; 7,9 - суммарная горизонтальная сила Рисунок 2 - Иллюстрация к способу измерения гололёдной и ветровой нагрузок

К общим недостаткам гравитационных методов диагностики следует отнести высокую стоимость подобных устройств, а также необходимость отключения линии и применение специальной техники для монтажа датчиков тяжения.

1.2 Локационный метод диагностики

В локационном методе диагностики импульсный высокочастотный генератор подключается через устройство согласования к ВЛ (см. рисунок 3). Время задержки зондирующего импульса и структура отраженного сигнала

позволяют определить наличие и интенсивность гололёдных образований на проводах. Гололёдные отложения уменьшают скорость распространения сигнала вдоль линии, вызывают изменение структуры сигнала и его затухание (рисунок 4) [12].

Основным преимуществом локационных способов обнаружения гололёда является то, что вся аппаратура может быть локализована на подстанции, отсутствует необходимость в установке на воздушных линиях каких-либо дополнительных устройств [13].

К недостаткам локационных способов обнаружения следует отнести невозможность обнаружения гололёда при его локальном появлении на линии, которое возможно, например, рядом с водными объектами. Так, например, на фотографии (см. рисунок 5) зафиксирован обрыв грозозащитного троса на транспозиционной опоре линии электропередачи, при локальном образовании гололеда, трасса которой проходит рядом с водоёмом. Фазные провода покрыты гололедом, но меньшей интенсивности, что обусловлено нагревом последних при протекании электрического тока.

ВЧЗ - высокочастотный заградитель; КС - конденсатор связи; ФП - фильтр присоединения; ВК - высокочастотный кабель; АС - аппаратура связи; В -выключатель; ЛР - линейный разъединитель

Рисунок 3 - Структурная схема подключения локационного устройства к линии, имеющей элементы высокочастотного тракта связи

12.03 12 13.03 12 14 03 12 15.03 12 16 03 12 17 03.12 18 03 12 Дата

Рисунок 4 - Суточные изменения амплитуды напряжения (верхний график) и запаздывания (нижний график) отраженных импульсов на существующей ВЛ 110 кВ

Рисунок 5 - Обрыв грозозащитного троса на транспозиционной опоре ВЛ

Недостаток локационного метода, заключающийся в невозможности обнаружения небольшого по длине гололедного образования может быть решен путем разбиения линии на отдельные локационные участки. Так, например, «отпайки» на линиях, транспозиционные и анкерные опоры, могут являться участками наличия неоднородностей при распространении высокочастотного сигнала и разделения линии на сектора, на которых возможно независимо друг от друга определить толщину стенки гололеда [13]. Однако появление неоднородностей носит случайный характер. Анализируя участок линии 110 кВ протяженностью 40,8 км с общим количеством опор в количестве более двухсот штук, между подстанциями «Кутлу Букаш» и «Рыбная Слобода» без «отпаек», приведенный в литературе [13, рис. 10.11], отмечено четыре характерных участка неоднородностей (см. рисунок 6).

Рисунок 6 - Отражения локационных сигналов от неоднородностей, создаваемых опорами линии 110 кВ «Кутлу Букаш - Рыбная Слобода» (обозначены штриховыми овалами): а - 11.12.2011; б - 16.05.2013

На трассе прохождения рассматриваемой линии электропередачи, полученной с помощью «Валидатора подстанций» [14] и спутниковой карты «Яндекс-карты», количество анкерных опор больше четырех, что свидетельствует о том, что не каждая анкерная опора является участком

неоднородности и не может участвовать в определении толщины гололедообразования на локальном участке.

Гарантированный выбор определенного участка вдоль линии, на котором возможно локальное выделение гололеда, возможен только путем установки искусственных неоднородностей, например, высокочастотных заградителей, что приведет к необходимости реконструкции линии с соответствующими материальными затратами.

Следует отметить также, что с помощью локационного мониторинга возможно определение толщины стенки гололеда [15]. Расчетные показатели диаметра стенки гололеда, рассмотренные в данной работе, согласуются с экспериментальными данными, полученными с датчиков тяжения, что объясняется усреднением всех значений диаметра гололедных отложений вдоль всей трассы прохождения воздушной линии электропередачи, при условии равномерного его распределения и отсутствия участков с опасной его концентрацией. Однако возможности локационного мониторинга локальных участков с повышенным гололедообразованием ограничены, что может привести к серьезным авариям (см. рисунок 5).

Несмотря на указанные недостатки, локационный метод обнаружения гололеда, в настоящее время, является одним из наиболее перспективных методов из всех существующих, подтвердивших свою эффективность промышленной эксплуатацией [16].

1.3 Метод инструментально-параметрической диагностики

Обнаружение гололёдообразования, методом инструментально -параметрической диагностики, заключается в применении большого количества устройств, закрепляемых на наклонных участках провода [17]. Большинство устройств, реализующих данный метод диагностики имеют в своем составе высокочувствительные измерители угла наклона [18, 19].

Как отмечается в патентном документе [20] в рассматриваемом методе определения гололёдообразования, возможно применение тензометрического датчика для измерения продольных растягивающих усилий, приложенных к проводу (см. рисунок 7). Измерения дополняются температурой провода и передаются на центральный пункт по радиоканалу или по оптоволокну.

Список литературы диссертационного исследования кандидат наук Малеев Андрей Владимирович, 2024 год

СПИСОК ЛИТЕРАТУРЫ

1. Дубровин, И. Износ электросетевой инфраструктуры в России. Масштабы и перспективы [Электронный ресурс] / И. Дубровин //Информационное агентство REGNUM. - Режим доступа: https://regnum.ru/news/2348996.html. (дата обращения: 18.10.2022).

2. Мониторинг воздушных линий электропередачи, эксплуатируемых в экстремальных метеоусловиях [Текст] / В.Я. Башкевич [и др.]. - Саратов: СГТУ, 2013 с. - 244 с.

3. Диагностика, реконструкция и эксплуатация воздушных линий электропередачи в гололёдных районах [Текст] / И.И. Левченко [и др.]. - М.: МЭИ, 2007. - 448 с.

4. Панасенко М.В., Брыкин Д.А. Обзор используемых устройств обнаружения отложений для систем мониторинга воздушных линий электропередачи // Воздушные линии. - 2012. -№3. - С.79-82.

5. Бойнович Л.Б. Методы борьбы с обледенением ЛЭП: перспективы и преимущества новых супергидрофобных покрытий / Бойнович Л.Б., Емельянов А.М. // Журнал "Электро" № 6/2011

6. Диагностика, реконструкция и эксплуатация воздушных линий электропередачи в гололёдных районах / Левченко И.И. [и др.] - М.: Издательский дом МЭИ, 2007. - 448 с.

7. Пат. 2533178 Российская Федерация, МПК H 02 J 13/00, H 02 G 7/04. Система контроля механических нагрузок на протяжённые элементы воздушной линии электропередачи [Текст] / К.Б. Механошин, О.И. Богданова, С.В. Черчик; Общество с ограниченной ответственностью «ОПТЭН». - 2014.

8. Пат. 2212744 Российская Федерация, МПК H 02 G 7/16. Устройство для измерения гололёдной и ветровой нагрузок с контролем направления ветра на воздушных линиях электропередачи [Текст] / И.И. Левченко, А.С. Засыпкин, А.А. Аллилуев, Е.В. Рябуха; Новочеркасский политехнический университет. - 2003.

9. Пат. 2273932 Российская Федерация, МПК Н 02 G 7/16, Н 04 В 3/54. Устройство телеизмерения гололёдной, ветровой и гололёдно-ветровой нагрузок на провод промежуточного пролёта воздушной линии электропередачи с индикацией относительного направления ветра [Текст] /В.Я. Башкевич, М.П. Гапоненков, С.В. Аверьянов, В.И. Золотарёв, Г.Г. Угаров; Башкевич В.Я., Гапоненков М.П., Аверьянов С.В., Золотарёв В.И., Угаров Г.Г. - 2006.

10. Пат. 2291536 Российская Федерация, МПК H02G7/16, Н04В3/54. Устройство обнаружения отложений на проводе промежуточного пролета воздушной линии электропередачи / Башкевич В.Я., Аверьянов С.В., Кузнецов П.А., Гапоненков М.П., Золотарев В.И., Угаров Г.Г.; патентообладатели: Башкевич В.Я., Аверьянов С.В., Кузнецов П.А., Гапоненков М.П., Золотарев В.И., Угаров Г.Г. - заявл. 02.15.2005; опубл. 10.01.2007 - 5 с.:ил

11. Пат. 2461941 Российская Федерация, МПК И0207/16. Способ измерения гололёдной и ветровой нагрузок на воздушных линиях электропередачи/ Мустафин Р.Г., Котельникова Е.Е.; патентообладатель: Государственное образовательное учреждение высшего профессионального образования "Казанский государственный энергетический университет" (КГЭУ) - заявл. 10.03.2011; опубл. 20.09.2012 - 3 с.:ил

12. Хакимзянов Э.Ф., Математическая модель задержки и затухания высокочастотных сигналов в линиях электропередачи с гололёдными образованиями [Текст] / Э.Ф. Хакимзянов, Р.Г. Минуллин, Р.Г. Мустафин //Энергетика Татарстана. - 2011. - № 2. - С. 24-28.

13. Минуллин Р.Г., Локационный мониторинг гололёда и повреждений на линиях электропередачи: монография/ Р.Г. Минуллин.- Казань: КГЭУ, 2022 -439 с.

14. Валидатор подстанций России [Электронный ресурс]. Режим доступа: https://frexosm.ru/power/validator (дата обращения: 15.01.2024).

15. Касимов В.А. Метод локационного мониторинга гололедообразования и повреждений на воздушных линиях электропередачи и программно-аппаратные комплексы для его реализации: диссертация доктора Технических наук: ФГБОУ

ВО «Казанский национальный исследовательский технический университет им.

A.Н. Туполева, 2019.- 395 с.

16. Минуллин Р.Г., Многоканальная локационная система обнаружения гололеда на высоковольтных линиях электропередачи - Энергия единой сети №56 (22-23) декабрь 2015 - январь 2016.

17. Пат. 2494511 Российская Федерация, МПК H 02 G 07/16. Способ контроля провиса провода линии электропередачи [Текст] / Р.Г. Мустафин; КГЭУ. - 2012.

18. Lovrencic, V. The contribution of conductor temperature and sag monitoring toincreased ampacities of overhead lines (OHLs) [Текст] / V. Lovrencic, M. Gabrovsek, M. Kovac, N. Gubeljak, Z. Sojat, Z. Klobas // PERIODICA POLYTECHNICA. Electrical engineering and computer science. - 2015. - Vol. 59, No. 3. - P. 70-77.

19. Пат. 2222858 Российская Федерация, H 02 J 13/00. Устройство для дистанционного контроля состояния провода воздушной линии электропередачи (варианты) [Текст] / Б.И. Механошин, В.А. Шкапцов; Механошин Б.И., Шкапцов

B.А. - 2004.

20. Пат. 2461942 Российская Федерация, МПК H02G7/16. Способ определения гололёда на проводах воздушной линии электропередачи/ Мустафин Р.Г., Котельникова Е.Е.; патентообладатель: Государственное образовательное учреждение высшего профессионального образования "Казанский государственный энергетический университет" (КГЭУ) - заявл. 21.07.2011; опубл. 20.09.2012 - 3 с.:ил

21. Пат. 2309540 Российская Федерация, МПК H02G7/16, H04B3/54. Система передачи сигналов по линии электроснабжения для обнаружения гололёдных отложений на проводах/ Тюняев Г.А., Переяслов Ю.Т.; заявл. 18.04.2006; опубл. 27.10.2007 - 4 с.:ил

22. Титов, Д.Е. Мониторинг интенсивности гололёдообразования на воздушных линиях электропередачи и в контактных сетях [Текст]: дис. канд. техн. наук / Д.Е. Титов. - Саратов, 2014. - 150 с.

23. Приборы контроля и диагностики в электроэнергетике [Текст]: учеб. пособ. / А.Н. Шилин [и др.]. - Волгоград: ВолгГТУ, 2017. - 131 с.

24. Здерева М.Я. Методические рекомендации по использованию метода и технологии краткосрочного прогнозирования гололеда на территории Урало-Сибирского региона [Текст]: «Развитие технологии детализированного численного краткосрочного прогноза метеорологических параметров, элементов и явлений погоды, включая опасные, по территории Сибири». Новосибирск 2020. -22 с.

25. Пантелеев В.И., Малеев А.В. Система мониторинга интенсивности гололёдообразования на проводах воздушной линии электропередачи // Омский научный вестник. 2020. № 6 (174). С. 74-80.

26. Форсайт, Дэвид А., Понс, Жан Компьютерное зрение. Современный подход. Пер. с англ. - М.: Издательский дом "Вильямс", 2004. - 928 с.: ил. - Парал. тит. англ. ISBN 5-845-0542-7 (рус.)

27. Гридин В.Н., Титов В.С., Труфанов М.И. Адаптивные системы технического зрения, - СПб.: Наука, 2009. - 442 с.

28. Васильев Д.В. Измерение сдвига сложных сигналов и обработка изображений в системах технического зрения. — М.: Изд. МФТИ, 2001.

29. Заявка на изобретение 2020125458, Российская Федерация, МПК H02G 7/10. Способ обнаружения гололёдообразования на проводах воздушных линий электропередачи и устройство для его осуществления / Малеев А.В., Публикация заявки 09.10.2020 Бюл. № 28.

30. Интеллектуальная электроэнергетическая система с активно-адаптивной сетью: структура, методические принципы, система управления [Электронный ресурс]. - Режим доступа: https://docplayer.ru/30547183-Intellektualnaya-elektroenergeticheskaya-sistema-s-aktivno-adaptivnoy-setyustruktura-metodicheskie-principy-sistema-upravleniya.html. (дата обращения: 28.03.2023).

31. Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks [Электронный ресурс]. Режим доступа: https://arxiv.org/abs/1312.6082 (дата обращения: 19.01.2024).

32. ГОСТ Р 59277-2020 - КЛАССИФИКАЦИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.

33. Why Business Leaders Should Think of AI as an Umbrella Term By Michael Watson. [Electronic resource]. - Available at: http://medium. com/opex-analytics/why-business-leaders-should-think-of-ai-as-an-umbrella-term-dba8badc55e4 (Accessed: 28.11.2022).

34. УКАЗ ПРЕЗИДЕНТА РОССИЙСКОЙ ФЕДЕРАЦИИ №490 О развитии искусственного интеллекта в Российской Федерации10 октября 2019 года

35. СТО 56947007-29.240.55.113-2012 Стандарт организации. Методические указания по применению сигнализаторов гололёда (СГ) и прогнозированию гололёдоопасной обстановки - Введ. 27.01.2012 - Красноярск: ОАО "ФСК ЕЭС", 2012 - 14 с.

36. Camera Calibration — Functions [Электронный ресурс]. Режим доступа: https: //www.mathworks .com/help/vision/ref/undistortimage.html (дата обращения: 10.07.2023).

37. Обработка и анализ изображений в задачах машинного зрения / Ю. В. Визильтер, С.Ю. Желтов, А.В. Бондаренко, М.В. Ососков, А.В. Моржин - М.: Физматкнига, 2010. - 672 с. - ISBN 978-5-89155-201-2

38. Mikolajczyk, K. Scale & Affine Invariant Interest Point Detectors / Mikolajczyk K., Schmid C. // International Journal of Computer Vision. - 2004. - № 60 (1). - P. 61 - 83.

39. Системы технического зрения / Писаревский А.Н., Черняховский А.Ф., Афанасьев Г.К. и др. - Л.: Машиностроение, 1988. - 424 с

40. Шовенгердт Р. А. Дистанционное зондирование. Модели и методы обработки изображений / Шовенгердт Р.А. - М.: Техносфера, 2010. - 560 с. - ISBN 978-5-94836-244-1

41. Максимов Н. А, Шаронов А.В. Анализ формы изображения и распознавание объектов на основе скелетных контурных представлений // Научный вестник Московского государственного технического университета гражданской авиации. 2014. №207(09). С. 67-76.

42. Хуанг Т.С. и др. Быстрые алгоритмы в цифровой обработке изображений. - М.: Радио и связь, 1984. - 224 с.

43. Lei B. J., Hendriks E. A., Reinders M. J. T. On feature extraction from images // Technical Report, Deliverable 2.1.1.2.A+B, MCCWS project, Information and Communication Theory Group. TU Delft. - 1999. - 57 p.

44. Винклер, Г. Анализ изображений, случайные поля и динамические методы Монте-Карло / Винклер Г. - Новосибирск: Изд-во СО РАН, филиал "Гео", 2002. - 343 с.

45. Фишер Р. Б. От поверхностей к объектам. Машинное зрение и анализ трёхмерных сцен. Пер. с англ. — М.: Радио и связь, 1993. — 288 с.

46. Введение в контурный анализ; приложения к обработке изображений и сигналов / Фурман Я.А., Кревецкий А.В., Передреев А.К., Роженцов А.А., Хафизов Р.Г. Егошина И.Л., Леухин А.Н. - М.: ФИЗМАТЛИТ, 2003. - 592 с. -ISBN 5-9221-0374-1.

47. Визильтер Ю. В., Желтов С. Ю., Бондаренко А. В., Ососков M.B. Моржин А. В. Обработка и анализ изображений в задачах машинного зрения. — М.: Физматкнига, 2010. — 689 с.

48. Болонкин, А. В. Преобразование растр-вектор изображений сосудов / Болонкин А. В. // Материалы X Международной конференции «Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта CAD/CAM/PDM». - М., 2006. - С. 120 - 123

49. Прэтт, У. Цифровая обработка изображений. В 2 кн. Кн. 2. / Прэтт У. -М.: Мир, 1982. - 480 с

50. Хрящев Д.В. Об одном методе выделения контуров на цифровых изображениях. Вестник АРГУ. Сер.: Управление, вычислительная техника и информатика. № 2, 2010. [Электронный ресурс]. Режим доступа: http://cyberleninka.ru/article/n/ob-odnom-metode-vydeleniyakonturov-na-tsifrovyh-izobrazheniyah/ (дата обращения: 31.04.2022).

51. Bakos, A. Active Contours and their Utilization at Image Segmentation / Bakos, A. // Proceedings of Fifth Slovakian-Hungarian Joint Symposiumon Applied Machine Intelligence and Informatics. - [S.l.], 2007. - P. 313 - 317.

52. Азиф Фуат А. [Asif Fuad A.]. Hardware Software CoSimulation of Canny Edge Detection Algorithm. International Journal of Computer Applications (0975 -8887). Volume 122. № 19. July 2015. [Электронный ресурс]. Режим доступа: http: //research.ij caonline. org/volume 122/number 19/pxc3905124.pdf/ (дата обращения 27.08.2022).

53. Чочиа П.А. Пирамидальный алгоритм сегментации изображений / Чочиа П.А. // Информационные процессы. - 2010. - Т. 10, №1. - С. 23 - 35.

54. Ma, W. Edge flow: a framework for boundary detection and image segmentation / Ma W. Y., Nanjunath B. S. // IEEE Conference on Computer Vision and Pattern Recognition. - [S.l.], 1997. - P. 744 - 749.

55. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера - М.: ФИЗМАТЛИТ, 2003. - 784 с. - ISBN 5-9221-0270-2

56. Пытьев, Ю.П. Методы морфологического анализа изображений / Ю.П. Пытьев, А. И. Чуличков - М.: ФИЗМАТЛИТ, 2010. - 336 с. - ISBN 978-5-92211225- 3.

57. Приоров, А.Л. Цифровая обработка изображений / А.Л. Приоров, И.В. Апальков, В.В. Хрящев - Ярославль: ЯрГУ, 2007.- 235 с. -ISBN 978-5-8397-05418.

58. Обработка цифровых изображений с примерами на LabVIEW IMAQ Vision / Визильтер Ю.В., Желтов С.Ю., Князь В.А., Ходарев А.Н., Моржин А.В. -М.: ДМК Пресс, 2007. - 464 с. - ISBN 5-94074-404-4.

59. Яне, Б. Цифровая обработка изображений / Яне Б. - М.: Техносфера, 2007. - 584 с. - ISBN 978-5-94836-122-2

60. Geraud, P. Color Image Segmentation based on Automatic Morphological Clustering / P. Geraud, P. Y. Strub, J. Darbon // Proceedings of IEEE International Conferenceon Image Processing. - [S.l.], 2001. - Vol. 3. - P. 70 - 73.

61. Д. Марр. Зрение: информационный подход к изучению представления и обработки зрительных образов: Пер. с англ. под ред. И.Б. Гуревича. М.: Радио и связь, 1987.

62. Кориков A.M. Корреляционные зрительные системы роботов / Кориков A.M., Сырямкин В.И., Титов B.C. -Томск: Радио и связь, 1990. -264 с.

63. Белоглазов, И.Н. Корреляционно-экстремальные системы / Белоглазов И.Н., Тарасенко В. П. - М.: Сов. радио, 1974. - 392 с.

64. Метод автоматизированного формирования цифровой модели рельефа / Афиногенов Е. И. Наука и образование. № 12, декабрь 2013

65. Rosten, E. Machine learning for high-speed cornerdetection / Rosten E., Drummond T. // Proceedings of the European Conference on Computer Vision. - [S.l.],

2006. - P. 430 - 443

66. Барский, А.Г. Оптико-электронные следящие и прицельные системы / Барский А.Г. - М.: Логос, 2013. - 248 с. - ISBN 978-5-98704-717-0.

67. Системы технического зрения / Писаревский А.Н., Черняховский А.Ф., Афанасьев Г.К. и др. - Л.: Машиностроение, 1988. - 424 с.

68. Lowe, G.D. Distinctivelmage Featuresfrom Scale-Invariant Keypoints / G.D. Lowe // International Journal of Computer Vision. - 2004. - №1. - C. (1 - 28).

69. Баклицкий, В. К. Корреляционно-экстремальные методы навигации и наведения / Баклицкий В. К. - Тверь: ТО «Книжный клуб», 2009. - 360 с.

70. Ke, Y. PCA-SIFT: A more distinctive representation for local image descriptors / Ke Y., Sukthankar R. // Computer Vision and Pattern Recognition (CVPR'04). - [S.l.], 2004. - Vol. 2. - P. 506 - 513.

71. Gonzalez R.C., Woods R.E. Digital image processing. Pearson Prentice Hall,

2007. 976 p.

72. Иванов, М.А. Применение вейвлет-преобразований в кодировании изображений / Иванов М.А. // Новые информационные технологии в науке и образовании. - Новосибирск, 2003. - С. 157 - 176.

73. Lindeberg, L. Scale-Space Theory in Computer Vision / L. Lindeberg // TheKluwer International Series in Engineeringand Computer Science. - [S.l.], 1994. - P. 124 - 128.

74. Воробьев, В.И. Теория и практика вейвлет-преобразования / Воробьев В.И., Грибунин В.С. - СПб.: ВУС, 1999. - 204 с.

75. Goswami J.C., Chan A.K. Fundamentals of Wavelets. Theory, Algorithms and Applications. Wiley & Sons, Inc., 1999.

76. Ma, W. A comparison of wavelet features for texture annotation / Ma W., Manjunath B. // Proceedings of the International Conference on Image Processing. -[S.l.], 1995. - P. 256 - 259.

77. Новиков И.Я. Основы теории всплесков / Новиков И.Я., Стечкин С.Б. // Успехи матем. наук. - 1998. - Т. 53, вып. 6 (324). - С. 53 - 128.

78. Малла, С. Вэйвлеты в обработке сигналов / Малла С. - М.: Мир, 2005. -671 с. - 5-03-003691-1.

79. Сэломон Д. Сжатие данных, изображений и звука / Сэломон Д. - М.: Техносфера, 2006. - 368 с.

80. Гонсалес, Р. Цифровая обработка изображений / Гонсалес Р., Вудс. Р. -М.: Техносфера, 2005. - 1072 с. - 5-94836-028-8

81. Рудаков П.И. Обработка сигналов и изображений MATLAB 5.x / Рудаков П.И., Сафонов И.В. - Москва, ДИАЛОГМИФИ, 2000. - 413 с.

82. Дьяконов В.П. MATLAB 6.5 SP1/7//7 P1+Simulink 5.6. Работа с изображениями и видеопотоками. М.: Солон-Пресс, 2010.

83. Image Processing and Computer Vision [Электронный ресурс]. Режим доступа: https: //www.mathworks. com/help/vision/ug/calibration-patterns. html (дата обращения: 5.06.2023).

84. MATLAB Compiler. User's Guide Version 1.2. [Электронный ресурс]. Режим доступа: http:// http://www.mathworks.com/ftp.mathworks.com/comp.soft-sys.matlab (дата обращения: 05.08.2022).

85. Яковлев А. Н. Введение в вейвлет-преобразования / Яковлев А. Н. -Новосибирск: Изд-во НГТУ, 2003. - 104 с.

86. Штарк Г.Г. Применение вейвлетов для ЦОС / Штарк Г.-Г. - М.: Техносфера, 2007. - 192 с. - ISBN 978-5-94836-108-6.

87. Малеев А. В. Применение вейвлет-преобразования для предварительной обработки изображений в оптической системе мониторинга гололёдообразования на воздушных линиях электропередачи // XIV Международная научная конференции "ТЕХНИЧЕСКИЕ И ТЕХНОЛОГИЧЕСКИЕ СИСТЕМЫ" (ТТС-23). Ноябрь 2023 г. Краснодар.

88. Слюсарев Г.Г. Расчет оптических систем. Л.: Машиностроение, 1975.

639 с.

89. Андреев Л.Н. Прикладная теория аберраций. Учебное пособие. СПб. СПб ГИТМО (ТУ), 2002. 96 с.

90. Пантелеев В.И., Малеев А.В. Метод выделения провода или гололёда в системе оптического мониторинга гололедообразования по технологическим признакам // Проблемы и перспективы развития энергетики, электротехники и энергоэффективности. VII Международная научно-техническая конференция. Ноябрь 2023 г. Чебоксары.

91. Порев В. Н. Компьютерная графика. - СПб.:БХВ-Петербург, 2002.-432

с.:ил.

92. Хилл Ф. Open GL. Программирование компьютерной графики. Для профессионалов. - СПб.:Питер, 2002. - 1088с.: ил. ISBN 5-318-00219-6

93. Гардан П., Люка М. Машинная графика и автоматизация конструирования. - М.: Мир, 1987 (Techniques Graphiques Interactives et C.A.O./par Michel Lucas et Yvon Gar dan. - Prance: Hermes Publishing, 1983).

94. Демидович Б.П., Марон И.А. Основы вычислительной математики. - М.: Наука, 1970.].

95. Гмурман В. Е. Теория вероятностей и математическая статистика. Учеб. пособие для вузов. Изд. 7-е, стер.-М.: Высш. шк., 1999.- 479 с.

96. Левченко И. И, Засыпкин А.С., Аллилуев А.А., Сацук Е.И. Диагностика, реконструкция и эксплуатация воздушных линий электропередачи в гололёдных районах: Учеб. пособие. М.: Изд. дом МЭИ, 2007.

97. СТО 56947007-29.060.50.122-2012 Стандарт организации. Руководство по расчету режимов плавки гололёда на грозозащитном тросе со встроенным оптическим кабелем (ОКГТ) и применению распределенного контроля температуры ОКГТ в режиме плавки - Введ. 18.05.2012 - ОАО "ФСК ЕЭС", 2012 - 119 с.

98. Меркни Д. Р. Введение в механику гибкой нити. М.: Наука. Главная редакция физико-математической литературы, 1980. - 240 с

99. CIGRE Technical Brochure 324, «Sag-tension Calculation Methods for Overhead Lines», Study Committee B2, June 2007.

100. Panteleev V. I., Maleev A. V. Monitoring of ice formation of overhead power line wires /Journal of Physics: Conference Series. Volume 1889, 2021. II International Scientific Conference on Metrological Support of Innovative Technologies (ICMSIT II-2021).

101. Пантелеев В.И., Малеев А.В. Определение стрелы провеса проводов определение стрелы провеса проводов воздушных линий электропередачи в устройстве мониторинга гололёдообразования по результатам физического моделирования // Южно-Сибирский научный вестник. - 2021. - № 2. - с. 139-143.

102. Пантелеев В. И., Малеев А. В. Применение программного комплекса MATLAB для автоматизации расчетов стрелы провеса проводов воздушных линий электропередачи // Актуальные проблемы электроэнергетики: сб. ст. науч.-техн. конф./ Нижегород. гос. техн.ун-т им. Р.Е. Алексеева. - Нижний Новгород, 2021. - 435 с.

103. Глазунов А.А. Основы механической части воздушных линий электропередачи, Госэнергоиздат, 1956. 192 с.

104. Правила устройства электроустановок (ПУЭ) 7-ое издание (утв. приказом Минэнерго РФ от 8 июля 2002 г. N 204).

105. СТО 56947007-29.240.55.016-2008 Стандарт организации. Нормы технологического проектирования воздушных линий электропередачи напряжением 35-750 кВ - Введ. 24.10.2008 - ОАО "ФСК ЕЭС", 2008 - 42 с.

106. Крюков К. П., Новгородцев Б. П. Конструкции и механический расчет линий электропередачи, изд. 2, перераб. и доп.-Л.: Энергия, Ленингр. отд-ние, 1979, 312 с., ил.

107. J. Klensin, Network Working Group, Simple Mail Transfer Protocol, October 2008.

108. Комплексная программа развития и повышения надежности системы оперативно-технологического управления электросетевым комплексом 6-220 кВ ОАО «МОЭСК». М.: Спектр, 2011. 132 с.

Приложение А

(обязательное)

Акты о внедрении

ООО «Энергоресурсы-Сибирь»

660079, г. Красноярск, ул. 60 лет Октября,105, пом. 9 тел. [phone]

об использовании результатов диссертационной работы Малеева A.B.

«Оптическая система мониторинга гололёдообразования воздушных линий электропередачи с элементами искусственного интеллекта»

Настоящий акт составлен о том, что ООО «Энергоресурсы-Сибирь» рассмотрены и приняты к использованию результаты диссертационного исследования старшего преподавателя кафедры электроэнергетики Малеева Л.В., в частности:

- методика определения гололеда на проводах, основанная на технологии «машинного зрения» с адаптивной обработкой изображения;

- адаптивный алгоритм и программное обеспечение раннего обнаружения гололеда, его интенсивности, определения массы гололедных отложений, диаметра гололёдообразования, стрелы провеса провода;

- прототип прибора достоверного определения гололёдообразования и оценки эффективности плавки гололеда.

Перечисленные результаты рекомендованы к применению на гололсдоопаспых у маечках ЛЭГ1, эксплуатируемых ООО «Энергоресурсы-Сибирь».

Ожидаемый технический эффект от использования вышеперечисленных результатов состоит в снижении перерывов в электроснабжении, вызываемых гололёдными явлениями на проводах ЛЭП и в повышении надёжности электросi тбжения i ютребителей.

Зам. Генерального директора по развитию, к.г.н —g-—_ (Кисгеиев В.К.)

АКТ

ООО Электрическая Сетевая Компания «Энергия»

662971, Россия, Красноярский край, г. Железногорск, ул. Школьная, д. 52 «А» офис 6 ОГРН 1162468066859. ИНН/КПП 2452043606/245201001

АКТ

об использовании результатов диссертационной работы Малеева A.B.

«Оптическая система с элементами искусственного интеллекта для мониторинга гололёдообразования на воздушных линиях электропередачи»

2022г.

Данный акт подтверждает, что ООО ЭСК «Энергия» рассмотрены и используются результаты диссертационного исследования старшего преподавателя кафедры «Электроэнергетика» Малеева A.B., в частности:

методика определения гололеда на проводах линий электропередачи, основанная на технологии «машинного зрения» с возможностью автоматической расшифровки изображения и принятия решения о наличии и интенсивности гололёдообразования;

- тестовое программное обеспечение и опытный образец прибора с возможностью передачи информации по технологии GPRS в диспетчерско-технологическую сеть предприятия для оперативного контроля гололёдообразования и оценки эффективности плавки гололеда.

Результаты диссертационной работы рекомендованы к применению для контроля провеса проводов и гололедной обстановки на линиях электропередачи, эксплуатируемых ООО ЭСК «Энергия»

Применение, разработанного в рамках диссертационных исследований, прототипа прибора позволит достоверно контролировать наличие гололёдообразования и плавку гололеда. Возможность монтажа прибора на любом типе опор линии электропередачи, без отключения линии от напряжения, позволит повысить надежность электроснабжения потребителей.

Приложение Б

(обязательное)

Результаты программного обнаружения технологических характеристик провода и гололёда на опорах воздушных линий

электропередачи

Рисунок П.Б.1 - Прототип автономного абонентского устройства мониторинга (солнечная панель на фотографии отсутствует)

Рисунок П.Б.2 - Беспилотный летательный аппарат для облета опор ВЛ

Рисунок П.Б.3 - Фотография анализируемого фрагмента провода линии 220 кВ с прикрепленной технологической информацией (ясная погода, хорошая

видимость)

Рисунок П.Б.4 - Фотография анализируемого фрагмента провода линии 220 кВ с прикрепленной технологической информацией (смена погоды, метель)

Рисунок П.Б.5 - Фотография анализируемого фрагмента провода линии 220 кВ с прикрепленной технологической информацией (смена погоды, туман)

Рисунок П.Б.6 - Фотография анализируемого фрагмента провода линии 220 кВ с прикрепленной технологической информацией (ясная погода, хорошая

видимость)

Рисунок П.Б.7 - Фотография анализируемого фрагмента провода линии 220 кВ с прикрепленной технологической информацией (смена погоды, густой снег)

Рисунок П.Б.8 - Фотография анализируемого фрагмента провода линии 220 кВ с прикрепленной технологической информацией (смена погоды, туман)

Рисунок П.Б.9 - Фотография анализируемого фрагмента провода линии 220 кВ с прикрепленной технологической информацией (наложение шума на изображение, провод выделен с ошибкой)

Рисунок П.Б.10 - Фотография анализируемого фрагмента «расщепленного» провода линии 500 кВ с прикрепленной технологической информацией (ясная

погода, хорошая видимость)

Рисунок П.Б.11 - Фотография анализируемого фрагмента «расщепленного» провода линии 500 кВ с прикрепленной технологической информацией (смена

погоды, метель)

Рисунок П.Б.12 - Фотография анализируемого фрагмента «расщепленного» провода линии 500 кВ с прикрепленной технологической информацией (смена

погоды, туман)

Рисунок П.Б.13 - Фотография анализируемого фрагмента провода линии 220 кВ с прикрепленной технологической информацией (ясная погода, «засветка»

камеры прямыми лучами солнца)

Рисунок П.Б.14 - Фотография анализируемого фрагмента провода с гололёдом (смешанные отложения и замерзший мокрый снег плотностью 0,2^0,3 г/см3) линии 220 кВ с прикрепленной технологической информацией (ясная погода,

хорошая видимость)

Рисунок П.Б.15 - Фотография анализируемого фрагмента провода с гололёдом (смешанные отложения и замерзший мокрый снег плотностью 0,2^0,3 г/см3) линии 220 кВ с прикрепленной технологической информацией (смена погоды,

снегопад)

Промежуточная опора ЛЭП №.......................провод АС-240

Угол наклона провода (левый участок): -10.80 град. Угол наклона провода (правый участок): 8.50 град.

Эквивалентный диаметр провода(гололеда) 111.3 мм Эквивалентная толщина цилиндрической стенки гололеда (при наличии)

Температура окр. воздуха :------С

Температура провода (при наличии инфр.датчика)------

Стрела провеса провода (слева) : 10.6 м Стрела провеса провода (справа) 7.7 м Расчетная масса гололеда : 622 кг

Рисунок П.Б.16 - Фотография анализируемого фрагмента провода с гололёдом (смешанные отложения и замерзший мокрый снег плотностью 0,2^0,3 г/см3) линии 220 кВ с прикрепленной технологической информацией (смена погоды,

туман, дым)

Рисунок П.Б.17 - Фотография анализируемого фрагмента провода с гололёдом (плотность 0,8^0,9 г/см3) линии 220 кВ с прикрепленной технологической информацией (ясная погода, хорошая видимость)

Промежуточная опора ЛЭП №.......................провод АС-185 I

Угол наклона поовода (левый участок) ^ -7.20 град. I

Эквивалентный диаметр провода(гололеда) 20.6 мм | Эквивалентная толщина цилиндрической стенки гололеда (при наличии) : 0 мм I

Температура окр. воздуха :------С |

Температура провода (при наличии инфр.датчика) -Стрела провеса провода (слева) 6.6 м

Расчетная масса гололеда : 0 кг I

' масса гололеда, стрела провеса про I рассчитаны для габаритного пролета I (экв. диам. в пикселях пр./гол. 12) Н

Рисунок П.Б.18 - Фотография анализируемого фрагмента провода линии 110 кВ с прикрепленной технологической информацией (низкое качество изображения, произвольный формат соотношения сторон изображения, особая конструкция крепежной арматуры провода, обеспечивающая защиту от «пляски» проводов)

Рисунок П.Б.19 - Фотография макета провода с прикрепленной технологической

информацией

Рисунок П.Б.20 - Фотография макета провода с подсветкой в темное время суток с прикрепленной технологической информацией

Примечание: линию перекрывают цветные линии, выделяющие провод. Проекции значений яркости обозначены; на вертикальную ось (синяя линия), аппроксимирующая функция

(зеленая линия)

Рисунок П.Б.21 - Тестовая фотография горизонтальной линии толщиной 4 пикселя выделенная разработанной системой мониторинга

Г

Передача по запросу. (Гололеда не обнаружено) № устройства —(1)

Температура окружающего воздуха - (-5.2 С) Время измерения-(24.01.2020. 16:52:31) Диаметр провода (гололеда) —(15.3 мм.) Расчетный угол провеса провода относительно установки камеры- (-2,28 град.) Расчетная усредненная стрела провеса - (1,2894 м.)

Рисунок П.Б.22 - Фотография анализируемого фрагмента провода линии 6 кВ с прикрепленной технологической информацией

Рисунок П.Б.23 - Фотография анализируемого фрагмента провода линии 500 кВ с прикрепленной технологической информацией

Рисунок П.Б.24 - Фотография анализируемого фрагмента с прикрепленной технологической информацией при отсутствии обнаружения провода или

гололёда

Рисунок П.Б.25 - Фотография анализируемого фрагмента грозозащитного троса с прикрепленной технологической информацией

ПРИЛОЖЕНИЕ В

(обязательное)

Программный код выделения провода и определения его диаметра методом выделения характерных областей

function [BW1 diam px diam n diam px result] = detect(img, te, be, dt, et val, ust, mode)

%Функция detect() на входе принимает следующие параметры:

%img - изображение, полученное с веб-камеры или другого оптического органа %t e, be - диапазон нахождения объекта (провода) на изображении по вертикали в процентах (верхняя и нижняя граница). Например 51, 81 - объект находится в диапазоне от 51% до 81%, измеряя сверху

%d_t - оптическое расстояние от камеры до провода (с учетом оптического или программного зума)

%et val - эталонное значение диаметра провода в о.е., с которым будет производиться сравнение

%ust - уставка, отношение полученного программой диаметра к эталонному значению. При превышении уставки происходит сигнализация о наличии гололёда на проводе.

%mode - режим вычисления истинного диаметра провода; 0 - по изменению пиксельного диаметра относительно эталона, 1 - определение диамера по изображению (требуется точное расстояние до объекта d t) dc = 10; %известный диаметр провода (без гололёда), мм I = imread(img); %чтение исходного изображения imshow(I);

f = imfinfo(img); %получение информации об изображении

iw = f.Width; %записываем в переменную данные о ширине изображения

i h = f.Height; %записываем в переменную данные о высоте изображения

I = rgb2gray(I); %преобразуем полноцветное изображение в полутоновое для

последующего использования фильтрами

figure, imshow(I);

BW = edge(I, 'sobel1, [0.1], 'horizontal'); %пробуем выделить провод без гололёда. Для этого применяем фильтр Собеля с порогом яркости 0.1 figure, imshow(BW);

BW = bwmorph(BW, 'bridge'); %используем морфологическую операцию соединения близко расположенных объектов figure, imshow(BW);

[L, num] = bwlabel(BW); %создаем матрицу объектов

feats = regionprops(L, 'Area', 'BoundingBox', 'Orientation', 'Eccentricity'); %создаем структуру с вычисленными необходимыми параметрами объектов [rows cols] = size(BW); %вычисляем необходимые признаки для выделения провода без гололёда

Areas = zeros(num); %количество пикселей объектов

Tops = zeros(num); %верхняя граница объектов

Bottoms = zeros(num); %нижняя граница объектов

Eccens = zeros(num); %эксцентриситет объекта

Orient = zeros(num); %ориентация объекта по горизонтали

tmp = [];

for i = 1:1:num

Areas(i) = feats(i).Area;

Eccens(i) = feats(i).Eccentricity;

Orient(i) = feats(i).Orientation;

tmp = feats(i).BoundingBox;

Tops(i) = tmp(2);

Bottoms(i) = tmp(2) + tmp(4);

end;

idx = find(Areas > 800 & Tops > 0.01*t_e*i_h & Bottoms < 0.01*b_e*i_h & Eccens > 0.99); %отсекаем ненужные границы по критериям, должны остаться толького границы, принадлежащие проводу

BW1 = ismember(L, idx); %получаем изображение только с границами провода figure, imshow(BW1);

n i = 20; %количество сечений-итераций

c = iw/ni; %шаг

tmp s = c; %начальное сечение

diam msv = []; %массив значений вычесленных диаметров for j = 1:ni f_p = 0; l_p = 0; t_orient = 0; for k = 1:ih

if BW1(k, tmp_s) == 1 & f_p == 0 f_p = k;

t orient = Orient(L(k, tmp s)); end;

if BW1(k, tmp_s) == 1 & f_p ~= 0

l_p = k;

end;

end;

if (l_p - f_p) > 0

diam msv = [diam msv, (lp - f p)*cosd(t orient)]; end;

tmp s = tmp s + c; end;

s dmsv = size(diam msv);

if s dmsv(2) == 0 %если провод не выделился фильтром Собеля для провода без

гололёда, значит пользуемся фильтром Канни для выделения провода с гололёдом

[BW, thrash] = edge(I, 'canny', [0.3], 'horizontal'); %используем значение

порога яркости 0.3

figure, imshow(BW);

[L, num] = bwlabel(BW);

feats = regionprops(L, 'Area', 'BoundingBox', 'Orientation', 'Eccentricity', 'Extent'); %дополнительно вычисляем коэффициент заполнения объекта для того, чтобы убрать характерные для фильтра Канни лишние границы [rows cols] = size(BW); Areas = zeros(num); Tops = zeros(num); Bottoms = zeros(num); Eccens = zeros(num); Orient = zeros(num); Extent = zeros(num); tmp = []; for i = 1:1:num Areas(i) = feats(i).Area; Eccens(i) = feats(i).Eccentricity; Orient(i) = feats(i).Orientation; Extent(i) = feats(i).Extent; tmp = feats(i).BoundingBox; Tops(i) = tmp(2); Bottoms(i) = tmp(2) + tmp(4); end;

idx = find(Areas > 150 & Tops > 0.01*t_e*i_h & Bottoms < 0.01*b_e*i_h & Extent < 0.1);

BW1 = ismember(L, idx); figure, imshow(BW1);

n i = 20; %количество сечений-итераций

c = iw/ni; %шаг

tmp s = c; %начальное сечение

diam msv = []; %массив значений вычесленных диаметров for j = 1:ni f_p = 0; l_p = 0; t_orient = 0;

for k = 1:ih

if BW1(k, tmp_s) == 1 & f_p == 0 f_p = k;

t orient = Orient(L(k, tmp s)); end;

if BW1(k, tmp_s) == 1 & f_p ~= 0 l_p = k; end; end;

if (l_p - f_p) > 0

diam msv = [diam msv, (lp - f p)*cosd(t orient)]; end;

tmp s = tmp s + c;

end;

end;

diam px = mean(diam msv); %среднее значение диаметра провода по ширине изображения

if (diam px/et val) > ust result = 'Обнаружен гололёд'; else

result = 'Гололёд не обнаружен'; end;

n msv = []; %производим удаление из массива результатов, выбивающихся из общего

распределения (сечения с лишними границами)

s dmsv = size(diam msv);

for i=1:s dmsv(2)

if diam msv(i)/diam px < 2.5

n msv = [n msv, diam msv(i)];

end;

end;

n diam px = mean(n msv); %получение расчетного значения диаметра провода if mode == 0

diam = (n diam px/et val)*d c; else

r k = i w/64 0; %коэффициент разрешения камеры

diam = (n diam px * d t)/(6.98 * r k); %диаметр объекта, см

end;

ПРИЛОЖЕНИЕ Г

(обязательное)

Программный код для организации связи с удаленным диспетчерским центром

function [result] = sendreport(mode, email, script, img, soob, n kp) %функция sendreport принимает на входе следующие параметры

%mode - режим работы прораммы: 0 - отправка отчетов на E-mail, 1 - отправка

отчетов на веб-сервер диспетчерского центра

%email - Емайл диспетчера для получения отчетов

%script - скрипт-обработчик входящих запросов

%img - полученное изображение провода

%soob - текстовое сообщение, сформированное программой, с результатами программного детектирования гололёда и вычисленными параметрами %n kp - номер удаленного пункта (опоры) if mode == 0

myaddress = ''; %E-mail адрес mypassword = %пароль почты

%Установление соединения

setpref('Internet',,E mail',myaddress); setpref('Internet','SMTP Server'j'smtp.mail.ru'); setpref('Internet',,SMTP Username',myaddress); setpref('Internet',,SMTP Password',mypassword); props = java.lang.System.getProperties; props.setProperty('mail.smtp.auth,,,true'); props.setProperty('mail.smtp.socketFactory.class', 'javax.net.ssl.SSLSocketFactory');

props.setProperty(,mail.smtp.socketFactory.port,,,4 65'); %Отправление сообщения

с указанием темы сообщения и самого сообщения

sendmail(email, ['New Report from' ' ' n kp], soob, {img});

result = 'Отправка отчета на E-mail успешно завершена';

else

ftp host = ''; %указать адрес фтп-хоста диспетчерского центра для загрузки файла

ftp username = ''; %указать имя пользователя для этого фтп-хоста ftp pass = ''; %указать пароль для этого фтп-хоста f = ftp(ftp host, ftp username, ftp pass); cd(f, 'public html');

mput(f, img); %загрузка файла на фтп-хост

r = urlread(script, 'post', {'n kp', n kp, 'soob', soob}); %отправка данных скрипту POST-запросом с передачей данных if r == 'ok'

result = 'Отправка отчета на веб-хост успешно завершена'; else

result = 'Ошибка при отправке отчета на веб-хост';

end

end