(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211133971.4 (22)申请日 2022.09.19 (71)申请人 国网江西省电力有限公司电力科 学 研究院 地址 330096 江西省南昌市青山湖区民营 科技园民强路8 8号 申请人 国家电网有限公司 　 北京中关村智连安全科 学研究院有 限公司 (72)发明人 邓志祥　范瑞祥　王文彬　潘建兵　 (74)专利代理 机构 南昌丰择知识产权代理事务 所(普通合伙) 36137 专利代理师 吴称生 (51)Int.Cl. G01R 31/08(2006.01)H02G 1/02(2006.01) G06V 10/22(2022.01) G06V 10/44(2022.01) G06V 20/17(2022.01) (54)发明名称 一种无人机配电线路的故障智能研判方法 (57)摘要 本发明公开了一种无人机配电线路的故障 智能研判方法， 配网无人机系统与配电自动化系 统进行接口对接， 通过接口实时获取配电线路的 故障信息； 配网无人机系统获取故障信息后， 依 据故障信息自动匹配配网无人机系统中的线路 杆塔台账信息， 自动定位故障发生位置； 巡检人 员根据定位的故障信息位置， 到故障点附近进行 现场故障排查， 通过无人机作业端搭载前端智能 识别装置， 前端智能识别装置实时视频自动识别 故障信息， 并将故障信息回传至配网无人机系 统； 进行故障修复及故障信息变更。 本发明将配 网无人机系统与无人机作业端的结合， 实现对电 网线路故障信息的闭环检测与修复， 快速发现故 障并进行故障研判， 保障线路的安全稳定运行。 权利要求书3页 说明书6页 附图1页 CN 115219852 A 2022.10.21 CN 115219852 A 1.一种无 人机配电线路的故障智能研判方法， 其特 征是， 步骤如下： S1.故障信 息获取： 配网无人机系统与配电自动化系统进行接口对接， 通过接口实时获 取配电线路的故障信息； S2.故障定位： 配网无人机系统获取故障信息后， 依据故障信息自动匹配配网无人机系 统中的线路杆塔台账信息， 自动定位故障发生 位置； 若配网无人机系统有故障信 息所需对应的线路杆塔 台账信息， 则线路杆塔台账信 息直 接与故障信息匹配， 获取故障信息位置的定位； 若配网无人机系统无故障信 息所对应的线路杆塔 台账信息， 则根据电力公司存量的线 路巡检照片， 自动构建线路杆塔台账信息； S3.前端故障识别： 精确校验故障信息位置后， 配网无人机系统实时获取故障任务信 息， 巡检人员根据定位的故障信息位置， 到故障点附近进行现场故障排查， 通过无人机作业 端搭载前端智能识别装置， 前端智能识别装置实时视频自动识别故障信息， 并将故障信息 回传至配网无 人机系统； S4.故障修复及故障信息变更： 配网无人机系统接收故障信 息及实时视频， 根据发现的 故障信息， 巡检人员进行故障修复， 修复完成后， 配网无人机系统进行故障信息的变更， 将 故障信息变更为已修复状态。 2.根据权利要求1所述的无人机配电线路的故障智能研判方法， 其特征是， 采集线路杆 塔台账信息中的线路杆塔坐标数据， 作业人员根据指定线路任务， 无人机按航线飞行进行 数据采集， 沿着线路， 在每基杆塔正上方， 定点记录杆塔坐标位置， 并在杆塔周围一定距离 范围内， 同时执行RFID标签扫描任务， 识别实物ID标签， 通过边缘计算模块提供的接口将 RFID识别指 令发送至前端智能识别装置进 行工作， 获取设备实物 ID编号； 同时， 对杆塔进 行 精细化拍照， 得到精细化照片成果数据， 利用边缘计算模块中的柱上设备识别模型完成柱 上设备的自动识别工作； 根据采集的杆塔信息， 将杆塔空间坐标数据与图像识别出 的柱上 设备信息、 实物ID编号建立唯一的关联关系， 形成满足线路杆塔台账的标准数据， 记录线路 杆塔设备相关的数据信息， 完成线路杆塔台账信息的构建。 3.根据权利要求1所述的无人机配电线路的故障智能研判方法， 其特征是， 前端智能识 别装置实时视频自动识别故障信息的方法如下： S31、 使用NanodetNet作为目标检测算法， 对视频中每帧图像进行目标检测， 得到待识 别物体的预测框及其对应类别， 第一帧图像只有检测框， 没有建议框， 第一帧图像中目标检 测结果即为第一帧图像的最终目标框； S32、 使用卡尔曼滤波， 预测上一帧图像中每个目标在当前帧图像中的位置， 作为上一 帧图像对当前帧图像的建议框； S33、 通过目标检测算法对当前帧图像中的物体进行目标检测， 作为当前帧的检测框， 与第一帧图像目标检测不同的是， 设置检测框的分数， 以保留最多的检测结果； S34、 结合当前帧图像的建议框与检测框， 确定当前帧图像最终目标框 。 4.根据权利要求1所述的无人机配电线路的故障智能研判方法， 其特征是， 步骤S32 的 具体过程如下： 使用八个参数对目标框状态进行描述， 目标框中心横坐标x、 目标框 中心纵坐标y、 目标 框宽w、 目标框高h、 目标框中心横坐标变化速度vx、 目标框中心纵坐标变化速度vy、 目标框权　利　要　求　书 1/3 页 2 CN 115219852 A 2宽变化速度vw、 目标框高变化速度vh； k时刻目标框状态 表示为Tk， k时刻状态 协方差表示 为Pk： 变换矩阵表示 为Fk， 初始为下式的值： 则对k时刻目标框状态， 可由k ‑1时刻目标框状态变换而来： Tk‑1表示k‑1时刻目标框状态， Pk‑1表示k‑1时刻状态 协方差； 通过卡尔曼滤波预测上一帧图像中的目标框在 当前帧图像中的位置， 作为当前帧图像 中目标的建议框 。 5.根据权利要求1所述的无人机配电线路的故障智能研判方法， 其特征是， 步骤S34的 具体过程如下： S341.建议框与检测框匹配： 计算同类别的建议框与检测框重叠度， 重叠度使用交并比 IOU作为衡量标准， 当IOU>0.5， 则认为建议框与检测框匹配， 视为同一目标， 对于未匹配成 功的检测框， 视为当前帧图像新出现的目标， 对于未匹配成功的建议框， 视为当前帧图像已 经不存在该目标， 直接删除； S342.更新检测框的分数： 重新计算匹配成功的检测框的分数， 新的检测框的分数为建 议框与检测框的平均值； 未匹配成功的检测框的分数不变； S343.检测框去重:对更新分数后的检测框， 使用分数阈值进行筛选； 最后进行非最大 值抑制； S344.卡尔曼滤波更新:对于匹配成功的检测框， 将检测框作为目标在当前帧图像的位 置， 更新匹配建议框对应的卡尔曼滤波矩阵， 用更新后的卡尔曼滤波矩阵预测检测框对应 的目标在下一帧图像中的位置； 对于未匹配成功的检测框， 新建一个卡尔曼滤波矩阵， 用于 预测未匹配成功的检测框对应的目标在下一帧图像中的位置 。 6.根据权利要求1所述的无人机配电线路的故障智能研判方法， 其特征是， 构建线路杆 塔台账信息时， 计算杆塔坐标的方法如下： 提取线路巡检照片中的经纬度信息， 并根据通用墨卡托投影算法转换为UTM坐标作为 多边形顶点， 以多边形的一个顶点O为原点， 作连接O与其他所有非相邻顶点的线段， 将n条权　利　要　求　书 2/3 页 3 CN 115219852 A 3