输配电线路自然灾害监控系统是防治输电线路自然灾害的新技术手段，依靠自然灾害监控系统搜集和识别线路的运行情况和环境等信息，帮助判断风险等级与故障情况。

2.2.1 技术方案

系统逻辑架构可分为应用层、平台层、网络层以及感知层共4层。输配电线路自然灾害监控系统的硬件分为前置感知装置和后台服务器。其中，前置感知装置为一体化安装设备，主要部件外壳为不锈钢材质，使用防锈镀锌固件安装在杆塔指定位置，总重量小于25 kg。后台服务器可部署于信息中心机房或其他具备内网通信条件的机房内。硬件类型包含一体化可视智能监测装置、视频服务器、算法服务器以及磁盘阵列存储。系统软件平台PC端使用JAVA语言开发，B/S三层架构，移动端为安装APP使用模式，算法模块使用C++/Python等语言开发。安装环境中，后台操作系统支持windows/Linux，前置支持windows/Linux操作系统，移动端支持安卓/iOS操作系统。

2.2.2 通信方式

前置设备支持通过光纤、网线、WiFi以及4G等通信模式回传数据。目前，主流通信运营商均与电网签有专网协议，可在设备上配备4G企业专卡，通过无线企业专网回传数据。数据通过前置堡垒机防火墙和入侵监测后进入后台系统和算法服务器。4G无线通信技术本身相对成熟，实施难点在于4G信号的网络覆盖度。特别是山区，往往会出现没有4G网络信号和信号时断时续的情况。此外，不同运营商的信号覆盖区域也有不同。针对信号问题，可采取选用全网通4G模块、支持任意运营商网络、前置图像数据采用高质压缩算法、支持H264/H265图像压缩以及前置数据传输支持延时发送与断点续传等技术手段。网络构架如图1所示。

2.2.3 电源方案

输电线路上没有配备低压交流电源，现有的前置感知装置主要采用蓄电池和太阳能板浮充电作为供电方式。考虑到设备成本和安装实施难度，太阳能板和蓄电池的容量不能太大。为了使监控装置在持续多日阴天和雨雾的天气条件下还可以保持正常工作，整套设备必须运作在低功耗模式。可采取的技术手段有使用低功耗的芯片，如图像处理和计算芯片。4G通信模块芯片等主要耗能芯片均采用低功耗型号。设定设备定时休眠和唤醒模式，在非工作状态下设备的主要模块处于待机状态，进入工作状态再进行唤醒。铅酸、镍镉和锂离子电池作为备选电池储能件。其中，锂离子电池具有充电快、能量高、体积小以及无记忆等优点。通过分析地区数据，优先采用锂离子电池储能方案。但是，随着电池的化学年龄增长，电池能够储存的电量会有所下降，导致设备在需要再次充电前的使用时间缩短，同时也可能减弱电池提供的最大瞬时性能。因此，为了保障设备的长期免维护运行，需结合电池的健康状态和工作温度优化锂电池的充放电策略，从而实现智能化的电源管理。

图1 网络构架图

在工作模式模式下，采用锂电池直接供电，支持峰值电源，可为设备提供最大性能的驱动能力。用户可通过平台远程设置信息的采集频率和通信的时间间隔，从而有效保障数据的有效性和实时性。

在休眠模式模式下，采用太阳能光伏充电，将在设备不工作时自动切换进入，通过电子开关关闭除MCU以外的所有外部设备供电，只维持低频核心的工作状态，从而实现微安级的休眠电流，大大提高了设备的续航能力。

在节能模式模式下，将在电池电量低下或工作温度异常的情况下自动切换进入，通过动态调节信息采集频率和传输时间间隔，优化电池充放电策略，有效延展电池的使用寿命，保障电池的容量峰值性能。

2.2.4 图像识别及预警

运用图像识别技术是对输电线路设备运行情况和运行环境进行处理、分析及理解，以识别各种不同自然灾害的目标和对象的技术。该技术是基于人工智能深度学习算法的一种实践应用。一般的图像识别流程可分为“图像采集→图像预处理→特征提取→图像识别”几个步骤。使用基于深度学习的人工智能技术进行图像识别，在电网巡检领域已经得到了初步应用。但是，同其他所有基于机器学习的人工智能图像识别技术一样，在输电线路自然灾害监测场景中的样本数据不足和样本背景复杂等问题，会对识别准确度和识别效率造成影响。随着数据的积累和算法的更新，识别和预警的准确度和识别效率会逐步提升，能够做到短时间内的准确识别，并及时通过短信和APP推送等方式反馈给相关运行人员。机器学习模型化训练图如图2所示。

文章来源：《自然灾害学报》 网址: http://www.zrzhxb.cn/qikandaodu/2021/0326/971.html