1 概述
随着我国经济社会的持续健康发展，对加强电网建设、电网安全稳定运行、电能质量和优质服务水平提出了更高要求。由于输电线路分布范围广，常常穿越城市和乡村，且随着经济的快速发展，城乡基础建设越来越频繁，其运行常受到人们生产和建筑单位施工的干扰，从而造成对输电线路的破坏、大面积停电等现象。这些影响不仅造成当事单位生命财产损失，更是给人们的日常生产生活带来了极大不便。
经过查阅大量的资料和咨询公司相关专家，对现有保护输电线路安全稳定运行的措施做了详细统计，现有的方式无非分为四大类：（1）利用GPRS定位技术供电公司巡查人员每月巡查，以此监督每个巡查人员必须将每个危险源点线路都检查过去；（2）发动人民群众，利用人海战术，每当有群众发现高压线下有危险物体存在，拍摄照片，并立刻电话通知供电公司相关人员；（3）在输电线路危险源点驻扎相关人员，进行人为防护和干预；（4）在输电线路危险源点相关高压塔上安装普通视频监控，对施工现场进行人为查看现场视频。
为了解决以上四个问题，本文通过先进的智能视频分析技术，搭建并完成了输电线路立体智能防护系统，该系统能对输电线路有安全隐患的物体进行自动识别并主动报警，在降低人力物力成本的同时将危险源转变为安全源，将一切危险源消灭在萌芽状态，将防范的被动性转变为主动性。
2 输电线路智能防护关键问题
对电网运行而言，最首要的问题是要保证供电安全可靠，这主要取决于输电线路的运行情况，因此需要对输电线路进行防护保护，以保障电网的稳定运行。就输电线路立体智能防护系统所要到达的目的而言，需要解决以下三个问题：
第一，输电线路复杂场景、复杂气候、复杂天气情况下的多车分离识别。智能视频分析技术经过很长时间的技术积累和沉淀，从功能上说也衍生出许多功能应用，最多的是人脸识别、车牌识别、物品丢失、滞留、区域非法进入、方向判断、生物判别、图像合并、物品跟踪等。上述功能都是基本停留在实验室阶段，在实际商业化应用得很少，究其原因主要是现在大部分厂家的智能分析器在复杂场景、复杂气候、复杂天气情况下准确度还不能达到客户要求，误报率较高。本文通过合理安装摄像机的高度、照射的角度和范围等，建立适合输电线路的算法模型，将复杂场景下的运动车辆问题能够准确识别并分离开，通过人机交互，前期人为干预的手段，将误报率降低。
第二，将多车分离识别后，如何有效区分目标危险车辆。经过查阅资料，少部分智能视频厂家在复杂场景、复杂气候、复杂天气等能有较高的识别率，但是对于特种危险车辆无任何识别算法。本论文所搭建的系统可以采用基于智能视频分析的特征量提取识别目标危险车辆的方法。
第三，当危险目标车辆识别后，对其轨迹进行跟踪。当有危险车辆停留并扬臂，如何计算该目标车辆距离输电线的距离，是需要解决的关键问题之一。常规的计算方法很难精确计算出其实际距离，经过查阅资料，国内无任何智能视频厂家能计算出该数值。这一问题也是本文所要解决的。
3 系统整体架构和实现
本系统主要包括基础数据模块、视频帧获取模块、算法分析模块、数据存储查询模块、视频播放模块、报警联动模块。其中算法分析模块又分为多车识别分离算法子模块、特征提取识别算法子模块、距离计算子模块，且这三个子模块为该系统的核心模块。
3.1 系统整体技术架构
从技术架构来分，整个系统结构分为三个部分，即感知层、网络层和应用层，如图1所示。
在线监测系统感知层主要采集各基杆塔实时监控视频、现场告警图片、告警视频、告警信息以及前端设备各类信息等，这些信息使用信息采集中间件技术协同处理，将数据汇聚到前端路由器，使用数据传输技术传送到后端中心主站服务器。
系统网络层主要使用运营商3G/4G APN技术对采集的数据进行封装传输，安全性和传输网络信号由运营商保证。
应用层由两个部分组成，应用支撑层用来接收、处理各个应用的请求，有前端杆塔监测设备主动发运的告警信息，有客户端发起的链接请求等，应用服务器协同这些信号请求、流媒体服务器和存储服务器，完成各项功能。
采集的数据可应用于各种场合，如实时线路巡检、历史告警记录查询、后期可综合管控平台，结合其他系统监测数据进行大数据分析等。
3.2 系统各模块功能实现
文章所提出的系统架构是基于MVC框架，即模型（model）-视图（view）-控制器（controller）。
具体功能模块的原理和功能如下：（1）基础数据模块，即对输电路信息和核心分析数据进行管理。输电线路信息包括杆塔名称、杆塔编号、管辖区域、绝缘子信息等。核心分析数据包括摄像机的IP、图像分辨率、配置的任务、分析区域、报警类型、报警间隔等。运维人员可通过配置基础数据模块，实现不同规则报警；（2）视频帧获取模块，即通过配置的摄像机获取核心分析需要的视频帧和视频流，同时将视频帧交给算法分析模块；（3）算法分析模块，即通过接收基础数据配置的任务，完成不同的算法，同时将分析的结果返回给数据存储查询模块；（4）数据存储查询模块即保存算法分析模块返回的结果集，同时将结果集和视频流同时保存在硬盘中，提供服务器回放。该模块还提供客户端的历史数据查询等功能，方便管理人员及时了解某个杆塔、某条线路的危险源点情况；（5）视频播放模块，即提供客户端播放实时视频、本地视频、历史视频的工具。该模块采用activex集成平台方式，轻松方便地在Web页中插入多媒体效果、交互式对象、以及复杂程序，创建用户体验相当的高质量多媒体CD-ROM组件；（6）报警联动模块，即将系统识别并报警的危险目标，通过现场声光报警、远程短信报警的方式传送给需要通知的人，包括危险目标车辆驾驶员、输电线路运维人员等。
基于上述功能要求，考虑到系统数据量巨大，对算法执行时间和系统的识别率要求较高，核心算法均采用C++语言开发，服务器平台和客户端采用的是C++、JAVA、C#语言，数据库采用的是Mysql。
同时该系统平台采用“即插即用（plug in）”的设计原则，模块接口采用xml方式，服务器、客户端之间的交互将采用xml-rpc架构，这些都保证了平台各个子模块间的松耦合，模块间的接口界面强扩展性。而文件传输和流媒体点播都采用了标准的ftp协议和rtp/rtmp协议，确保系统的稳定性。
4 应用实例
系统已经进入实际检验运营阶段，具体实施：南通市6套、盐城市6套、淮安市1套、南京市8套以及在直流800kV某线苏州段安装15套，其中9套为交跨线路。以某地直流800kV为案例，统计时间为2015年10月11日至2015年11月03日，34和35号塔连续统计24天，每天均为全天候24小时运行。统计结果分别如图2、图3、图4所示：
经过数据分析，产生结果如下：
4.1 大型车辆入侵
直接利用路上的实际的过往车辆进行统计，检测区域为检测道路中输电线下方，检测时小车、卡车不报警，吊车报警，其中：（1）分级报警：路过（进入/出去）、徘徊（进入/停留）、扬臂；（2）漏报率和误报率计算方式：计算基数按照过往所有车辆计算；（3）统计时段：白天；（4）统计标准：漏报率和误报率≤3%。
4.2 导线漂浮物
直接利用杆塔导线进行漂浮物测试，检测区域输电线交跨处，漂浮物停留在导线报警，漂浮物飘过不报警。（1）检测时段：白天；（2）统计标准：漏报率和误报率≤3%。
基于上述统计数据和查阅相关电力标准后可知，本系统完全符合国网和省网漏报率≤5%要求。
5 结语
文章提出了一种适合输电线路的智能监控系统，通过搭建MVC架构，实现数据维护、二次开发拓展便捷、客户端界面简易等功能，具备良好的人机交互，且预留了数据接口，方便进一步拓展系统功能。该系统在江苏多个市供电公司已经部署并投入实际使用，特别是在现阶段运维人员严重缺乏的高压输电线能够极大减少工作人员的巡检负担，提高巡检运维工作效率。通过实际数据的列举分析，统计本系统在不同情况下的误报率，结果表明完全符合国网和省网的相关要求。
参考文献
[1] Stauffer，C. and W.E.L. Grimson.Adaptive background
mixture models for real-time tracking[J]. IEEE，1999.
[2] KaewTraKulPong，P. and R.Bowden.An improved
adaptive background mixture model for real-time tracking
with shadow detection[J].2001.
[3] Zivkovic，Z. and F.van der Heijden.Efficient adaptive
density estimation per image pixel for the task of
background subtraction[J].Pattern recognition letters，
2006，27（7）.
[4] Zivkovic，Z. and F.van der Heijden.Recursive
unsupervised learning of finite mixture models[J].Pattern
Analysis and Machine Intelligence，IEEE Transactions
on，2004，26（5）.
[5] Bouzerdoum，A.，A.Beghdadi，et al.On the analysis
of background subtraction techniques using Gaussian
mixture models[J].2010.
[6] Lin，H.H.，J.H.Chuang，et al.Regularized background
adaptation：a novel learning rate control scheme for
Gaussian mixture modeling[J].Image Processing，IEEE
Transactions on，2011，20（3）.
[7] 王梅义.大电网事故分析与技术应用[M].北京：中
国电力出版社，2008.
作者简介：朱富云（1957-），男，南通供电公司高级技师，高工，产业教授，在读博士，研究方向：电力系统、智能机器人技术；倪红军（1965-），男，南通大学机械工程学院教授，博士，研究方向：机械工程；戴相龙
（1984-），男，供职于江苏濠汉信息技术有限公司，研究方向：计算机科学与技术；汪兴兴（1984-），男，南通大学机械工程学院实验师，硕士，研究方向：机械工程。
