Tổng quan nghiên cứu

Đường dây tải điện cao thế là một phần quan trọng trong hệ thống truyền tải điện năng, tuy nhiên các chi tiết truyền dẫn trên đường dây này thường gặp phải hiện tượng quá nhiệt do điện trở tăng lên khi hoạt động lâu dài ngoài trời. Theo ước tính, hiện tượng này không chỉ làm tiêu tốn nhiều điện năng mà còn gây ra các hư hỏng nghiêm trọng, ảnh hưởng đến tuổi thọ và độ ổn định của hệ thống điện. Chi phí bảo trì đường dây tải điện cao thế chiếm tỷ trọng lớn trong tổng chi phí vận hành lưới điện quốc gia, do đó việc giám sát và bảo trì kịp thời các chi tiết trên đường dây là rất cần thiết.

Nghiên cứu này nhằm phát triển một hệ thống giám sát tự động các chi tiết phụ kiện trên đường dây tải điện sử dụng máy bay không người lái (UAV) kết hợp với công nghệ xử lý ảnh nhiệt. Phạm vi nghiên cứu tập trung vào việc đo chính xác nhiệt độ các chi tiết truyền dẫn như khóa néo dây, khóa néo ép, kẹp dây nóng tại các vị trí thực tế trên đường dây cao thế, trong điều kiện thời tiết phù hợp nhằm đảm bảo độ chính xác đo. Mục tiêu cụ thể là xây dựng thuật toán xử lý ảnh nhiệt nhanh, hiệu quả, phù hợp cho thiết bị nhúng nhỏ gọn tích hợp trên UAV, đồng thời phát triển công thức tính nhiệt độ vật thể dựa trên định luật Planck và các tham số môi trường.

Hệ thống đề xuất có ý nghĩa lớn trong việc nâng cao hiệu quả giám sát, giảm thiểu chi phí và rủi ro so với phương pháp giám sát truyền thống sử dụng nhân công hoặc máy bay trực thăng. Việc ứng dụng UAV giúp tăng tính cơ động, khả năng tiếp cận mọi địa hình và loại đường dây, đồng thời giảm thiểu các bước triển khai phức tạp, góp phần nâng cao độ an toàn và độ tin cậy của hệ thống điện cao thế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình sau:

  • Định luật Planck: Mô tả cường độ bức xạ điện từ phát ra từ vật thể đen (Blackbody) theo bước sóng và nhiệt độ tuyệt đối, làm cơ sở cho việc tính toán nhiệt độ vật thể dựa trên bức xạ hồng ngoại thu được từ camera nhiệt.

  • Định luật Stefan-Boltzmann: Tổng năng lượng phát xạ của vật thể tỉ lệ với lũy thừa bậc 4 của nhiệt độ tuyệt đối, giúp ước lượng năng lượng bức xạ tổng thể.

  • Khái niệm emissivity (ε): Thông số đặc trưng cho khả năng phát xạ bức xạ hồng ngoại của vật thể so với vật thể đen lý tưởng, phụ thuộc vào vật liệu và bề mặt vật thể.

  • Mô hình bức xạ nhiệt tổng hợp: Tổng cường độ bức xạ thu được bởi camera nhiệt gồm bức xạ phát ra từ vật thể, bức xạ phản xạ từ môi trường xung quanh và bức xạ của không khí, được mô tả qua công thức tổng hợp với các tham số emissivity, transmissivity (τ), nhiệt độ phản xạ (Trefl) và nhiệt độ không khí (Tatm).

  • Mô hình triển khai hệ thống UAV: Bao gồm các mô-đun phần cứng như Raspberry Pi 4, camera nhiệt FLIR Lepton 3.5, camera thường và cảm biến nhiệt độ độ ẩm DHT22, kết nối với máy tính điều khiển mặt đất qua sóng Wifi.

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Dữ liệu thu thập gồm ảnh nhiệt và ảnh thường từ UAV bay dọc theo đường dây tải điện cao thế, cùng các thông số môi trường đo được từ cảm biến DHT22.

  • Cỡ mẫu và chọn mẫu: Thử nghiệm được thực hiện trên nhiều loại vật liệu và chi tiết phụ kiện đường dây như khóa néo ép, với nhiều lần đo để đánh giá độ chính xác và sai số phép đo. Cỡ mẫu thử nghiệm khoảng vài chục lần đo tại các vị trí khác nhau.

  • Phương pháp phân tích: Sử dụng thuật toán xử lý ảnh truyền thống để phát hiện vùng ảnh chứa vật thể cần đo nhiệt độ, sau đó áp dụng công thức tính nhiệt độ vật thể dựa trên định luật Planck và các tham số môi trường. Phương pháp tính toán được tối ưu để chạy nhanh trên thiết bị nhúng Raspberry Pi 4.

  • Timeline nghiên cứu: Nghiên cứu được thực hiện trong khoảng thời gian từ đầu năm đến giữa năm 2022, bao gồm giai đoạn thiết kế hệ thống, phát triển thuật toán, thử nghiệm thực tế và hiệu chỉnh sai số.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Độ chính xác đo nhiệt độ: Kết quả thử nghiệm đo nhiệt độ các vật thể khác nhau cho thấy sai số trung bình so với nhiệt độ thực tế là ±1°C, với các phép đo trên khóa néo ép và các vật liệu như bê tông, gạch đỏ, giấy trắng, đất nung tráng men, cao su cứng. Ví dụ, sai số đo nhiệt độ khóa néo ép trong 3 lần thử nghiệm lần lượt là 0.8°C, 1.1°C và 0.9°C.

  2. Hiệu quả thuật toán xử lý ảnh: Thuật toán phát hiện vùng ảnh có nhiệt độ cao hoạt động hiệu quả, cho phép xác định chính xác vị trí chi tiết cần giám sát trong ảnh nhiệt với tốc độ xử lý nhanh, phù hợp cho thiết bị nhúng có hiệu năng hạn chế.

  3. Tính cơ động và ứng dụng UAV: Việc tích hợp hệ thống đo nhiệt độ trên UAV giúp giám sát được các chi tiết trên đường dây tải điện ở nhiều địa hình khác nhau, giảm thiểu rủi ro và chi phí so với phương pháp giám sát truyền thống. UAV có thể bay gần trụ điện để thu thập dữ liệu rõ nét, hỗ trợ kỹ sư bảo trì đưa ra quyết định kịp thời.

  4. Ảnh hưởng của điều kiện môi trường: Nghiên cứu chỉ ra rằng việc đo nhiệt độ nên thực hiện vào những ngày nhiều mây hoặc ban đêm để giảm ảnh hưởng của bức xạ mặt trời và các yếu tố nhiễu khác, đảm bảo độ chính xác cao nhất.

Thảo luận kết quả

Sai số ±1°C trong phép đo nhiệt độ là mức chấp nhận được trong ứng dụng giám sát bảo trì đường dây tải điện, giúp phát hiện sớm các chi tiết có nhiệt độ bất thường. Kết quả này tương đồng với các nghiên cứu trong ngành sử dụng camera nhiệt cao cấp. Việc sử dụng thuật toán xử lý ảnh truyền thống thay vì các mô hình học sâu phức tạp giúp giảm tải tính toán, phù hợp với thiết bị nhúng trên UAV, đồng thời giảm chi phí triển khai.

So với các phương pháp giám sát truyền thống sử dụng nhân công hoặc máy bay trực thăng, hệ thống UAV tích hợp camera nhiệt mang lại sự cơ động cao, khả năng tiếp cận linh hoạt và an toàn hơn. Tuy nhiên, việc lập trình bay tự động và xử lý dữ liệu thời gian thực vẫn cần được nghiên cứu thêm để nâng cao tính tự động hóa.

Việc lựa chọn thời điểm đo nhiệt độ phù hợp là yếu tố quan trọng để giảm thiểu sai số do ảnh hưởng của ánh sáng mặt trời và điều kiện thời tiết. Các biểu đồ và bảng biểu trong nghiên cứu minh họa rõ ràng mối quan hệ giữa các tham số môi trường và độ chính xác đo nhiệt độ, giúp kỹ sư bảo trì có thể điều chỉnh quy trình giám sát hiệu quả.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống UAV giám sát định kỳ: Thiết lập lịch bay định kỳ cho UAV nhằm giám sát các chi tiết phụ kiện trên đường dây tải điện, giúp phát hiện sớm các điểm quá nhiệt, giảm thiểu sự cố và kéo dài tuổi thọ đường dây. Thời gian thực hiện: hàng tháng hoặc theo mùa, do các đơn vị quản lý lưới điện thực hiện.

  2. Tối ưu thuật toán xử lý ảnh: Nâng cấp thuật toán phát hiện và đo nhiệt độ để tăng tốc độ xử lý và khả năng nhận diện nhiều chi tiết cùng lúc, đồng thời tích hợp các phương pháp học máy nhẹ để cải thiện độ chính xác. Thời gian thực hiện: 6-12 tháng, do nhóm nghiên cứu và phát triển phần mềm đảm nhiệm.

  3. Đào tạo kỹ sư vận hành UAV và phân tích dữ liệu: Tổ chức các khóa đào tạo chuyên sâu cho kỹ sư bảo trì về vận hành UAV, xử lý ảnh nhiệt và phân tích dữ liệu để nâng cao hiệu quả giám sát và bảo trì. Thời gian thực hiện: 3-6 tháng, do các trung tâm đào tạo và công ty cung cấp UAV phối hợp thực hiện.

  4. Xây dựng quy trình đo nhiệt độ chuẩn: Xây dựng hướng dẫn chi tiết về điều kiện đo nhiệt độ (thời gian, thời tiết, khoảng cách đo) nhằm đảm bảo độ chính xác và nhất quán trong quá trình giám sát. Thời gian thực hiện: 3 tháng, do các cơ quan quản lý lưới điện phối hợp với chuyên gia kỹ thuật thực hiện.

Đối tượng nên tham khảo luận văn

  1. Kỹ sư bảo trì và vận hành lưới điện cao thế: Nghiên cứu cung cấp giải pháp giám sát tự động giúp phát hiện sớm các lỗi quá nhiệt, từ đó giảm thiểu sự cố và chi phí bảo trì.

  2. Nhà nghiên cứu và phát triển công nghệ UAV và ảnh nhiệt: Luận văn trình bày chi tiết về tích hợp phần cứng và thuật toán xử lý ảnh nhiệt trên UAV, là tài liệu tham khảo quý giá cho các dự án tương tự.

  3. Các công ty cung cấp dịch vụ giám sát hạ tầng điện: Hệ thống đề xuất giúp nâng cao hiệu quả giám sát, giảm chi phí nhân công và tăng tính an toàn trong quá trình kiểm tra đường dây tải điện.

  4. Cơ quan quản lý và hoạch định chính sách năng lượng: Thông tin về chi phí bảo trì và hiệu quả giám sát tự động hỗ trợ xây dựng các chính sách phát triển lưới điện thông minh và bền vững.

Câu hỏi thường gặp

  1. Hệ thống UAV giám sát ảnh nhiệt có thể hoạt động trong điều kiện thời tiết nào?
    Hệ thống hoạt động tốt nhất trong điều kiện nhiều mây hoặc ban đêm để giảm ảnh hưởng của bức xạ mặt trời. Tránh đo khi trời nắng gắt, mưa hoặc gió lớn để đảm bảo độ chính xác và an toàn bay.

  2. Sai số đo nhiệt độ của hệ thống là bao nhiêu?
    Sai số trung bình đo nhiệt độ so với giá trị thực tế là ±1°C, phù hợp với yêu cầu giám sát bảo trì đường dây tải điện cao thế.

  3. Thuật toán xử lý ảnh có thể phát hiện nhiều chi tiết lỗi cùng lúc không?
    Hiện tại thuật toán chủ yếu phát hiện và đo nhiệt độ từng chi tiết riêng biệt. Nghiên cứu đề xuất nâng cấp thuật toán để xử lý nhiều chi tiết cùng lúc trong tương lai.

  4. Hệ thống có thể thay thế hoàn toàn nhân công giám sát không?
    Hệ thống hỗ trợ giám sát tự động, giảm thiểu công việc thủ công nhưng vẫn cần kỹ sư vận hành UAV và phân tích dữ liệu để đưa ra quyết định bảo trì chính xác.

  5. Chi phí triển khai hệ thống UAV giám sát ảnh nhiệt so với phương pháp truyền thống như thế nào?
    Chi phí đầu tư ban đầu cho UAV và thiết bị ảnh nhiệt thấp hơn nhiều so với sử dụng máy bay trực thăng hoặc nhân công kiểm tra trực tiếp, đồng thời giảm chi phí vận hành và tăng hiệu quả giám sát.

Kết luận

  • Đã phát triển thành công hệ thống giám sát tự động đường dây tải điện sử dụng UAV kết hợp camera ảnh nhiệt và thuật toán xử lý ảnh truyền thống.
  • Công thức tính nhiệt độ vật thể dựa trên định luật Planck và các tham số môi trường được áp dụng chính xác với sai số ±1°C.
  • Hệ thống giúp nâng cao tính cơ động, giảm chi phí và rủi ro so với phương pháp giám sát truyền thống.
  • Thuật toán xử lý ảnh nhanh, phù hợp cho thiết bị nhúng nhỏ gọn trên UAV, hỗ trợ giám sát hiệu quả trong thực tế.
  • Đề xuất các giải pháp triển khai, đào tạo và xây dựng quy trình đo nhiệt độ chuẩn để ứng dụng rộng rãi trong ngành điện.

Tiếp theo, nghiên cứu sẽ tập trung vào nâng cao tự động hóa bay UAV, cải tiến thuật toán xử lý ảnh để nhận diện đa vật thể và tích hợp hệ thống vào quy trình vận hành lưới điện thông minh. Các đơn vị quản lý lưới điện và nhà nghiên cứu được khuyến khích áp dụng và phát triển thêm dựa trên nền tảng này nhằm nâng cao hiệu quả bảo trì và vận hành hệ thống điện cao thế.