基于动态视觉传感（DVS）的输电线路闪电超快低功耗观测与数字监测新方法

《CSEE Journal of Power and Energy Systems》：Ultrafast and low-power lightning observation for digital monitoring in transmission lines

本刊编辑推荐：为解决传统闪电监测系统成像速度慢、通信带宽窄、难以捕捉闪电快速演化过程的难题，研究人员开展了基于动态视觉传感（DVS）技术的闪电光学观测研究。他们开发了结合卷积滤波和脉冲神经元模型的算法，成功重建了清晰的闪电通道，并揭示了闪电通道长度增长先增后减的变化规律。该研究为输电线路的闪电监测与防护以及事故分析提供了有效的技术途径，推动了电网数字化与边缘智能的发展。

　　

闪电袭击是导致输电线路故障的主要原因，对闪电事件进行精确监测是构建数字化输电线路的首要需求。然而，由于低光学成像速度和狭窄通信通道的限制，现有的闪电监测系统无法直接记录和分析快速演变的闪电过程。传统的高速相机虽然成像效果有所提升，但需要强大的数据处理和存储能力，且记录时间有限，给自然闪电的捕获带来了挑战，导致闪电数据收集效率低下。从机械捕获方法到如今广泛使用的高速相机，闪电光学观测的效果虽然显著改善，但数据量大、功耗高的问题依然突出。目前捕获闪电的两种主要方法——闪电通道成像仪和高速相机定点长期观测——分别存在帧率低和数据量大、记录时间有限的问题，凸显了自然闪电图像数据采集的艰巨性和耗时性。

为了更广泛地捕获闪电，本研究引入了神经形态工程领域的动态视觉传感（DVS）技术进行自然闪电的光学观测。受视网膜机制启发，仿生动态视觉传感器（或称事件相机）利用像素级的独立曝光成像，异步输出响应光强变化的稀疏动态事件流。该技术具有响应速度快、动态范围宽、数据量稀疏等优势，能够在弱光条件下捕捉高速瞬态事件，并便于轻量化处理，已成为重要的神经形态智能感知技术。

论文《Ultrafast and Low-Power Lightning Observation for Digital Monitoring in Transmission Lines》发表在《CSEE Journal of Power and Energy Systems》上，该研究将动态视觉传感技术应用于自然闪电的光学观测，分析了雷雨季节的多次闪电发生情况，并开发了集成卷积滤波和脉冲神经元模型的算法来处理动态视觉数据，重建清晰的闪电通道，有效消除噪声和干扰。

为开展研究，研究人员主要应用了以下关键技术方法：采用Prophesee EVK4动态视觉传感器（DVS）进行光学观测，其空间分辨率为1280x720，时间分辨率达微秒级，动态范围超过120 dB；开发了基于三维卷积的高通滤波和基于积分发放（IAF）模型的脉冲神经元模拟算法，用于从事件数据中重建闪电图像；利用可灵活调整的积分时间窗口（从微秒到秒级）分析闪电演化细节；通过分离和重构动态数据中的on事件（光强增加事件）和off事件（光强减少事件）来研究闪电通道的亮暗过程；直接利用事件数量随时间变化的曲线进行闪电分类和演化阶段识别。观测数据来源于深圳市雷雨季节的自然闪电事件，共记录了二十多次实例，并对其中七次进行了详细处理。

可灵活调整的闪电重建

与传统帧相机不同，DVS技术不依赖于固定的“帧”概念。积分时间窗口可以灵活调整——扩展、收缩或移动——使DVS特别适合处理动态变化的场景。本研究采用可调整时间窗口的闪电重建方法，在不同时间尺度上研究闪电的演化。研究发现，DVS的多尺度时间窗口调整在视觉分析中比传统帧图像更具灵活性，能够更精细地关注闪电演化的细节。

闪电通道的亮起与熄灭

除了可调整的时间窗口，动态视觉数据还包含极性维度p，可以同时检测on事件和off事件。通过分别分析on和off事件数据，研究发现闪电的亮起通道在同一时间段内比熄灭通道更长。通过计算同一时间段内on通道和off通道的长度差，将其视为该时间段内闪电亮度保持的通道长度值。进一步绘制on和off通道沿y轴的长度随时间的变化曲线，发现长度差从11像素增加到23.1像素，然后减少到5.8像素。这一发现揭示了闪电通道长度增长值随时间先增加后减少的趋势，与气体放电理论中电荷粒子碰撞电离和复合过程的变化规律一致。

通过事件曲线分类闪电

研究直接处理动态数据，绘制事件数量随时间变化的曲线，并进行频谱分析，以观察不同闪电过程中事件波形的差异。研究发现，单次闪电的事件曲线呈现密集脉冲，表明其连续进展；而多次闪电则表现为间歇性离散脉冲，与其沿同一通道快速完成的特点一致。通过事件变化曲线的时间域波形，可以区分单次闪电、多次闪电和地闪等不同类型闪电。

通过事件曲线区分先导阶段

闪电事件可以分为不同的演化阶段，如先导、主放电和回击阶段。利用事件变化曲线可以辅助判断闪电的演化阶段。研究发现，在先导阶段，事件数量的变化非常轻微，事件计数的幅度约为后续阶段的1/100。通过观察事件数量变化曲线，主放电之前的小波动阶段可以被识别为闪电的先导阶段。

本研究通过动态视觉数据分析了闪电的演化过程，并开发了算法方法重建清晰的闪电通道。研究提出了可调整时间窗口的闪电图像重建方法，允许灵活选择从微秒到秒的积分时间。通过分别分析on事件和off事件，重建了闪电通道的亮起和熄灭过程，揭示了闪电通道长度增长值随时间先增加后减少的趋势。绘制事件数量随时间变化的曲线，比较了不同类型闪电的差异，并提出了利用事件计数的时间域波形确定闪电类型的方法。最后，论文指出了先导阶段与后续闪电过程在事件计数幅度上的显著差异，提出了利用事件计数区分闪电先导过程的方法。

该研究为自然闪电的观测和分类提供了新的视角和方法，突破了用帧相机捕获闪电的传统模式，推动了动态视觉传感技术在闪电研究领域的应用。DVS技术的小尺寸、低数据量和低功耗等特点有利于其在多个地点广泛部署，从而实现自然闪电数据的大量积累。因此，DVS技术非常符合闪电实时监测、电网数字化和边缘智能的发展需求。此外，动态视觉传感技术可以与类脑计算相结合，实现高速、高动态感知、精确智能分析和轻量化计算，从而形成完整的感知、存储和计算系统，并发展出一种新型的智能视觉闪电监测技术。