基于动态视觉传感技术的输电线路雷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

本文针对传统雷电监测系统因光学成像速度慢、通信带宽窄而难以捕捉闪电快速演化过程的问题，研究人员开展了将神经形态计算领域的动态视觉传感器(DVS)应用于自然雷电光学观测的主题研究。通过开发结合卷积滤波与脉冲神经元模型的算法处理动态视觉数据，重建了清晰的雷电通道图像，并实现了雷电类型的直接分类。该研究为输电线路雷电监测与防护提供了低功耗、高效率的边缘智能监测新途径，推动了电网数字化发展。

　　

雷电袭击是导致输电线路故障的首要因素，在我国超高压线路雷击事故占比超过40%。随着电力系统向数字化、智能化方向发展，构建可见、可知、可控的透明电网成为未来发展方向。然而，现有雷电监测分析方法如行波测距和雷电定位系统存在实时性差、智能化水平低等问题，特别对叉状闪电、触发闪电等特殊雷电类型的监测准确性不足，难以满足电网发展需求。

传统雷电光学观测主要依赖高速相机，但其数据处理和存储需求大、记录时间有限，导致自然雷电捕获效率低下。雷电通道成像仪帧率最高仅75fps，无法捕捉闪电的快速发育过程；而高速相机长期定点观测方式又受限于数据量大和记录时间短，观测效率低下。广州高建筑物雷电观测站2009-2018年间在八座高建筑物上仅观测到200余次雷电，充分说明了自然雷电图像数据获取的挑战性。

为解决这一技术瓶颈，本研究创新性地将神经形态工程领域的动态视觉传感器(DVS)技术应用于自然雷电光学观测。该技术受视网膜机制启发，采用像素级独立曝光成像，异步输出响应光强变化的稀疏动态事件流，具有响应速度快、动态范围宽(>120dB)、数据量小(约为高速相机的1/100)等优势，特别适合捕捉光照条件差下的高速瞬态事件。

研究人员在深圳雷雨季节利用DVS设备记录了20余次自然雷电现象，并对其中7次进行了详细处理。通过比较事件相机与帧相机(FLIR相机和高速工业相机)的性能表现，发现事件相机在数据量(1G/h)和功耗(0.457W)方面均显著优于传统相机，且雷电成像质量更佳。

为处理动态视觉数据，研究团队开发了一套多步算法流程。首先将四维事件数据(t,x,y,p)整合为像素矩阵重建雷电图像，然后通过三维卷积操作进行高通滤波去除高频噪声，最后利用Integrate-and-Fire(IAF)模型模拟脉冲神经元活动，通过设置合适的脉冲阈值获得清晰的雷电通道图像。

研究的重要创新在于DVS技术不依赖固定的"帧"概念，可灵活调整积分时间窗口(从微秒到秒级)，从而实现对雷电演化过程的多尺度细节分析。通过分离和重建动态数据中的on事件(光强增加事件)和off事件(光强减少事件)，研究发现雷电通道的长度增长值先增加后减小，揭示了雷电演化速度的变化规律。

更为重要的是，研究提出无需从事件数据重建图像，直接利用事件数量随时间变化曲线进行雷电分类的方法。通过分析事件波形特征，成功区分了单次闪电和多次闪电，发现单次闪电事件曲线呈现密集脉冲特征，而多次闪电则表现为间歇性离散脉冲。

此外，研究还发现通过事件数量变化曲线可以快速识别雷电的先导阶段。在雷电主放电过程之前的事件数量变化非常微小，大多数事件数不超过10,000，而整个雷电过程峰值事件数可达10⁶量级，这种数量级差异为雷电演化阶段的识别提供了有效依据。

与基于声信号重建雷电通道的方法相比，本研究基于动态视觉数据的图像重建算法具有更高准确性；与基于电场变化波形分析雷电阶段的方法相比，事件数量变化曲线提供了更为直观快速的识别手段。

本研究首次将动态视觉技术应用于雷电分类，基于事件变化曲线的时间特性区分雷电类型，为自然雷电的观测和分类提供了新的视角和方法。DVS技术的小型化、低数据量、低功耗等特点有利于其在多个地点广泛部署，实现自然雷电数据的大规模积累，符合雷电实时监测、电网数字化和边缘智能的发展需求。

未来，动态视觉传感技术还可与类脑计算相结合，实现高速高动态感知、精准智能分析和轻量化计算，形成完整的感知-存储-计算系统，发展新型智能视觉雷电监测技术。

主要技术方法

本研究采用Prophesee EVK4动态视觉传感器(DVS)进行自然雷电光学观测，该设备空间分辨率为1280×720，时间分辨率达微秒级。通过对比FLIR帧相机(40万像素，最高200fps)验证成像效果。开发了基于卷积滤波和脉冲神经元模型(IAF)的图像重建算法，通过三维卷积核进行高通滤波，设置合适阈值消除高频噪声，再利用IAF模型模拟神经元膜电位变化，当积分输入脉冲达到阈值时输出尖峰信号，从而清晰提取雷电通道。

研究结果

可灵活调整的雷电重建

DVS技术不依赖固定帧率概念，积分时间窗口可灵活调整、扩展、收缩或平移。研究展示了在不同时间尺度(10ms、20ms、30ms和100μs、200μs、300μs)下的雷电重建效果，证明动态视觉数据在多尺度细节分析方面的灵活性优于传统帧图像。

亮暗雷电通道分析

通过分离on事件和off事件，分别重建雷电的亮化过程和暗化过程。发现在相同时间段内，on通道长度大于off通道长度，两者长度差代表该时间段内雷电亮度保持的通道长度值。长度差从11像素增加到23.1像素后减少至5.8像素，符合气体放电理论中带电粒子复合发光的物理过程。

基于事件曲线的雷电分类

直接利用事件数量随时间变化曲线进行雷电分类，避免了图像重建过程。单次闪电事件曲线呈现密集脉冲特征(约10个脉冲超过40万事件)，而多次闪电事件曲线显示更为分散的脉冲特征(仅5个脉冲超过40万事件)。通过事件波形的时域特征差异成功实现了雷电类型的有效区分。

基于事件曲线的先导阶段识别

通过事件数量变化曲线识别雷电先导阶段。在5.15-5.3秒期间，事件数量变化非常微小，大多数事件数不超过10,000，而整个雷电过程峰值事件数达到10⁶量级。结合重建图像和帧图像验证，该微小波动阶段对应雷电的先导阶段。

研究结论与意义

本研究探索了DVS技术在雷电观测中的应用，通过动态视觉数据分析雷电演化过程，开发了重建清晰雷电通道的算法方法。提出的可调时间窗口雷电图像重建方法支持从微秒到秒级的灵活积分时间选择，通过分离分析on/off事件重建雷电通道的亮暗过程，揭示了雷电通道增长长度随时间先增后减的变化规律。

基于事件数量-时间曲线的雷电分类方法能够有效区分单次闪电、多次闪电和地闪等不同类型雷电，不同雷电类型在数据频谱分析中表现出明显的频域特征差异。利用事件数据的时间变化曲线可快速识别雷电先导阶段，事件数量幅值约为后续阶段的1/100，为雷电演化阶段的快速识别提供了新方法。

该研究突破了传统帧相机捕捉雷电的模式，推动了动态视觉传感技术在雷电研究领域的应用，为电网数字化、边缘智能监测提供了有效的技术途径，为实现实时雷电监测、事故分析和防护保护提供了新的技术支撑。