智能機器人在變電站巡檢系統中的應用

云南電網有限責任公司文山供電局　蔣體浩

云南文山電力股份有限公司 李月芹

智能機器人在變電站巡檢系統中的應用

云南電網有限責任公司文山供電局蔣體浩

云南文山電力股份有限公司 李月芹

基于目前設備的巡視工作主要是由運行人員來完成，人工巡視存在人為因素多、勞動量大、巡視質量不穩定、人員管理成本高等問題；策劃利用智能機器人參與現場的設備巡視，代替部分人工巡視、承擔現場抄表工作；以期自動完成設備的日常巡視、紅外測溫、操作狀態檢查等工作，實現巡視智能化和信息化，提高巡視效率和巡視質量，降低人工巡視帶來的無形風險，并緩解現場運行人員的工作任務量，提升變電運行管理的智能化水平。

機器人；設備模式；圖片庫；智能化；應用

引言

隨著變電站自動化水平的提高以及無人值守的普及，設備運行的安全性受到更加嚴格的考驗，是否全面細致的對設備進行每天的巡檢，隨時關注掌握設備的實時狀態，成為保障電力系統安全可靠運行的一個重要環節。智能機器人參與變電站的室外設備巡視和數據抄錄工作，獲取現場活動的信息并與變電設備上安裝固定的狀態測量裝置采集的數據進行對比，提前掌握設備健康狀況、發現設備運行過程的變化趨勢；鑒于機器人能安分守己，不折不扣完成巡視工作，與人具有無與倫比的價格優勢和強大的推廣應用能力。

一、現狀分析

目前變電站內設備間隔多，開關場區域廣，采用人工巡檢方式巡檢設備，不僅要耗費大量的人力勞動力，而且在這種循環往復的工作狀態下以及天氣情況、巡視人員狀態等客觀因素的影響下，很可能造成人為的麻痹大意的巡檢工作態度，嚴重影響了巡檢質量。機器人巡視系統的應用理論分析

二、智能機器人應用理論分析

（一） 設備模式識別的基本原理

模式識別系統的研制目標是在CCD和紅外攝像機采集的可見光和紅外圖像基礎上，根據紅外圖像進行電站設備的自動監測，發現溫度異常的設備并向值班人員報警，同時根據可見光圖像完成設備開關狀態的讀取，對儀表數據讀取進行研究，研究對象為變壓器油壓表和避雷器兩種拍攝位置比較理想的儀表，并創新性的對正常光照條件下的變電站設備外觀狀態進行檢測，并給出相應的報警信息。通過無線網絡將圖像傳送到后臺工作站上，分析識別系統安裝在后臺工作站的主機上，對圖像進行處理。當機器人到達指定監測位置時，將所拍攝的紅外和可見光圖像傳回工作站主機。分析識別系統根據拍攝的設備紅外圖像進行指定設備的溫度監測；根據可見光圖像進行開關的閉合狀態監測和指定儀表數據的自動讀取。由于機器人停靠位置存在偏差，因此系統要能夠容忍圖像拍攝的誤差，實現能夠全天候監測所有指定設備的溫度狀態，做到沒有漏檢；并在光照條件較好的條件下根據可見光判斷設備開關狀態和指定儀表數據。

（二）設備圖片庫

為了確保巡檢機器人所獲取的實時圖片能夠和圖片庫中相應圖片進行最佳匹配，必須建立各個停靠點全天候多角度的設備區域圖片庫。這就涉及到許多因素，諸如季節、天氣、巡檢時刻和停靠點等。因為不同的季節、天氣和巡檢時刻所獲得的相同設備區域的圖像在亮度、對比度和明暗分布等方面存在著較大差別，對于圖像匹配的準確性有很大的影響。只有將機器人實時獲取圖片與圖片庫中相應季節、天氣、巡檢時刻和停靠點的相應預置位圖片進行匹配，才能最大限度地減小匹配誤差，因為僅僅利用圖像處理的各種方法還不足以消除這些因素所造成的影響。

此外，為了更好地實現圖片匹配，還需要設計多種匹配算法，從而減小或者消除實時圖片與圖片庫中相應圖片之間存在的平移、旋轉、伸縮、扭曲等變形和光線、亮度等差異。

三、應用試驗

（一） 實時匹配和檢測識別

巡檢機器人實時獲得的可見光圖像需要和圖片庫中相應圖片進行實時匹配。由于圖片庫是靜態的，而實時圖像是動態的，二者之間存在一些形變和灰度級的差異，例如平移、伸縮、旋轉、扭曲等。我們設計了多種算法來校正這些形變和消除灰度差別：能量歸一化和灰度均衡化、相關函數法、投影直方圖法等。我們要求匹配成功的標準是匹配度必須滿足設定的閾值范圍。因此，可以確保匹配的準確性。

圖4-1

圖4-2

圖像匹配的成功就意味著圖像中所有的設備得到了正確的識別和定位。這是因為在圖片庫中所有的設備已經進行了人工標定（參見圖4-1A）。需要說明，不同季節、天氣、時刻、停靠點和預置位的圖片庫中圖像只需要標定一次，包括編號、類型和位置。

設備檢測時間問題。由于采用的算法是圖像匹配，不是單個設備的逐個檢測和識別，因此設備識別速度完全取決于匹配算法。目前的單圖片匹配算法大約在2-5秒之間（尚未優化），但是可以同時識別當前環境中的大多數設備。考慮到巡檢的實際情況，該匹配算法可以離線進行，即可以利用機器人在相鄰兩個停靠點之間的行走時間。一般來說，每個停靠點需要識別的設備越多，則每個設備檢測時間就越短。如果每幅圖片中有十個設備，則每個設備的平均檢測時間為0.2-0.5秒；匹配算法優化之后，單設備平均檢測時間有望小于0.2秒（見圖4-2）。

同時，正是由于采用了圖像匹配算法，使得設備識別的準確性和輸出設備的位置誤差自動得到保證，即很高的準確性和極小的誤報率和位置誤差。因此，完全可以能夠滿足單個或多個不同設備的同時準確實時識別。

圖4-3　兩幅圖像差值

（二） 變電站設備外觀異常檢測

電力設備外觀異常根據變電站內設備的實際情況，主要分為以下三類：污損，破損，異物。其中，污損是指變壓器等設備漏油，放電痕跡等造成的設備表面存在油污或炭黑等污跡。破損是由于各種外力的作用或設備本身的問題，使得設備有裂紋或缺陷。異物的情況是當電力設備上有懸掛物，如塑料袋、鳥巢等。

分析上述情況，在上層圖像分析中表現為，發生異常的圖像與正常情況下的圖像，在特定區域的輪廓或紋理發生改變，或原本設備區域或背景區域存在異常的目標。在低層圖像分析中，都表現為像素值發生改變。如果不依賴圖像正常情況的先驗知識，無法直接由圖像信息判斷出是否存在異物或其他異常情況，因此使用正常情況下的圖像作為參考圖像，對前后兩幅圖像進行對比。常見的對比方法，有度兩幅圖像做差提取圖像改變的部分，這要求采集圖像的設備在同一位置，或者兩幅圖像中目標的位置相同。由于機器人每次停靠位置和云臺的轉動精度都有一定程度的偏差，因此不同時刻采集到的相同地點的圖像，目標區域在圖像中的位置也有所不同。并且，有可能因為攝像機位置的不同，造成圖像的變形。圖4-3給出了不同時刻拍攝的兩幅圖像，并給出了兩幅圖像直接做差的結果，可以明顯的看出兩幅圖像的位置偏移。

四、結論

利用變電站巡檢機器人完成變電站設備的巡檢，解決因為變電站人工巡視帶來的問題隱患，消除“過巡維”和“欠巡維”并存的現象，提升變電站的智能化管理水平。通過數據分析為運行人員提供設備工作狀態；通過歷史曲線可以提高設備的預知性，為狀態檢修或狀態評估提供有效數據支持，從而減少事故的發生

［1］孟慶春，齊勇，等.智能機器人及其發展［J］.中國海洋大學學報；2004.09.831-838.

［2］董硯秋.智能機器人概述［J］.網絡與信息，2007.07.68-69.

［3］朱玉章.未來智能機器人［J］.軍事世界，2003.10.32

［4］張鈸.智能機器人的現狀及發展［J］.科學導報，1992.06.42-46.

蔣體浩（1976-），男，大學本科，工程師，現供職于云南電網有限責任公司文山供電局。

李月芹（1974-），女，大學本科，工程師，現供職于云南文山電力股份有限公司。