人工智能圖像識別技術在電力系統中的應用

白旭 宋祉明 李成剛

摘? 要：該文主要從人工智能圖像識別技術的應用概況角度出發，闡述了人工智能圖像識別技術在電力系統中的應用設計，敘述了人工智能圖像識別技術的應用內容，論述了基于計算機視覺的圖像處理識別平臺的應用情況，并對應用難點及解決措施進行探究，從而為人工智能圖像識別技術在電力系統中的實踐提供參考。

關鍵詞：人工智能;識別技術;電力系統

中圖分類號：TP18? ? ? ? ? 文獻標志碼：A

0 引言

基于人工智能的圖像分析識別技術在電力系統中的實踐應用時，主要研究和分析了如何通過二次屏柜進行智能監控，有效設計指示燈、開關、壓板、儀表盤等不同監控對象的圖像識別分析算法，有效規劃系統結構設計及安裝部署，依照數據管理及顯示平臺等多個層面，優化整個系統的運行成本以及穩定性。

1 人工智能圖像識別技術在電力系統中的應用設計

1.1 人工智能圖像識別技術應用概況

首先，電力系統中的所有監測視頻均通過以太網傳輸至智能算法在線分析服務器進行識別、分析及上傳數據。其識別對象涵蓋大部分的二次屏柜內部對象，包括指示燈面板、開關狀態、壓板狀態和儀表數字等。其次，開發數據管理及展示平臺，將匯集的信息數據及監控畫面顯示至監控屏幕，供工作人員進行異常狀態的監測、往期數據查詢和報表查看等。最后，開發相應的App，便于工作人員隨時查驗現場情況[1]。

1.2 人工智能圖像識別技術在電力系統中的應用設計分析

首先是人工智能圖像識別技術在電力系統中的應用硬件設計，其要對分布式智能圖像采集單元硬件進行設計，圖像輔助監控系統的硬件主要由分布式視頻采集單元、以太網傳輸媒介、網絡交換機、網絡路由器及監控管理服務器等設備組成。采集的圖像分別傳輸至圖像識別服務器及采集管理服務器。其次是軟件的應用設計，主要是對集控信息系統軟件進行設計，該采集單元的軟件主要由以下4個部分組成。1）CMOS圖像傳感器驅動與參數配置。2）以太網驅動及協議棧。3）圖像預處理與圖像編碼，裁取圖像有效區域，在不影響圖像識別精度的前提下，通過有損圖像壓縮編碼，大幅度減少數據冗余，便于后續傳輸與存儲。4）數據監控服務器協議設計，如何高效、低成本的管理分布式智能圖像采集終端是該項目的難點之一[2]。

2 人工智能圖像識別技術應用內容

2.1 采集數據信息在線監控系統應用分析

電力系統在運行過程中可能會出現許多突發情況，危害電力系統的安全，例如：盜竊、失火等，因此，為了防止意外突發情況的發生，必須要及時進行數據信息采集工作，對電力系統進行在線監控，為異常報警情況提供數據信息，讓工作人員及時了解異常原因，并對異常情況及時進行處理。監控系統可以通過常規的攝像頭對進出人員進行監控，應用圖像識別對人員進行識別。常規攝像頭雖然可以及時看到是否發生火災，但攝像頭精度不定，如果精度過低，識別正確率會有一定的影響，并且如果人員稍加進行偽裝和遮擋，便不易掌握人員信息。因此還可以采用紅外攝像頭，掌握人員的紅外線輪廓，并根據輪廓應用人工智能圖像識別技術對所獲取的數據進行預處理，抽取人員的特征，確定人員身份和動作，實現在線監控。同時采用紅外攝像頭還可以對溫度有明顯的感應，就算是在火力發電的情況下，也可以根據火的內焰外焰的形態和顏色進行人工智能圖像識別，確定火焰溫度，保證電力系統的安全性。

2.2 柜面圖像智能應用分析

針對獲取的監控圖像，主要涉及以下3個方面內容。1）壓板內容檢測與標定，現有設備標定算法通常由人工完成，煩瑣且效率低下。研究通過圖像自動檢測的方法來進行畫面區域的標定與類型設定，提升人為標定效率。2）指示燈狀態識別，研究通用的指示燈狀態識別算法，使其能讀取不同廠商、不同規格的非標準指示燈狀態的顯示結果。3） 報警狀態識別，研究可擴展的報警狀態識別算法，便于后期添加和刪除一些報警規則。

2.3 視頻濃縮快照與異常報警應用分析

采用視頻濃縮的方式降低數據的存儲量。為滿足使用不同約束的數據檢索需求，例如按時間點檢索、按數據變化檢索方式等，需要將數據及對應的圖像進行同步存儲，形成時間點的數據快照，供人工分析使用。首先是按時間序列排序的視頻，數據同步快照系統：研究圖像與數據的存儲方式，摒除冗余數據，精簡數據庫。滿足用戶的定制化查詢需求。其次是異常報警，當某個識別數據超出既定報警范圍時，研究同一時刻不同識別區域的數據相關性，在報警后進行同步異常顯示。通過二次屏柜進行智能監控，搭建一套基于人工智能圖像分析識別技術的變電站二次設備智能巡檢系統，從智能圖像采集終端的軟件設計和部署，到指示燈、開關、壓板、指示數字等不同監控對象的圖像識別分析算法設計，系統結構設計及安裝部署，數據管理及顯示平臺等多個層面去優化整個系統的運行成本以及穩定性。同時，通過匯集電網運行和設備檢測或監測數據至數據倉庫，結合大數據分析與電力系統模型，對采集的電力大數據進行系統的處理和分析，不但有效降低值班人員的勞動強度，提高效率，并且有助于今后對電網運行進行診斷、優化和預測，為電網安全、可靠、經濟、高效地運行提供保障[3]。

3 基于計算機視覺的圖像處理識別平臺應用

3.1 基于計算機視覺的圖像處理識別平臺技術要求與性能指標

主要包括6個方面的內容。1）對采集到的二次設備圖片進行預處理，包括圖片數據存儲與清洗、尺寸重整、分類標注，基于整理后的圖片數據進行人工智能圖像分析系統的訓練與識別。2） 圖像信息的提取，基于計算機視覺深度學習算法，對處理后的二次設備圖像進行識別與信息提取。待識別的關鍵點包括二次屏柜上的指示燈、壓板、開關狀態、指示數字等。識別要求精度高，響應時間快。3）識別結果的上傳與分析，采用符合電網安全管理規范要求的數據接入來源與通道設計，實現數據識別結果的上傳。上傳后，由系統對識別結果進行分析，判斷出正常和異常情況。4）二次設備信息提取結果可視化展現，可視化結果分別在Web和App上呈現，二次屏柜上的指示燈、壓板、開關狀態等圖像，經過深度學習網絡后得到識別結果，所有的數據信息及識別結果疊加后進行可視化呈現，實現對二次設備的實時監控。可視化呈現包括二次屏柜監控狀態的實時反饋以及告警推送。5）二次設備異常狀況告警，支持基于二次屏柜的監控圖像數據，通過可視化推送的方式，對異常設備進行實時告警。故障包括指示燈、壓板及開關狀態所提供的二次設備故障。6）性能指標中，指示燈定位準確率>95%，狀態識別準確率>90%，壓板定位準確率>95%，狀態識別準確率>90%，開關定位準確率>95%，狀態識別準確率>90%。

3.2 監控界面及交互系統

主要包括4個方面的內容。1）技術要求，圖像識別結果信息傳輸接口支持基于計算機視覺圖像處理識別平臺處理后得到的二次屏柜指示燈、開關狀態、壓板等數據信息的傳輸，傳輸結果存儲到人機交互系統。2）二次設備信息監控界面，根據傳輸后存儲在交互系統中的設備狀態信息，實時顯示設備監控情況，監控界面全面地展示后臺識別結果，實現自動化管理。監控界面還應保留告警數據推送接口，對于設備運行的異常狀態實時告警。3）人機交互系統，人機交互系統支持監控人員對各設備的監控信息進行查驗，對異常運行狀況進行及時處理。此外，人機交互系統支持監控人員對異常設備運行信息進行再確認，使設備故障的發現更加及時準確。4）性能指標，可視化呈現界面包括所有待識別信息，可視化界面包括所有單點實時圖像信息，人機交互系統支持監控人員隨時登陸與查驗。

3.3 后臺服務系統及視頻流獲取程序

主要包括4個方面的內容。1）技術要求，驅動攝像頭運行及采集圖像，驅動智能圖像采集終端運行，針對明暗2種環境，自動加載對應的預置參數，獲得合適清晰的圖像，做到實時抓取圖像并傳輸到服務器后臺進行處理。2）系統后臺服務，串通底層的攝像頭驅動程序和識別算法服務，將攝像頭上傳的圖片存入數據庫，并調用識別算法程序對數據庫中的圖像進行狀態識別，將識別結果及圖像重新存入數據庫，同時調用前端顯示識別結果。3）歷史圖像及識別結果保存，將系統的歷史抓取圖像存儲到部署在服務器上的redis數據庫，將歷史識別結果與圖像一一對應，并存到MySQL數據庫，便于追溯還原設備的歷史異常狀態，為后期分析異常原因提供可靠的現場真實數據。4）性能指標，最少支持80個智能圖像采集終端同時在線并采集圖像，3 000個以上點位的識別時間<15 min[4]。

4 人工智能圖像識別技術在電力系統中應用難點及解決措施分析

首先，系統數據深度分析及二次屏柜的主動識別算法框架設計，針對該難點要綜合運用圖像處理、機器學習技術等學科的相關理論和技術，采用理論分析和實驗研究相結合的方法，對指示燈面板、開關、壓板、指示數字等圖像的高效、快速識別算法進行研究與設計，進行視頻濃縮與異常報警，系統架構等關鍵技術的研究，建立一套能夠快速反應、準確識別和報警的算法框架。其次，數據快照及索引技術研究及應用，該難點要通過智能終端的采集和識別服務器的量化匯總后，研究數據快照及索引技術，通過Key-Value型的數據庫LMDB進行圖像和相關監控數據的持久化存儲和分析，允許客戶進行查詢、報警及上傳。

5 結語

綜上所述，人工智能圖像識別技術在電力系統中應用和實踐時，要依照電力系統運行狀態來進行對應平臺的規劃和設計，明確其中的難點，獲取有效的解決措施，從而充分發揮人工智能圖像識別技術的作用和優勢，為電力系統安全穩定運行提供保障。

參考文獻

[1]朱永利，尹金良.人工智能在電力系統中的應用研究與實踐綜述[J].發電技術，2018，v.39;No.180（2）：14-19.

[2]韓揚.人工智能技術在電氣自動化控制的應用分析[J].環球市場，2018（34）：384.

[3]鄭健生.人工智能技術在電力系統故障診斷中的運用分析[J].微計算機信息，2019（2）：136，139.

[4]趙啟純.人工智能技術在電力系統故障診斷中的運用分析[J].電腦知識與技術，2017（2）：12-13.