智慧變電站聯合巡檢技術及其應用

顧孟飛

摘 要：智慧變電站聯合巡檢系統整合全站多源數據，通過采用多種先進傳感器和采集設備，實現設備狀態全面感知，通過圖像識別、音頻分析、人工智能技術實現聯合巡檢、智能聯動、綜合診斷，實現故障隱患的主動發現、主動預警，通過三維可視化技術結合實時音視頻及設備狀態信息，實現虛實結合、立體可視的全景展示，最終實現智慧變電站運維的巡視無人化、操作自動化、維護少人化。

關鍵詞：智慧變電站;聯合巡檢技術;應用

1智能變電站的基本特點

智能變電站具有全站信息數字化、通信平臺網絡化、信息共享標準化、高級應用互動化的特點，通過光纖網絡把采集到的各種數據，經過信息一體化系統進行自動分析，自主完成控制、保護、監測等功能，實現智能告警、順序控制、事故分析決策等自動化功能，與系統無縫對接。

2需求分析

國家電網公司將“具有中國特色國際領先的能源互聯網企業”確立為引領公司長遠發展的戰略目標。變電站在電力傳輸過程中是至關重要的環節，電網規模越來越復雜，變電站數量眾多。變電站的安全運行需要運維人員投入大量的精力，并且隨著新技術的出現，運維人員對運維智能化、可視化、遠程化的需求也更加迫切。

2.1遠程化需求

傳統運維模式基于人工、定期巡檢，變電站運維人員需要到站內對設備缺陷、故障信息進行巡視記錄，屬于被動式的巡檢模式，且受惡劣天氣影響較大，缺少在運維班遠程運維的手段。

2.2智能化需求

智能變電站實施需要應用新的技術，結合先進傳感器技術、物聯網技術、人工智能技術，實現變電站運維的自動化、智能化。

2.3可視化需求

通過可見光攝像機拍攝實景，通過三維建模虛擬現實，虛實結合，實時采集和圖像識別的設備狀態在虛擬場景中實時再現，可視化的方式進行綜合展示。

2.4立體化需求

將激光導航輪式機器人、軌道機器人、固定點位攝像機相結合，互為補充，構建一個全方位、無死角的立體化巡檢體系。

2.5安全化需求

滿足國家電網公司對信息安全的相關要求，應采用安全操作系統，雙因子認證技術，使用國密算法對通信數據和通信鏈路進行加密，通過探針軟件實時探測系統安全狀態。

3關鍵技術

3.1圖像采集技術

采集到高質量的圖片是進行圖像識別的基礎，圖像采集受攝像機鏡頭、安裝位置、環境光線、拍攝角度等多種因素影響。圖像采集需通過多種技術來保證高質量圖片的獲取：通過圖像糾偏技術，消除攝像機云臺轉動的機械誤差，確保多次拍攝角度一致;通過圖像模糊搜索技術，消除攝像機鏡頭調焦時的機械誤差，確保照片清晰;通過HDR技術，解決采集圖像過曝或欠曝問題，確保圖片照度適中。

3.2圖像識別技術

傳統的圖像識別技術包括：圖像獲取、預處理、特征提取、分類等。基于深度學習的圖像識別技術相比于傳統方法，能夠提供基于學習的特征表示，在自動特征提取和分割識別準確率方面具有良好表現。基于深度學習的圖像識別技術是基于目標檢測算法，具有高效的自動學習和分類能力，在多領域的圖像處理問題上取得了接近甚至超越人類水平的效果。

采用Darknet深度學習框架，基于端到端的以速度聞名的YOLO算法，使用darknet-53主干網絡，將目標檢測問題重新構造成一個回歸問題，可以達到以下幾個目標：（1）檢測速度快，在GTX1060顯卡上識別一張圖片在0.02s左右，可以達到實時檢測要求。（2）位置準確率高，即檢測框與目標物的框交并比高。所以需通過輸入不同尺度的圖像訓練，通過邊界框回歸來解決寬高比不常見的物體檢測。（3）漏檢率低，召回率高，必須盡量檢測出所有的目標物體。即使在密集情況下，位置靠近的物體識別準確率高，小尺寸物體識別準確率高，所以需輸入高分辨率圖片，使用更多的網格來預測，mAP（平均精度）達到97%。

YOLO模型通過前饋運算包括卷積、池化、非線性激活等操作將圖像中的高層語義逐漸由原始圖像提取出來，在最后一層根據不同的任務（分類、回歸）表示為損失函數（預測識別結果與真實值之間的誤差函數）。訓練過程是通過計算損失函數，再使用反向傳播算法，逐層向前反饋更新每一層的神經元的參數，然后再進行前饋操作，再反饋更新參數，最終達到損失值收斂的結果。

3.3紅外測溫與診斷技術

紅外監測診斷技術是利用帶電設備的熱效應，利用專用設備從設備表面獲取紅外輻射信息，進而判斷設備狀況和缺陷性質的綜合技術。紅外熱像儀利用紅外探測器和光學成像物鏡接收被測目標的紅外輻射能量分布，并將其反射到紅外探測器的光敏元件上，從而獲得與溫度場相對應的紅外熱像。熱像儀對所有運行設備進行掃描，找出溫度異常點，然后重點檢測溫度異常部位，對異常點進行溫度測量。為了判斷設備是否有故障，將異常點的溫度與正常運行時的溫度進行比較，并考慮周圍環境條件的影響。最后根據設備的相對溫差以及是否超過規定值來判斷設備故障。它不僅可以形成某一時間某一關鍵設備的溫度曲線，還可以形成某一歷史時間某一設備的時溫曲線。

3.4智能巡檢技術

通過預先設置的巡檢策略，按特定邏輯并行或串行調用可見光攝像機、紅外測溫攝像機、導軌機器人、燈光控制器、輪式巡檢機器人、噪聲采集器、局放傳感器等采集設備，對變電站一二次設備進行全方位立體式體檢。智能巡檢可分為例行巡檢、特殊巡檢、專項巡檢、人工巡檢等。

3.5機器視覺

近幾年來，隨著產業結構調整的深化，現代制造業的結構轉換和升級，越來越多的企業實施“機器人策略”，機器人在汽車、物流、航天航空、甚至在食品等領域的應用越來越廣泛，帶動了相關產業的發展，機器人是將機器設備、傳感器、識別、決策、控制等多種先進技術匯聚在一起，組成具有一定智能化能力的自動化設備或裝置。機器人技術及其應用已經成為科學技術和工業發展的必經之路，具有重要的戰略意義。機器視覺是自動獲得目標圖像，分析處理圖像特征，分析結果，獲得目標知識并做出決定的系統，運動目標測試技術是機器視覺系統的功能之一，這是序列化圖像變化區域檢查和從背景圖像中提取運動目標的過程。

3.6大數據分析處理

大數據領域涉及很廣，其深化在工業領域中發生的大數據，隨著信息化與產業化的深度融合，信息技術滲透到各個行業產業鏈的各個部分。例如條形碼、二維碼、傳播識別、產業傳感器、產業自動控制系統、產業網絡等，企業資源規劃、計算機輔助設計、計算機輔助制造、計算機輔助工程等在企業中廣泛應用。互聯網、移動互聯網、物聯網等下一代信息技術在產業領域的應用讓企業進入新的發展階段，數據也日益豐富，尤其是在制造企業中，生產線處于高速運行狀態，大量數據在產業設備中產生。模型和算法是大數據分析的兩個核心問題，大數據分析模型的研究可以分為三個層次。描述分析，預測分析和規范分析，描述分析是分析和探索歷史數據，這個階段包括發現數據規則的集合，挖掘相關規則，描述模型發現和數據規則的視覺分析。預測分析用于預測未來的概率和趨勢。例如基于邏輯回歸的預測和分類器的預測等，規范分析是基于預期結果和特定領域的場景、資源和過去以及當前事件的知識，對未來的決定提出建議。

結束語

為了解決目前變電站運維人員對運維智能化、可視化、遠程化的需求，研究了圖像采集、圖像識別、紅外測溫與診斷、智能巡檢、綜合診斷、可視展示等關鍵技術。開發并應用了一種基于人工智能分析技術的聯合巡檢系統，包括聯合巡檢、全面感知、智能聯動、診斷分析、綜合展示等功能。

參考文獻

[1]謝藝輝.智能變電站故障檢修系統運維技術研究[J].無線互聯科技，2020，17（22）：90-91.

[2]于邦業.變電站運行維護工作的現狀與完善[J].電力設備管理，2020（11）：51-52+55.

[3]耿曉輝.智能變電站集約式監控系統的研究[D].山東大學，2020.

[4]翟晶晶.智能變電站變電運維安全與設備維護探討[J].技術與市場，2020，27（11）：161-162.