一種基于變電站智能融合運檢系統的設計

文衍廣，樊道慶，楊梓瀚，許國偉

（廣東電網有限責任公司汕頭供電局，廣東汕頭，515000）

1 智能運檢系統的設計

本文設計了一套智能運檢系統，包括數據處理系統、方法、電子設備及存儲介質，可以實現釋放更多的勞動力，可以將傳統運檢方式中孤立的數據進行智能融合、處理和可視化，在全面提高運檢效率的同時，提升一線工作的數字化和智能化程度。該運檢系統的工作流程及主要組成如圖1所示。

圖1 智能運檢系統工作流程圖

■ 1.1 數據處理系統

該智能運檢系統的核心部分之一是數據處理系統。該數據處理系統包括數據采集模塊、數據分析模塊和展示模塊。

數據采集模塊，用于采集變電站數據。其中，變電站數據包括圖片和文本數據，圖片包括包含純文本數據的第一類圖片、包含文本數據和實物對象的第二類圖片以及變電站的全景圖片。

數據分析模塊，用于通過光學字符識別OCR模型識別第一類圖片中的文本數據，以及通過目標檢測模型識別第二類圖片中的興趣目標的位置坐標，根據興趣目標的位置坐標得到興趣目標框圖，若興趣目標框圖中包含帶有文本數據的目標圖片，通過OCR模型識別目標圖片中的文本數據[1]。

數據展示模塊，用于通過三維模型加載全景圖片，并將興趣目標和當前所有的文本數據在三維模型中進行三維可視化展示。

■ 1.2 數據處理

該智能運檢系統的設計包括一種數據處理子系統，系統架構如圖2所示。該數據處理子系統包括采集變電站數據。其中，變電站數據包括圖片和文本數據，圖片為包含純文本數據的第一類圖片、包含文本數據和實物對象的第二類圖片以及變電站的全景圖片，通過光學字符識別OCR模型識別第一類圖片中的文本數據。

圖2 數據處理系統架構示意圖

通過目標檢測模型識別第二類圖片中的興趣目標的位置坐標，根據興趣目標的位置坐標得到興趣目標框圖。若興趣目標框圖中包含帶有文本數據的目標圖片，通過OCR模型識別目標圖片中的文本數據[2]。

最后通過三維模型加載全景圖片，并將興趣目標和當前所有的文本數據在三維模型中進行三維可視化展示。

■ 1.3 電子設備

該智能運檢系統的設計包括一種電子設備。該設備擁有一個或多個處理器以及存儲裝置。存儲裝置用于存儲所有的處理程序，當一個或多個程序被處理器執行的時候，使得一個或多個處理器實現如本文設計方案中的任一項的數據處理方法。

■ 1.4 存儲介質

該智能運檢系統的設計包括存儲介質。存儲介質上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如本文設計方案中任一項的數據處理方法。

本文實施例提供的技術方案，通過采集變電站數據（包含純文本數據的第一類圖片、包含文本數據和實物對象的第二類圖片、變電站的全景圖片以及文本數據、通過光學字符識別OCR模型識別第一類圖片中的文本數據），通過目標檢測模型識別第二類圖片中的興趣目標的位置坐標，并根據興趣目標的位置坐標得到興趣目標框圖，若興趣目標框圖中包含帶有文本數據的目標圖片，通過OCR模型識別目標圖片中的文本數據，通過三維模型加載全景圖片，并將興趣目標和當前所有的文本數據在三維模型中進行三維可視化展示。

2 智能運檢系統的實施

該系統主要包括：數據采集模塊、數據分析模塊和展示模塊。

■ 2.1 數據采集模塊

參照圖1，數據采集模塊由數據獲取、前端識別、分布式存儲、數據傳輸以及集中數據存儲子模塊構成。

數據獲取子模塊通過高清攝像頭實現，攝像頭滿足適應高低溫、潮濕環境的要求。

前端識別子模塊被嵌入式數據獲取子模塊，是一個軟件模塊，通過C++嵌入式開發實現，用于對圖片進行初步篩選處理。

分布式存儲子模塊使用1G～10G大小不等的閃存，用于作為圖片獲取路徑中的數據緩沖。通過C++程序對其定期讀取和清空。

數據傳輸通過軟硬件結合實現，首先C++程序從分布式存儲子模塊讀取圖片數據，進行壓縮后通過高速傳輸線路傳送至集中數據存儲模塊。集中數據存儲模塊端程序進行解壓、解析處理后進行存儲。

數據采集模塊用于采集變電站數據，變電站數據包括圖片和文本數據。圖片為包括包含純文本數據的第一類圖片、包含文本數據和實物對象的第二類圖片以及變電站的全景圖片[3]。

變電站數據中的圖片數據包括包含純文本數據的第一類圖片，可以是由繼電保護設備打印出來的定值單數據圖片，其中包含設備參數定值和保護定值等信息；包含文本數據和實物對象的第二類圖片，可以是開關柜圖片，包含開關柜名稱以及按鈕、開關、顯示屏等實物對象的信息；第二類圖片也可以是繼電保護設備圖片，包括設備名稱、電流電壓顯示屏和開關旋鈕等實物對象的信息；變電站的全景圖片，包括變電站中所有設備的信息（如：變壓器、斷路器、隔離開關、避雷器、氣體絕緣組合開關、儀表、繼電保護設備和開關柜等設備的信息）。變電站數據中的文本數據包括移動終端連接萬用表獲取到的電流電壓以及通過紅外測溫相機檢測到的設備溫度等數據。

變電站數據中的圖片數據還包括儀表圖片，可以是電壓表圖片也可以是電流表圖片，包含了儀表中的指針和刻度線以及指針指向的刻度線和數字等信息。

■ 2.2 數據分析模塊

數據分析模塊，用于通過光學字符識別（OpticalChar acterRecognition,OCR）模型識別第一類圖片中的文本數據，以及通過目標檢測模型識別第二類圖片中的興趣目標的位置坐標，根據興趣目標的位置坐標得到興趣目標框圖。若興趣目標框圖中包含帶有文本數據的目標圖片，通過OCR模型識別目標圖片中的文本數據。在本系統的實施方式中，數據分析模塊還用于通過語義分割模型得到儀表圖片中的指針和各個刻度線，基于指針指向的刻度線確定儀表圖片中的示數信息。

2.2.1 OCR模型

OCR模型是人工智能領域機器學習的一種模型，其結構可以是神經網絡結構，也可以是其他結構，可以實現將圖片轉換成文本數據，本系統基于Google提供的開源類庫Tesseract OCR來實現。

在使用OCR模型之前，還包括對OCR模型的訓練：將訓練集中包含的文本數據為預設字體、預設顏色的圖片以及圖片對應的標準文本數據輸入到OCR模型中，對OCR模型進行訓練。具體的，將訓練集中包含的文本數據為預設字體和預設顏色的圖片以及圖片對應的標準文本數據輸入到OCR模型中，通過OCR模型輸出圖片對應的文本數據，將訓練集中的標準文本數據以及通過OCR模型輸出的文本數據同時輸入到損失函數中，得到損失函數的輸出結果，該輸出結果標識OCR模型的文本數據識別率，根據該輸出結果判斷是否需要對OCR模型進行優化，當損失函數的輸出結果滿足預設識別率時，即可停止訓練過程，最終得到已訓練的OCR模型。

定值單數據存放于機器內部，必須由繼電保護設備打印出來才可以為工作人員所識別，定值單數據圖片中的設備參數定值以及保護定值都有對應的閾值，閾值存儲在調度定值單數據中，設備在運行過程中的定值超過了閾值就會報警。相關技術中需要人工手動比對查看設備定值和保護定值與調度定值單中的閾值是否一致，如果不一致則由人工進行定值的校準，定值單數據龐雜。

通過使用已訓練的OCR模型，可以將定值單數據圖片轉換為文本形式的定值單數據，識別精度和還原率高，識別速度快，進而可以對文本形式的定值單數據進行存儲和調用，可以通過相應的技術手段實現定值單數據與閾值的自動比對。

通過數據分析模塊，利用OCR模型將包含純文本數據的第一類圖片轉換成文本數據，通過目標檢測模型識別出第二類圖片中的興趣目標的位置坐標，并根據位置坐標得到興趣目標框圖，再通過OCR模型將興趣目標框圖轉換成文本數據，可以實現將數據采集模塊采集到的原始圖片數據進行量化，從而可以直觀、有效的對數據進行管理和操作。

2.2.2 目標檢測模型

目標檢測模型是機器學習中的一種模型，開源類庫Tesseract OCR來實現。其結構是一個神經網絡結構，在使用目標檢測模型之前，需要對目標檢測模型進行訓練：將訓練集中的第二類圖片以及第二類圖片中各個實物對象對應的位置坐標輸入到目標檢測模型中對目標檢測模型進行訓練。具體的，將訓練集中的第二類圖片以及第二類圖片中各個實物對象對應的位置坐標輸入到目標檢測模型中，通過目標檢測模型得到各實物對象對應的位置坐標，并將訓練集中各實物對象對應的位置坐標與通過目標檢測模型輸出的位置坐標同時輸入到損失函數中，根據損失函數的輸出結果判斷是否需要對目標檢測模型進行優化，當損失函數的輸出結果滿足預設條件時，即可停止訓練過程，得到已訓練的目標檢測模型[4]。

通過已訓練的目標檢測模型，可以識別出第二類圖片中各興趣目標對應的位置坐標，并進而根據興趣目標的位置坐標得到興趣目標框圖，可以識別第二類圖片中的多個興趣目標，并可以定位出各個興趣目標。

2.2.3 語義分割模型

語義分割模型是機器學習中的一種模型，是一個神經網絡，同樣基于開源類庫Tesseract OCR來實現。在使用語義分割模型之前，還包括對語義分割模型進行訓練：將訓練集中的儀表圖片、訓練集中儀表圖片對應的掩碼文件輸入到語義分割模型中，對語義分割模型進行訓練。其中，掩碼文件中記錄了儀表圖片中的每一個像素所屬的類別，例如該像素屬于刻度線還是屬于指針。具體的，將訓練集中的儀表圖片、訓練集中儀表圖片對應的掩碼文件輸入到語義分割模型中，得到每個像素點所對應的類別，將掩碼文件與得到的每個像素點所對應的類別同時輸入到損失函數中，根據損失函數的輸出結果判斷是否需要對語義分割模型進行優化，當損失函數的輸出結果滿足預設條件時，即可停止訓練過程，得到已訓練的語義分割模型。

由此，通過已訓練的語義分割模型可以實現對圖片中的像素進行分類，即可以識別出儀表圖片中的指針和各刻度線，然后可以根據指針與其指向的刻度線連成的直線相對中間刻度線連成的直線的傾斜角度。

■ 2.3 數據展示模塊

展示模塊用于通過三維模型加載全景圖片，并將興趣目標和當前所有的文本數據在三維模型中進行三維可視化展示。

三維模型由無人機傾斜攝影拍攝所得，全景圖片由全景相機拍攝所得，利用三維模型加載全景圖片，然后借助數字孿生技術和三維模型中自帶的數據點位信息，將數據分析模塊分析得到的興趣目標以及文本數據在三維模型中進行可視化展示[5]。

在本實施中，展示模塊將由語義分割模型分析得到的儀表的示數信息，通過數據所在點位信息和數字孿生技術展示到三維全景可視化平臺中?？梢詫崿F變電站儀表的實時現場數據的展示和數據融合，也可以實現對變電站儀表狀態的監控，提高運檢的智能化程度和運檢效率，便于決策者對全局信息的獲取和管控。

3 總結

本文所設計基于變電站智能融合運檢系統，通過由數據采集模塊、數據分析模塊以及展示模塊組成的數據處理系統，可以利用智能處理技術將變電站大量且分散的數據進行收集、分析和可視化展示，可以實現變電站的智能管控，節省人力資源節約成本，提高變電站的運檢效率，提升智能化程度。