基于視覺導航的變電巡檢智能優化模型

陳立斌

（國網宜興市供電公司，江蘇 無錫 214200）

0 引 言

電網的規劃建設及其在建設中多種現代化技術的引進，提高了現有變電站的自動化水平與智能化水平。為滿足變電巡檢工作要求，有關機構開發了巡檢智能機器人，以此輔助單位機構執行巡檢任務。但在深入研究中發現，主流的“五遙式”巡檢模式仍無法及時、快速解決變電站作業現場的異常問題，盡管此種作業模式在很大程度上解決了變電站運行疏漏，降低了巡檢作業的人力成本，但漏檢、誤檢等現象仍屢見不鮮。目前，市場內較為主流的巡檢智能模型，仍需要人工參與或輔助的方式完成巡檢任務，但人工干預的過程會導致巡檢行為受到參與者主觀認知偏差的影響[1]。例如，在人工設定智能巡檢路徑后，人為的主觀意識認定某區域不會出現設備故障與異常，從而忽視或忽略對此區域的安全檢查。此外，早期的智能巡檢還會在實際應用中存在巡檢行為不規范、巡檢路徑非最優等問題。因此，本文將在現有設計成果的基礎上，引進視覺導航技術，設計針對變電站巡檢的智能優化模型，以期提高現有巡檢作業模式的可靠度。

1 基于視覺導航的變電巡檢智能優化模型設計

1.1 基于視覺導航的變電巡檢導航線提取

為確保對變電站巡檢工作的全面優化，應在開展相關研究前，引進視覺導航技術，提高變電巡檢導航線提取效率。而提取變電巡檢導航線的過程指在巡檢環境中對執行巡檢路徑進行主動提取的過程，可以將此過程作為對圖像分割處理的過程[2]。在分割時，將變電巡檢線路中的設備作為“物體”，將環境中的其他內容作為“背景”，應用機器視覺技術對環境中RGB空間色彩進行轉換，使巡檢環境中的導航線模型轉換成色調-飽和度-亮度（Hue-Intensity-Saturation，HIS）模型。

為確保提取結果具有高精度優勢，可設定視覺導航的有效范圍在30.0°～90.0°范圍內，且視覺的變化不會隨著空間場景的變化而發生變化[3]。在此基礎上，對所提取內容的背景環境閾值進行設定，根據變電站巡檢作業的需求，設定背景的有效閾值在0～180.0°之間。將所提取的導航線表示“1”，將導航線所在的背景表示“0”，選擇場景中的中心線，按照從遠到近、從中心到邊緣的方式進行全局視覺導向檢索，檢索的過程計算公式為

式中：Energy表示變電巡檢導航線視覺檢索過程；C表示檢索中的關鍵視覺特征節點；i表示橫向檢索節點；j表示縱向檢索節點。按照上述方式進行變電巡檢導航檢索，獲取在檢索中的關鍵信息，實現基于視覺導航的變電巡檢導航線提取。

1.2 設計變電巡檢智能優化模型邊界條件

完成上述研究后，考慮到變電巡檢空間基于智能化認知角度是呈現二維效果的，而要實現對模型的構建，應進行變電巡檢智能優化模型邊界條件的設計[4]。使用清晰度較高的電荷耦合元件（Chargecoupled Device，CCD）攝像頭，進行巡檢路徑信息的收集，建立巡檢路徑GRB空間目標結構，結構中G表示巡檢作業現場環境的色度；R表示巡檢作業環境的飽和度；B表示環境亮度。對GRB結構進行轉換，使其成為一個三維視域下的空間結構，轉換過程計算公式為

式中：γ表示巡檢作業空間結構的三維表達方式。在轉換過程中，歸一化處理GRB結構，保證在二維巡檢平面中的所有目標值在[0，1]范圍內，在此基礎上，設定空間目標值的2個分量，定義2個空間值的分量為S與H，此分量為智能優化模型的2個邊界。計算分量為建模提供邊界條件，計算公式為

式中：I表示空間維度。按照式（3）、式（4），計算得到S與H分量計算結果值，通過此種方式，確定變電巡檢智能優化模型邊界。

1.3 基于導軌融合的模型訓練與變電巡檢異常點標注

為確保對變電巡檢工作的全面優化，應在完成上述設計后，采用融合變電站巡檢有效軌道線的方式進行智能優化模型預設巡檢路徑的訓練[5]。訓練時，獲取巡檢路徑中聲波矢量，反饋得到異常聲波的特征集合，通過此種方式生成一個巡檢路徑訓練編碼，按照編碼順序訓練模型，此過程計算公式為

式中：D表示模型訓練過程；i表示模型訓練迭代次數；M表示樣本矢量；d表示樣本訓練間距；n表示樣本異常值輸出量；X、Y表示樣本的橫向與縱向拓展過程。按照式（5）訓練模型，將變電巡檢導航線與線路中的相關信息以可變參數的方式輸入模型，在模型中進行反復訓練，輸出異常數值，匹配異常數值對應的巡檢路徑節點，將其作為變電巡檢異常點，使用計算機編碼的方式對異常點進行標注[6]。通過此種方式，實現對變電站的智能巡檢作業。

2 對比實驗

為驗證本文上述提出的基于視覺導航的優化模型在實際應用中是否能夠實現對變電站的智能巡檢，按照上述論述完成對模型的建立，并將其應用到某變電站當中，驗證其使用性能。選擇該變電站現有的基于物聯網技術建立的巡檢模型作為對照組，將本文提出的優化模型作為實驗組，設置對比實驗，對比2種模型的應用效果。選擇變電設備故障運行的環境作為實驗環境，如圖1所示。

圖1 戶外變壓器繞組變形

在實驗過程中，選擇將100幀幀長為230×120，幀速率為25 frames/s的現場畫面圖像作為2種模型的巡檢對象。針對上述異常狀態下的變電站進行巡檢，根據巡檢結果得出模型對異常干擾因素的抗干擾性能，并對比2種模型的巡檢精度。選擇將變電站在故障時放電位置定位精度作為巡檢精度，其異常放電位置定位精度計算公式為

式中：δ表示異常放電位置定位精度；x表示異常放電位置實際水平方向坐標；x'表示模型得出的異常放電位置水平方向坐標；y表示異常放電位置實際豎直方向坐標；y'表示模型得出的異常放電位置豎直方向坐標。根據式（2），計算得出2種巡檢模型的定位精度結果，如表1所示。

表1 實驗組與對照組巡檢結果定位精度對比

從表1中可以看出，實驗組在5次巡檢后得到的變電設備異常放電定位精度均在95.00%以上，而對照組巡檢結果的定位精度僅能夠控制在75.00%左右，同時在第3次和第5次巡檢時，對照組的巡檢結果定位精度出現了標號“*”后的數值，造成巡檢結果嚴重不符合實際的問題產生，影響了巡檢模型整體的運行精度。因此，通過上述得出的實驗結果證明，本文提出的巡檢智能優化模型能夠實現對變電站的高精度智能巡檢，并且能夠自動繞開周圍干擾因素，保證模型在運行中能夠得到精度符合要求且穩定性更好的巡檢結果。

3 結 論

為實現對變電站智能巡檢工作的全面優化，提升巡檢作業的水平與質量，本文從變電巡檢導航線提取、設計變電巡檢智能優化模型邊界條件、基于導軌融合的模型訓練與變電巡檢異常點標注3個方面，完成了變電站巡檢的智能優化模型的建立。為檢驗所設計模型的可行性，在完成對此模型的理論設計后，將其應用到某變電站企業中，展開對比實驗研究。實驗結果表明，本文提出的智能優化模型能夠實現對變電站設備的高精度智能巡檢，對變電設備異常放電定位精度均在95.00%以上，為變電站的安全運營提供了技術層面的指導與支持。