基于GIS融合的智能變電缺陷運(yùn)檢方法

摘 要：變電缺陷運(yùn)檢是智慧變電站的重要組成部分，其可以智能化識別定位變電缺陷，為變電維修提供依據(jù)。使用現(xiàn)行方法運(yùn)檢效果不佳，不僅缺陷漏檢比例比較高，而且缺陷定位相對偏差比較大，因此本文提出基于地理信息系統(tǒng)（Geographic Information System，GIS）融合的智能變電缺陷運(yùn)檢方法。利用無人機(jī)搭載工業(yè)相機(jī)和GIS設(shè)備，感知變電圖像和地理信息數(shù)據(jù)，對圖像進(jìn)行均衡化、歸一化預(yù)處理，利用圖像閾值分割識別變電缺陷，采用GIS技術(shù)定位變電缺陷，完成基于GIS融合的智能變電缺陷運(yùn)檢。試驗(yàn)證明應(yīng)用本文設(shè)計(jì)方法，變電缺陷漏檢比例和定位相對偏差不超過1%，在智能變電缺陷運(yùn)檢方面應(yīng)用前景廣闊。

關(guān)鍵詞：GIS融合；智能變電缺陷；運(yùn)檢；無人機(jī)；工業(yè)相機(jī)

中圖分類號：TM 726" " " " " " 文獻(xiàn)標(biāo)志碼：A

變電站是電力系統(tǒng)的核心部分，設(shè)備老化、操作不當(dāng)和環(huán)境變化等多種因素導(dǎo)致變電站在運(yùn)行過程中會出現(xiàn)各種缺陷和故障。如果不及時(shí)發(fā)現(xiàn)和處理這些缺陷和故障，就不能保障電網(wǎng)安全、穩(wěn)定地運(yùn)行，甚至可能引發(fā)嚴(yán)重事故。綜上所述，變電站缺陷檢測與運(yùn)維工作具有重要意義。

文獻(xiàn)[1]提出基于輪廓線與特征融合的運(yùn)檢方法，結(jié)合計(jì)算機(jī)視覺和形態(tài)學(xué)濾波算法，對變電設(shè)備三維圖像進(jìn)行自動化運(yùn)檢。文獻(xiàn)[2]提出基于電力大數(shù)據(jù)的運(yùn)檢方法，結(jié)合電力大數(shù)據(jù)技術(shù)和紅外成像技術(shù)，分析變電主設(shè)備缺陷的發(fā)生規(guī)律，識別變電缺陷。

雖然傳統(tǒng)方法在一定程度上提高了智能變電缺陷運(yùn)檢效率，但是仍然存在局限性。例如很難發(fā)現(xiàn)隱蔽性強(qiáng)的缺陷，雖然能夠發(fā)現(xiàn)部分缺陷，但是運(yùn)檢周期長、操作復(fù)雜和成本高，不能反映設(shè)備在運(yùn)行狀態(tài)中的真實(shí)狀況。因此，本文提出基于地理信息系統(tǒng)（Geographic Information System，GIS）融合的智能變電缺陷運(yùn)檢方法，該方法新型、高效，對提高變電站運(yùn)維效率、保障電網(wǎng)安全穩(wěn)定運(yùn)行具有重要的意義。

1 智能變電圖像感知以及預(yù)處理

在智能變電站中的設(shè)備，例如斷路器、隔離開關(guān)和變壓器等，在長期運(yùn)行過程中可能出現(xiàn)故障，這些故障對電網(wǎng)的正常運(yùn)行產(chǎn)生了嚴(yán)重的影響。智能變電圖像感知系統(tǒng)能夠?qū)崟r(shí)、連續(xù)地監(jiān)測變電站的設(shè)備和環(huán)境，及時(shí)發(fā)現(xiàn)異常情況，為運(yùn)維人員提供準(zhǔn)確的信息。采用機(jī)器視覺技術(shù)對變電站運(yùn)行圖像進(jìn)行感知，根據(jù)需求采用JGHFA-A5F5工業(yè)相機(jī)作為變電缺陷運(yùn)檢設(shè)備，使用無人機(jī)搭載相機(jī)對變電圖像進(jìn)行抓拍，后續(xù)需要融合GIS技術(shù)對變電缺陷進(jìn)行定位，因此在無人機(jī)上安裝GIS設(shè)備，實(shí)時(shí)采集地理數(shù)據(jù)信息。根據(jù)實(shí)際情況設(shè)定相機(jī)焦距、拍攝頻率和分辨率，確定無人機(jī)航高、飛行速度和飛行角度等參數(shù)。

利用無線網(wǎng)絡(luò)將工業(yè)相機(jī)感知的圖像發(fā)送至計(jì)算機(jī)，由于在工業(yè)環(huán)境中可能存在光線不足的情況或存在其他干擾因素，因此經(jīng)過相機(jī)感知的圖像會出現(xiàn)曝光不足的問題。該問題會導(dǎo)致圖像過暗，細(xì)節(jié)丟失，影響后續(xù)圖像處理和分析。為保證后續(xù)缺陷檢測精度，在圖像傳輸至計(jì)算機(jī)后，相機(jī)感知的圖像可能存在曝光不足等問題，因此對采集的變電設(shè)備圖像進(jìn)行均衡化處理。采用直方圖均衡化、自適應(yīng)直方圖均衡化等方法進(jìn)行圖像均衡化。這些方法能夠根據(jù)不同圖像的特點(diǎn)自動調(diào)整均衡化的參數(shù)，以達(dá)到最佳的圖像增強(qiáng)效果。經(jīng)過均衡化處理的變電設(shè)備圖像不僅能夠更清晰地展示設(shè)備的細(xì)節(jié)和紋理，還能夠提高后續(xù)缺陷檢測算法的識別率和準(zhǔn)確率。設(shè)變電圖像基本單元為s，圖像最大灰度值為N，圖像均衡化處理過程如公式（1）所示[3]。

D=N×s/H " " " " " （1）

式中：D為均衡化后的圖像灰度值；H為均衡化函數(shù)。在圖像經(jīng)過均衡化處理后，對比度得到顯著提升，能夠更清晰地顯示圖像中的細(xì)節(jié)。僅提升對比度不能滿足圖像分析的全部需求，因此，對圖像的分辨率進(jìn)行調(diào)整，并進(jìn)行歸一化處理，消除不同圖像之間尺寸和分辨率差異帶來的干擾。圖像歸一化處理后如公式（2）所示。

V=D×F " " " " " " （2）

式中：V為歸一化后的變電設(shè)備圖像；F為歸一化系數(shù)，其計(jì)算過程如公式（3）所示[4]。

F=（KO+PL）·N " " " （3）

式中：KO、PL分別為變電設(shè)備圖像位寬和分辨率。

利用歸一化處理將圖像數(shù)據(jù)縮放至統(tǒng)一范圍。由于不同的變電缺陷在圖像中差異較大，因此，為了更好地適應(yīng)這種差異并提高運(yùn)檢的準(zhǔn)確性，結(jié)合形態(tài)學(xué)濾波原理，針對不同的隱患缺陷類型，使用不同的濾波器或?yàn)V波器組合，對感知的缺陷圖像采用平滑處理、邊緣檢測等操作方法，以突出缺陷特征并抑制背景噪聲。

2 智能變電缺陷識別

智能變電站的圖像可能會受到各種噪聲和干擾的影響，例如電磁干擾、光線變化和設(shè)備老化等，這些都會使圖像質(zhì)量下降，影響后續(xù)的分析和識別。因此，在完成歸一化處理后，為了進(jìn)一步提高缺陷的識別效果，對圖像閾值進(jìn)行分割。閾值分割是一種設(shè)定1個(gè)或多個(gè)閾值來將圖像劃分為不同區(qū)域的圖像分割方法，可以將圖像中的目標(biāo)區(qū)域與背景區(qū)域進(jìn)行分離，使目標(biāo)區(qū)域更加突出，提高缺陷識別的準(zhǔn)確性。閾值分割還可以根據(jù)圖像的灰度特性自動選擇閾值，進(jìn)一步提高識別的準(zhǔn)確性。在本場景中，根據(jù)自適應(yīng)分割閾值?來確定變電缺陷的像素值，為了消除光照等外界環(huán)境對識別結(jié)果的影響，確定識別像素閾值?，如公式（4）所示。

?=η+ku" " " " " （4）

式中：η為變電設(shè)備圖像像素方差；k為變電設(shè)備圖像像素均值；u為變電缺陷的像素值，根據(jù)歸一化后的圖像和像素分割閾值可以得到u，其計(jì)算過程如公式（5）所示。

將u與標(biāo)準(zhǔn)像素值進(jìn)行對比，以識別智能變電缺陷識別結(jié)果，識別過程如公式（6）所示[5]。

式中：b為智能變電缺陷識別結(jié)果；0為非缺陷；1為缺陷；λ為變電設(shè)備圖像標(biāo)準(zhǔn)像素值。

使用上述方法識別變電缺陷可能會消耗過多的計(jì)算資源，導(dǎo)致識別效率降低。為了解決這個(gè)問題，采用等價(jià)交換處理的方法，在此基礎(chǔ)上對智能變電圖像缺陷像素進(jìn)行加權(quán)處理。加權(quán)處理允許算法根據(jù)像素的重要性分配不同的計(jì)算資源。對缺陷像素來說，可以分配更多的計(jì)算資源以保證準(zhǔn)確識別；對非缺陷像素來說，可以減少計(jì)算資源，對計(jì)算資源進(jìn)行優(yōu)化和分配。將加權(quán)后的變電圖像缺陷像素代入公式（5），識別變電缺陷。

3 基于GIS融合的缺陷定位檢測

在缺陷識別后，如果不能迅速定位并處理缺陷，就可能會導(dǎo)致故障擴(kuò)大，影響電力系統(tǒng)穩(wěn)定運(yùn)行，甚至造成停電事故。GIS具有強(qiáng)大的空間數(shù)據(jù)處理和分析能力，可以精確到具體的設(shè)備或組件，提高缺陷定位的精度。利用GIS融合將電力設(shè)備的空間位置信息與實(shí)時(shí)運(yùn)行數(shù)據(jù)相結(jié)合，對缺陷進(jìn)行精確定位。因此，融合GIS技術(shù)對識別的變電缺陷進(jìn)行定位，將現(xiàn)場運(yùn)檢過程中采集的GIS數(shù)據(jù)進(jìn)行處理，采用掃描或繪制的方式創(chuàng)建矢量化地形圖并導(dǎo)入數(shù)據(jù)庫中，以供后續(xù)使用。

但是，在數(shù)字化過程中，受到多種因素影響，矢量化后的地形圖與真實(shí)地貌間的信息不一致或不準(zhǔn)確。針對上述問題，利用GIS中的偏移量轉(zhuǎn)換技術(shù)對其進(jìn)行修正，提高其精度，為故障定位等應(yīng)用提供更可靠的信息[6]。

同時(shí)，為了更有效地利用這些數(shù)據(jù)，須進(jìn)行分類和分層處理。根據(jù)數(shù)據(jù)的類型和用途將其分為不同的層級和類別，使數(shù)據(jù)在GIS系統(tǒng)中的可視化表達(dá)更加清晰、直觀。利用不同的顏色、符號和線型等視覺元素區(qū)分不同層級和類別的數(shù)據(jù)，便于用戶快速識別和理解數(shù)據(jù)所代表的信息，構(gòu)建相應(yīng)的網(wǎng)絡(luò)關(guān)系[7]。在缺陷定位方面，使用空間地理位置信息和地理圖形信息這2種關(guān)鍵數(shù)據(jù)，其定位如公式（7）所示[8]。

式中：E為變電缺陷位置；X、Y分別為變電缺陷在GIS地圖坐標(biāo)系中的橫坐標(biāo)和縱坐標(biāo)；x、y分別為缺陷點(diǎn)在圖像坐標(biāo)系中的橫坐標(biāo)和縱坐標(biāo)；xu、yu分別為缺陷點(diǎn)在相機(jī)坐標(biāo)系中的橫坐標(biāo)和縱坐標(biāo)；S為智能變電缺陷運(yùn)檢長度。

經(jīng)過以上步驟定位至變電缺陷的具體位置，識別基于GIS融合的智能變電缺陷，其流程如圖1所示。

4 試驗(yàn)論證

4.1 試驗(yàn)準(zhǔn)備

以某變電站為試驗(yàn)對象檢驗(yàn)本文提出的基于 GIS 融合的智能變電缺陷運(yùn)檢方法的性能，該變電站使用時(shí)間比較長，部分設(shè)備已經(jīng)出現(xiàn)老化現(xiàn)象，符合試驗(yàn)需求。采用本文設(shè)計(jì)方法對該變電站進(jìn)行缺陷運(yùn)檢，根據(jù)實(shí)際情況，試驗(yàn)準(zhǔn)備了1臺六旋翼無人機(jī)、1臺工業(yè)相機(jī)和1臺GIS設(shè)備，運(yùn)檢參數(shù)設(shè)定如下。

無人機(jī)：航高設(shè)置為1 000 m，航速設(shè)置為10 km/h，航線長度設(shè)置為5 000 m。相機(jī)：焦距設(shè)置為3.55 mm，拍攝頻率設(shè)置為2.62 Hz，拍攝周期設(shè)置為1.5 s，分辨率設(shè)置為4 560 ppi×4 560 ppi。對變電站進(jìn)行現(xiàn)場運(yùn)檢，共采集10 000張圖像，2.623 GB地理信息數(shù)據(jù)。根據(jù)以上參數(shù)對圖像進(jìn)行處理，識別變電缺陷，分析地理信息數(shù)據(jù)，定位變電缺陷。試驗(yàn)參數(shù)設(shè)置見表1。

隨機(jī)選取8個(gè)樣本，其運(yùn)檢結(jié)果見表2。

由表2可知，使用本文方法在智能變電缺陷運(yùn)檢中定位的缺陷與實(shí)際位置基本一致。本文方法使用的GIS技術(shù)能夠?qū)o人機(jī)拍攝的變電圖像與地理空間信息相結(jié)合，可以直觀地顯示變電缺陷的地理位置、分布情況和嚴(yán)重程度等信息，為變電缺陷的定位提供豐富的空間數(shù)據(jù)支持。本文方法結(jié)合GIS技術(shù)和無人機(jī)拍攝技術(shù)對圖像信息與地理空間信息進(jìn)行有效融合。這種融合使圖像中的缺陷信息能夠與實(shí)際的地理位置進(jìn)行精確匹配，提高了定位精度，精確定位變電缺陷。因此，本文方法能夠完成智能變電缺陷運(yùn)檢任務(wù)，結(jié)合記錄的運(yùn)檢結(jié)果對方法性能進(jìn)行測評。

評價(jià)指標(biāo)使用漏檢比例和定位相對偏差。漏檢是變電缺陷運(yùn)檢中常見的問題，因此本次試驗(yàn)以漏檢比例驗(yàn)證運(yùn)檢精度。漏檢比例為運(yùn)檢中未識別檢測的樣本與總樣本的比例，漏檢比例越高，變電缺陷識別檢測精度越低。定位相對偏差可以表示運(yùn)檢中缺陷定位的準(zhǔn)確性，其計(jì)算過程如公式（8）所示。

式中：v為變電缺陷運(yùn)檢中定位相對偏差；X0、Y0分別為變電缺陷實(shí)際橫坐標(biāo)和縱坐標(biāo)。

4.2 試驗(yàn)結(jié)果與討論

為了使本次試驗(yàn)具有參考價(jià)值，將文獻(xiàn)[1]方法、文獻(xiàn)[2]方法與本文方法進(jìn)行比較，3種方法變電缺陷漏檢比例見表3，3種方法變電缺陷定位相對偏差曲線如圖2所示。

由表3可知，使用本文方法進(jìn)行變電缺陷運(yùn)檢，缺陷漏檢比例不超過1%，使用文獻(xiàn)[1]方法漏檢比例超過5%，使用文獻(xiàn)[2]方法漏檢比例超過10%，均高于本文方法，說明使用本文方法效果更好。由圖3可知，使用本文方法進(jìn)行變電缺陷運(yùn)檢，缺陷定位相對偏差不超過1%，文獻(xiàn)[1]方法漏檢比例超過2%，文獻(xiàn)[2]方法漏檢比例超過3%，均高于本文方法，說明使用本文方法效果更好。試驗(yàn)結(jié)果表明本文方法在智能變電缺陷運(yùn)檢方面具有一定的優(yōu)勢。本文方法對智能變電圖像缺陷像素進(jìn)行加權(quán)處理，突出了缺陷區(qū)域在圖像中的特征，使識別算法更加聚焦于缺陷區(qū)域，提高了識別的準(zhǔn)確性和效率。由于電力系統(tǒng)的要求是實(shí)時(shí)性高，因此采用高效、準(zhǔn)確的識別方法對及時(shí)發(fā)現(xiàn)并處理缺陷具有重要意義。同時(shí)，融合GIS技術(shù)對缺陷進(jìn)行精確定位，進(jìn)一步提高了運(yùn)檢的效率和準(zhǔn)確性。采用本文方法可以有效減少受非關(guān)鍵信息干擾導(dǎo)致缺陷漏檢和誤檢現(xiàn)象，保證電力系統(tǒng)穩(wěn)定地運(yùn)行。綜上所述，使用本文方法可以對變電缺陷進(jìn)行精準(zhǔn)運(yùn)檢。

5 結(jié)語

本文研究基于GIS融合的智能變電缺陷運(yùn)檢方法，這種創(chuàng)新性的方法保障電網(wǎng)安全、穩(wěn)定運(yùn)行。GIS技術(shù)的強(qiáng)大空間信息處理能力和智能運(yùn)檢技術(shù)的精準(zhǔn)高效性相結(jié)合，不僅很大程度地提升了變電設(shè)備缺陷檢測的準(zhǔn)確性和效率，也為電網(wǎng)運(yùn)維工作帶來了變革。隨著智能電網(wǎng)建設(shè)的不斷深入，電網(wǎng)運(yùn)維面臨著越來越多的挑戰(zhàn)和機(jī)遇，基于GIS融合的智能變電缺陷運(yùn)檢方法以其獨(dú)特的優(yōu)勢成為解決這些問題的有力工具。未來基于GIS融合的智能變電缺陷運(yùn)檢方法將繼續(xù)發(fā)揮其在電網(wǎng)運(yùn)維中的重要作用。

參考文獻(xiàn)

[1]劉威麟，王中偉，郝冠茗，等.基于輪廓線與特征融合的電網(wǎng)變電設(shè)備三維自動化運(yùn)檢方法[J].計(jì)算技術(shù)與自動化，2024，43（1）：117-122.

[2]付鑫，郭陽.基于電力大數(shù)據(jù)的變電主設(shè)備缺陷演化規(guī)律紅外成像分析方法[J].計(jì)算技術(shù)與自動化，2024，43（1）：123-128.

[3]吳武超.基于線圈電流檢測技術(shù)的超高壓變電設(shè)備故障診斷方法[J].電氣技術(shù)與經(jīng)濟(jì)，2023（10）：392-394，398.

[4]陳銘，羅昌宏.基于變壓器油色譜診斷技術(shù)的變電檢修方法研究[J].電氣技術(shù)與經(jīng)濟(jì)，2023（9）：159-161.

[5]靳書棟，李彥，劉宏志，等.基于改進(jìn)SVM算法的輸變電工程異常數(shù)據(jù)檢測方法設(shè)計(jì)[J].電子設(shè)計(jì)工程， 2023，31（19）：68-72.

[6]趙振兵，馮爍，趙文清，等.融合知識遷移和改進(jìn)YOLOv6

的變電設(shè)備熱像檢測方法[J].智能系統(tǒng)學(xué)報(bào)，2023，18（6）：1213-1222.

[7]潘志新，張?zhí)炫啵ㄉ?基于電氣試驗(yàn)全流程智能管控的變電運(yùn)檢數(shù)字化轉(zhuǎn)型實(shí)踐[J].電工技術(shù)，2023（6）：158-160，166.

[8]汪本清，柯海波，葉章文，等.物聯(lián)網(wǎng)和遙感信息融合的變電智能運(yùn)檢系統(tǒng)設(shè)計(jì)[J].計(jì)算技術(shù)與自動化，2022，41（3）：154-158.