基于視頻圖像技術(shù)的變電站智能化應(yīng)用系統(tǒng)研究*

何書毅， 何啟遠(yuǎn)， 鄭 丁， 黃美琴， 李 強(qiáng)， 汪金禮

(1. 海南電網(wǎng)有限責(zé)任公司信息通信分公司， 海南 ?？?570203； 2. 安徽南瑞繼遠(yuǎn)電網(wǎng)技術(shù)有限公司， 安徽 合肥 230088)

0 引 言

隨著“互聯(lián)網(wǎng)+”時代的來臨， 以及視頻分析識別技術(shù)、 大數(shù)據(jù)分析等技術(shù)的應(yīng)用發(fā)展， 海量視頻數(shù)據(jù)智能化應(yīng)用成為各行各業(yè)視頻監(jiān)控的研究熱點(diǎn)[1]. 隨著視頻采集設(shè)備在人們?nèi)粘Ｉ钪惺褂迷絹碓蕉啵?視頻圖像數(shù)據(jù)每時每刻都在產(chǎn)生， 與此同時， 視頻圖像數(shù)據(jù)的應(yīng)用技術(shù)也變得越來越重要[1-5]. 我們不僅僅只是關(guān)注視頻圖像能看到什么， 而且更加感興趣的是準(zhǔn)確獲取圖像信息表達(dá)的語義信息[6]. 特別是在電力生產(chǎn)管理活動中， 過去通過構(gòu)建視頻圖像監(jiān)控系統(tǒng)實現(xiàn)遠(yuǎn)程場景在線， 主要集中在防盜等安全防范領(lǐng)域. 隨著智能設(shè)備、 視頻圖像技術(shù)的發(fā)展以及變電站輔助監(jiān)控系統(tǒng)建設(shè)的進(jìn)一步完善， 當(dāng)前變電站存儲了海量的視頻圖像信息. 因此， 結(jié)合變電站日常工作要求， 如何利用好這些視頻圖像數(shù)據(jù)成為當(dāng)前變電站運(yùn)維管理工作的一項重要內(nèi)容[5].

在變電站的日常工作中， 存在以下幾個值得研究的課題， 一是由于刀閘一次設(shè)備的生命周期較長， 使用年限較久的設(shè)備存在動作機(jī)械結(jié)構(gòu)動作不到位情況， 這些狀態(tài)只能通過現(xiàn)場巡視的方式加以確認(rèn)； 二是監(jiān)測變電主設(shè)備的在線監(jiān)測裝置雖然能夠給出一次設(shè)備的一些工作信息， 當(dāng)發(fā)生數(shù)據(jù)異常時， 需要人工經(jīng)驗進(jìn)行故障判斷， 為獲取設(shè)備真實運(yùn)行場景視頻信息， 必須通過視頻監(jiān)控平臺觀看， 不能實現(xiàn)系統(tǒng)一體化管理和故障信息的智能預(yù)警； 三是變電站作業(yè)現(xiàn)場人員管理難問題， 習(xí)慣性違章情況監(jiān)管不力等現(xiàn)象頻繁. 面對上述問題， 隨著視頻識別分析技術(shù)的發(fā)展應(yīng)用， 本文通過構(gòu)建一套基于視頻圖像分析的變電站智能化應(yīng)用系統(tǒng)， 通過多源數(shù)據(jù)和視頻圖像的融合， 再結(jié)合視頻圖像分析技術(shù)實現(xiàn)變電站智能化管理.

1 系統(tǒng)架構(gòu)

系統(tǒng)采用層次化設(shè)計， 軟件功能模塊化封裝， 總體架構(gòu)如圖 1 所示： 分為硬件層、 操作系統(tǒng)層、 通訊總線層、 數(shù)據(jù)庫層、 公共服務(wù)層、 中間件服務(wù)層和應(yīng)用層. 在軟件平臺的基礎(chǔ)上， 通過ICE中間件服務(wù)實現(xiàn)了對web， CS、 移動終端等不同類型客戶端的支持.

圖 1 系統(tǒng)軟件結(jié)構(gòu)圖Fig.1 System structure diagram

2 關(guān)鍵技術(shù)研究

2.1 ICE中間件

根據(jù)跨平臺技術(shù)選擇特點(diǎn)和多語言混合編寫應(yīng)用系統(tǒng)實際情況， 在系統(tǒng)設(shè)計中設(shè)計了中間件服務(wù)接口， 該接口采用ICE中間件實現(xiàn)[7]. ICE結(jié)構(gòu)如圖 2 所示， 包括客戶端和服務(wù)端、 ICE核心、 ICE API、 對象適配器、 ICE代理和ICE骨架等部分， 其中客戶ICE核心、 服務(wù)器核心和對象適配器來自于庫文件， 代理和骨架由Slice語言產(chǎn)生， 客戶應(yīng)用和服務(wù)器應(yīng)用由上層應(yīng)用程序員編寫.

圖 2 ICE結(jié)構(gòu)Fig.2 ICE structure

ICE接口為分布式應(yīng)用提供了一整套強(qiáng)大的特征和功能支持， 適用于異構(gòu)網(wǎng)絡(luò)環(huán)境的面向?qū)ο蟮闹虚g件， 復(fù)雜性低， Slice語言定義接口易于使用. 通過ICE中間件， 開發(fā)人員不用關(guān)注跨平臺、 網(wǎng)絡(luò)底層通信和分布式對象， 可以將更多的精力放在業(yè)務(wù)邏輯代碼處理上. 通過ICE中間件技術(shù)將平臺網(wǎng)絡(luò)總線消息發(fā)送至接收接口、 數(shù)據(jù)庫操作接口、 信令交互等不同編寫語言實現(xiàn)的調(diào)用接口進(jìn)行ICE封裝， 業(yè)務(wù)代碼只需關(guān)注業(yè)務(wù)， 進(jìn)行初始化客戶端或者服務(wù)端后， 按照一般接口調(diào)用實現(xiàn)即可. 如本文通過Slice語言定義實現(xiàn)的主要有數(shù)據(jù)的讀刪改查、 視頻分析信令交互、 消息發(fā)送與接收功能， 定義為

module data{

class DataUtil{

string getObj(string json,string tablename); //讀取數(shù)據(jù)記錄

int deleteObj(string json,string tablename);//刪除數(shù)據(jù)記錄

int editObj(string objjson,string tablename);//修改數(shù)據(jù)記錄

string insertObj(string objjson,string tablename);//插入數(shù)據(jù)記錄

bool SendVideoAnalysis(string buffer );//視頻分析

int mbSendMessage(int sendType,int reportType,string destHost,string destProcessName,string dataBuf,int length); //發(fā)送消息

string mbReceiveMessage(int reportType);//接收消息

};

};

2.2 聯(lián)動方案

采用基于邏輯圖的可視化邏輯流程建模， 并結(jié)合腳本驅(qū)動技術(shù)， 達(dá)到智能聯(lián)動控制的目的. 針對聯(lián)動功能的實現(xiàn)， 系統(tǒng)采用了基于任務(wù)、 事件、 網(wǎng)關(guān)等模型建立的邏輯圖， 進(jìn)行可視化編輯的邏輯流程建模， 實現(xiàn)聯(lián)動邏輯的靈活設(shè)計， 并結(jié)合腳本驅(qū)動技術(shù)， 達(dá)到設(shè)備的智能聯(lián)動控制目的， 具體圖像界面配置如圖 3 所示.

圖 3 聯(lián)動邏輯配置Fig.3 Logical linkage configuration

該技術(shù)有以下特點(diǎn)： ① 采用基于任務(wù)、 事件、 網(wǎng)關(guān)等邏輯模型的聯(lián)動控制服務(wù),其中事件模型是聯(lián)動邏輯的觸發(fā)條件,任務(wù)模型是聯(lián)動的具體執(zhí)行動作,網(wǎng)關(guān)模型則實現(xiàn)聯(lián)動的邏輯分支； ② 系統(tǒng)支持系統(tǒng)內(nèi)和跨系統(tǒng)的設(shè)備聯(lián)動； ③ 提供了基于邏輯圖的聯(lián)動邏輯建模方法， 并支持可視化的組態(tài)編輯； ④ 通過邏輯關(guān)系的組合， 系統(tǒng)可以支持聯(lián)動動作的串、 并、 混合執(zhí)行、 腳本驅(qū)動、 閉鎖判斷和動態(tài)干預(yù)等豐富的聯(lián)動功能.

2.3 視頻分析算法

視頻圖像算法分析目前主要還是通過傳統(tǒng)檢測方法實現(xiàn)， 如圖 4 所示， 主要分為3個流程： 建立區(qū)域、 特征提取、 分類識別[1]. 這些基本方法在許多工作中采用. 本文根據(jù)變電站應(yīng)用場合特點(diǎn)， 主要是在特征表示這一塊開展核心工作， 通過選擇合適特征模型映射區(qū)域為特征向量后， 從訓(xùn)練樣本學(xué)習(xí)到的分類器進(jìn)行分類， 進(jìn)行所屬判斷. 并且通過手工設(shè)計和自動學(xué)習(xí)的方法訓(xùn)練樣本， 提升特征模型的表示能力. 針對電力智能化應(yīng)用， 本文展示了區(qū)域檢測、 攀高分析和安全帽識別的算法實現(xiàn)示意圖， 如圖 4 所示.

圖 4 視頻分析算法過程示意圖Fig.4 Video algorithm analysis schematic diagram

3 智能化應(yīng)用與實現(xiàn)

針對本文提出的3個研究課題， 通過基于視頻圖像分析技術(shù)的變電站智能化應(yīng)用系統(tǒng)實現(xiàn)了基本功能， 具體功能驗證如下所述.

1) 刀閘識別

當(dāng)“一鍵操作”遠(yuǎn)方遙控指令下達(dá)后， 系統(tǒng)聯(lián)動相應(yīng)動作設(shè)備的多維度實時視頻預(yù)置位， 針對操作前設(shè)備狀態(tài)、 設(shè)備動作視頻、 操作后狀態(tài)進(jìn)行圖像自動抓拍、 錄像， 并結(jié)合圖像分析算法實現(xiàn)狀態(tài)識別， 為順控操作提供視頻源的驗證， 支持異常告警， 保證遠(yuǎn)方一鍵操作的可靠性. 驗收效果如圖 5 所示.

2) 智能聯(lián)動

當(dāng)在線監(jiān)測設(shè)備的數(shù)據(jù)異常時， 結(jié)合實時監(jiān)控系統(tǒng)(SCADA)運(yùn)行數(shù)據(jù)和生產(chǎn)管理系統(tǒng)(PMS)臺賬數(shù)據(jù)， 智能化應(yīng)用系統(tǒng)專家?guī)斐绦蛲ㄟ^設(shè)備狀態(tài)評估分析模型分析結(jié)果， 向告警服務(wù)程序推送異常信息， 觸發(fā)智能聯(lián)動推理機(jī)服務(wù)程啟動相應(yīng)處理流程. 通過聯(lián)動將監(jiān)控一次設(shè)備的視頻圖像， 直接形象展示給用戶， 用戶不但獲取了臺賬數(shù)據(jù)、 監(jiān)測數(shù)據(jù)、 運(yùn)行數(shù)據(jù)和告警數(shù)據(jù)， 而且還能夠?qū)崟r獲取設(shè)備場景圖像， 讓我們的運(yùn)維人員全方位掌控設(shè)備的信息數(shù)據(jù).

3) 作業(yè)行為

變電站作業(yè)人員較多， 管理難度大， 通過變電站智能化系統(tǒng)通過視頻分析模塊主動對作業(yè)環(huán)境的人員行為進(jìn)行分析統(tǒng)計， 將作業(yè)過程中的違章違規(guī)行為， 習(xí)慣性錯誤情況進(jìn)行主動記錄. 監(jiān)管人員只需通過系統(tǒng)調(diào)閱即可獲取作業(yè)過程中的情況， 并將分析結(jié)果和作業(yè)抓圖保存下來， 隨時調(diào)看. 圖 6 展示了進(jìn)入變電站內(nèi)沒有正確佩戴安全帽的分析結(jié)果.

圖 5 刀閘識別校核Fig.5 Auxiliary breaker status video checking

圖 6 安全帽檢測Fig.6 Safety helmet detection

4 結(jié)束語

隨著“云、 大、 物、 移”等新技術(shù)的不斷推進(jìn)發(fā)展和智能化建設(shè)迫切需要， 如何將先進(jìn)的視頻技術(shù)與電力系統(tǒng)的工作特性相結(jié)合， 尋求建設(shè)智能電網(wǎng)特色的智能視頻分析， 從海量的視頻中自動挖掘蘊(yùn)含一次生產(chǎn)設(shè)備的健康狀況、 安全生產(chǎn)業(yè)務(wù)價值信息等， 提升智能化系統(tǒng)實用性、 創(chuàng)新性和管理性的問題有待深入研究. 本文從基礎(chǔ)應(yīng)用開始了相關(guān)的課題研究工作， 下一步將通過深度學(xué)習(xí)等方法進(jìn)一步研究視頻圖像技術(shù). 通過視頻技術(shù)的應(yīng)用做出更加適合變電站智能化應(yīng)用的優(yōu)勢系統(tǒng).

[1] 張慧, 王坤峰, 王飛躍. 深度學(xué)習(xí)在目標(biāo)視覺檢測中的應(yīng)用進(jìn)展與展望[J]. 自動化學(xué)報, 2017, 43(8): 1289-1305.

Zhang Hui, Wang Kunfeng, Wang Feiyue. Advances and perspectives on applications of deep learning in visual object detection[J]. Acta Automatica Sinica, 2017, 43(8)： 1289-1305 (in Chinese)

[2] 王向東, 張麗紅. 基于動靜態(tài)特征結(jié)合的改進(jìn)模糊支持向量機(jī)行為識別[J]. 測試技術(shù)學(xué)報, 2017, 31(2)： 125-130.

Wang Xiangdong, Zhang Lihong. Behavior recognition base on improved FSVM employing dynamic and static characteristics[J]. Journal of Test and Measurement Technology, 2017, 31(2)： 125-130. (in Chinese)

[3] 徐勤軍, 吳鎮(zhèn)揚(yáng). 視頻序列中的行為識別研究進(jìn)展[J]. 電子測量與儀器學(xué)報, 2014(4)： 343-351.

Xu Qinjun,Wu Zhenyang. Research progress on activity recognition in video[J]. Journal of Electronic Measurement and Instrumentation, 2014 (4)： 343-351.(in Chinese)

[4] 郭玉杰. 基于視頻的目標(biāo)感知與行為識別[D]. 太原： 中北大學(xué), 2014.

[5] 唐超, 王文劍, 李偉, 等. 基于多學(xué)習(xí)器協(xié)同訓(xùn)練模型的人體行為識別方法[J]. 軟件學(xué)報, 2015, 26(11)： 2939-2950.

Tang Chao, Wang Wenjian, Li Wei, et al. Multi-learner co-training model for Human action recognition[J]. Journal of Software, 2015, 26(11)： 2939-2950.(in Chinese)

[6] 沈海平, 姚楠, 黃薛凌. 基于智能視覺的變電站設(shè)備狀態(tài)智能巡視[J]. 現(xiàn)代電子技術(shù), 2017, 40(9)： 169-172.

Shen Haiping, Yao Nan, Huang Xueling. Substation equipment state intelligent patrol based on intelligent vision[J]. Modern Electronics Technique, 2017, 40(9)： 169-172.(in Chinese)

[7] 趙義奎, 李惠民, 王樂挺, 等. ICE 在配網(wǎng)自動化主站中的應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(1)： 102-107.

Zhao Yikui, Li Huimin, Wang Leting, et al. Application of ICE in the master station of distribution automation[J]. Power System Protection and Control, 2014, 42(1)： 102-107.(in Chinese)