基于人工智能技術(shù)的變電站瓦斯繼電器油液位置可視化系統(tǒng)平臺(tái)

岳思凡 李?yuàn)W 高珊 李楠 胡淼

1. 項(xiàng)目背景

變電站管理是現(xiàn)在電網(wǎng)急需進(jìn)行完善與加強(qiáng)的地方之一，為了實(shí)現(xiàn)對(duì)變電站設(shè)備及人員的有效管理、檢測(cè)和監(jiān)控，讓運(yùn)檢人員更加輕松準(zhǔn)確的進(jìn)行運(yùn)行分析，故障搶修，幫助減少故障停電時(shí)間，保障電網(wǎng)穩(wěn)定供電、設(shè)備安全運(yùn)行和人員良好管理，增強(qiáng)供電服務(wù)保障能力，將智能平臺(tái)與變電站相結(jié)合，尤為重要[1]。通過智能檢測(cè)平臺(tái)，可以實(shí)施監(jiān)控變電站油液高度，及時(shí)的進(jìn)行故障預(yù)警，實(shí)時(shí)監(jiān)控;設(shè)置定時(shí)任務(wù)，在規(guī)定時(shí)間內(nèi)進(jìn)行設(shè)置好的任務(wù)，防止人員任務(wù)沖突[2];通過人員管理模塊，可以實(shí)時(shí)的監(jiān)控人員狀態(tài)，有效管理人員變動(dòng)，防止不明人員進(jìn)入變電站。如今智能檢測(cè)平臺(tái)已經(jīng)在多個(gè)省市進(jìn)行推廣，并取得較好的成果。某供電公司智能數(shù)字系統(tǒng)。如圖一所示：

2. 主要研究?jī)?nèi)容

針對(duì)上述問題，為了更加精準(zhǔn)的檢測(cè)繼電器油液高度，在不破壞原有容器的情況下，進(jìn)行高清攝

像頭架設(shè)，通過攝像頭將油液圖像實(shí)時(shí)傳送至服務(wù)器處。通過深度學(xué)習(xí)算法精確識(shí)別油液高度，并傳送至系統(tǒng)前端;在系統(tǒng)前端繪制實(shí)施油液高度波動(dòng)圖像，更加直觀的呈現(xiàn)給相關(guān)人員，在油液高度超過警戒線時(shí)，系統(tǒng)會(huì)自動(dòng)進(jìn)行報(bào)警，避免設(shè)備故障，影響供電，及時(shí)的將情況反映給檢修人員，進(jìn)行維修處理，同時(shí)系統(tǒng)會(huì)控制相應(yīng)供電單元關(guān)閉，防止設(shè)備損壞。

3. 主要結(jié)構(gòu)及原理

由于攝像機(jī)傳至后端的圖像視頻內(nèi)的目標(biāo)過多，我們需要克服一些干擾物，對(duì)圖像進(jìn)行分析。為此，我們將結(jié)合計(jì)算機(jī)視覺中的目標(biāo)檢測(cè)技術(shù)，圖像分割技術(shù)，進(jìn)行油液高度檢測(cè)。我們使用目標(biāo)檢測(cè)技術(shù)中的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)，通過將深度模型應(yīng)用于目標(biāo)檢測(cè)，使用快速及準(zhǔn)確的 FasterR-CNN[3]。FasterR-CNN 將選擇性搜索替換成區(qū)域提議網(wǎng)絡(luò)，從而減少提議區(qū)域的生成數(shù)量，并保證目標(biāo)檢測(cè)的精度。具體模型如圖二所示：

具體來說區(qū)域提議網(wǎng)絡(luò)的計(jì)算步驟如下：

· 使用填充為 1的 3×33times33×3卷積層變換卷積神經(jīng)網(wǎng)絡(luò)的輸出，并將輸出通道數(shù)記為 ccc。這樣，卷積神經(jīng)網(wǎng)絡(luò)為圖像抽取的特征圖中的每個(gè)單元均得到一個(gè)長(zhǎng)度為 ccc的新特征。

· 以特征圖每個(gè)單元為中心，生成多個(gè)不同大小和寬高比的錨框并標(biāo)注它們。

· 用錨框中心單元長(zhǎng)度為 ccc的特征分別預(yù)測(cè)該錨框的二元類別（含目標(biāo)還是背景）和邊界框。

· 使用非極大值抑制，從預(yù)測(cè)類別為目標(biāo)的預(yù)測(cè)邊界框中移除相似的結(jié)果。最終輸出的預(yù)測(cè)邊界框即興趣區(qū)域池化層所需要的提議區(qū)域

區(qū)域提議網(wǎng)絡(luò)作為FasterR-CNN的一部分，是和整 示：

個(gè)模型一起訓(xùn)練得到的。也就是說，F(xiàn)asterR-CNN的目標(biāo)函數(shù)既包括目標(biāo)檢測(cè)中的類別和邊界框預(yù)測(cè)，又包括區(qū)域提議網(wǎng)絡(luò)中錨框的二元類別和邊界框預(yù)測(cè)。最終，區(qū)域提議網(wǎng)絡(luò)能夠?qū)W習(xí)到如何生成高質(zhì)量的提議區(qū)域，從而在減少提議區(qū)域數(shù)量的情況下也能保證目標(biāo)檢測(cè)的精度。我們還使用基于邊緣檢測(cè)的圖像分割方法，通過確定圖像中的邊緣像素，然后再把這些像素連接在一起就構(gòu)成所需的區(qū)域邊界。圖像中一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始，圖像中相鄰區(qū)域之間的像素集合構(gòu)成了圖像的邊緣。所以，圖像邊緣可以理解為圖像灰度發(fā)生空間突變的像素的集合。圖像邊緣有兩個(gè)要素，即：方向和幅度。沿著邊緣走向的像素值變化比較平緩;而沿著垂直于邊緣的走向，像素值則變化得比較大。因此，根據(jù)這一變化特點(diǎn)，通常會(huì)采用一階和二階導(dǎo)數(shù)來描述和檢測(cè)邊緣。由于我們使用的圖像并不復(fù)雜與細(xì)節(jié)并不豐富，所以圖像分割可以更加精確的將油液高度劃分出來。

4. 項(xiàng)目的創(chuàng)新點(diǎn)及應(yīng)用情況

相比于單獨(dú)使用 opencv中的圖像處理方法，本系統(tǒng)將目標(biāo)檢測(cè)技術(shù)與圖像分割技術(shù)相結(jié)合，經(jīng)確 的排除干擾物，同時(shí)能夠檢測(cè)判斷出設(shè)備是否故障， 并且經(jīng)過目標(biāo)檢測(cè)技術(shù)分析圖像后，將圖像圖形化 的呈現(xiàn)在系統(tǒng)界面上，進(jìn)行多線程處理，可以同時(shí)檢測(cè)多個(gè)油液高度。為了驗(yàn)證技術(shù)是否可行有效，我 們將國(guó)網(wǎng)過去數(shù)據(jù)圖像拿來進(jìn)行檢測(cè)結(jié)果如圖 3所

由圖表可以看出，本系統(tǒng)檢測(cè)十分穩(wěn)定可靠，對(duì)不同情況處理符合國(guó)網(wǎng)要求，并且圖像反應(yīng)非常精準(zhǔn)。

5. 主要成效分析

該項(xiàng)目主要的有益效果有：在可以 24小時(shí)全天進(jìn)行檢測(cè)，如果出現(xiàn)突發(fā)情況，可以及時(shí)關(guān)閉相應(yīng)設(shè)備，防止設(shè)備故障，同時(shí)可以進(jìn)行報(bào)警處理，及時(shí)呼叫相關(guān)人員進(jìn)行故障處理。還可以提前示警相關(guān)人員，使相關(guān)人員做好設(shè)備突發(fā)狀況準(zhǔn)備。有效的防止因?yàn)橛鸵哼^高導(dǎo)致其他設(shè)備故障，及時(shí)的進(jìn)行設(shè)備修復(fù)，恢復(fù)供電，不影響用電人員的生活，工作需求。該系統(tǒng)的應(yīng)用取得了明顯的經(jīng)濟(jì)效益以及巨大的社會(huì)效益。

參考文獻(xiàn)

[1]錢黎鳴.基于智能變電站運(yùn)維及操作的研究與應(yīng)用[J].低碳世界，2021，11（10）：133-134.DOI：10.16844/j.cnki.cn10-1007/tk.2021.10.065.

[2]Li Ning， "Analysis of artificial intelligence development in Internet age[J]"， Modern Electronics Technique， vol. 39， no. 07， pp. 112-114， 2016.

[3]R. B. Girshick， Fast R-CNN. In ICCV， pp. 1440-1448， 2015.