輸電線路智能監(jiān)控系統(tǒng)重復(fù)報警自動抑制模型應(yīng)用分析

宋敬良,岳國良,何瑞東,苗 靚,范學(xué)軍

(1.國網(wǎng)河北省電力有限公司邯鄲供電分公司,河北 邯鄲 056002;2.國網(wǎng)河北省電力有限公司,河北 石家莊 050021)

0 引言

近年來,隨著我國城市化進(jìn)程不斷加快,電網(wǎng)設(shè)備投資規(guī)模不斷加速,電網(wǎng)設(shè)備中尤以輸電線路(包括電纜)設(shè)備遭受外力破壞的頻率最高[1]。110 k V及以上電網(wǎng)的中性點接地方式一般采用大電流接地,主要是應(yīng)對接地故障后中性點電壓升高帶來的絕緣成本。此外,架空輸電線路導(dǎo)線也一般采用裸導(dǎo)線,也是為了選取較為經(jīng)濟(jì)的絕緣配置設(shè)計[2]。

絕緣配置的經(jīng)濟(jì)性直接導(dǎo)致架空輸電線路在長期運行中存在以下2個顯著特點:一是選擇裸導(dǎo)線,同時需要地電位的物體(包括特種施工作業(yè)機(jī)械、建筑物、植物等)對其保持足夠的安全距離,如小于安全距離會導(dǎo)致放電,從而造成居民財產(chǎn)損失,甚至危及生命安全。二是大電流接地系統(tǒng)發(fā)生接地故障后一般不允許持續(xù)運行,此時,重合閘機(jī)制就會介入,如果接地故障不能有效解除又會導(dǎo)致線路跳閘,而導(dǎo)致大面積停電事故。

因此,對通道環(huán)境的巡視是輸電線路巡視的主要內(nèi)容之一,DL/T 741-2019《架空輸電線路運行規(guī)程》(簡稱“《運規(guī)》”)規(guī)定,通道環(huán)境巡視是對線路通道、周邊環(huán)境、沿線交跨、施工作業(yè)等進(jìn)行檢查,以便及時發(fā)現(xiàn)和掌握線路通道環(huán)境的動態(tài)變化情況。同時,物聯(lián)網(wǎng)、人工智能、5G、區(qū)塊鏈、無人機(jī)等產(chǎn)品的不斷興起,可實現(xiàn)通道環(huán)境智能監(jiān)控[3],本文對通道智能監(jiān)控系統(tǒng)告警圖像進(jìn)行“圖像識別+數(shù)據(jù)挖掘”,提出重復(fù)報警自動抑制模型。最后結(jié)合國網(wǎng)河北省電力有限公司邯鄲供電分公司(簡稱“國網(wǎng)邯鄲供電公司”)智能運檢管控中心和輸電運檢中心具體業(yè)務(wù)開展模型實踐。

1 智能監(jiān)控重復(fù)報警問題分析

1.1 報警原理

輸電線路智能監(jiān)控系統(tǒng)是采用人工智能圖像識別技術(shù),針對可能出現(xiàn)的威脅到輸電線路安全穩(wěn)定運行的物體進(jìn)行智能識別,同時發(fā)出報警,以提醒監(jiān)控值班人員采取有效的防范措施。

智能監(jiān)控系統(tǒng)的軟件核心部分如圖1所示,通過前期采集大量的吊車、挖掘機(jī)、水泥罐車等特種作業(yè)車輛樣本,進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練。如果監(jiān)測區(qū)域存在相應(yīng)的特種車輛會在識別后第一時間進(jìn)行報警,現(xiàn)代化的服務(wù)器集群部署使得每張圖片的識別耗時在幾ms以內(nèi),識別準(zhǔn)確率高達(dá)90%以上,完全滿足商業(yè)化應(yīng)用需求[4]。

圖1 人工智能圖像識別技術(shù)神經(jīng)網(wǎng)絡(luò)模型

考慮到輸電線路設(shè)備分布點多面廣的特點,智能監(jiān)控系統(tǒng)應(yīng)用方案不僅能規(guī)避傳統(tǒng)人力沿線巡視伴隨的舟車勞頓、人身安全、車輛物資,提高巡視效率。而且智能識別的引入又能進(jìn)一步減少人工長期盯守屏幕引發(fā)的警惕降低問題,提高處置效率。因此,應(yīng)用智能監(jiān)控系統(tǒng)后外力破壞跳閘率逐年降低。

智能監(jiān)控系統(tǒng)不同于傳統(tǒng)的“視頻”模式監(jiān)控裝置,輸電線路用的智能監(jiān)拍裝置除了很明顯的由太陽能供電特征外,還采用以拍照為主,視頻為輔的工作模式,對輸電線路鐵塔的作用顯著。監(jiān)拍裝置在無光照條件下,每1 min拍攝1張照片,每10 min上傳1張照片,電池可以支撐連續(xù)供電7 d。如果海量監(jiān)拍裝置傳送圖片,“拍照”模式無論對于通信成本控制還是對于服務(wù)器接收能力限制來說會更加適宜[5]。

輸電線路智能監(jiān)控系統(tǒng)的原理正是通過監(jiān)拍裝置以固定的頻率拍攝圖像并上傳至監(jiān)控中心服務(wù)器,監(jiān)控中心服務(wù)器迅速進(jìn)行圖像識別。一旦圖像中含有特種作業(yè)車輛時會在第一時間發(fā)出報警,大大縮小外破隱患處理時長,有效減少外力破壞跳閘事故的發(fā)生。同時,監(jiān)拍裝置的拍攝頻率可自行調(diào)節(jié),也可短時間在“視頻”模式下工作。甚至更為先進(jìn)的監(jiān)拍裝置加入了云臺、對講、夜視、前端計算、激光測距等功能。

1.2 重復(fù)報警

經(jīng)過運行實踐,智能監(jiān)控系統(tǒng)能較好地識別監(jiān)控范圍內(nèi)出現(xiàn)的各種特種作業(yè)車輛,其識別準(zhǔn)確率長期保持在較高水平。但是,報警數(shù)量也一直居高不下,由國網(wǎng)邯鄲供電公司智能運檢管控中心2021年2月監(jiān)測到的報警數(shù)據(jù)可知,平均每天收到的智能監(jiān)控報警數(shù)量都在1萬條左右,相當(dāng)于每小時(不具備夜視功能的監(jiān)拍裝置只在白天工作)都要處理1 000多條數(shù)據(jù),折合每分鐘需要處理10多起通道報警,顯然超出了常規(guī)人力所能應(yīng)對的極限。

對報警數(shù)據(jù)進(jìn)一步分析發(fā)現(xiàn),雖然智能監(jiān)控系統(tǒng)報警數(shù)量長期居高不下,但是主要還是一些固定施工點所致。例如房地產(chǎn)開發(fā)、修路筑橋等需要持續(xù)相當(dāng)長一段時間的施工點一般稱之為固定施工點。而與之相對的為流動施工點,見圖2。

圖2 220 k V尚來I、II線004號桿塔大號側(cè)報警

固定施工點與流動施工點之間沒有嚴(yán)格的界限,一般,固定施工點的持續(xù)時間會長于輸電線路的巡視周期,每次拍攝的機(jī)位又比較固定,其被識別的概率會高,甚至100%,相對比較安全。流動施工點的持續(xù)時間則遠(yuǎn)小于輸電線路的巡視周期,其具有不可控性,進(jìn)而成為導(dǎo)致輸電線路故障跳閘的主要原因[6]。如何對固定施工點的重復(fù)報警進(jìn)行有效抑制,而又能第一時間發(fā)出流動施工點的報警是問題研究的關(guān)鍵。

2 智能監(jiān)控重復(fù)報警抑制模型

2.1 數(shù)據(jù)挖掘

大數(shù)據(jù)分析側(cè)重的是數(shù)據(jù)的混雜性,而不是精確性,在宏觀層面擁有更好的判斷與認(rèn)知。大數(shù)據(jù)分析側(cè)重的是尋找數(shù)據(jù)之間的相互關(guān)系,而不是挖掘其中的因果關(guān)系[7],這對于綜合研判各類報警信息用于固定施工點的自動抑制至關(guān)重要。大數(shù)據(jù)分析提供了另一個角度去觀察智能監(jiān)控系統(tǒng)產(chǎn)生的各類數(shù)據(jù)。

在1.1節(jié)中提到智能監(jiān)控系統(tǒng)軟件部分的核心是人工智能圖像識別技術(shù),其識別的是圖像中的某一部分區(qū)域在神經(jīng)網(wǎng)絡(luò)模型中的響應(yīng)最高。識別的結(jié)果通常會以識別框的形式輸出并標(biāo)注在圖像上,如圖2所示,每一個識別框就代表1次圖像識別輸出,一般是由6個參數(shù)組成:(x,y,w,h)+(c,p),前4個參數(shù)分別代表識別框起點橫坐標(biāo)、縱坐標(biāo)和識別框的寬度、高度,后2個參數(shù)代表當(dāng)前識別的分類和置信度[8]。對每一次的報警數(shù)據(jù)信息進(jìn)行搜集整理,存入數(shù)據(jù)庫,以進(jìn)行深入的數(shù)據(jù)挖掘。如圖3所示,某一臺監(jiān)拍裝置的歷史報警信息存儲,還包括其發(fā)生的時間、朝向等一些輔助信息。

圖3 220 k V邯來III線024號桿塔大號側(cè)報警數(shù)據(jù)

2.2 抑制模型

針對重復(fù)報警問題,使固定施工點的重復(fù)報警得到有效抑制,而流動施工點的報警又能在第一時間發(fā)出。僅憑單次識別還不足以判斷其是否為固定施工點,即便流動性比較強(qiáng)的挖掘機(jī)、水泥罐車等也有可能僅是因為線路下方是1個特種車輛的停車場、集散地甚至車輛交易市場。這就需要從分析歷史數(shù)據(jù)的角度去挖掘其是否具備固定施工點的特征,參考人工智能神經(jīng)網(wǎng)絡(luò)模型建立了相對應(yīng)的模型,用于預(yù)判其是否為固定施工點。首先以圖像長和寬的大小建立1個全0矩陣,矩陣的行數(shù)就是圖像像素的行數(shù),矩陣的列數(shù)就是圖像像素的列數(shù),初始情況下就是和圖像相對應(yīng)的全0矩陣,如式(1)所示。當(dāng)圖像中某個區(qū)域內(nèi)發(fā)生報警時,就根據(jù)其報警接口中的盒模型信息,找到與圖像中相對應(yīng)的區(qū)域,如圖4所示,在這個區(qū)域內(nèi)統(tǒng)一加上一定的權(quán)值,當(dāng)把近1個月的報警數(shù)據(jù)全部按照這種邏輯去驅(qū)動該模型時,就和歷史數(shù)據(jù)之間建立了一種對應(yīng)聯(lián)系。

圖4 220 k V邯來III線024號桿塔大號側(cè)報警圖像

式中:Model為抑制模型參數(shù);m為圖像高度;n為圖像寬度。

通過抓取近1個月的所有報警數(shù)據(jù)去驅(qū)動模型,最終會得到規(guī)律,圖像中經(jīng)常發(fā)生報警的區(qū)域,其權(quán)值(即響應(yīng)值)就會很高,不經(jīng)常發(fā)生報警的區(qū)域其響應(yīng)值又會很低。將矩陣中所有數(shù)據(jù)(x,y,F(x,y))映射至三維立體空間就得輸電線路智能監(jiān)控系統(tǒng)重復(fù)報警自動抑制模型,如圖5所示,左上角的最高的區(qū)域正是項目工地塔吊的位置,而鏟車部位的響應(yīng)值較低些,既反映出其屬于經(jīng)常流動的施工車輛特征,又反映出其已經(jīng)不是第一次在這個位置上被識別到。這里x的取值范圍為0～n,y的取值范圍為m～0,y的取值范圍遞減是因為圖像坐標(biāo)系與常規(guī)的平面坐標(biāo)系坐標(biāo)原點稍有不同,其坐標(biāo)原點在左上角。

圖5 220 k V邯來III線024號桿塔大號側(cè)報警模型

基于每臺報警裝置驅(qū)動出的模型,當(dāng)發(fā)生新的報警信息時,將其盒模型信息輸入到自動抑制模型中,獲取該區(qū)域的響應(yīng)值大小。如果該區(qū)域的響應(yīng)值很高就可基本判定其為固定施工點,相應(yīng)地,在報警列表排序就應(yīng)靠后些甚至直接抑制;如果相應(yīng)區(qū)域的響應(yīng)值很低就可判定其為流動施工點或者新出現(xiàn)的施工點,要高度引起注意。這樣即使特種車輛長期存在也不擔(dān)心其會干擾正常判斷,而一旦特種作業(yè)車輛開始移動作業(yè)時,系統(tǒng)又可基于報警模型中其響應(yīng)值的降低,第一時間發(fā)出報警,可大大提高監(jiān)控值班工作對于輸電線路運維防范外力破壞的管控力。

3 模型應(yīng)用及其效果

引入自動抑制模型后,智能監(jiān)控系統(tǒng)發(fā)出的報警信息,首先進(jìn)入自動抑制模型進(jìn)行預(yù)判,根據(jù)其響應(yīng)值的大小決定其是否要發(fā)出報警,或者將其在報警列表中排在后面,監(jiān)控值班員更多處理流動施工點。經(jīng)過模型預(yù)判后的有效報警信息能縮減至1/8左右,如圖6所示。明顯減輕監(jiān)控值班員的工作量,提高應(yīng)對突發(fā)流動施工點的應(yīng)急處置效率。

圖6 2021年2月1-28日報警數(shù)量對比

大型政治保電、重大節(jié)假日保電時,國網(wǎng)邯鄲供電公司智能運檢管控中心根據(jù)其近1周、近1月、近半年的報警歷史數(shù)據(jù)進(jìn)行研判,發(fā)布施工點外力破壞多發(fā)區(qū)域,以輔助運維人員對輸電線路智能監(jiān)控系統(tǒng)的運行分析情況進(jìn)行監(jiān)測分析、數(shù)據(jù)挖掘。經(jīng)過模型的預(yù)篩選機(jī)制,更加精準(zhǔn)地掌握流動施工的規(guī)律,及時發(fā)布施工外力破壞多發(fā)趨勢圖,協(xié)助運維人員、屬地人員制定更加有針對性的差異化運維策略。

大數(shù)據(jù)處理技術(shù)的應(yīng)用,不僅實現(xiàn)了數(shù)據(jù)的可視化分析,其預(yù)測性的分析還可以讓運維人員更好地理解數(shù)據(jù),依據(jù)數(shù)據(jù)做出預(yù)測性的判斷。如圖7所示,顏色較重的區(qū)域表明該區(qū)域經(jīng)常發(fā)生流動施工,無論是監(jiān)控值班還是現(xiàn)場巡視都是需要重點關(guān)注的地方,這為開展差異化巡視提供有力依據(jù)[9],與圖5之間具有對應(yīng)關(guān)系。

圖7 2021年2月外力破壞多發(fā)區(qū)段分布

4 結(jié)束語

本文深入挖掘固定施工點在數(shù)據(jù)層面表現(xiàn)出的特征,建立智能監(jiān)控系統(tǒng)重復(fù)報警的抑制模型,結(jié)合國網(wǎng)邯鄲供電公司智能運檢管控和輸電運檢業(yè)務(wù)進(jìn)行應(yīng)用分析,有效解決重復(fù)報警問題給輸電運檢中心監(jiān)控值班業(yè)務(wù)帶來的干擾,同時結(jié)合智能運檢管控中心預(yù)警研判業(yè)務(wù),精確繪制輸電線路外力破壞多發(fā)區(qū)段分布圖,指導(dǎo)運維人員更好地開展差異化巡視,進(jìn)而提升輸電線路運維管理水平,助力供電企業(yè)持續(xù)供電,更好地服務(wù)社會發(fā)展。

同時,模型還存在以下不足:響應(yīng)值的大小與施工點類型之間的對應(yīng)關(guān)系不夠明確,需要一定的實踐經(jīng)驗輔助判斷;響應(yīng)值的大小與歷史數(shù)據(jù)時間的對應(yīng)關(guān)系不夠明確,還需要深入實踐驗證;模型還是基于線性疊加理論,沒有引入非線性的神經(jīng)網(wǎng)絡(luò);模型的前提是基于固定機(jī)位,當(dāng)拍攝角度發(fā)生變化時,未提出應(yīng)對方案。

下一步,通過大量的試驗得到典型值或研究自適應(yīng)機(jī)制,并應(yīng)加強(qiáng)模型理論深度,將線性模型改為非線性的神經(jīng)網(wǎng)絡(luò)模型,同時引入時長、施工點類型等特征來增加模型的非線性度,可通過圖像的透視變換進(jìn)行坐標(biāo)系變換,以增強(qiáng)自動抑制模型的泛化能力。