基于mesh的電網(wǎng)施工現(xiàn)場智能風(fēng)險識別技術(shù)研究

韓冰洋，張亞南

（北京中電飛華通信有限公司，北京，100071）

0 引言

2020 年2 月國家電網(wǎng)公司印發(fā)的《公司2020 年重點工作任務(wù)》，提出強化現(xiàn)場安全管控，加強安全監(jiān)督體系建設(shè)，開展安全巡查，推行遠(yuǎn)程監(jiān)控與現(xiàn)場督查互為補充的工作機(jī)制。輸電線路和變電站作為電網(wǎng)最主要的組成部分，保證其安全穩(wěn)定運行至關(guān)重要。因此，利用各種傳感以及監(jiān)測設(shè)備來實時地監(jiān)測其運行狀況勢在必行。而移動作業(yè)作為電網(wǎng)最主要的臨時作業(yè)場景，安全問題突出，所以非常有必要運用最新的技術(shù)手段提升現(xiàn)場作業(yè)管理水平、保障作業(yè)人員安全。

1 研究必要性

近年來我國電力行業(yè)規(guī)模不斷擴(kuò)大，電網(wǎng)“調(diào)控一體化”運行模式不斷深化，為了提高電力系統(tǒng)生產(chǎn)的自動化水平，電力系統(tǒng)正在大力建設(shè)無人值守通信站和變電站，許多電力企業(yè)已經(jīng)建設(shè)遠(yuǎn)程視頻監(jiān)控系統(tǒng)，但偏遠(yuǎn)地區(qū)施工現(xiàn)場網(wǎng)絡(luò)覆蓋難，數(shù)據(jù)回傳難，風(fēng)險識別難。而且雖然視頻監(jiān)控能夠?qū)⒉杉男畔⑦M(jìn)行直觀化顯示，提升了信息處理的便捷性，但是采用大量的人力資源對視頻監(jiān)測進(jìn)行二次監(jiān)控的工作方法是十分不科學(xué)且不合理的，不僅造成的人力的浪費，也是的漏報等情況頻頻發(fā)生；在系統(tǒng)儲存中，錄像資源是十分龐大的，如果根據(jù)一個特性進(jìn)而對整個數(shù)據(jù)系統(tǒng)進(jìn)行篩查，采用人工作業(yè)的方式，不僅需要配備大量的人員，而且隨著工作量的不斷增加，人工會出現(xiàn)視覺疲勞，導(dǎo)致工作的準(zhǔn)確率直線下降，產(chǎn)生漏檢的概率也會大大提升，無法發(fā)揮視頻監(jiān)控系統(tǒng)的效力。

Mesh 自組網(wǎng)技術(shù)非常適合施工現(xiàn)場通信需求，本研究基于mesh 自組網(wǎng)技術(shù)實現(xiàn)偏遠(yuǎn)地區(qū)廣覆蓋、低時延網(wǎng)絡(luò)建設(shè)，達(dá)到電網(wǎng)數(shù)據(jù)的有效傳輸，在現(xiàn)有視頻監(jiān)控的基礎(chǔ)上，以智能視頻識別技術(shù)作為主要應(yīng)用，對現(xiàn)場的施工環(huán)境進(jìn)行全面的分析，從而對判決準(zhǔn)則進(jìn)行科學(xué)合理的構(gòu)建，對非正常請款進(jìn)行捕捉，對電力系統(tǒng)施工現(xiàn)場的人員行為進(jìn)行監(jiān)控，為電網(wǎng)施工作業(yè)提供及時有效的安全風(fēng)險防范手段。

2 面向視頻監(jiān)控的高帶寬無線mesh 自組網(wǎng)技術(shù)

■2.1 無線多跳自組網(wǎng)技術(shù)

本研究基于無線MESH 自組網(wǎng)技術(shù)，利用OmniAir 無線Mesh 傳輸設(shè)備，并且融合了其他相關(guān)的傳輸技術(shù)，具備分布式多跳功能，能迅速實現(xiàn)無線覆蓋，是一款高性能高速無線自組織網(wǎng)絡(luò)。利用多模塊技術(shù)解決了高速無線自組織網(wǎng)絡(luò)多跳損耗過大的問題。自主研發(fā)的SOAPMAN 自組網(wǎng)通信協(xié)議改善無線傳輸和無線組網(wǎng)性能，如傳輸距離、移動速率、抗干擾、穿透能力以及無線網(wǎng)絡(luò)安全等方面的性能得以增強，并且還可作為光纖提供備份鏈路，自動檢測光纖鏈路狀態(tài)，一旦光纖故障可快速切換無線通信。實現(xiàn)了遠(yuǎn)距離高帶寬的數(shù)據(jù)傳輸，并且MESH的自愈合技術(shù)，保證了網(wǎng)絡(luò)傳輸?shù)母呖煽啃?，其次MESH 成本較低，快速部署等特點，只需一次性投入，適合大規(guī)模快速部署。

圖1 無線多跳自組網(wǎng)

無線多跳自組網(wǎng)作為一種特殊的自組織、對等式、多跳、無線移動網(wǎng)絡(luò)，它是在無線分組網(wǎng)的基礎(chǔ)上進(jìn)一步發(fā)展而形成的新技術(shù)。以一組無線收發(fā)裝置的可移動節(jié)點作為臨時性多跳自治系統(tǒng)，這樣網(wǎng)絡(luò)節(jié)點在進(jìn)行無線信號接受的過程中能夠迅速的接收到臨近節(jié)點的信號，而節(jié)點的路由器能夠根據(jù)連接的無線網(wǎng)絡(luò)自動的進(jìn)行算法計算，將節(jié)點之間的通信關(guān)系進(jìn)行更新調(diào)節(jié)，從而形成一個全新的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。無線多跳自組網(wǎng)與傳統(tǒng)的網(wǎng)絡(luò)連接相比，其對于基礎(chǔ)設(shè)施并沒有強烈的依賴性，同時具有展開快速、抗毀性能強、可臨時組網(wǎng)等優(yōu)點，大大增加了便捷性和安全性，因此無論是在民事、軍事還是民用方面都具有巨大的發(fā)展強力，是目前網(wǎng)絡(luò)研究中一個重要的研究課題。

由于無線多跳自組網(wǎng)克服無線傳輸易受干擾痛點，網(wǎng)絡(luò)形態(tài)由“集中式”向“分布式”轉(zhuǎn)變，物聯(lián)網(wǎng)“最后一公里接入”核心技術(shù)之一。無線多跳自組網(wǎng)的核心理念是使網(wǎng)絡(luò)中的每一個節(jié)點都具有接受和發(fā)送信號的能力，都能夠具有自動路由的功能，并且能夠限制每個網(wǎng)絡(luò)節(jié)點只與相鄰的節(jié)點之間建立通信聯(lián)系，在整個運行的過程中不需要主干網(wǎng)絡(luò)的參與也能夠建立富有彈性的網(wǎng)絡(luò)結(jié)構(gòu)。泛在電力物聯(lián)網(wǎng)不可或缺的通信技術(shù)之一。無需基站，掃除盲點，自組互聯(lián)，自動愈合，穩(wěn)定可靠。

■2.2 無線多跳自組網(wǎng)特點

2.2.1 快速部署，易擴(kuò)展

無需網(wǎng)絡(luò)運營商參與，感知終端即放即用、隨意增減，部署簡單靈活。依托于無線多跳自組網(wǎng)絡(luò)建立無線專網(wǎng)，極大地減少了部署的困難，增加了靈活性，當(dāng)需要在原有網(wǎng)絡(luò)基礎(chǔ)上添加感知終端的時候，只需在原有的網(wǎng)絡(luò)覆蓋范圍內(nèi)添加無線自組織傳輸節(jié)點，網(wǎng)絡(luò)拓?fù)鋵詣痈拢詣油瓿尚略O(shè)備的添加。

圖2 無線多跳自組網(wǎng)增加節(jié)點

2.2.2 多跳傳輸，覆蓋廣

基于無線多跳自組網(wǎng)絡(luò)的分布式通信系統(tǒng)中，無線自組織網(wǎng)絡(luò)設(shè)備能夠通過自組織協(xié)議動態(tài)組網(wǎng)，具有多跳傳輸?shù)哪芰?，可以有效擴(kuò)展傳輸距離。同時，組網(wǎng)協(xié)議會根據(jù)鏈路質(zhì)量自動選擇最佳路徑，保證感知終端有多條傳輸路徑暢通，確保無線信號覆蓋穩(wěn)定，解決傳統(tǒng)無線網(wǎng)絡(luò)信號覆蓋不穩(wěn)定情況。

2.2.3 魯棒性強

與傳統(tǒng)的基站式網(wǎng)絡(luò)中基站癱瘓即導(dǎo)致全網(wǎng)癱瘓的特點相比而言，無線多跳自組織網(wǎng)絡(luò)中單點損壞并不會導(dǎo)致網(wǎng)絡(luò)中斷，因此具有較強的魯棒性。

2.2.4 移動性強

無線多跳自組織網(wǎng)絡(luò)組網(wǎng)節(jié)點適用于動態(tài)環(huán)境下的移動數(shù)據(jù)傳輸，如果監(jiān)控終端需要經(jīng)常變換部署位置，不影響設(shè)備之間的組網(wǎng)連接和通信。

圖3 無線多跳自組網(wǎng)切換路由

3 基于邊緣計算的安全風(fēng)險識別

■3.1 基于深度學(xué)習(xí)的行為識別

在計算機(jī)視覺中一個重要的研究任務(wù)便是對視頻序列中的人體動作，進(jìn)行自動的分析，檢索以及識別，這項任務(wù)同時在機(jī)器視覺，AI 技術(shù)以及人機(jī)交互等多個領(lǐng)域中引起強烈的重視，目前在很多領(lǐng)域已經(jīng)進(jìn)行了廣泛的應(yīng)用，如VR 領(lǐng)域，視頻監(jiān)控領(lǐng)域以及智能機(jī)器人等領(lǐng)域。當(dāng)然計算機(jī)在進(jìn)行相關(guān)動作分析檢索等過程中，需要對其提供特定的動作特征，以動作識別為例，如果要對人體的運動動作進(jìn)行分析，首先要在視頻序列和動作類型之間建立其有效的鏈接，使計算機(jī)能夠?qū)σ曨l中所展現(xiàn)的動作加以理解。由此可見，想要實現(xiàn)計算機(jī)對動作的分析檢索和計算，需要對動作特征進(jìn)行有效提取，同時特征提取的準(zhǔn)確性和精確性直接會對分析結(jié)果產(chǎn)生影響。在以往的幾十年中，對視頻動作識別的方式層出不窮，同時動作識別數(shù)據(jù)也在飛速的進(jìn)行增長。如今在圖像領(lǐng)域（圖像分類、目標(biāo)檢測、場景分類）中神經(jīng)網(wǎng)絡(luò)取得了非常成功的應(yīng)用，因此越來越多的人開始在視頻動作識別中引入神經(jīng)網(wǎng)路技術(shù)，這在一定程度上肯定了神經(jīng)網(wǎng)絡(luò)模型的科學(xué)性和全民性。目前，在行為識別中應(yīng)用神經(jīng)網(wǎng)絡(luò)已經(jīng)成為了重要的研究方向。

人體動作識別（Human Action Recognition）的分類是以動作特征模態(tài)作為標(biāo)準(zhǔn)的，其主要分為4 大類：分別是人體骨架（body skeletons）、深度圖（depth map）、圖像人體輪廓特征（appearance）以及視頻人體運動光流（optical-flow）。同時人體圖像視頻中，除去繁雜的運動背景，還包括不斷變化的光照，人體的外貌特征不固定等，種種因素都增加了因素的不確定性，因此在對圖像視頻中的行為進(jìn)行識別時將會受到一定的限制。而深度圖與圖像視頻相比較而言，能夠?qū)⑦@些不確定因素進(jìn)行較好的降低。同時在深度圖中應(yīng)用神經(jīng)網(wǎng)絡(luò)也受到研究界的廣泛關(guān)注。人體行為識別的主要任務(wù)是能夠在一段含有人體單一運動的視頻中，將人體動作進(jìn)行推斷進(jìn)而為其打上動作標(biāo)簽（如走、跑、跳等）。

在圖像問題處理中，深度神經(jīng)網(wǎng)絡(luò)取得了優(yōu)異的成績，因此更多的研究者試圖在視頻動作行為識別中也將深度神經(jīng)網(wǎng)絡(luò)進(jìn)行應(yīng)用。在眾多的深度學(xué)習(xí)的模型中，卷積神經(jīng)網(wǎng)絡(luò)（CNN）受到了學(xué)者們廣泛的關(guān)注，因此在圖像識別中該模型發(fā)揮了重要的作用。此外在自然語言處理（NLP）中，循環(huán)神經(jīng)網(wǎng)絡(luò)（RNNs）的應(yīng)用取得了大規(guī)模的成功，這是基于其具較為強悍的時序建模能力。循環(huán)神經(jīng)網(wǎng)絡(luò)顧名思義其是能夠進(jìn)行不斷循環(huán)的網(wǎng)絡(luò)，即對同一神經(jīng)網(wǎng)絡(luò)能夠不斷進(jìn)行重復(fù)的操作，信息的傳遞性在此過程中得到了較好的發(fā)揮。循環(huán)神經(jīng)網(wǎng)絡(luò)在對長序列進(jìn)行學(xué)習(xí)的過程中會存在較多的問題，這是由于梯度的消失和爆炸所導(dǎo)致的。為了解決這一問題，Hochreiter 等人提出了一個新的循環(huán)神經(jīng)網(wǎng)絡(luò)單元（Long Short-term Memory，LSTM），主要目的是為了減少長期依賴的問題的出現(xiàn)。Donahue 等提出了將卷神經(jīng)網(wǎng)絡(luò)與LSTM 相互結(jié)合的網(wǎng)絡(luò)構(gòu)想，通過將預(yù)處理的深度圖像數(shù)據(jù)傳送到事先設(shè)計好的卷神經(jīng)網(wǎng)絡(luò)當(dāng)中，從而對空序特征進(jìn)行獲取，隨后再將視頻中的數(shù)據(jù)傳送到LSTM 當(dāng)中，對時序特征進(jìn)行獲取，將后采用Softmax 映射空序與時序相融合后的類別。現(xiàn)階段對于人體三維模型的研究越來越受到關(guān)注，并在廣泛的進(jìn)行中，Shao 等提出了身體部分動作識別的層次模型，即以人體的運動特性作為標(biāo)準(zhǔn)，將人體骨架進(jìn)行拆解，將其列為多個運動剛體，提出旋轉(zhuǎn)速度不變量描述子RRV（Rotation and Relative Velocity），用其對剛體的轉(zhuǎn)速和速度的不變量進(jìn)行表示，進(jìn)而得到動作表示。

使用深度學(xué)習(xí)方法解決視頻中行為識別（動作識別）的問題有兩大類思路：（1）以抽取并分類時空特征為目的的視頻識別方法；（2）以提取骨架信息進(jìn)行再訓(xùn)練為目的的姿態(tài)估計方法。由于神經(jīng)網(wǎng)絡(luò)可以從數(shù)據(jù)中學(xué)習(xí)到特征，這種學(xué)習(xí)方式也符合人類認(rèn)識世界的機(jī)理，因此，通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的語義特征往往可以用于行為識別。神經(jīng)網(wǎng)絡(luò)模型按照網(wǎng)絡(luò)結(jié)構(gòu)主要劃分為3個分支：雙流（Two-Stream）方法、3D-ConvNet 方法以及融合（CNN-LSTM）方法。

■3.2 智能視頻分析技術(shù)

現(xiàn)階段，在一些行業(yè)中雖然視頻分析技術(shù)的應(yīng)用取得了一定的成績，但很多算法仍然只能在固定場景中獲得較高性能，在實際應(yīng)用中性能下降嚴(yán)重，無法實用?；诖耍狙芯酷槍﹄娏ψ鳂I(yè)中少量較為突出的違章行為，使用視頻分析技術(shù)進(jìn)行檢測分析，主動發(fā)現(xiàn)安全隱患，減少安全事故的發(fā)生。

智能視頻分析技術(shù)采用圖像處理、模式識別和計算機(jī)視覺技術(shù)，以計算機(jī)技術(shù)中數(shù)據(jù)處理能力的強大性作為基礎(chǔ)，自動識別物體能力進(jìn)行輔助，在進(jìn)行視頻源信息提取的過程中，能夠?qū)﹃P(guān)鍵信息進(jìn)行快速鎖定分析，對事故現(xiàn)場進(jìn)行準(zhǔn)確定位，對監(jiān)控中的異常情況進(jìn)行全方面的分析以及展示，并且能夠快速進(jìn)行報警操作，以通知技術(shù)控制中心進(jìn)行搶救。此外該研究還將對邊緣計算的視頻圖像預(yù)處理技術(shù)進(jìn)行研究，以預(yù)處理的方式對視頻圖像進(jìn)行操作，將圖像中多余的信息進(jìn)行去除，將精準(zhǔn)的視頻圖像內(nèi)容進(jìn)行遷移到邊遠(yuǎn)設(shè)備之中，通過此項操作，能夠有效的對云中心的計算、儲存、網(wǎng)絡(luò)寬帶等需求進(jìn)行降低，將視頻分析的效率進(jìn)行有效的提高，同時，預(yù)處理使用的算法采用軟件優(yōu)化、硬件加速等方法，是視頻圖像分析的工作效率得到有效的提升，從而有效進(jìn)行電網(wǎng)施工現(xiàn)場風(fēng)險預(yù)警。

4 結(jié)語

綜上所述，無線多跳自組網(wǎng)技術(shù)具有快速部署易擴(kuò)展，多跳傳輸覆蓋廣，魯棒性強，移動性強的特點，使用深度學(xué)習(xí)方法解決視頻中行為識別。智能視頻分析技術(shù)采用圖像處理、模式識別和計算機(jī)視覺技術(shù)，以計算機(jī)技術(shù)中數(shù)據(jù)處理能力的強大性作為基礎(chǔ)，自動識別物體能力進(jìn)行輔助，在進(jìn)行視頻源信息提取的過程中，能夠?qū)﹃P(guān)鍵信息進(jìn)行快速鎖定分析，對事故現(xiàn)場進(jìn)行準(zhǔn)確定位，對監(jiān)控中的異常情況進(jìn)行全方面的分析以及展示，并且能夠快速進(jìn)行報警操作，以通知技術(shù)控制中心進(jìn)行搶救有效進(jìn)行電網(wǎng)施工現(xiàn)場風(fēng)險預(yù)警。