一種基于變電站智能融合運(yùn)檢系統(tǒng)的設(shè)計(jì)

文衍廣，樊道慶，楊梓瀚，許國偉

（廣東電網(wǎng)有限責(zé)任公司汕頭供電局，廣東汕頭，515000）

1 智能運(yùn)檢系統(tǒng)的設(shè)計(jì)

本文設(shè)計(jì)了一套智能運(yùn)檢系統(tǒng)，包括數(shù)據(jù)處理系統(tǒng)、方法、電子設(shè)備及存儲介質(zhì)，可以實(shí)現(xiàn)釋放更多的勞動力，可以將傳統(tǒng)運(yùn)檢方式中孤立的數(shù)據(jù)進(jìn)行智能融合、處理和可視化，在全面提高運(yùn)檢效率的同時，提升一線工作的數(shù)字化和智能化程度。該運(yùn)檢系統(tǒng)的工作流程及主要組成如圖1所示。

圖1 智能運(yùn)檢系統(tǒng)工作流程圖

■ 1.1 數(shù)據(jù)處理系統(tǒng)

該智能運(yùn)檢系統(tǒng)的核心部分之一是數(shù)據(jù)處理系統(tǒng)。該數(shù)據(jù)處理系統(tǒng)包括數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊和展示模塊。

數(shù)據(jù)采集模塊，用于采集變電站數(shù)據(jù)。其中，變電站數(shù)據(jù)包括圖片和文本數(shù)據(jù)，圖片包括包含純文本數(shù)據(jù)的第一類圖片、包含文本數(shù)據(jù)和實(shí)物對象的第二類圖片以及變電站的全景圖片。

數(shù)據(jù)分析模塊，用于通過光學(xué)字符識別OCR模型識別第一類圖片中的文本數(shù)據(jù)，以及通過目標(biāo)檢測模型識別第二類圖片中的興趣目標(biāo)的位置坐標(biāo)，根據(jù)興趣目標(biāo)的位置坐標(biāo)得到興趣目標(biāo)框圖，若興趣目標(biāo)框圖中包含帶有文本數(shù)據(jù)的目標(biāo)圖片，通過OCR模型識別目標(biāo)圖片中的文本數(shù)據(jù)[1]。

數(shù)據(jù)展示模塊，用于通過三維模型加載全景圖片，并將興趣目標(biāo)和當(dāng)前所有的文本數(shù)據(jù)在三維模型中進(jìn)行三維可視化展示。

■ 1.2 數(shù)據(jù)處理

該智能運(yùn)檢系統(tǒng)的設(shè)計(jì)包括一種數(shù)據(jù)處理子系統(tǒng)，系統(tǒng)架構(gòu)如圖2所示。該數(shù)據(jù)處理子系統(tǒng)包括采集變電站數(shù)據(jù)。其中，變電站數(shù)據(jù)包括圖片和文本數(shù)據(jù)，圖片為包含純文本數(shù)據(jù)的第一類圖片、包含文本數(shù)據(jù)和實(shí)物對象的第二類圖片以及變電站的全景圖片，通過光學(xué)字符識別OCR模型識別第一類圖片中的文本數(shù)據(jù)。

圖2 數(shù)據(jù)處理系統(tǒng)架構(gòu)示意圖

通過目標(biāo)檢測模型識別第二類圖片中的興趣目標(biāo)的位置坐標(biāo)，根據(jù)興趣目標(biāo)的位置坐標(biāo)得到興趣目標(biāo)框圖。若興趣目標(biāo)框圖中包含帶有文本數(shù)據(jù)的目標(biāo)圖片，通過OCR模型識別目標(biāo)圖片中的文本數(shù)據(jù)[2]。

最后通過三維模型加載全景圖片，并將興趣目標(biāo)和當(dāng)前所有的文本數(shù)據(jù)在三維模型中進(jìn)行三維可視化展示。

■ 1.3 電子設(shè)備

該智能運(yùn)檢系統(tǒng)的設(shè)計(jì)包括一種電子設(shè)備。該設(shè)備擁有一個或多個處理器以及存儲裝置。存儲裝置用于存儲所有的處理程序，當(dāng)一個或多個程序被處理器執(zhí)行的時候，使得一個或多個處理器實(shí)現(xiàn)如本文設(shè)計(jì)方案中的任一項(xiàng)的數(shù)據(jù)處理方法。

■ 1.4 存儲介質(zhì)

該智能運(yùn)檢系統(tǒng)的設(shè)計(jì)包括存儲介質(zhì)。存儲介質(zhì)上存儲有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時實(shí)現(xiàn)如本文設(shè)計(jì)方案中任一項(xiàng)的數(shù)據(jù)處理方法。

本文實(shí)施例提供的技術(shù)方案，通過采集變電站數(shù)據(jù)（包含純文本數(shù)據(jù)的第一類圖片、包含文本數(shù)據(jù)和實(shí)物對象的第二類圖片、變電站的全景圖片以及文本數(shù)據(jù)、通過光學(xué)字符識別OCR模型識別第一類圖片中的文本數(shù)據(jù)），通過目標(biāo)檢測模型識別第二類圖片中的興趣目標(biāo)的位置坐標(biāo)，并根據(jù)興趣目標(biāo)的位置坐標(biāo)得到興趣目標(biāo)框圖，若興趣目標(biāo)框圖中包含帶有文本數(shù)據(jù)的目標(biāo)圖片，通過OCR模型識別目標(biāo)圖片中的文本數(shù)據(jù)，通過三維模型加載全景圖片，并將興趣目標(biāo)和當(dāng)前所有的文本數(shù)據(jù)在三維模型中進(jìn)行三維可視化展示。

2 智能運(yùn)檢系統(tǒng)的實(shí)施

該系統(tǒng)主要包括：數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊和展示模塊。

■ 2.1 數(shù)據(jù)采集模塊

參照圖1，數(shù)據(jù)采集模塊由數(shù)據(jù)獲取、前端識別、分布式存儲、數(shù)據(jù)傳輸以及集中數(shù)據(jù)存儲子模塊構(gòu)成。

數(shù)據(jù)獲取子模塊通過高清攝像頭實(shí)現(xiàn)，攝像頭滿足適應(yīng)高低溫、潮濕環(huán)境的要求。

前端識別子模塊被嵌入式數(shù)據(jù)獲取子模塊，是一個軟件模塊，通過C++嵌入式開發(fā)實(shí)現(xiàn)，用于對圖片進(jìn)行初步篩選處理。

分布式存儲子模塊使用1G～10G大小不等的閃存，用于作為圖片獲取路徑中的數(shù)據(jù)緩沖。通過C++程序?qū)ζ涠ㄆ谧x取和清空。

數(shù)據(jù)傳輸通過軟硬件結(jié)合實(shí)現(xiàn)，首先C++程序從分布式存儲子模塊讀取圖片數(shù)據(jù)，進(jìn)行壓縮后通過高速傳輸線路傳送至集中數(shù)據(jù)存儲模塊。集中數(shù)據(jù)存儲模塊端程序進(jìn)行解壓、解析處理后進(jìn)行存儲。

數(shù)據(jù)采集模塊用于采集變電站數(shù)據(jù)，變電站數(shù)據(jù)包括圖片和文本數(shù)據(jù)。圖片為包括包含純文本數(shù)據(jù)的第一類圖片、包含文本數(shù)據(jù)和實(shí)物對象的第二類圖片以及變電站的全景圖片[3]。

變電站數(shù)據(jù)中的圖片數(shù)據(jù)包括包含純文本數(shù)據(jù)的第一類圖片，可以是由繼電保護(hù)設(shè)備打印出來的定值單數(shù)據(jù)圖片，其中包含設(shè)備參數(shù)定值和保護(hù)定值等信息；包含文本數(shù)據(jù)和實(shí)物對象的第二類圖片，可以是開關(guān)柜圖片，包含開關(guān)柜名稱以及按鈕、開關(guān)、顯示屏等實(shí)物對象的信息；第二類圖片也可以是繼電保護(hù)設(shè)備圖片，包括設(shè)備名稱、電流電壓顯示屏和開關(guān)旋鈕等實(shí)物對象的信息；變電站的全景圖片，包括變電站中所有設(shè)備的信息（如：變壓器、斷路器、隔離開關(guān)、避雷器、氣體絕緣組合開關(guān)、儀表、繼電保護(hù)設(shè)備和開關(guān)柜等設(shè)備的信息）。變電站數(shù)據(jù)中的文本數(shù)據(jù)包括移動終端連接萬用表獲取到的電流電壓以及通過紅外測溫相機(jī)檢測到的設(shè)備溫度等數(shù)據(jù)。

變電站數(shù)據(jù)中的圖片數(shù)據(jù)還包括儀表圖片，可以是電壓表圖片也可以是電流表圖片，包含了儀表中的指針和刻度線以及指針指向的刻度線和數(shù)字等信息。

■ 2.2 數(shù)據(jù)分析模塊

數(shù)據(jù)分析模塊，用于通過光學(xué)字符識別（OpticalChar acterRecognition,OCR）模型識別第一類圖片中的文本數(shù)據(jù)，以及通過目標(biāo)檢測模型識別第二類圖片中的興趣目標(biāo)的位置坐標(biāo)，根據(jù)興趣目標(biāo)的位置坐標(biāo)得到興趣目標(biāo)框圖。若興趣目標(biāo)框圖中包含帶有文本數(shù)據(jù)的目標(biāo)圖片，通過OCR模型識別目標(biāo)圖片中的文本數(shù)據(jù)。在本系統(tǒng)的實(shí)施方式中，數(shù)據(jù)分析模塊還用于通過語義分割模型得到儀表圖片中的指針和各個刻度線，基于指針指向的刻度線確定儀表圖片中的示數(shù)信息。

2.2.1 OCR模型

OCR模型是人工智能領(lǐng)域機(jī)器學(xué)習(xí)的一種模型，其結(jié)構(gòu)可以是神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，也可以是其他結(jié)構(gòu)，可以實(shí)現(xiàn)將圖片轉(zhuǎn)換成文本數(shù)據(jù)，本系統(tǒng)基于Google提供的開源類庫Tesseract OCR來實(shí)現(xiàn)。

在使用OCR模型之前，還包括對OCR模型的訓(xùn)練：將訓(xùn)練集中包含的文本數(shù)據(jù)為預(yù)設(shè)字體、預(yù)設(shè)顏色的圖片以及圖片對應(yīng)的標(biāo)準(zhǔn)文本數(shù)據(jù)輸入到OCR模型中，對OCR模型進(jìn)行訓(xùn)練。具體的，將訓(xùn)練集中包含的文本數(shù)據(jù)為預(yù)設(shè)字體和預(yù)設(shè)顏色的圖片以及圖片對應(yīng)的標(biāo)準(zhǔn)文本數(shù)據(jù)輸入到OCR模型中，通過OCR模型輸出圖片對應(yīng)的文本數(shù)據(jù)，將訓(xùn)練集中的標(biāo)準(zhǔn)文本數(shù)據(jù)以及通過OCR模型輸出的文本數(shù)據(jù)同時輸入到損失函數(shù)中，得到損失函數(shù)的輸出結(jié)果，該輸出結(jié)果標(biāo)識OCR模型的文本數(shù)據(jù)識別率，根據(jù)該輸出結(jié)果判斷是否需要對OCR模型進(jìn)行優(yōu)化，當(dāng)損失函數(shù)的輸出結(jié)果滿足預(yù)設(shè)識別率時，即可停止訓(xùn)練過程，最終得到已訓(xùn)練的OCR模型。

定值單數(shù)據(jù)存放于機(jī)器內(nèi)部，必須由繼電保護(hù)設(shè)備打印出來才可以為工作人員所識別，定值單數(shù)據(jù)圖片中的設(shè)備參數(shù)定值以及保護(hù)定值都有對應(yīng)的閾值，閾值存儲在調(diào)度定值單數(shù)據(jù)中，設(shè)備在運(yùn)行過程中的定值超過了閾值就會報警。相關(guān)技術(shù)中需要人工手動比對查看設(shè)備定值和保護(hù)定值與調(diào)度定值單中的閾值是否一致，如果不一致則由人工進(jìn)行定值的校準(zhǔn)，定值單數(shù)據(jù)龐雜。

通過使用已訓(xùn)練的OCR模型，可以將定值單數(shù)據(jù)圖片轉(zhuǎn)換為文本形式的定值單數(shù)據(jù)，識別精度和還原率高，識別速度快，進(jìn)而可以對文本形式的定值單數(shù)據(jù)進(jìn)行存儲和調(diào)用，可以通過相應(yīng)的技術(shù)手段實(shí)現(xiàn)定值單數(shù)據(jù)與閾值的自動比對。

通過數(shù)據(jù)分析模塊，利用OCR模型將包含純文本數(shù)據(jù)的第一類圖片轉(zhuǎn)換成文本數(shù)據(jù)，通過目標(biāo)檢測模型識別出第二類圖片中的興趣目標(biāo)的位置坐標(biāo)，并根據(jù)位置坐標(biāo)得到興趣目標(biāo)框圖，再通過OCR模型將興趣目標(biāo)框圖轉(zhuǎn)換成文本數(shù)據(jù)，可以實(shí)現(xiàn)將數(shù)據(jù)采集模塊采集到的原始圖片數(shù)據(jù)進(jìn)行量化，從而可以直觀、有效的對數(shù)據(jù)進(jìn)行管理和操作。

2.2.2 目標(biāo)檢測模型

目標(biāo)檢測模型是機(jī)器學(xué)習(xí)中的一種模型，開源類庫Tesseract OCR來實(shí)現(xiàn)。其結(jié)構(gòu)是一個神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在使用目標(biāo)檢測模型之前，需要對目標(biāo)檢測模型進(jìn)行訓(xùn)練：將訓(xùn)練集中的第二類圖片以及第二類圖片中各個實(shí)物對象對應(yīng)的位置坐標(biāo)輸入到目標(biāo)檢測模型中對目標(biāo)檢測模型進(jìn)行訓(xùn)練。具體的，將訓(xùn)練集中的第二類圖片以及第二類圖片中各個實(shí)物對象對應(yīng)的位置坐標(biāo)輸入到目標(biāo)檢測模型中，通過目標(biāo)檢測模型得到各實(shí)物對象對應(yīng)的位置坐標(biāo)，并將訓(xùn)練集中各實(shí)物對象對應(yīng)的位置坐標(biāo)與通過目標(biāo)檢測模型輸出的位置坐標(biāo)同時輸入到損失函數(shù)中，根據(jù)損失函數(shù)的輸出結(jié)果判斷是否需要對目標(biāo)檢測模型進(jìn)行優(yōu)化，當(dāng)損失函數(shù)的輸出結(jié)果滿足預(yù)設(shè)條件時，即可停止訓(xùn)練過程，得到已訓(xùn)練的目標(biāo)檢測模型[4]。

通過已訓(xùn)練的目標(biāo)檢測模型，可以識別出第二類圖片中各興趣目標(biāo)對應(yīng)的位置坐標(biāo)，并進(jìn)而根據(jù)興趣目標(biāo)的位置坐標(biāo)得到興趣目標(biāo)框圖，可以識別第二類圖片中的多個興趣目標(biāo)，并可以定位出各個興趣目標(biāo)。

2.2.3 語義分割模型

語義分割模型是機(jī)器學(xué)習(xí)中的一種模型，是一個神經(jīng)網(wǎng)絡(luò)，同樣基于開源類庫Tesseract OCR來實(shí)現(xiàn)。在使用語義分割模型之前，還包括對語義分割模型進(jìn)行訓(xùn)練：將訓(xùn)練集中的儀表圖片、訓(xùn)練集中儀表圖片對應(yīng)的掩碼文件輸入到語義分割模型中，對語義分割模型進(jìn)行訓(xùn)練。其中，掩碼文件中記錄了儀表圖片中的每一個像素所屬的類別，例如該像素屬于刻度線還是屬于指針。具體的，將訓(xùn)練集中的儀表圖片、訓(xùn)練集中儀表圖片對應(yīng)的掩碼文件輸入到語義分割模型中，得到每個像素點(diǎn)所對應(yīng)的類別，將掩碼文件與得到的每個像素點(diǎn)所對應(yīng)的類別同時輸入到損失函數(shù)中，根據(jù)損失函數(shù)的輸出結(jié)果判斷是否需要對語義分割模型進(jìn)行優(yōu)化，當(dāng)損失函數(shù)的輸出結(jié)果滿足預(yù)設(shè)條件時，即可停止訓(xùn)練過程，得到已訓(xùn)練的語義分割模型。

由此，通過已訓(xùn)練的語義分割模型可以實(shí)現(xiàn)對圖片中的像素進(jìn)行分類，即可以識別出儀表圖片中的指針和各刻度線，然后可以根據(jù)指針與其指向的刻度線連成的直線相對中間刻度線連成的直線的傾斜角度。

■ 2.3 數(shù)據(jù)展示模塊

展示模塊用于通過三維模型加載全景圖片，并將興趣目標(biāo)和當(dāng)前所有的文本數(shù)據(jù)在三維模型中進(jìn)行三維可視化展示。

三維模型由無人機(jī)傾斜攝影拍攝所得，全景圖片由全景相機(jī)拍攝所得，利用三維模型加載全景圖片，然后借助數(shù)字孿生技術(shù)和三維模型中自帶的數(shù)據(jù)點(diǎn)位信息，將數(shù)據(jù)分析模塊分析得到的興趣目標(biāo)以及文本數(shù)據(jù)在三維模型中進(jìn)行可視化展示[5]。

在本實(shí)施中，展示模塊將由語義分割模型分析得到的儀表的示數(shù)信息，通過數(shù)據(jù)所在點(diǎn)位信息和數(shù)字孿生技術(shù)展示到三維全景可視化平臺中。可以實(shí)現(xiàn)變電站儀表的實(shí)時現(xiàn)場數(shù)據(jù)的展示和數(shù)據(jù)融合，也可以實(shí)現(xiàn)對變電站儀表狀態(tài)的監(jiān)控，提高運(yùn)檢的智能化程度和運(yùn)檢效率，便于決策者對全局信息的獲取和管控。

3 總結(jié)

本文所設(shè)計(jì)基于變電站智能融合運(yùn)檢系統(tǒng)，通過由數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊以及展示模塊組成的數(shù)據(jù)處理系統(tǒng)，可以利用智能處理技術(shù)將變電站大量且分散的數(shù)據(jù)進(jìn)行收集、分析和可視化展示，可以實(shí)現(xiàn)變電站的智能管控，節(jié)省人力資源節(jié)約成本，提高變電站的運(yùn)檢效率，提升智能化程度。