变电站二次系统设备屏柜线套标签智能识别系统

， ，

(1．江苏省送变电有限公司，江苏 南京 210000；2．武汉映瑞电力科技有限公司，湖北 武汉 430000； 3．贵州理工学院电气与信息工程学院，贵州 贵阳550003)

0 引言

自 2009 年国家电网公司组织推进智能电网战略以来，基于 IEC 61850 标准的智能变电站自动化技术获得了快速发展，我国是智能变电站投运数量最多的国家[1]。变电站二次系统设备屏柜数量庞大，对外接线种类繁多，比如：继电保护装置、安全自动装置、网络交换机、智能终端装置、供电系统等相关二次系统设备的接线，具有很高的运行维护测试复杂性[2]。变电站的二次系统设备屏柜内部对外接线是通过端子排的外接端子引出，外部设备接到屏柜的外部接线接在屏柜的端子排的外接端子上。端子排上每个端子标有数字和字母编号，屏柜端子排外部接线通过线套标签进行标识。在变电站二次回路屏柜接线现场的施工过程中都是现场技术人员按照施工图纸手工进行接线操作。然而，当前对于施工过程中接线错误的检查，主要是通过人工在调试过程采用对点查找的方式来检查。人工检查不仅效率低，且存在漏检、引入人为错误的可能性，这给变电站的稳定运行留下安全隐患[3]。

随着人工智能和图像识别技术的飞速发展，图像识别的准确率和计算速度有了质的飞跃，使得图像识别技术得以应用到各个行业。语言和文字是人类获取信息最基本、最重要的途径。图像识别技术可以读懂以图片形式存储的信息。智能手机为我们带来方便的拍摄手段，帮助我们更快地用图片来采集和记录信息。图像识别技术中的光学字符识别技术可通过检测手机拍摄图片中文字的暗、亮模式确定其形状，然后用字符识别方法将形状翻译成计算机文字，将相关的文字信息提取出来，从而进行智能化识别处理。

本文给出了一种变电站二次系统设备屏柜线套标签智能识别系统。首先，将现场手机拍摄屏柜端子排接线的照片上传至服务器，采用基于人工智能深度学习的图像识别算法把屏柜实际的接线的线套标签信息读取出来并存储；其次，从电子图纸中读取出对应的设计院设计的被测屏柜端子排接线信息；第三，把实际通过图像识别的端子接线信息与图纸中设计的端子排接线信息进行对比，生成检查报告，对运维人员进行接线错误警告实时提醒。从而减轻运维人员的劳动强度、缩短操作时间，并消除人为因素的所造成的接线错误影响而保障变电站的稳定运行，进而为实现变电站无人值班运行管理模式提供一定的技术支持。

1 标签智能识别系统组成模块

本文所述标签智能识别系统由被测屏柜端子排接线定位和拍摄模块、屏柜端子排接线信息图像识别模块、端子排接线信息对比检查模块和实时接线检查报告生成模块4个模块所组成，如图1所示，图2是各组成模块之间的信号流图。各模块的功能和信号流描述如下：

①被测屏柜端子排接线定位和拍摄模块，安装于运维人员手机端，用于录入变电站名称、电压等级、屏柜名称等信息实现对变电站屏柜的定位，并拍摄屏柜端子排现场接线照片上传给远端服务器。

②屏柜端子排接线信息图像识别模块安装于远端服务器，用于对上传的屏柜端子排现场接线照片进行标签信息定位和识别，提取端子排编号、端子排外部接线上线套标签等标识信息。

③端子排接线信息对比检查模块安装于远端服务器，用于根据被测屏柜端子排接线定位和拍摄模块提供的定位信息去电子图纸服务器上获取相应被测屏柜对应的端子排接线电子图纸中的端子排标准接线信息，将其与屏柜端子排接线信息图像识别模块识别出来的现场端子排接线信息进行对比，将比较信息传回给运维人员的手机端。

④检查报告生成模块，安装于运维人员手机端，利用服务器端端子排接线信息对比检查模块回传的比较信息生成检查报告对运维人员进行接线错误警告实时提醒。

图1 标签智能识别系统组成模块

图2 标签智能识别系统信号流

2 图像文字识别算法

图像文字识别技术是整个系统的技术关键。本文屏柜端子排接线信息图像识别模块中线套标签的信息图像识别的处理过程为：图像文字定位→倾斜文字矫正→光学字符识别→文字纠错算法，它们分别采用了多通道EAST全卷积网络算法[4]、仿射变换算法[5]、Attention-OCR算法[6]、基于语言模型文字纠错算法[7]。

EAST算法提出了一个简单而强大的流水线，可以在自然场景中产生快速准确的文本检测。管线直接预测完整图像中任意取向和四边形形状的单词或文本行，通过单个神经网络消除不必要的中间步骤(例如，候选聚合和单词分割)。EAST算法的管道的简单性集中在设计损耗函数和神经网络架构上。EAST算法在精度和效率方面都具有显著优势。

根据文字倾斜的方向和角度，可以对文字部分进行旋转，使得文字处于水平方向，也即仿射变换。仿射变换算法可有效提高文字字符识别的准确率。

做完仿射变换之后，即得到了多个子图，每个子图中只包含文字部分，并且做了水平矫正。把这些子图送入基于Attention-OCR算法的光学字符识别系统中，即可识别出每个子图中的文字内容。首先对图像的尺寸进行修正，使得高度为32像素，并且保持宽高比，然后用一个滑动窗口对修正后的图像进行滑动，对每个窗口提取其卷积神经网络特征，然后再把该特征送入长短期记忆网络中，最后用基于Attention-OCR算法的模型来进行解码，从而得到最终的文字识别效果。

该算法用Attention机制打破了传统编码器-解码器结构在编解码时都依赖于内部一个固定长度向量的限制，通过保留编码器对输入序列的中间输出结果，然后训练一个模型来对这些输入进行选择性的学习并且在模型输出时将输出序列与之进行关联。输出序列中的每一项的生成概率取决于在输入序列中选择了哪些项。在图像文本识别任务上，使用Attention机制的模型每生成一个词时都会在输入序列中找出一个与之最相关的词集合。之后模型根据当前的上下文向量和所有之前生成出的词来预测下一个目标词。它将输入序列转化为一堆向量的序列并自适应地从中选择一个子集来解码出目标翻译文本。

图像文字识别结果可能出现错误，比如把字母l识别成了数字1，这时就需要利用语言模型对其进行纠错。语言模型可用来计算一个句子每个词出现的概率。利用语言模型，可以确定哪个词序列的可能性更大，或者给定若干个词，可以预测下一个最可能出现的词语。在图像文字识别中，首先基于大量的文本数据进行统计，统计每个字母和数字出现的概率；然后再根据条件概率实现识别文字的纠错。

3 智能检查系统设计方案的实施例

为展示本文变电站二次系统设备屏柜接线智能检查系统的实际运行效果，对该系统进行以下操作：

①运维人员通过安装于手机App端的被测屏柜端子排接线定位和拍摄模块，将被测屏柜信息(包括：变电站名称、屏柜名称等定位信息)传递给端子排接线信息对比检查模块；利用手机对变电站屏柜进行拍照，并把拍摄的现场屏柜接线图片(见图3)上传到远端服务器屏柜端子排接线信息图像识别模块进行存储。②屏柜端子排接线信息图像识别模块利用图像文字识别算法(包含图像文字定位→倾斜文字矫正→光学字符识别→文字纠错算法)，对上次的拍摄照片中的标签信息进行定位(见图4中定位框)和识别(见图4中识别文字)。

图3 现场屏柜接线

图4 文字定位和识别后的屏柜接线

③端子排接线信息对比检查模块根据定位和拍摄模块提供的定位信息提取相应的电子设计图纸，读取端子排接线标准信息，将其与现场端子排接线信息进行一致性比较，检查两者接线信息是否一致，将比较结果回传给运维人员手机端显示。④检查报告生成模块利用服务器端端子排接线信息对比检查模块回传的比较信息生成检查报告，如果正确，则在返回运维人员拍摄的接线图片上显示“√”，如果有错误的接线，则在图片上对应的错误接线位置加框并显示“×”，如图5所示，从而对运维人员进行接线错误警告的实时提醒。

图5 屏柜接线检查结果

4 结束语

本文给出来了一种基于人工智能深度学习图像处理算法的变电站二次系统设备屏柜线套标签智能识别系统设计方案，并阐述构成该系统的各模块之间的信号是如何进行传递。该系统通过读取运维人员手机端App现场拍摄的屏柜端子排接线照片中的接线信息，与远端服务器中存储的电子图纸接线标准信息进行对比，生成检测报告，实时地给运维人员提供接线错误警告。实施结果表明，该系统可减降低变电站运维人员的劳动强度和操作时间，消除人为因素造成的接线错误影响，保障变电站的稳定运行，为进一步实现变电站无人值班运行管理模式提供技术保障。