图像识别技术在室内变电站智能运维辅助装置的应用研究

国网上海市电力公司市南供电公司 乐弘习 陆 昱 黄维华 乔亚兴 赵皓明 朱 钦

变电站是电力系统中变换电压、传输电能的核心设备，为维护变电站的稳定运行、及时发现排除变电站可能存在的安全隐患，需对变电站进行日常巡检。传统巡检方式是人工巡检，巡检结果依赖于员工个体的业务水平，可能会出现漏检、误检等情况，对国家财产造成巨大损失。

近年来无人巡检技术被日益广泛地应用于生产生活的各个环节，在变电站中应用无人巡检技术代替传统的人工巡检已是大势所趋，相对于人工巡检有着无可比拟的优势：首先，无人巡检设备可一站式集成各种巡检设备，如可见光传感器、红外热像设备、拾音器、氧气传感器等，相对于人工巡检收集诊断的信息更加全面，能大大提高巡检的精确性；其次，无人巡检设备巡检结果稳定，不会像人工巡检一样受到工作强度、心理状态、熟练程度的影响，能24小时实现变电站的自主巡检，大大解放生产力。

1 需求分析及方案设计

智能运维辅助装置的设计应满足以下功能需求：图像采集和识别功能。智能运维辅助装置能基于机器视觉实现室内定位，通过视觉识别实现对变压器是否漏油进行检测以及对瓦斯继电器内油位的检测，具有视频/音频/红外图像录制功能；室内定位和自主路径规划循迹功能。移动平台需要精确的室内定位手段来保证装置和设备的安全以及自主循迹的精度；热成像融合分析功能。智能运维辅助装置能通过热成像摄像头采集视野内红外温度分布图，融合可见光图像进行设备状态识别分析，实现对变压器本体及内部各个接头处进行发热检测和油枕内的油位检测；音频诊断分析功能。智能运维辅助装置能够对设备（变压器、电容器）发出的音频进行时域和频域分析，使用神经网络或聚类分析的方式诊断识别设备当前工作状态。

基于巡检图像识别技术的智能运维视频辅助装置控制系统由三部分组成，地面式移动机器人、本地集中监控系统和远程访问终端。移动机器人与集中监控系统间通过无线网络通信，负责循迹控制和环境感知；集中监控系统负责图像融合识别、音频诊断分析、室内视觉定位、数据库管理等功能，具备人性化操作界面，可实时显示变电站所有设备的运行状态和报警信息。

图1 基于巡检图像识别技术的智能运维视频辅助装置系统框架

2 关键技术

2.1 室内定位技术

2.1.1 基于特征的视觉定位

基于特征的视觉定位是指机器视觉定位系统以变电站室内环境特征为输入，根据视野内的特征个数、内容以及尺寸来判断自身位置，通过人工布置专门设计的标签或特征符号可以大幅度提高视觉定位的精度和可靠性。本文设计的智能运维辅助装置通过扫描二维码或拍照的方式来确定自己的位置。室内变电站可在特定的位置贴上二维码标签，由智能运维装置的移动平台扫描二维码获取位置信息。同时，智能运维辅助装置搭载了基于计算机视觉技术的传感器组，传感器组采集到的视觉图像由计算机视觉处理程序处理后可以获取周围的环境信息，结合二维码的位置信息可以实现精准定位。

2.1.2 基于WIFI 无线定位

目前各大城市的相应地方已经安装了大量的WIFI 热点与网关，是现成的基础设施。WIFI 定位技术可以利用这些设施，设计一个定位平台，通过实时接收和解算这些设施的WIFI 信号特征，推算出自身的位置。目前基于WiFi 无线定位的方法主要有三边测量定位法和位置指纹定位法两种。

三边测量定位首先得测出移动终端到各个己知AP 之间的距离。移动终端接收到至少三个不同位置AP 的RSS（接收强度），然后根据无线信号的传输损耗模型将其转换成待测目标与相应AP 的距离；位置指纹定位法是比较平台当前所在位置采集的无线信号与位置指纹数据库中各个位置点的无线信号来推算自身所在位置的一种方法。其基本原理为：预先采集不同位置的坐标以及该位置上可接受的AP 的RSS 向量组合，记录于位置指纹数据库中。当平台运行时，通过传感器采集所在位置点的AP 的RSS 向量组合情况与位置指纹数据库中的数据进行对比，从而确定平台当前的位置坐标。

为确保室内定位的可靠性和准确性，本文的智能运维辅助装置同时采用两种定位策略，以使定位结果冗余互补、相互纠错，为辅助装置的运动平台提供高精度的室内定位信息，保证移动机器人平台的安全性。

图2 机器视觉理解模型示意图

2.2 图像识别技术

可见光图像处理。可见光的成像原理是通过捕获物体反射的可见光波段来得到的，对场景中的亮度变化比较敏感，可见光图像更符合人类处理图像信息的逻辑。图2是机器视觉理解模型采集数据的多层融合示模型图，这个模型是在Andreas Klausner 等人提出的I-SENSE 模型基础上结合人眼视觉信息处理机制进行改进得到的，它是一个集合了众多数据融合模型优点、通用且灵活的多层数据融合处理模型。本项目中机器视觉系统针对特定的变电站系统对机器人进行简单的标定和训练以后，机器人系统能够自动从视觉图像中提取设备的运行参数和工作状态。视觉分析处理功能拟通过移植开源的OpenCV 开发包到硬件平台上实现。OpenCV 实现了图像处理和计算机视觉方面的很多通用算法。

红外图像处理。当变电站的设备正常运行时，其温度分布均匀无异常点，而当变电站设备的隔离开关、主变套管、电容器、电流互感器等发生故障时，发热会导致设备表面温度发生改变。不同的温度在红外成像下有不同的特征，温度异常的部位与其他部位的红外成像特征区别较大，容易区分。因此本文采用红外成像作为故障检测的一种方式，对变电站的电力设备进行实时状态监测和故障诊断。

2.3 音频诊断技术

音频预处理。进行音频诊断的第一步是对音频进行预处理，预处理的目的是消除音频中的干扰噪声，使音频诊断的结果更加精确。本文采用的音频预处理方法包括频谱减法、小波变换法、线性滤波法、自适应噪声消除法。

音频诊断。音频诊断分析的算法算法模块主要包括时域特征提取模块、FFT 变换模块、频域特征提取模块、音频分析知识库模块、诊断分析逻辑模块、指纹特征数据库模块、诊断显示和报警模块、故障和报警数据库模块等。电力设备在运行的过程中，根据自身运行状态的变化以及外界条件的变化会产生不同的声音信号，音频诊断设备可通过拾音器来获取音频信号，然后通过音频诊断算法分析其中包含的特征参数，与模板库中的数据对比后确定设备的运行状态（图3）。

图3 基于CNN 的音频诊断分析过程

3 硬件设计

移动平台主控制器。移动平台的控制器选用的是STM32F429IGT 芯片，该芯片基于ARM Cortex-M4内核设计，属于STM32系列芯片中性能较高的产品，其时钟频率可达180MHz；可见光传感器。本文选用型号OV2640是一款较为专业的图像传感器，最大支持200W 像素的图像输出，输出接口为DCMI，工作电压3.3V，额定功率为125～140MW，足够满足本文的设计需求；热成像传感器。热成像模块是基于图像诊断的重要数据采集模块，本文选用型号为FLIR Lepton3，该传感器具有低功耗、占用空间小、处理速度快、程序资源占用低等特点，非常适合集成于移动设备上。

声音传感器。根据变电站环境特点，由于变压器运行声信号特征频率集中在50Hz～1kHz，幅值最小为30dB，为保证最大可能采集到声信号的特征且满足稳定、抗干扰等条件，本文选用HSL-22HAHIFI-S 声音传感器采集现场音频数据，这是一种高保真室内音频传感器；距离传感器。VL53L1X 是ST 推出的第三代FlightSense 技术的飞行时间传感器。与传统的测距传感器不同，其采用ST 最新的ToF 技术，集成了物理红外滤波器和光学元件，无论目标颜色和反射率如何都可进行距离测量，抗干扰能力更强。

4 软件设计

基于巡检图像识别技术的智能运维视频辅助装置软件系统集中监控软件基于QT5.9开发，移动平台嵌入式系统基于Keil5开发，开发语言均为C++，软件系统包含如下功能单元：

传感器采集单元：采集可见光图像数据、红外图像数据、激光雷达数据、声音传感器数据和其他环境传感器数据；传感器数据预处理单元：对采集到的所有传感器数据进行必要的预处理；运动控制单元：负责移动平台的移动和云台三维控制；安全管理单元：负责移动平台安全监视，当机器人动作异常或处于危险区域时及时中断任务保证设备安全；任务管理单元：启动、终止、切换任务，对任务参数进行配置，管理移动机器人工作模式；网络通信单元：负责移动平台和集中监控中心之间的数据交换。

图像融合识别单元：识别可见光图像和红外图像中的视觉特征，获取设备运行参数和运行状态，获取视觉定位结果。

室内定位处理单元：融合视觉定位数据和无线定位数据，给出室内移动机器人的实时位置。

音频诊断分析单元：通过诊断分析变压器发出的声音辨别变压器当前工作状态。

数据库管理单元：实现对巡检系统的所有传感器数据和状态数据的存储、读取、筛选、曲线显示、导出为EXCEL 等功能。

报警监视单元：分析传感器的所有数据和图像识别结果，融合识别出故障信息或疑似故障信息然后分析出故障点位置，记录并报警，以短消息的方式通知远程终端或者同步到远程终端APP 中，保证设备负责人第一时间获得报警内容。

人机交互界面：具备人性化、简单易操作的交互界面，显示系统的关键参数信息、实时可见光视频和热成像视频。

5 结语

本文提出一种基于图像识别的室内变电站智能运维辅助装置，将无人巡检技术用于室内变电站的巡检工作。该装置充分利用最新的图像识别技术、语音诊断技术、室内定位和自主路径规划循迹技术，创新地设计了智能运维设备的软件和硬件，实现了室内变电站设备的无人化、自动化巡检。该智能运维设备能全天候、全方位完成室内变电站的巡检工作，准确提供变电站故障诊断数据，提高了变电站安全运行的可靠性。