智能巡检系统在电力行业中的应用研究

王 勋，王 新，魏 举 锋

(雅砻江流域水电开发有限公司，四川 成都 610051)

0 引 言

随着智能化水平的不断提高，化工、石油、电力、交通运输等行业逐渐开始将智能巡检技术运用到巡检中，各领域根据其需求不断完善巡检机器人功能，逐渐形成了符合行业生产特点的智能巡检系统。

智能巡检机器人集烟雾浓度及气体传感器、温度传感器、高清摄像头等传感器于一体，在化工厂能监测有毒有害、易燃易爆气体的浓度以及现场的温度，具备自动避障及报警功能[1]。油田巡检系统已充分开发出机器人视觉识别功能，能对仪器仪表指示、信号灯指示进行识别，完成气体检测及报警等功能[2]。此外，还在金属矿山领域[3]以及GIS放电、SF6气体泄漏监测及输电线、变电站、发电厂站等电力行业场所有所应用[4-10]。

1 智能巡检系统现状

电力领域的智能巡检主要起源于将机器人和无人机应用于对变电站和输电线路的巡检。上世纪60年代，美国最先研制自主移动机器人用于变电站巡检，初步具备在复杂环境下识别对象、自主推理、路径规划和运动控制等功能[11]。此后，机器人功能不断完善，智能水平逐步提高。截至2008年，各国相继研制的机器人已具备图像识别、红外成像、自动避障、故障识别等功能，能完成线路、变电站等场所的自动巡检。当前电力领域智能巡检系统主要可分为移动式和固定式两种类型。

1.1 移动式智能巡检

移动式智能巡检主要是采用智能机器人和无人机对设备进行巡检。最早将机器人运用到变电站巡检的系统便是智能巡检系统的初级形式，后来，各国主要将新型或更为完善的技术嵌入到机器人中。例如，2005年，A.Birk等率先将红外成像图谱设备安装在变电站巡检机器人上；2008年，美国电力研究院将优化算法和机械结构运用到机器人中，使机器人能够快速通过多种障碍物[12]。

智能机器人在变电站及线路巡检中应用最为广泛。在高压线路巡检中采用可行走机器人，能够实现自动跨越输电杆塔，多个行走机器人配合可实现全线路巡检。部分线路巡检采用无人机搭载传感设备，将识别数据信息回传至处理中心，对缺陷点能实现报警功能。

智能机器人按其行走路径主要分为固定轨道机器人和自主移动机器人。固定轨道机器人即按照导轨路径进行巡检，固定轨道机器人又分为悬挂式和地面导轨式机器人。前者在悬空的导轨或者线路上移动巡检，如高压线路巡检机器人。

1.2 固定式智能巡检

固定式智能巡检系统是将高清摄像头、红外成像仪、烟雾传感器等元器件装设在待巡检设备附近的固定位置，对一定范围内的设备状态进行检测，并将各元器件或设备采集的数据传至数据处理中心进行分析判断，最后将巡检结果传送至终端设备系统。该类巡检系统是针对某一区域或固定设备，常用于布置较为复杂，设备种类及数量较为庞大，地面崎岖的场所。

例如，水电站水车室和风洞噪音大，设备较多且复杂。若采用可移动式机器人在这些区域巡检，对机器人路径规划以及路障识别要求高，无疑增加技术难度和研发成本。而根据水车室和风洞的特点在多个点布置高清摄像头、红外成像仪等固定设备及元件，通过传感器对各点区域设备工况进行数据采集并分析判断，能达到代替人工巡检的目的。

2 智能巡检系统市场

目前，在国内智能巡检机器人市场上，是山东鲁能智能公司处于主导地位。我国巡检系统设备的潜在市场庞大，仅变电站巡检机器人领域市场的资金容量就近50亿元，潜在市场规模接近120亿元。国内多数电厂开始打造“无人值守”电厂(即“智慧电厂”)，未来智能巡检机器人的市场将更加庞大，同时，发电厂的智能巡检系统将不局限于机器人巡检，对固定式巡检系统的需求也会持续增加。

图1 悬挂式(左)和自主移动式(右)巡检机器人图

3 智能巡检系统的主要技术

智能巡检系统是集多学科于一体的技术成果，除涉及传统的较为完善的机械、电工电子、通信、自动化等技术外，更融合图像与视频识别、红外成像、定位导航、语音识别、人工智能等前沿技术。

3.1 图像识别与视频流识别

图像识别和视频流识别主要是在拍摄照片或录制视频后，对其进行去噪处理，提取特征量后通过智能算法进行对比识别，从而达到对图像及视频进行识别判断的作用。采用此技术，智能巡检系统可以对表计读数、指示等信号进行识别，还能够识别油水系统的“跑、冒、滴、漏”现象，火灾及带电设备放电等现象。视频流识别其实质属于图像识别，是一个动态检测技术，主要对连续帧的视频图像做减法，减去相同的图像元素和余下变化的差异部分，从而检测出视频图像变化的异常信息。

3.2 红外成像

在对设备进行巡检过程中，大多采用红外成像对设备温度进行检测。红外成像技术是一项应用十分广泛的成熟技术，在智能巡检设备上安装红外成像摄像头或红外成像元器件对巡检区域进行红外成像，即可测量设备表面温度。系统对红外成像进行图像去噪处理，对图像配准叠加多幅图像后，将去噪处理后的红外图像回传至数据处理中心进行处理。

红外热成像设备通常分为制冷焦平面热像仪和非制冷焦平面热像仪。因焦平面探测器材料以及工艺存在缺陷，通过对成像仪制冷以提高成像精度的方法称为制冷焦平面热成像技术[13]。随着新材料的研发和制造工艺的提升，用于红外成像焦平面阵列探测器不进行冷却即可满足成像精度要求[14-15]。非制冷红外热像仪无需制冷、体积小、功耗低，是目前智能巡检系统使用的主流产品。

3.3 定位技术

定轨巡检机器人按照既定轨道巡检时，巡检设备通过识别导轨位置进行定位。可自主移动机器人，定位通过预先根据巡检场所绘制的三维地图进行，在巡检移动时常采用激光无轨导航技术进行路线巡检。此外，巡检设备使用的定位技术有视觉定位、激光反射、北斗/GPS等。研发人员根据巡检机器人的具体应用场所选择相应定位技术。例如，对于500kV变电站内的重要设备，在巡检过程中为获取设备详细数据保障巡检可靠性，机器人定位可采用成本较高且需要处理大量图像数据的视觉定位技术。运用于电厂等设备布置较为复杂见图2，障碍较多场所的巡检机器人定位，则采用激光反射定位技术。该定位技术的优点在于其平行性及分辨性能优越，便于巡检机器人“越障”。

图2 三维地图模型

3.4 声音识别

声音识别属于声学“诊断”领域技术，应用较为广泛。迁移学习是声音系统识别和应用之前领域或任务中所学知识和技能的过程，在现场环境的多种噪声混响中，挑出属于设备运行的声音，并与建立的设备正常运行时的“音库”进行比对，判断出设备运行是否正常。例如，水电站水车室，其噪声混响严重且噪音较大，为了能将异常声学信号检测出来，硬件实现指向性拾音过程，并屏蔽无关区域的噪声混响。故障导致的异常噪声通常表现有如下特征：噪声源的检测位置是固定的，即异常噪声源只在某个区域才能被监听到，在其他区域无法监听到此噪声源。

但由于业内仍无统一的量化标准和研究方法，加之缺乏海量有效的音频特征库，导致一方面厂家公布的测试结果识别率很高，实际使用中的确存在较大差异。

3.5 AI深度学习

AI深度学习技术是实现智能巡检系统的核心所在，能否实现巡检系统的“智能”在于系统是否具备自主学习能力，应基本包含机器学习和计算机视觉。红外成像分析、图像及视频流识别、语音识别、巡检路径自动规划、嗅觉识别等技术实质上都采用了人工智能的深度学习技术。该技术通过长期对模型进行训练学习，建立电力行业专业化图像、声音识别等典型特征诊断模型，并不断提高算法的准确率，从而提高识别准确率。

深度学习的系统是由多层神经网络构成，通过大量数据进行学习[16]。当前，应用于深度学习的神经网络构成的算法种类较多。例如在图像处理系统中应用的常用算法包括人工神经网络算法、遗传算法、蚁群算法、模拟退火、粒子群算法等[17]。 ACO(蚁群优化)、ABC(人工蜂群)则常用于路径巡检路线规划[18]。各算法各具特点，在应用中往往根据需要为研发人员使用。

3.6 通信技术

智能巡检系统的通信系统一般采用常规无线或有线通信技术，但随着5G通信技术的成熟，5G通信开始运用于部分设备及系统。例如，深圳供电局已率先在智能巡检机器人中采用5G移动通信技术。

5G移动通信与4G移动通信相比，传输速度呈现数量级提升，带宽也显著增强。此外，常运用于智能巡检系统的通信技术有LI-FI 技术、WIFI技术以及Mesh 网络技术等。WIFI技术为使用较为广泛的技术，设备装置体积小，网络覆盖范围广，但设备应用时消耗功率较大。Mesh 网络技术作为一种新型的通信技术，传输效率高，带宽容量大，广泛应用到电力智能巡检设备的通信中。LI-FI 技术目前处于研究阶段，其应用尚需时间。

4 智能巡检系统的功能定位

当前人工智能巡检系统主要为人工智能巡检机器人，通过机器人搭载各种先进的智能设备，使其具备数据采集、处理、识别等功能，机器人成为了该系统的核心部分。

同时，不同行业、不同场所的巡检重要关注点不同，巡检场所特点存在较大差异。智能巡检系统应根据实际情况和需求合理采用机器人与固定设备元件结合。例如变电站面积较小，设备种类少，布置较为简单，便于实现智能巡检机器人对设备的全覆盖。但水电厂厂房布置较为复杂，巡检涉及面广，设备种类多，仅靠智能机器人无法满足对全厂设备巡检的全覆盖。因此，智能巡检系统应将现场的实际设备布置和空间结构布局与巡检目标需求相结合，满足全天候、全方位实时监控的功能定位。

5 结 语

当前智能巡检系统应用广泛，凭借其视觉识别及其学习功能，一定程度上实现了对设备的“望、闻、问、切”的工效，有效解决了人工巡检可靠性低、追溯性差、人身安全风险大、人力成本高等问题，提高了工作效率和生产力，也必将是未来安全生产领域的发展方向。但是，也存在诸多不足：(1)标准体系不足。当前智能巡检系统厂家林立，但由于缺乏相关标准，导致其研发的系统智能化水平参差不齐，不便于推广应用。(2)智能化程度不高，巡检识别率有待提高，海量巡检数据需要后期人工处理，巡检工作高度依赖专业人员，还无法完全代替人工巡检，属于“弱人工智能”。(3)部分功能有待提高，例如，对于气味的捕捉和辨析还处于探索阶段。(4)巡检结果误报率高。国内智能巡检系统还不能完全对某一行业巡检实现全覆盖。随着人机交互形式更加多样化，智模型库的不断丰富，智能算法不断优化，机器学习更加深入，未来智能巡检系统的发展将朝着智能检测和智能分析方向前进。