变电站智能巡检应用现状及解决措施

雷小勤

（国网四川省电力公司彭州市供电分公司，四川 成都 611930）

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。此外,还在金属矿山领域以及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。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。

一、分析智能巡检应用现状

当前由于物联网以及云计算等相关技术的不断出现，尤其是智能化技术被引入到巡检领域中，能够在一定程度上取代人工完成大部分巡检工作，不仅能实现巡检自动化，同时还能不断加强巡检的智能化，在一些距离比较远，高风险和强度比较大的工作环境中，能够替代人工从事重复性运维巡检工作。在不断发展的过程中，无论是智能巡检方式，还是手段等都会变得更加多样化，除了目前比较常见的智能巡检机器人外，还进一步包括定点摄像头和滑轨摄像头，对无线测温装置和各类数据在线监测装置。RFID 电子标签等进行配合，就能实现对多种裕兴参数进行信息采集，同时还能对照云端存储以及大户数，结合状态信息开展异常报警和趋势预测，相关的工作人员通过应用作业终端APP 和PC 客户端，能够对设备的安全状态进行随时随地的监控，能够第一时间对出现的隐患和问题进行科学处理，最大限度上避免不必要的安全事故出现。将物联网作为支撑，智能巡检系统能够保证工作人员实现对设施设备的远程监测，全面实现自动化管理的基础上，还能降低用工人数，减少运行过程中的维护成本。

二、分析变电站智能巡检应用优化措施

（一）分析图像识别和视频识别

对于图形识别和视频识别而言，主要是在拍摄照片或录制视频主席后，对其做出相应的去噪处理，提取特征量之后通过智能算法对其作出相应的对比识别，这样可以达到对图像和视频进行识别判断的一个作用。通过合理的采用这种技术，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,使其可以减去相同图像元素以及余下变化存在差异的部分，及时的检测出视频图像存在的异常信息。

（二）分析红外成像

针对于设备进行实际巡检的过程中，多数都是采用了红外成像对其温度做出了相应的检测，红外成像技术主要是一种应用相对较为广泛的成熟技术，在智能巡检设备上合理的安装红外成像摄像头或者是红外成像元器件对其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。因为焦平面探测器材料和工艺方面存在一定的缺陷，通过了对成像仪制冷的提高成像精度方法，便是称之为制冷焦面热成像的技术，目前随着新材料的研究和制造工艺持续的提升，应用到红外成像焦平面探测器不进行冷却便可以满足成像精度方面的要求，然而非制冷红外热成像仪并不需要制冷、体积相对比较小和功耗比较低，是作为现如今智能巡检系统使用的主流产品。

（三）分析定位技术

针对于定轨巡检机器人而言，主要是根据既定轨道进行巡检，巡检的设备则是通过了识别导轨的位置来进行定位的，是可以自主移动机器人，定位则是通过预先根据巡检场所绘制出三维地形图，在巡检移动的过程中，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500k V 变电站内的重要设备,在实际进行巡检的过程中为了获取设备的详细数据，能够保证其巡检的可靠性，机器人定位是可以采用成本相对较高和处理大量图像数据的视觉定位技术，应用到电厂等设备布置相对较为复杂，因此是可以采用激光反射定位的技术，这种技术优点在于其平行性及分辨性能优越,便于巡检机器人“越障”。

（四）分析声音识别

针对于声音识别而言，主要是声学“诊断”领域中的一项重要技术，应用相对较为光阿飞，迁移学习则是作为声音系统是被和应用之前领域，或者是任务中所学习的知识以及技能的整个过程，在现场环境的多种噪音混响之中，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,同时对无关区域的噪音混响进行屏蔽，故障导致的异常噪音通常表现出噪音源检测出位置是固定的，既异常噪音生源仅仅只是在某一个区域才可以被监听到，在其他区域是无法监听到这种声音。

（五）分析AI 的深度学习

针对有AI的深度学习技术而言，主要是实现智能巡检系统的核心所在，是否可以实现巡检系统之中的“智能”主要是在于系统是否具有着自主学习的能力，是需要具有着机器学习和计算机视觉，红外成像分析、图像和视频流识别、语言识别等等技术，都是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。当前,应用于深度学习的神经网络构成的算法种类较多。比如在图像处理系统之中，较为常用的算法主要是包括了人工神经网络算法、蚁群算法、模拟退火以及粒子群算法等等，每一种的算法都是具有着各自的特点，在实际进行应用的过程中是需要结合实际的情况合理地进行选择。

总结：通过上述分析可知，智能巡检在电力领域中具有着十分广泛的应用，能替代人工实施烦琐重复巡检工作，加强工作效率的基础上，还能对人工成本进行降低，在一定程度上把设备运行过程中的状态信息以及视频图像信息等进行科学合理的整合，这样做的目的能够实现巡视工作和巡视结果的可视化以及自动化。现阶段随着在智能化技术的快速发展，智能巡检系统无论在其结构上还是功能上都变得日益完善，并且也取得了非常不错的成果，因此在实际应用的过程中，依旧存在不少缺陷，所以要求技术人员对其进行深入的研究，制定有效策略，加强巡检工作效率。