基于AI识别的变电站工作许可管控系统研发设计

郑应豪 金叶欢 卢天健 葛维标 潘 盼

（国网浙江省电力有限公司临海市供电公司，浙江 临海 317000）

变电站由于工作的重要性及风险性并存等特征，在入场工作过程中多采用工作许可认证方式来进行，以达到加强现场管理的根本目的。但是，由于技术等原因，现场操作人员在取得许可后入场工作的现场情况无法得到有效确认。因此，需要通过声音、图像等手段对现场操作进行二次许可，在工作许可管控系统中AI 的作用不容忽视。

1 基于AI 识别的变电站工作许可管控系统设计

1.1 总体设计

通过识别技术对现场环境进行远程监控，并通过在数据库内的数据调取对其工作许可进行现场发放。从此角度来看，系统的总体设计应包括业务应用、智能分析与感知接入3 方面核心模块。按照统一的功能部署，系统的设计应分为现场信息采集设备、讯号传输设备、中心处理器以及信息反馈设备4 项。具体的总体设计逻辑示意图如图1所示。

图1 工作许可管理许可系统逻辑示意图

现场信息采集设备主要包括平台图像采集装置、固定图像采集装置2 部分。平台图像采集装置主要完成对工作人员携带的纸质版许可证进行识别，该模块的实现依据是通过平台完成对纸质文件的扫描与识别，经过后台比对形成许可发放的初步依据。固定图像采集设备主要以摄像头为准，对人员信息、周边环境信息等予以实时监控，为AI 识别提供基本的数据支持。

传输装置分为现场传输与总控传输2 种，现场装置通过无线蓝牙或5G 网络与总控系统进行联动，按照各自分工形成固定或持续的图像数据包。总控传输具有2 方面职责：①将现场传输装置的数据进行打包汇总后上传到中心服务器；②对接收中心服务器的相关指令做出反馈。

中心处理器是AI 识别的核心，重点是对现场获取的信息进行综合判断与识别，进而对现场隐患进行排查，当排查风险因素后对现场工作人员进行工作许可的发放。同时，记录现场工作人员的人员轨迹、操作流程等内容并进行实时识别，当发现不遵从情况，如越界闯入等，则需要进行提醒。

信息反馈以外置音箱为主，当检测不通过时不予发放许可证时，对现场工作人员进行警告与提醒。

1.2 功能设计

在具体功能实现上，工作许可管控系统需要对现场的一些风险信息予以收集及识别。按照空间分类可分为场外功能与场内功能2 种；按照工作流程可分为许可前、许可中、许可后3 个基本维度，同时需要提供必要的信息匹配功能。基于此，该系统的具体功能设计分为3 个基本模块，即业务应用模块、智能分析模块及感知与接入模块，具体如图2所示。

图2 AI识别许可管控系统的功能设计示意图

业务应用模块的核心在于为后续的智能识别与分析提供必要的数据基础，包括一系列工作许可判断的标准性程序与基础资料。具体包括：基础信息管控、票据管控、作业管控3 部分。基础信息管控包括人员管控与车辆管控，即对现场施工人员及使用车辆进行数据库建设，通过识别对进场人员的合规性进行检测与分析形成基础数据；票据管控包括：工作票管理、报表管理与统计分析3 部分，可对数据的核实、存储及统计提供必要基础；作业管控主要包括：流程管控、过程管控与趋势预警3 部分，其中流程与过程管控分别对应不同管理方式下的逻辑内核和作业全过程监控，趋势预警则匹配后续的AI 识别为现场施工提供指导。

智能分析模块是AI 识别系统的核心，是数据库通过对现场信息的智能识别对现场工作许可予以发放及指导的核心功能。该功能包括许可前的人脸识别、车辆识别与文字识别。上述3 个功能联动能够确保入场车辆、员工与所需要开展业务的匹配性，进而达到确认身份、确认作业的根本目的。许可过程包括安全周界、人员轨迹、越界闯入、安全帽等项目，其核心是在许可发放后对现场施工人员的施工过程进行全面检测，当风险存在时通过及时提醒来避免安全事故的发生。许可后识别的重点在于，现场施工人员在许可范围内的操作完成后可对现场环境进行二次检测，确保工作许可管控系统的长期运行，具体包括：物品遗留、黑白名单等。

感知与接入功能核心是构建现场数据的采集与反馈机制，包括4个方面：①PMS 平台重点对纸质许可证进行扫描，从而为人员与任务的确认提供必要的图像信息；②高清视频主要对现场环境进行实时监控，为人员轨迹、安全帽、越界闯入等AI 识别功能提供图像信息；③机器人完成作业许可信息的发放并辅助完成部分现场操作；④锁控设备则是当非许可人员进行操作或许可人员违规操作等问题发生时，能够通过自动落锁或复位等方式避免误操作带来的可能损失与扰动。

2 变电站工作许可管控系统的实现与效果

2.1 功能的实现

在完成总体设计及功能设计的基础上，需要对主要功能进行编程实现。其中不同功能的实现难度存在很大差距，对于AI 识别模块的功能建设应该是本项目的实现重点。从功能性角度看，业务应用中的人员管理、车辆管理均属于数据库技术，实现难度不大；人脸识别及车辆识别等也存在较为成熟的模块，且可以采用模块化分布的方式对结果直接进行调用。以人脸识别为例，现场感知与接入设备中的人脸识别模块可以直接输出“是或否”的结果并不需要额外实现。基于上述观点与开发实际，本文重点对AI 识别中的人员轨迹、安全帽识别、越界闯入及物品遗留4 项进行具体实现介绍。

（1）人员轨迹识别方面，系统通过3 个步骤予以实现。依托于高清视频，当人员进入后，首先，按照活动图像的阴影比例对人员头部影像进行识别；其次，应用动态连续识别编码的方式对识别后的头部阴影连续动态变化轨迹予以记录；最后，生成人员轨迹信息与允许轨迹进行对比。部分主要代码如下：

（2）安全帽识别方面。在头部识别的基础上按照色差理论分别对头部区域色彩估值，由于配电站工作人员安全帽属于统一配发，其颜色属于橙色，设置（137，255）的合理区间，可以将安全帽色彩与主要头部色彩予以区分，当识别后色彩面积符合一般安全帽面积数据库区间范围时，则可以判定现场员工已经按要求佩戴安全帽，系统许可予以通过。如果不符合区间要求则语音提示现场操作人员需要佩戴安全帽后才予以发放许可。部分主要代码如下：

（3）越界闯入识别方面。根据现场人员提交的纸质版工作许可系统按照内设的作业过程管控可以自动调取可活动边界。以人员轨迹信息为判断的变量数据与可活动边界进行对比。当超出特定范围后系统提示越界闯入，警报直至人员活动轨迹重新进入到许可范围。

（4）物品遗留识别方面。采用图像对比技术，在许可发放的同时留存现场物品照片（通过时间命令进行抓图调取）。在现场工作人员提交作业完成指令后再次进行抓图处置。中心数据库对二者产生的图像进行差异识别，当差异面积符合系统参数设定后则提醒现场工作人员对物品遗留进行及时处置。当差异面积符合要求后则认为工作许可活动结束，系统进入到待机状态。

2.2 系统效果分析

为进一步认证本文系统设计的有效性，采取实地安装测试的方式对AI 识别系统进行测试，其结果如表1所示。

表1 工作许可管控系统有效性测试结果统计表

由表1中不难发现，该系统总体有效率为89.88%处于较高水平，能够对现场的具体情况进行有效监控，并在AI识别的情况下对现场操作人员进行提醒，同时通过后台数据对现场操作人员的具体行为进行记录。在不同的指标上，该系统存在表现的差异性。其中，人脸识别、人员轨迹的AI识别效果最佳，在有效识别的基础上并未发生误报情况。越界闯入情况较好，对12 次越界行为进行了10 次有效识别，准确率超过90%。

其余指标由于各类因素准确率稍显下降，其中安全保护的误报次数相对较高，在15 次测试中仅进行了9 次有效识别，识别准确性仅为60%，同时还存在2 次误报，即工作人员正确佩戴所需安全保护设备（安全帽）等系统无法识别，没有给出对应的工作许可。经测试后分析，认为造成此种问题的关键因素在于变电站内部光线相对较弱，使得相关设备的图像对比度不足，后经过对安全帽粘贴反光识别标志后该问题得到了有效解决。

3 结语

利用AI 识别技术对变电站现场环境及工作人员行为进行识别，能够形成有效的现场监督，进而将工作许可制度落到实处。本文以此为基本研究方向，对系统的设计及实现开展研究。在研究中首先分析了系统的主要功能需求，对包括基础信息、AI 识别及现场响应等功能需求进行了划分。其次，对行动轨迹、安全帽识别、越界闯入及物品遗留等主要优化功能进行了实现路径与方法的介绍。最后，对该管控系统的实际安装与使用效果进行分析。希望通过本文研究能够为后续的智能化电网升级改造提供必要思路。