基于图像识别的变电站保护压板校核移动应用

邹积鹏,梁 辰,陈广辉

(国网山东省电力公司泰安供电公司,山东 泰安271000)

0 引 言

保护压板是保护装置引出线上的连片,可分为功能压板和出口压板。功能压板通过控制正电开入来决定保护是否启用某种功能,出口压板通过改变回路通断来决定保护动作命令是否传达到分合闸机构。保护压板的正确投退与否关系到保护装置能否正常发挥作用,保护压板投退错误将导致保护装置误动或拒动,引发严重电网事故。变电运维人员常采用一人持压板卡读压板双重名称及投退状态,另一人复诵并人眼核对的方法,这种方法费时费力。

保护压板的智能巡视可分为硬件检测法[1-2]和图像识别法[3-4]。前者需要增加检测回路、集中装置和通讯系统,准确率较高而且可以实现实时巡视和远程查询。后者对采集的保护压板图像进行识别,根据搭载平台的不同又可分为巡视机器人式和手持移动终端式[5-6]。目前,在输变电设备智能巡检中,基于图像识别法的设备巡检得到了较多应用[7-8],尤其是室内轨道巡检机器人,可以识别保护压板、空气开关、指针表计等设备状态、数值,成为近几年变电站智能巡检技术发展方向之一[9]。该方法缺点在于改造工程量较大,目前仅在少量变电站试点应用,未能提供短期内全面解决方案。相比之下,基于图像识别法,充分利用已有的手持式移动作业平台,实现保护压板巡视,更易推广应用。

应用图像识别法的关键在于尽可能削弱光照不足、反光、透视变形、图像区分度不高等不利因素,以提高识别准确率。文献[10]采用阈值筛选、二值化和形态学方法预处理图像,提高采集图像的质量。文献[11]构建基于色度畸变的改进型双边滤波器,抑制不均匀光照和不规则噪声对识别的干扰。文献[12]提出了一种基于图像融合的高光干扰去除方法,以解决玻璃屏柜门反光问题。文献[13]通过仿射变换技术对变形的压板图像进行变换,得到校正的压板图像,保证在不同拍摄角度下都能准确定位目标。文献[14]将空域注意力机制嵌入YOLOv5模型,以解决前景和背景难以分割的问题。文献[15]以RGB颜色空间作为输入变量,采用K均值聚类法实现图像分割。与三源色(red green blue, RGB)相比,色相、饱和度、亮度(hue saturation lightness, HSL)颜色空间近似人类视觉,能够比RGB更直观的方式表示颜色[16]。

基于Android Studio环境开发变电站保护压板校核APP。在已有研究成果的基础上,提出多证据融合的保护压板状态识别方法,通过多个证据的定量融合,以减少光照等因素产生的不利影响,提高压板状态判别的准确性。

1 压板图像识别

保护压板的图像识别,又可分为图像分割和状态判别两部分。图像分割的作用是将能够表征压板状态的着色绝缘部分从压板原始图像中标记,状态判别则是将标记的图像转化为压板投退状态。由于光照、透视畸变等因素,压板图像分割情况可能不理想,会导致误判。该程序采用Kmeans算法作为图像分割算法,构建3个状态特征指标,并利用D-S证据融合理论,融合这3个指标作为状态判别结果,以消除单一指标引起的误判。

1.1 图像预处理

图像采集程序获取压板区域图像后,先进行预处理。为确保图像识别速度,需将照片像素压缩。压缩后的图像以RGB矩阵的形式储存在移动设备内存。RGB矩阵作为Kmeans聚类输入特征构建的Euclid距离难以准确区分色彩,因此,需要将图像从RGB通道转换为HSL通道。

1.2 图像聚类分割

程序将HSL矩阵以框选网格作为边界,将整个图像划分为若干个压板子图,再逐个将子图HSL矩阵作为输入变量输入Kmeans聚类,实现压板图像分割,算法流程图如图1所示。

图1 压板图像分割算法流程图

每个压板子图的图像构成有压板着色绝缘部分、绝缘底座部分、金属板部分、阴影部分,因此K的取值在4～6之间。K取值越大,被误划入着色部分的面积就越小。簇中心初值可选取上述图像构成部分的典型HSL值,以加快算法收敛速度。

在匹配分割目标时,需从压板台账中读取该压板的颜色代码并转译为颜色典型HSL值,与颜色典型HSL值Euclid距离最小的簇中心即为目标簇,将归属于该簇的像素标记为1,其余像素标记为0。

1.3 判据指标构建

通过图像分割和分割目标匹配,将HSL表示的压板图像转化为0-1表示的形态标记图像。获取形态标记图像后,计算该图像的上、右、下、左边界坐标,记为上(xT,yT)、右(xR,yR)、下(xD,yD)、左(xL,yL)。

为量化描述压板图像形态与投退状态的关系,构建了3个指标判据,如图2所示。

图2 判据指标示意图

图中圆形和矩形的着色塑料部分被标记为1,其余被标记为0。图2(a)中,程序在上(xT,yT)和下(xD,yD)之间判断标记为1的像素数,记为h1,则占比1形态特征值表示为

g1=h1/(yT-yD)

(1)

(2)

图2(b)中,程序在上(xT-R,yT)和下(xD-R,yD)之间判断标记为1的像素数,记为h2。R为圆形直径像素数。则占比2形态特征值表示为

g2=h2/(yT-yD)

(3)

(4)

由图2(c)可见,压板投退状态下最小外接矩形的宽度明显不同,据此构建宽长比特征

g3=(xR-xL)/(yT-yD)

(5)

(6)

P1、P2、P3指标取值在[0.01,0.99]之间,指标越接近0.01,表明该压板越有可能在退出状态;指标越接近0.99,表明该压板越有可能在投入状态。

以上定值、形态特征值表达式略作修改后,同样适用于插拔式压板状态指标计算。

1.4 D-S证据理论融合指标

D-S证据理论是一种不确定性推理方法,它利用多个证据对识别框架独立进行判断,根据合成规则将多个证据的结论融合。当A≠Ø时,证据m1,…,mn合成规则为

(7)

光照、透视畸变等因素可能会影响某一指标的正确判断,但几乎不会使所有指标误判。因此,可以利用证据理论融合三个指标,以弱化光照、透视畸变的影响。融合指标表示为

(8)

式中:P1、P2、P3为式(2)、式(4)、式(6)计算结果。可设定门槛值ε,满足P>0.5+ε,则判断该压板为投入状态;满足P<0.5-ε,则判断该压板为退出状态;当0.5-ε

2 人机交互设计

2.1 选站选屏界面

在核对压板前,巡视人员通过选站和选屏界面选择需要核对的保护屏,如图3所示。

图3 选站和选屏界面

选站界面展示变电站列表,该列表需事先按规定格式编写为csv文件,并拷贝至移动应用的外部储存目录下,移动应用启动后自动读取该文件,巡视人员按下正在巡视的变电站名称,进入该站的选屏界面,巡视人员选屏后,进入图像采集环节。

2.2 图像采集界面

选屏后,程序根据该屏的压板布局,相应生成框选网格;压板状态核对完成后,通过结果输出界面,将核对结果反馈给变电站巡视人员,如图4所示。

图4 图像采集和结果输出界面

图像采集程序采用Google Camera2 API。在图像采集界面下方设有2个滑块,控制网格宽度和长度,以适应透视畸变后的压板区域。

2.3 结果输出和人工确认界面

在结果输出界面,投退状态正确的压板被标记为绿色,投退状态错误的压板被标记为红色并显示错误位置。按下“确认无误”按钮,识别结果将保存到日志。如果该屏柜压板投退状态存在错误,则输出状态错误压板的位置。此时无法直接保存日志,需按下“继续确认”按钮手动确认原因,如图5所示。

图5 结果输出和人工确认界面

在人工确认界面,错误压板的坐标、原始图像、图像分割结果、图像识别结果、台账记录状态、识别状态、错误原因逐行显示。错误原因有识别错误、投退错误、台账错误、其他错误4种类型,按下错误原因文本按钮,可在上述4种类型中切换。所有状态错误压板的错误原因均手动确认后,按下“确认无误”保存日志或按下“返回重试”重新识别。在日志查询界面中,可按巡视日期、变电站查询巡视校核记录。

变电站保护压板校核移动应用的原理框图如图6所示。

图6 移动应用的原理框图

3 实例分析

3.1 试点应用情况

移动应用研制完毕后,在220 kV红庙变电站等10座变电站试点应用,应用记录见表1。

表1 试点应用记录

在熟练操作的情况下,移动应用的识别准确率约为99.52%,巡视一面保护屏的用时在5～10 s,效率远远高于人工巡视。

3.2 算例分析

以110 kV山阳站110 kV线路保护屏I为例,说明所提方法的有效性,算例如图7所示。第一行前五列压板的判据指标融合数据见表2。

表2 判据指标融合数据

图7 算例图像

由图7及表2可见,第1行第4列压板实际为退出状态,但因连片分离角度不足而形似投入,引起占比2、宽长比指标误判。若按3个判据表决方式,则最终结果将误判;然而占比1支持压板为退出状态的程度相比后两个指标强烈的多,使融合结果趋向于压板退出。

4 结 语

为减少光照不足、反光、透视变形等因素对图像识别的影响,提高识别准确率,构建了3个指标量化,表征了压板投、退状态的可能性程度,并通过D-S证据理论削弱了个别指标受不利因素影响,有效保证了最终识别结果的准确性。研发了基于安卓操作系统的移动应用。现场试点表明,该移动应用识别准确率较高,能够有效提高压板巡视效率,其推广应用对于减轻变电运维人员工作强度、实现智能巡视有着重要意义。