基于视频AI识别的智能变电站安全智能巡视方法分析

摘 要：智能变电站中，现阶段对智能安全巡视措施利用率较低，并且每次开展的周期较长。而AI智能识别技术能够有效提升巡视效率，可被广泛应用到变电站各安全监控环节中。基于此，本文详细介绍了变电站应用AI智能识别技术的具体方式，并提出在实际应用中所需运维模式以及操作技术，以此为智能变电站提供一些帮助。

关键词：视频AI识别技术；智能变电站；智能巡视

随着社会快速发展，人们对于电力需求越来越大。电力部门应紧跟时代发展，应用全新智能化技术，创新变电站的运维模式，将AI识别合理应用到智能变电站的巡视工作中，以此实现智能变电站的稳定发展，维护变电站的安全运行，为人们提供充足的电力资源。

1 变电站运用AI识别的安全巡视方法

1.1 图像采集与处理

在智能变电站中的各类部件，例如开关闸刀、各类表盘的指针、设备的声响等，一旦出现发生较小变化，便会造成较大的安全问题。因此，要想实现在远程对这类问题高效安全巡查管理，需要将各类目标的实际情况，预先进行视频采集，运用视频AI识别，其中视频的采集是最为重要环节，同时也是变电站中安全巡视任务的关键。

例如，对变电站的各类气压表开展安全巡检，采集过程要将表盘中气压具体情况加以录入，促使在智能化技术的作用下，表盘的变化会实时显示出来。使用摄像头采集的视频片段通常是由RGB色彩组成，并且将不同图像叠加处理，视频中的色彩像素主要由红、绿、蓝三色构成。摄像头采集的图像各个像素点具体图像是叠加的，在一定程度上，提升了后期处理视频难度。针对这种情况，在摄像头完成视频采集后，要灰度化集中处理。灰度化可将红、绿、蓝颜色相关信息转变成黑白信息，缺少彩色的各类图像会降低AI计算的计算量。其中图像灰度化处理过程中，通常选取最大值法加以测定，所需的计算公式为：Gray（i，j）=max∣P（i，j），G（i，j），B（i，j）∣，其中，Gray（i，j）为视频图像的灰度值，R为视频色彩中红色通道数值，G为绿色数值，B为蓝色数值。三种数值的最大数值便是采集到的灰度值，不过这种方式经过分析处理后，得到的灰度值偏大，极易让一些信息丢失，对此要将视频目标的前景加以提取。

结合摄像头收集到的气压表盘视频数据信息，明确实际指针具体的指针方向信息，还要将其他干扰影响数据分析的因素剔除，此时可以运用视频的图像分割方式，前景图层便会具备高精度性。将视频进行分割，此过程主要是结合图像中各个不同位置的特征，分化出不同点与相似点。通常灰度值所需要的边缘检测，是开展图像边缘分割第一选择。边缘分割将图像中心的像素点作为基点，以此设定垂直于水平方向，在网格形式的帮助下，明确亮度差分的具体相近值。视频采集的动态图像实施灰度化处理后，每帧都要进行开展边缘切割操作，以此完成巡视图像的提前处理，保障变电站巡视效果［1］。

1.2 识别与匹配目标

采集的视频经过上述处理后，还要对其加以详细分析，分析过程关键点在于识别出变电站中所需的各类设备，同时，对设备的具体位置与运行状态进行标注。AI技术能够有效寻找出设备目标并分类处理。其过程中，AI识别对不同目标开展分析处理期间，借助摄像头的具体位置，将目标全面覆盖，识别出变电站不同设备的开关，再循环巡视各个需要巡视的重要点位，通常AI技术在一次扫描后，便能够将目标情况做出详细分析。

视频AI识别工作时，要结合特征网络对目标实现提取，根据相关数据信息，特征网络的整体架构中，神经网络主要分为三层，第一层为3×3卷积层，第二层为BN激活层，第三层为RelU激活层，进而实现分类处理。AI识别会通过网络开展深度学习，不断完成识别目标，其具体过程如下：

神经网络中的卷积层提取输入进的视频特征，卷积结构中，需要保证智能提取的各层关键点具有相同尺寸，主要是为前后层输出的向量稳定。变电站输入的图像与视频要按照要求右移运行，移动窗口的设置也要按照右移和下移的标准步幅实现卷积操作，各层之间数据信息要保持在同一深度上。

卷积层还要设置科学的激活层，促使所有智能输出运算一直运用同一激活函数。神经网络中，若是缺少激活层，会导致输出只会線性变化的信息，失去检测效果。在激活层的作用下，促使智能识别的网络神经可以了解更为复杂的非线性数据，也让网络具备非线性优势。

池化层主要作用是去除各类不需要的繁杂信息，以及缩小输出维度。提取数据的相关特征后，经过此层会将完成后的数据缩小维度，简化并压缩视频特征数据信息。卷积输出完成的特征图中，根据要求在指定的窗口内，选取窗口最大值，随着窗口滑动再次选取窗口最大值，同时留存整体网络架构的复杂性。再将数据信息提取到高层语义信息中，此层完成处理后，会将得到处理的数据信息反馈至前台，实现目标信息的快速分类。

视频特征提取完成后，可以有效区分具体特征点具备的特性，不同特征点所对应的向量描述情况便是特征点的关键。例如，变电站中的仪表盘，盘中指针的运动情况便是仪表盘的重要特征，这些特征能够根据具体方向以及声响借助小波反出来。小波滤波器黑白数值分别为-1与1，两个滤波器计算出小波的响应以及合成水平与垂直强度，以此生成具体的点位图。同时图层作出视频特征主要方向，明确方向后，要在特征区域提取出具体的像素变化的发展趋势，结合像素点的具体变化情况，寻找特征点。

视频特征点的匹配情况要经过相关计算，明确差异大小。现阶段的匹配算法为欧氏距离衡量措施，将欧氏距离科学放置在二维以及三维的具体坐标系中，以此明确坐标点直线变化情况。为提升特征点的匹配效果，在算法中加入参数。当两点之间距离较大时，特征点之间未发现存在联系，算法无法匹配。反之，特征点在一定范围中，才可将其作为成功点。匹配特征点后，需要把图像特征点代入相关公式中，以此完成整体特征点的重要匹配工作［2］。

1.3 数据信息的反馈

变电站在完成视频图像处理，以及对重要目标的特征点实现匹配后，要将完成巡视后的数据信息反馈至系统主机，便于变电站的工作人员开展后期的运行维护管理工作。通常变电站主控机室中，主要由一台服务器进行管理，其能够远程对多台设备进行管控，目前变电站中所采集的视频帧数数量过多，导致内部存储占比过大，避免整个运行平台发生崩溃，重要数据信息出现漏洞，反馈的数据信息要在系统无任何操作期间，并保证传输过程处于休眠状态中。此外，对于AI识别所需数据内容要进行备份，防止后期运行平台发生故障问题也可通过备份有效查询相关数据，进而更进一步保障变电站的各类巡视数据完整运行。采集视频图像、获取监测目标两者相结合，增强了变电站的各项信息数据的巡视效率，利于实现智能巡视处理。

2 具体的运维与操作

2.1 运维模式

2.1.1 巡视

为保障变电站稳定运行，工作人员要对各类设备具体运行情况全面掌握，在AI识别出现问题后，能够及时对事故隐患加以排查，并将隐患问题的具体情况汇总记录，工作人员的例行巡视与专门巡视，是保障变电站稳定运转的重要基础。变电站中，工作人员借助智能化系统，创新出全新的巡视手段，主要包含以下几项内容：第一，图像监察方式，变电站主要位置设置摄像机，在摄像机的作用下，将各处主要环节的实时变化快速反馈到控制室，预警系统发出警报，工作人员可以第一时间得到预警，并根据摄像头传回影像快速锁定问题位置，并做出处理。第二，智慧消防机制。在变电站中，合理布置安装火灾探测器。在探测器帮助下，第一时间发现存在的火灾隐患做出报警，促使工作人员迅速反应，避免造成大量经济损失。第三，环境监测系统。变电站中各类设备极易受到环境因素影响，造成设备腐蚀等问题，结合实际情况，科学安装不同种类环境监测设备，可迅速掌握变电站中环境的具体情况，例如，温湿度监测设备，空气质量设备等。针对不同变电站设备情况，合理安装监测设备，防止温度、湿度、空气颗粒等杂质对变电站设备造成损害，影响变电站稳定运行［3］。

此外，合理运用不同智能化技术外，对于变电站的供电装置，工作人员要时刻了解其具体工作状态与变化情况。同时，对故障信息有效分析处理，避免供电系统受故障影响，发生长时间无法供电问题。在此过程要掌握维修的技术手段与时机，为变电站的稳定运行提供重要保障。

2.1.2 检修

在智能化变电站发展中，为保障AI识别的长久运行，降低出现问题概率，控制检修过程所花费的经费，对设备的具体情况与相关说明及时开展检修工作，保障变电站的智能安全巡视稳定进行。结合变电站的实际情况和设备的检修方式主要分为以下四种方法。（1）整体性设备检修，主要是在设备运用一段时间后，到达使用期限，将其进行返厂检修。（2）局部性设备检修，巡查工作人员在一定时间内，定期对设备的相关部件加以检查，出现损坏的情况，及时更换处理。（3）一般性设备检修，变电站定期对相关设备进行检查，并对其性能情况加以试验，明确其在工作过程是否存在缺陷，存在问题针对性处理，消除安全隐患问题。（4）维护性设备检修与巡查，通过工作人员日常的巡查，明确设备的具体情况，每日进行记录设备运行状况，发现问题上报修理。对于不同监测装置，由于检修周期存在差异，通常可分为两种检修方式，一种为例行检修，另一种为临时性检修。例行检修通常按照规定时间，对相关设备的实际情况进行常规性检修，临时性检修通常是工作人员临时进行的检修计划。

根据诸多的检修工作计划，检修工作应预先制定分析周期。开展工作若是要加以修改，应根据设备状态合理分析作出修改，同时工作人员维持定期检修方式，仔细完成检修，科学评估设备性能，将所有信息准确记录，结合间隔检修时间，掌握设备运用实际情况，适当更改检修周期，以此降低设备运行的安全隐患，保证始终处于正常工作中［4］。

2.1.3 提升

为提升变电站的整体运行稳定，保障良好的供电要求，变电站的管理应转变传统工作模式，结合相关工作经验，对各项工作加以创新，其中主要从以下两方面开展工作。

第一，构建完善的运维管理机制。从基本上对运维模式进行改变。首先，改变传统的值班模式，过去值班方式通常出现突发问题才開展处理，严重缺少日常工作的管理与维护。因此，值班方式要结合变电站实际运维情况，科学转变值班方式，并按照实际需求合理配置相关工作人员，促使在节假日期间等特殊时间段都有工作人员值班，保障变电站的运维有效管理。其次，制定管理机制，完善相关的制度与标准，把制度落实到实际运维管理工作中，让运维管理工作处理高效合理化。然后，定期组织专门人员，对设备开展运维检查，有效预防各类安全隐患。最后，给予一定的技术支持，将系统软件科学优化，同时采购所需的设备或物资，保障此项工作稳定开展。

第二，提升对设备的管控。AI识别的智能化巡视关键在设备，要提升设备管控，及时排查隐患问题。常规变电站中，例如，高压开关，从生产制造后便要对其实时追踪，生产过程要详细对铝铜的接触情况仔细检查，防止在实际应用过程发生过热问题，实现设备具有更长的生命周期。智能变电站中，实际运行期间经常发生断路器故障，此问题反映出误动与拒动两种情况。对于此类情况，需要工作人员根据实际需求，选用相符合的断路器，首选延迟型断路器，其他设备同样需要进行管控与问题修改。

2.2 操作技术

完成AI识别有效应用到智能巡检中，需要借助相对应的技术实现后期的运维工作，保证巡检效率，因此需要运用先进的操作技术能够更好、更迅速地完成运维巡检工作。对此主要有以下几种技术方式。

第一，硬压板信息采集技术。目前硬压板采集技术发展较为完善，专业人员创新研发了全新的硬压板方案，在硬压板上科学安装导通器件以及各类电子元件。促使其将所监控的设备，根据硬压板的状态信息加以分析了解，明确设备的具体状况，全面发挥出技术的高效与优势。

第二，视频识别技术。这种视频识别技术同样借助硬压板技术开展，以此为基础可进一步增强变电站管理效果，这种技术能够有效控制人为因素的错误操作，导致硬压板投切存在误差出现设备故障［5］。

第三，整合软硬板技术，创建全景监视。目前变电站发展迅速，单一技术无法实现高效处理，技术整合后，形成全景监视。同时完善平台设计，添加一体化监控等全新功能，可有效避免信息漏判等问题，实现各类技术设备相辅相成，提升管理效率，维护变电站稳定。

第四，自动巡检技术。借助智能化技术设备，按照标准化规则，对变电站中各组压板的具体情况加以监测，存在异常情况，发送出针对性警报，工作人员根据不同警报类别，明确问题位置。借助自动巡检技术的帮助，以及针对性警报的技术优势，有效处理传统完全依靠人员的巡检方式，不仅大幅度提升巡检效率，还能更为快速地反馈出设备具体信息。

结论

综上所述，智能变电站发展中，为保障具备良好的安全性能，需要进一步创新智能巡视方法。而视频的智能AI识别能够对巡视的各类视频图像做出分析，在AI智能的计算下，明确巡视关键区域，及时匹配到相关区域，大幅度提高了安全巡视所需时间。电力部门应加大重视力度，不断将AI 识别技术应用到变电站安全巡视中，保障变电站的安全。

参考文献：

［1］陈超人，冉梦东，郜晓娜，等.基于视频AI识别的智能变电站安全智能巡视方法研究［J］.电气技术与经济，2022（06）：3436+40.

［2］胡志兵，姚剑鹏.基于音视频AI识别的多模态智能分析模型创建和应用［J］.广播与电视技术，2022，49（08）：4346.

［3］韩燕，高晓东，周建.高校课堂教学AI视频识别分析系统的开发与应用［J］.江苏工程职业技术学院学报，2021，21（04）：2428.

［4］何剑飞.智能变电站安全在线监测系统的设计［J］.集成电路应用，2020，37（07）：7475.

［5］曲亮，许杏，王岽.基于边缘AI移动视頻关键点的多姿态物体识别技术研究［J］.信息技术与信息化，2019（12）：205207.

作者简介：唐璜（1989— ），男，汉族，江苏苏州人，研究生，电力工程技术工程师，研究方向：电力系统及其自动化。