水电站智能监测安防系统应用研究

李广勤

（广东粤电南水发电有限责任公司，广东 韶关 512600）

0 引言

水电站安全事关国计民生，直接影响一个国家或地区的经济社会发展，传统水电站安防更多通过固定视频摄像头、刷卡密码等感知周边环境，只能针对特定区域进行小范围检查，无法对整个区域进行实时感知。安防的信息数据多用于事后证据，无法进行提前的预警和告警，安全管理效率低下。目前最常用的摄像头和传感器实时监控[1]往往存在监控死角，因此有必要结合移动摄像平台对整个水电站进行全自动安防巡逻，以弥补监控和传感器盲点。

针对危险水域及大坝[2，3]、水利发电设施等区域的防护，结合目前人工智能技术[4-6]、智能无人机等技术[7，8]，本文在传统地面监控的基础上，增加全自主智能飞行平台，实现“空-地”联动，形成了一套基于无人机全自动巡检的安防预警系统。该系统通过无人机机库建立全自动响应机制，利用无人机空中摄像全面覆盖库区全域及周边区界，与地面监控的告警数据联动，实现水电站全生命周期的智能化监测，对水利水电智能化安防运维建设具有较好的借鉴意义。

1 智能监测安防系统设计

1.1 监测设备的选择

1.1.1 传感器

通过布置传感器对水位、不稳定滑坡体、地面塌陷及地面沉降等地方进行实时数据采集，分析地表变形数据及水质数据，实现对水库水源监测及坝区多种地质灾害表面的形变位移监测的目的。

1.1.2 固定摄像头

在需要监测的区域内架设固定摄像头，固定摄型头视频监控通过嵌入式采集卡对图像视频进行采集、通过对采集到的图像或视频行为分析和智能跟踪的方式，实现安全防范监控；可对区域入侵、进入区域、离开区域等多种行为进行识别。由于摄像头是固定的，采集到的视频或图片角度单一，比较片面。为了更加精确快速的做出识别判断，还需要无人机巡检加以辅助。

1.1.3 无人机+边缘计算盒+载荷设备

无人机搭载边缘计算盒、高清摄像头、高分贝喊话设备等进行水电安防的新模式信号采集，可以提高安防的效率和准确性。通过机载智能设备采集图像数据，可以实现库区全方位监控，同时通过AI 技术对数据进行分析，能够快速判断是否存在异常情况，并及时进行警示和处理，从而达到安防的效果。同时，无人机设备具有机动性和响应速度快等优点，能够适应各种复杂地形和恶劣气候条件，有效应对各种紧急情况。实现无人机智能安防需要满足以下2 点：

（1）无人机全自动巡检技术

图1 无人机及自动机场

通过设立无人机全自动机库，实现无人机的自动充电、自动执行起降指令与巡检规划任务，全面摆脱人工操作依赖，实现真正全自动化。

（2）自动航线规划

将库区地质地貌、山体水体、风口等地表环境要素以及重点巡检目标的悬停绕飞需求进行差异性解析建模，折算为基于无人机统一飞行高度与速度状态下标准飞行能耗的空间跨度维度描述，以实现无人机基于机库中心点位于各方向最大飞行距离的精准测算，以便形成合理的机库点位布局；根据巡检方案的要求，为无人机规划最优解的多批次起降作业任务航迹。根据无人机的实时续航能力与作业距离，规划合理的航迹与任务架次，并为下一起飞架次动态更新巡视目标、巡检次序、区间飞行速度与时间、目标寻址与回归航线等飞行预案，同时协调无人机库做好充电与投放准备，实现无人机的全覆盖组网巡视。

图2 自动航线规划

1.2 AI 智能识别算法

通过集成无人机与各传感器采集的数据，建立图像分析数据库，前期技术人员辅助人工智能识别，强化AI 自学习，实现差异化重检，提升AI 缺陷识别的准确率。

采用深度学习技术，从水库的水务安防运维、厂区安防运维等业务出发，通过对各类缺陷/事件的图像/视频对比、智能识别两个方向进行深度研究，实现无人机在不同的尺度下对多姿态视频/图像的目标识别、追踪、分析和关键特征检测。采用领域自适应方法，实现前期少样本学习，中期无人机巡视数据的高效标注，以及后期的增量学习，不断提升巡检分析的可靠性和稳定性，开发训练出一批适用于无人机巡检场景的AI 算法模型，包括坝区缺陷识别、生态破坏识别、入侵目标识别、自然灾害识别、电力设施缺陷识别、泄洪预警等，提高无人机巡检的智能化水平。

基于固定摄像头/无人机视频流的智能图像识别算法，利用深度学习和大数据技术，在监控区域内划定虚拟界限并实时检测是否有人员闯入，为现场安防监督提供有力保障。具备视频或图片无缝接入、人员信息提取、越界检测与报警等自动识别与分析功能。

机巡数据自动归类功能可以将当前巡视图像的地理位置信息与平台储存的3D Tiles 点云信息、设施要素KML 信息和相关历史图像位置信息相比对，自动判别图像拍摄的设备并归类到相应设备的文件夹中，实现巡视数据的自动整理；基于无人机巡逻过程中获取的高清影像与AI 计算机视觉识别算法，可快速识别库区隐患和管控事件。

1.3 分级报警数据联动设计

根据地面监控摄像机/传感器或无人机传回的数据，实时检测是否有报警信号。报警工况可能有多种，例如传感器发来的坡体压力或角度异常、水位数据异常或摄像机提供的周界告警等。当有报警信号传递时，则将扰动信号和位置信息通过物联网或光纤传输发送到服务器，服务器获取异常信息后，给出相应的处理手段。对于触发了无人机巡查现场状态条件的异常，服务器收到管理员同意后将位置信息发送到无人机地面站，由无人机自动规划航线飞行至目标点上空，并回传现场照片和视频。

为了应对水库安防与运维事件，需要建立一个既能实现多级分析处置响应，又能满足安全防护与运维事件的时效性要求的协同计算体系。针对简单事件，例如人员闯入、烟雾等，直接在无人机或摄像头终端进行快速识别和报警。而对于复杂事件，例如异常物体、异常行为等，无人机与服务器需要协同判断决策，通过多个运算单元的协同计算，提高识别准确率和效率。在减轻AI 服务器的负担的同时最大化利用各级计算资源，并提供灵活的可扩展性接口，可快速接入各类已有的分析、应用系统，为对接三方系统提供通用/专用服务。通过这种方式，更好地应对水库安防与运维事件，并提高整体安全性与效率。

分级相应设计参考如下：

图3 分级报警设计

根据事件的严重程度，设定不同的报警级别。低级别的报警可以直接由无人机或摄像头终端进行处理并发送通知。高级别的报警将触发数据联动，将相关数据传输至服务器进行进一步分析，并触发相应的应急响应流程。一旦高级别的报警触发，系统将启动应急响应流程。其中包括自动调度无人机或固定摄像头进行跟踪监控、自动通知相关责任人或安全人员，同时也可提供实时视频和相关数据供人工干预和判断。

2 智能无人机技术在水库安防中的应用

通过集成无人机与各传感器采集的数据，利用可自主学习的AI 算法可对水利设备设施图像、声音、人员行为等数据进行学习，通过对巡检过程中关键数据挖掘，实现无人机巡视数据类型进行自动归类。对坝体、库区周边道路、建筑物等的裂缝等的病害进行智能分析和识别；对山体塌陷、滑坡、泥石流等自然灾害进行识别；对电站库区范围内的违建进行智能识别和预警；对乱砍乱伐、地质破坏等生态破坏行为进行识别；对无人机巡检过程中出现的可疑行人、车辆或船只等异常目标或异常轨迹进行智能分析和识别；对升压站和送电线巡检结果进行智能缺陷识别，实现水库生命周期的全自动安防运营。

2.1 日常无人化巡检

通过无人机巡检平台，实现大坝及大坝附近山体公路植被巡查，进水口及附属设施的检查，库区巡查比如库区塌方，植被破坏，网箱养鱼及影响库区周边和库区水质的其他问题，库区周边水情遥测站进行巡查，泄洪道巡查等。以此来降低人工巡检的风险，提高巡检效率，实现人机协同，全方位、大范围、自动化、智能化的巡检方式。

图4 无人机坝区日常巡检

无人机携带高清红外相机开展日常巡检工作，当无人机捕捉到隐患点时，自动进行定点拍摄，并将巡检图像和视频上传云端，实时进行AI 图像分析与识别。

2.2 水位监测和预测

无人机可以利用搭载相应的传感器设备快速测量饮用水源头的多种数据，如水质、水位、水温等，并记录传感器的状态和使用情况。

设置于岸边定点区域的无人机机库，可以实现无人机最大飞行精准测算有利于完成针对水库沿岸的水位进行定期监测[9]。在汛期水位变化较快的时期内，无人机可以有效代替人力对大范围的水库湿地沿岸的水文水位状态进行监测，避免了人员往返的耗时费力，提高相关信息的时效性，有效保障安全。通过搭载高清红外相机和烟雾传感器等可以实时监测水库的水位、淤积情况以及潜在的火灾隐患，提供全方位的巡检支持。

2.3 洪水预警和防范

在准备泄洪或正在泄洪时，通过无人机对泄洪河道进行巡查和识别河道中的人员、车辆等，利用无人机上搭载的喊话设备进行提醒和疏散[10]。

图5 无人机视频实时传输

2.4 坝区公路智能识别

对坝区及附近的公路进行日常化与特殊化巡检，实时监测公路的各种突发事件与隐患事件，包括交通拥堵、公路危险事件、公路环境隐患、异物识别、缺陷识别等。

图6 巡检数据自动识别

3 结论

本文在地面监控的基础上，引入无人机智能飞行平台从空中对水库进行巡视，实现“空-地”多源数据联动，进而形成了一套基于无人机自动机场的水电站智能监测安防系统。该系统弥补了传统地面监控的死角，作用范围大，可实现日常巡逻、缺陷隐患智能识别，告警后快速响应，在水库、湖泊、景区等安防监控场景有着广泛的应用潜力。其中分级报警数据联动设计，可以实现快速准确的报警和响应，提高安全监控系统的效率和反应速度。同时，也可以最大化地利用无人机和固定摄像头等设备的能力，为库区安全防护提供全方位的保障。后续可以扩大样本训练集，进一步提高AI 智能识别算法的泛化性和鲁棒性。