基于视频联动技术的变电所远程智能巡检系统研究

张洋洋

一、背景

地铁变电所是供电系统的重要处所，设计采用无人值守。为进一步提高巡检效率与准确性，增强安全性，本文建立一套基于人工智能的变电所视频巡检系统，实现对变电所设备运行状态及运行环境检测，采用摄像头视频的智能化巡检，作为人工巡检的有效替代，并通过统一的监测平台对巡检数据进行对比和趋势分析，及时发现变电所电力设备运行情况和环境中存在的安全隐患及故障先兆，提高变电所设备运维的自动化和智能化水平，确保设备安全可靠运行。

图：流程图

二、变电所远程智能巡检系统

1基于人工智能的图像识别技术

利用深度学习中卷积神经网络（CNN）算法提取综合反映轨道交通供电设备的图像特征信息的特征，并自动学习描述图像的全局多维度特征和未标注图像数据来提高分类的性能，结合半监督学习和主动学习来识别轨道交通供电设备的状态。具体的，应用R-CNN（及Fast R-CNN、Faster R-CNN等衍生改进算法）为基础的系列先进目标检测算法，来识别供电设备的位置信号及各类状态信息。

R-CNN遵循传统目标检测的思路，同样采用提取框，对每个框提取特征、图像分类、 非极大值抑制四个步骤进行目标检测。将传统的特征(如 SIFT、HOG 特征等)换成了深度卷积网络提取的特征。

对于每张供电设备所拍摄的图像数据，识别供电设备的状态信号，其中包括开关位置信号、刀闸位置信号、指示灯信号、压板位置、远方就地把手信息、测量表信息和供电设备屏柜上其他各类信息，R-CNN基于selective search方法大约生成2000个候选区域，然后每个候选区域被resize成固定大小，并送入一个CNN模型中，最后得到一个特征向量。然后这个特征向量被送入一个多类别SVM分类器中，预测出候选区域中所含物体的属于每个类的概率值。每个类别训练一个SVM分类器，从特征向量中推断其属于该类别的概率大小。为了提升定位准确性，R-CNN最后又训练了一个边界框回归模型，通过边框回归模型对框的准确位置进行修正。

2 视频监控功能

供电设备视频巡检系统可实时监控变电所内的各种供电设备的运行状况，对变电所内供电设备进行图像与视频信息采集，并将变电所的现场情况通过通信网络传输到远方监控系统中。监控系统可实时观察变电所现场情况，减少运维人员的巡检强度和密度，实现变电所的高效管理，从而实现变电所复杂环境下的高效、安全和绿色运行。同时系统通过大容量本地硬盘存储30天的监控画面，当有需要时，运维人员可在随时调用历史监控画面。

（1）信号状态识别功能

运用图像识别技术针对摄像头所拍摄的图像数据，识别供电设备的状态信号，其中包括开关位置信号、刀闸位置信号、指示灯信号、压板位置、远方就地把手信息、测量表信息和供电设备屏柜上其他各类信息，并转换成数字信号，上送至监控平台。

（2）故障状态识别功能

运用图像识别技术对供电设备的外观破损、元件缺失、温度升高等故障状态进行识别，并通过统一的监测平台对巡检数据进行对比和趋势分析，及时发现变电所电力设备运行情况和环境中存在的安全隐患及故障先兆，提高变电所设备运维的自动化和智能化水平，确保设备安全可靠运行。

（3）无人巡检功能

系统可通过摄像头对供电设备进行智能视频巡检，采用图像识别技术对供电设备进行状态识别，并自动记录巡检报表，实现设备巡检的无人化。

三、基于视频联动技术的变电所远程智能巡检系统平台的实现

该平台集合视频联动系统和视频管理系统，建立2个系统数据的 互动和关联，实现基于视频联动技术的变电所远程智能巡检系统。

图：平台效果图

四、效益分析

1管理效益分析

1）实现无人化巡检，降低了设备巡检的人力成本

2）实现可追溯巡检，放大了设备巡检的价值。

3）实现状态检修，让供电设备更加可靠，同时减轻了计划检修带来的工作量。

2经济效益分析

从巡视、检修人工方面直接节省人力成本，保守估计节省可达60%以上。同时实现设备状态检修后，可通过减少备品备件、工具设备的用量来减少资金占用，乐观估计可达15%。故一条普通线路每年节省维修成本至少可达400万元。