基于机器视觉的电力设备监测系统的研究

　　【摘要】电力设备是支撑电力稳定发展的基础要素，实现对电力设备状态的实时监测是保障电力系统高质量发展的重要举措。基于机器人技术的不断发展，构建基于机器视觉的电力设备监测系统对提升电力设备运行效果、降低设备故障率具有重要的现实意义。论文结合多年实践研究，以变电站电气控制柜开关状态监测为例，构建基于机器视觉的电气柜开关状态监测系统，并且提出构建机器视觉监测系统的具体的保障措施，以此实现电力系统的智能化、网络化发展。

　　【关键词】机器视觉;电力设备;监测系统;电气柜开关

　　1引言

　　随着我国电力行业新常态的发展，推动电力行业高质量发展成为助力于社会经济发展的重要因素。传统的电力设备监测模式主要是通过人工巡视或者利用网络系统实现局部在线监测，此种方式虽然能够发现电力设备故障，但是其需要花费大量的人力、物力开展周期性巡视，而基于电力设备智能化的发展，导致工作人员的劳动量不断增加，存在因巡视不到位或者没有及时发现潜在故障而导致电力设备出现损坏，造成大面积停电的问题。机器视觉利用图像信息技术可以实现对相关数据的快速处理，这样可以大大提高电力设备的监测效率，因此依托机器视觉构建自动化、智能化的监测系统至关重要。

　　人工智能评职知识： 机器视觉类论文投稿的中文期刊

　　2构建基于机器视觉的电力设备监测系统的重要意义

　　随着大数据技术在电力系统的运用，实现电力设备智能化监测成为我国电力发展的主要趋势。无人值守模式实现了对电力系统设备的运行数据、状态传输到调度中心，同时调度中心还可以实现对变电站现场设备的控制和调节。但是随着电力设备种类的繁多，尤其是电力设备性能的不断完善，实现电力系统的安全高效运行，还需要工作人员对电力设备的运行状态进行监视，通过监视功能实现对电力设备的在线监控。

　　例如，电力工作人员通过利用图像编码技术与传输技术实现对电力设备的在线监测，但是此种遥视功能主要是集中在对传感器的报警功能方面，需要工作人员不断观察场景现场画面，这样必然会存在遗漏现象。机器视觉则是依托机器人技术实现对电力设备进行在线监测的技术，结合机器视觉系统的工作原理，其在电力设备监测系统中的运用具有巨大的价值：

　　首先，机器视觉技术具有精度高、速度快的特点，其可以使电力设备进行精准的定位监测，这样可以及时将监测的数据传输到机器视觉处理系统中，从而为决策处理中心提供最为全面的数据。其次，其具有非接触性、可重复性动态测量的特点，机器视觉监测系统具有非接触性，其可以利用图像处理技术实现对电力设备的红外远程监测，这样可以有效降低对电力设备运行状态的影响程度，尤其是通过对电力设备运行状态的在线测量等实现对电力设备潜在故障的及时分析，提升工作效率。最后，具有较大的经济价值。通过运用机器视觉系统后，实现了电力设备监测的自动化、无人化操作，从而为电力企业节省了大量的人力资源成本，推动了电力系统智能化发展[1]。

　　3基于机器视觉的电力设备监测系统设计

　　为更加清晰地分析基于机器视觉的电力设备监测系统，以电气控制柜压板开关状态监测为例。电气控制柜开关是电力设备的重要组成部分，实现对电气控制柜压板开关状态的监测具有重要现实意义。构建基于机器视觉的监测系统主要包括光源、镜头、图像处理器等部件。具体的设计方案如下。3.1开关状态监控系统架构设计基于机器视觉的电力柜开关监测系统主要是由目标开关图像采集、目标开关位置监测和状态监测算法以及结果处理与预警三大功能实现[2]。

　　①图像数据采集与开关信息获取。对于电力柜开关面板图像数据的采集包括2种方案：一种导航机器人自动采集系统，其主要是在电力柜前安装机器人导轨，并且在机器人身上安装相机，通过定点拍摄的方式采集电力柜开关的相关信息，然后通过局域网将采集的图像信息传入图像处理算法分析平台;另一种采取智能手机进行图像采集，并且在智能手机内移植开关的状态识别算法，经过智能手机的处理后在局域网状态下将运行结果上传到数据管理系统。需要注意的是，需要根据电力柜开关状态的监测数据进行分类，保证每个开关状态数据对应相应的开关状态[3]。

　　②开关位置监测与状态识别。图像采集系统采集的电气柜压板开关图像中不仅包括开关，而且还包括标签等。目前主流的目标监测算法主要是基于深度学习模型，其主要是利用卷积神经网络提取目标开关图像的特征图，然后基于该特征图进行分类，将开关的状态识别任务转化为二分类任务[4]。

　　③后期结果处理与报警系统。设计基于机器视觉的电力设备监测系统最终目的就是解放工作人员，实现对电力设备的精准化监测。对于电气柜开关状态的监测需要将开关状态进行结果处理，根据状态对比得出相关的结论，从而及时处理电力系统。开关状态识别结果处理的首要任务就是去重，然后再进行排序操作，将识别结果与电控制柜上的开关一一对应[5]。在进行识别结果去重操作主要是计算各个检测结果之间的欧式距离，通过设定经验阈值，判定2个检测结果是否有重复，保留目标预测概率较大的检测结果。检测结果中，如果漏检的比例超出了设定的数值，表明此次检测无效，需要重新检测。当然如果漏检比例在可以控制的范围则进行开关排序操作。将排序结果与开关控制进行融合后传输到系统中，保证其处理结果要与系统设定的运行状态一致。如果发现不一致则会发出警报。

　　3.2目标开关的位置监测

　　对于目标开关的监测主要包括2个步骤：一是对目标进行定位;二是对目标开关状态进行监测识别。基于机器视觉的开关位置监测主要采取的是基于RPN网络的设计方案，整个网络主要分为卷积神经网络(其主要是负责提取输入图像的特征图)和RPN网络(将提取的特征图进行目标区域监测)2个部分。之所以这样设计主要是借鉴AlexNet的网络结构，因为如果设计过多的冗余会增加计算量，不利于提取到精准的数据，影响工作效率，如果设计层数过少又不能提取丰富的图像特征。因此，通过设定5层卷积输出大小为39×39×256的特征图，这样可以有效地提升目标开关的监测质量[6]。

　　3.3目标开关状态的识别

　　于机器视觉系统的特点，对于电气柜开关状态的监测主要是通过二分类卷积神经网络，构建模型参数实现对目标开关状态的精准识别。

　　①训练样本集制作与转换格式。图像分类是开关状态监测识别的首要基础，图像分类主要是根据给定的图像属性级别对其进行计算，由于整个电气柜压板面板排序诸多开关目标，因此，需要通过计算法将横竖排列的开关进行定位分割，以此作为卷积神经网络的输入[7]。具体在图片分类中可以将断开状态的图片以“0”开头，闭合状态的开关图片则是“1”开头进行命名，同时为了提升监测的准确度，需要对不同角度、不同光照的图片进行样本采集，这样可以有效提升图片监测的质量。采取Pytorch框架制作不直接使用图片格式文件，需要将图片进行格式转化。

　　②开关状态识别网络模型设计与训练。基于电气柜开关的2种运行状态，设计了卷积神经网络结构图。为检验模型的准确性，选择1000张开关图片作为训练集，其中“闭合”与“断开”状态图片数量相等，选择SGD(StochasticGradientDescent)作为优化算法，设置学习策略为步进学习，基础学习率为0.01，每经过300个迭代次数，基础学习率减小一个数量级，最后设定使用CPU模式训练网络[8]。通过与传统图片梯度边缘信息的算法对比，得出以下结论，采取机器视觉的电气柜开关算法具有较高的价值[9]。

　　4机器视觉电气柜开关监测系统设计的保障措施

　　构建基于机器视觉的电气柜开关状态监测系统需要多方面因素的参与，结合多年实践调查研究，需要我们做好以下保障措施。

　　4.1培养高素质的电力专业人才，为电气柜开关智能监测提供智力支撑基于机器视觉监测系统的构建，电力企业必须要重视人才引进力度，通过专业的培训体系提高工作人员的智能化操作技术：一是电力企业要加大对工作人员的培训力度，不定期组织工作人员学习机器视觉监测系统的操作技能，增强工作人员适应大数据环境的能力。

　　例如，基于机器视觉监测系统的设计与应用，电力企业要第一时间组织相关人员学习该操作软件系统的应用流程，懂得基本的处理故障问题的能力。二是及时引进高素质人才。基于电力行业高质量发展要求，电力企业必须要及时引进高素质的复合型人才。例如，电力企业要加强与电力行业协会、科研机构的合作力度，针对机器视觉监测系统的要求引进相应的人才。当然最重要的就是要为人才培养提供良好的机制环境，增加我国高素质复合型电力人才的数量。

　　4.2加大资金投入，完善基础配套设施基于机器视觉的监控系统离不开系列的改造工程，因此，我国要加大资金投入为机器视觉监测系统的构建提供必要的支撑：一是电力企业要加大资金投入，为机器视觉监测系统的构建提供必要的资金支持。例如，为了加快机器视觉电力监测系统的建设，电力企业要专门设置专项资金用于开展机器视觉监测改造工作。二是要完善相应的配套设施。机器视觉监测系统需要相应配套设施的支持，因此，电力企业要积极完善相应的配套设施建设，为机器视觉监测系统提供相应的硬件支持。

　　4.3完善管理制度，为机器视觉应用提供良好的环境我国相关部门要进一步完善机器视觉监测系统运用的管理制度，为规范机器视觉监测系统运行而提供相应的制度。例如，电气企业在针对机器视觉监测系统的运行特点而制定相应的管理制度，规范机器视觉监测系统的运行。

　　5结语

　　总之，基于机器人技术的不断发展与完善，构建基于机器视觉的电力设备监测系统对提升电力设备运行效率、降低故障发生率具有重要意义，因此，我们要立足于电力设备日常管理工作的要求，积极构建机器视觉监测系统，以此推动电力行业的高质量发展。

　　【参考文献】

　　【1】冷从林.基于机器视觉的变电站压板开关状态识别系统研究[D].武汉:武汉理工大学,2019.

　　【2】魏秀琨,所达,魏德华,等.机器视觉在轨道交通系统状态检测中的应用综述[J].控制与决策,2021,36(02):257-282.

　　【3】李焕.基于物联网技术的智能电力监控系统研究[D].长春:吉林大学,2019.

　　【4】陈文栋.具有CMD逻辑复用功能的高压输电线路智能巡检系统设计[D].济南:山东大学,2020.

　　【5】孙熙.复杂背景下电力设备识别及状态监测[D].北京:华北电力大学,2018.

　　【6】王立军,张拓,刘光伟,等.基于机器视觉技术的高压断路器机械特性诊断[J].高电压技术,2020,46(06):2148-2154.

　　作者：李岩1，李丹2，李建2，腾飞3