自升式居住平臺結構優化設計

王瑋　陳會庭　鄭軼刊

摘要：NPCC自升式居住平臺是上海振華重工（集團）股份有限公司為拓展海工裝備市場而設計建造的首座居住平臺。文章闡述了在平臺主船體、樁腿樁靴、直升機平臺結構設計中的具體優化措施，這些措施提高了結構性能、降低了建造成本、減輕了平臺重量，對自升式居住平臺的設計具有一定的參考意義。

關鍵詞：自升式居住平臺；結構設計；優化設計；平臺主船體；樁腿樁靴 文獻標識碼：A

中圖分類號：U661 文章編號：1009-2374（2016）11-0015-03 DOI：10.13535/j.cnki.11-4406/n.2016.11.008

1 概述

隨著我國經濟社會的持續健康發展，對加強電網建設、電網安全穩定運行、電能質量和優質服務水平提出了更高要求。由于輸電線路分布范圍廣，常常穿越城市和鄉村，且隨著經濟的快速發展，城鄉基礎建設越來越頻繁，其運行常受到人們生產和建筑單位施工的干擾，從而造成對輸電線路的破壞、大面積停電等現象。這些影響不僅造成當事單位生命財產損失，更是給人們的日常生產生活帶來了極大不便。

經過查閱大量的資料和咨詢公司相關專家，對現有保護輸電線路安全穩定運行的措施做了詳細統計，現有的方式無非分為四大類：（1）利用GPRS定位技術供電公司巡查人員每月巡查，以此監督每個巡查人員必須將每個危險源點線路都檢查過去；（2）發動人民群眾，利用人海戰術，每當有群眾發現高壓線下有危險物體存在，拍攝照片，并立刻電話通知供電公司相關人員；（3）在輸電線路危險源點駐扎相關人員，進行人為防護和干預；（4）在輸電線路危險源點相關高壓塔上安裝普通視頻監控，對施工現場進行人為查看現場視頻。

為了解決以上四個問題，本文通過先進的智能視頻分析技術，搭建并完成了輸電線路立體智能防護系統，該系統能對輸電線路有安全隱患的物體進行自動識別并主動報警，在降低人力物力成本的同時將危險源轉變為安全源，將一切危險源消滅在萌芽狀態，將防范的被動性轉變為主動性。

2 輸電線路智能防護關鍵問題

對電網運行而言，最首要的問題是要保證供電安全可靠，這主要取決于輸電線路的運行情況，因此需要對輸電線路進行防護保護，以保障電網的穩定運行。就輸電線路立體智能防護系統所要到達的目的而言，需要解決以下三個問題：

第一，輸電線路復雜場景、復雜氣候、復雜天氣情況下的多車分離識別。智能視頻分析技術經過很長時間的技術積累和沉淀，從功能上說也衍生出許多功能應用，最多的是人臉識別、車牌識別、物品丟失、滯留、區域非法進入、方向判斷、生物判別、圖像合并、物品跟蹤等。上述功能都是基本停留在實驗室階段，在實際商業化應用得很少，究其原因主要是現在大部分廠家的智能分析器在復雜場景、復雜氣候、復雜天氣情況下準確度還不能達到客戶要求，誤報率較高。本文通過合理安裝攝像機的高度、照射的角度和范圍等，建立適合輸電線路的算法模型，將復雜場景下的運動車輛問題能夠準確識別并分離開，通過人機交互，前期人為干預的手段，將誤報率降低。

第二，將多車分離識別后，如何有效區分目標危險車輛。經過查閱資料，少部分智能視頻廠家在復雜場景、復雜氣候、復雜天氣等能有較高的識別率，但是對于特種危險車輛無任何識別算法。本論文所搭建的系統可以采用基于智能視頻分析的特征量提取識別目標危險車輛的方法。

第三，當危險目標車輛識別后，對其軌跡進行跟蹤。當有危險車輛停留并揚臂，如何計算該目標車輛距離輸電線的距離，是需要解決的關鍵問題之一。常規的計算方法很難精確計算出其實際距離，經過查閱資料，國內無任何智能視頻廠家能計算出該數值。這一問題也是本文所要解決的。

3 系統整體架構和實現

本系統主要包括基礎數據模塊、視頻幀獲取模塊、算法分析模塊、數據存儲查詢模塊、視頻播放模塊、報警聯動模塊。其中算法分析模塊又分為多車識別分離算法子模塊、特征提取識別算法子模塊、距離計算子模塊，且這三個子模塊為該系統的核心模塊。

3.1 系統整體技術架構

從技術架構來分，整個系統結構分為三個部分，即感知層、網絡層和應用層，如圖1所示。

在線監測系統感知層主要采集各基桿塔實時監控視頻、現場告警圖片、告警視頻、告警信息以及前端設備各類信息等，這些信息使用信息采集中間件技術協同處理，將數據匯聚到前端路由器，使用數據傳輸技術傳送到后端中心主站服務器。

系統網絡層主要使用運營商3G/4G APN技術對采集的數據進行封裝傳輸，安全性和傳輸網絡信號由運營商保證。

應用層由兩個部分組成，應用支撐層用來接收、處理各個應用的請求，有前端桿塔監測設備主動發運的告警信息，有客戶端發起的鏈接請求等，應用服務器協同這些信號請求、流媒體服務器和存儲服務器，完成各項功能。

采集的數據可應用于各種場合，如實時線路巡檢、歷史告警記錄查詢、后期可綜合管控平臺，結合其他系統監測數據進行大數據分析等。

3.2 系統各模塊功能實現

文章所提出的系統架構是基于MVC框架，即模型（model）-視圖（view）-控制器（controller）。

具體功能模塊的原理和功能如下：（1）基礎數據模塊，即對輸電路信息和核心分析數據進行管理。輸電線路信息包括桿塔名稱、桿塔編號、管轄區域、絕緣子信息等。核心分析數據包括攝像機的IP、圖像分辨率、配置的任務、分析區域、報警類型、報警間隔等。運維人員可通過配置基礎數據模塊，實現不同規則報警；（2）視頻幀獲取模塊，即通過配置的攝像機獲取核心分析需要的視頻幀和視頻流，同時將視頻幀交給算法分析模塊；（3）算法分析模塊，即通過接收基礎數據配置的任務，完成不同的算法，同時將分析的結果返回給數據存儲查詢模塊；（4）數據存儲查詢模塊即保存算法分析模塊返回的結果集，同時將結果集和視頻流同時保存在硬盤中，提供服務器回放。該模塊還提供客戶端的歷史數據查詢等功能，方便管理人員及時了解某個桿塔、某條線路的危險源點情況；（5）視頻播放模塊，即提供客戶端播放實時視頻、本地視頻、歷史視頻的工具。該模塊采用activex集成平臺方式，輕松方便地在Web頁中插入多媒體效果、交互式對象、以及復雜程序，創建用戶體驗相當的高質量多媒體CD-ROM組件；（6）報警聯動模塊，即將系統識別并報警的危險目標，通過現場聲光報警、遠程短信報警的方式傳送給需要通知的人，包括危險目標車輛駕駛員、輸電線路運維人員等。

基于上述功能要求，考慮到系統數據量巨大，對算法執行時間和系統的識別率要求較高，核心算法均采用C++語言開發，服務器平臺和客戶端采用的是C++、JAVA、C#語言，數據庫采用的是Mysql。

同時該系統平臺采用“即插即用（plug in）”的設計原則，模塊接口采用xml方式，服務器、客戶端之間的交互將采用xml-rpc架構，這些都保證了平臺各個子模塊間的松耦合，模塊間的接口界面強擴展性。而文件傳輸和流媒體點播都采用了標準的ftp協議和rtp/rtmp協議，確保系統的穩定性。

4 應用實例

系統已經進入實際檢驗運營階段，具體實施：南通市6套、鹽城市6套、淮安市1套、南京市8套以及在直流800kV某線蘇州段安裝15套，其中9套為交跨線路。以某地直流800kV為案例，統計時間為2015年10月11日至2015年11月03日，34和35號塔連續統計24天，每天均為全天候24小時運行。統計結果分別如圖2、圖3、圖4所示：

經過數據分析，產生結果如下：

4.1 大型車輛入侵

直接利用路上的實際的過往車輛進行統計，檢測區域為檢測道路中輸電線下方，檢測時小車、卡車不報警，吊車報警，其中：（1）分級報警：路過（進入/出去）、徘徊（進入/停留）、揚臂；（2）漏報率和誤報率計算方式：計算基數按照過往所有車輛計算；（3）統計時段：白天；（4）統計標準：漏報率和誤報率≤3%。

4.2 導線漂浮物

直接利用桿塔導線進行漂浮物測試，檢測區域輸電線交跨處，漂浮物停留在導線報警，漂浮物飄過不報警。（1）檢測時段：白天；（2）統計標準：漏報率和誤報率≤3%。

基于上述統計數據和查閱相關電力標準后可知，本系統完全符合國網和省網漏報率≤5%要求。

5 結語

文章提出了一種適合輸電線路的智能監控系統，通過搭建MVC架構，實現數據維護、二次開發拓展便捷、客戶端界面簡易等功能，具備良好的人機交互，且預留了數據接口，方便進一步拓展系統功能。該系統在江蘇多個市供電公司已經部署并投入實際使用，特別是在現階段運維人員嚴重缺乏的高壓輸電線能夠極大減少工作人員的巡檢負擔，提高巡檢運維工作效率。通過實際數據的列舉分析，統計本系統在不同情況下的誤報率，結果表明完全符合國網和省網的相關要求。

參考文獻

[1] Stauffer，C. and W.E.L. Grimson.Adaptive background

mixture models for real-time tracking[J]. IEEE，1999.

[2] KaewTraKulPong，P. and R.Bowden.An improved

adaptive background mixture model for real-time tracking

with shadow detection[J].2001.

[3] Zivkovic，Z. and F.van der Heijden.Efficient adaptive

density estimation per image pixel for the task of

background subtraction[J].Pattern recognition letters，

2006，27（7）.

[4] Zivkovic，Z. and F.van der Heijden.Recursive

unsupervised learning of finite mixture models[J].Pattern

Analysis and Machine Intelligence，IEEE Transactions

on，2004，26（5）.

[5] Bouzerdoum，A.，A.Beghdadi，et al.On the analysis

of background subtraction techniques using Gaussian

mixture models[J].2010.

[6] Lin，H.H.，J.H.Chuang，et al.Regularized background

adaptation：a novel learning rate control scheme for

Gaussian mixture modeling[J].Image Processing，IEEE

Transactions on，2011，20（3）.

[7] 王梅義.大電網事故分析與技術應用[M].北京：中

國電力出版社，2008.

作者簡介：朱富云（1957-），男，南通供電公司高級技師，高工，產業教授，在讀博士，研究方向：電力系統、智能機器人技術；倪紅軍（1965-），男，南通大學機械工程學院教授，博士，研究方向：機械工程；戴相龍

（1984-），男，供職于江蘇濠漢信息技術有限公司，研究方向：計算機科學與技術；汪興興（1984-），男，南通大學機械工程學院實驗師，碩士，研究方向：機械工程。

（責任編輯：黃銀芳）