關于變電站無人巡檢技術的探索謝

石木林

摘 要 隨著巡檢機器人技術的不斷深入應用，電網公司已經實現“人巡+機巡”的工作模式，巡檢效率得到極大提升，但目前仍為單站使用模式，難以適應新技術帶來的效率提升和管理要求。電網公司積極探索變電站智能巡檢模式，研發變電站智能巡檢集控平臺，提升巡檢工作效率和精益化管理水平。

關鍵詞 無人值守;變電站;巡檢

中圖分類號： TM63文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.02.035

0 引言

當前變電站巡檢主要采用傳統的人工巡檢方式，這種方式很大程度上依賴于巡檢人員的經驗水平，受其責任心和技術水平的制約，容易出現設備漏檢的情況，存在安全隱患，同時也耗費大量人力成本。迫切需要借助信息化、自動化的技術手段，提供智能巡檢工作方式，實時自動巡檢運行設備，減少人力成本，提高巡檢的工作效率。

隨著人工智能和物聯網技術的發展，電網公司開始在無人值守智能變電站中逐步推廣和應用智能巡檢機器人，特別是變電站“機巡+人巡”模式在近幾年開始被有關電網公司推行，但變電站巡檢機器人目前使用方式大部分為單站型使用模式，存在不能夠共享機器人采集的數據信息、巡檢任務調度不夠靈活、變電站范圍有限等問題，且未貫通集控系統與資產管理系統維護檢修管理模塊，無法真正達到“機器代替人”的效果。本文針對無人巡檢集控平臺相關技術開展研究探索。

1 一體化智能巡檢集控平臺設計與實現

為了提升巡檢機器人等變電站監控設備的集中管理水平，實現不同廠家、不同型號機器人及相關設備的統一接入管理，需設計一體化智能巡檢集控平臺，利用物聯網技術實現“信息流”與“數據流”的“雙流”融合，通過“信息流”的融合實現機器人巡檢流程與人工巡檢流程和狀態檢修流程的融合，有效降低一線班組的工作量，提升巡檢工作效率;通過“數據流”的融合搭建基于機器人及站內視頻監控設備等多源數據融合處理機制，充分挖掘巡視數據資源，實現多源異構系統的融合和巡檢數據高級應用分析，實現機器人智能巡檢、設備運行狀態實時監測、設備健康趨勢智能分析，大大提高機器人的分析能力和巡視作業效率以及設備故障預警及時率。主要功能有：全景展示、變電站巡檢、機器人狀態、資源調配、設備告警、任務管理、數據分析、拓展配置、系統管理。平臺架構如圖1所示。

2 關鍵技術研究

2.1 多源異構數據融合

2.1.1 多源異構數據融合整體架構

要對無人值守變電站的設備狀態進行準確評估，需對變電站內機器人巡檢數據、視頻監控數據、主輔系統在線監測數據、安消防監控等數據，按照大數據統一架構規范進行融合，存儲在一體化智能巡檢集控平臺中。

多源異構技術的實現需要將來自不同格式、不同時間的巡檢計劃、機器人上報的海量圖像、視頻、表計讀數、設備溫度及固定攝像頭、傳感裝置等終端采集的結構化或非結構化數據進行共享與交換，這就需要一套對應的架構體系使得這些多源異構數據進行融合，實現數據間的互聯互通，支撐一體化智能巡檢集控平臺對變電設備狀態信息和運行數據進行深度分析和研判，進而實現缺陷預警和故障預判，提高無人值守變電站的運維管理效率和安全可靠性。

多源異構數據融合架構采用主流SOA技術，SOA是一種標準化架構體系，通過設計統一的標準化接口實現不同對象及不同服務之間的調用。數據共享與交換采用XML格式標準，接口通信通過WebService實現，WebService是一種開放的標準化編程體系，可作為多源異構平臺間信息交換標準，實現變電站內跨平臺數據交互與共享。整體架構如圖2。

2.1.2 基于多源異構的變電站大數據融合系統

一體化智能巡檢集控平臺融入大數據技術，融合Hadoop大數據平臺進行海量數據存儲及運算，利用Storm框架技術實現多源異構數據的實時計算，通過kafka消息隊列進行各個系統數據同步及上報。通過大數據平臺模塊能夠統一查看和調用變電站相關數據，對數據進行應用與管理。通過變電站多源異構大數據的有效融合，提供一個安全可靠的大數據運行管理環境，有效提高巡檢數據分析效率及巡檢機器人的巡檢效率。

基于多源異構的大數據融合系統數據處理流程如圖3所示，主要包括3部分，即數據發布、數據請求和數據代理，他們之間相互聯系，相互作用。其內容是數據擁有機構在數據代理部分發布數據，數據代理將不同來源、不同結構的數據編制成索引以便搜索，數據請求部分根據自己的要求去檢索數據代理部分的索引目錄，找出調用所需數據的方法，根據方法去調用數據擁有者數據。

多源異構大數據融合架構應用WebService來構建通信端口接口，定義數據格式統一標準。詳細來說是采用WSDL來展現數據發布部分的數據，采用UDDI來進行數據的發布和檢索，采用SOAP進行數據調用，采用WSFL構造系統整體框架，將分散的不同主體實現跨平臺連接，構建一體化數據分析平臺。

基于多源異構的變電站大數據融合系統的總體架構如圖4所示，主要包括數據采集、數據傳輸、信息集成、分析優化和業務應用5個組成部分。數據采集層包括變電站監測控制系統、管理信息系統、物聯網傳感器涉及的生產管理數據、生產實時數據、現場采集數據;數據傳輸層包括采用無線專網、有線專網等進行數據傳輸;信息集成層包括數據安全交互、數據集中平臺，其中，數據安全交互實現各類變電業務數據的內網安全接入、外網安全接入，數據集中平臺實現生產管理數據、生產實時數據、現場采集數據的收集、轉換、存儲與管理，為智慧變電業務應用提供數據服務，為公司未來數據深化應用奠定基礎;分析優化層包括分析應用平臺、移動互聯平臺，其中分析應用平臺提供數據可視化、數據分析、數據挖掘等智慧變電應用支撐服務，移動互聯平臺變電站各類內網移動作業類、外網移動協作類、互聯網公共服務類移動應用業務開展;業務應用層實現智慧調度、智慧運檢、智慧安控等智慧變電站業務應用。

通過基于多源異構的大數據融合系統將來自機器人巡檢、視頻監控、在線監測等不同系統的數據轉換成統一格式，再通過數據交換模塊交換和共享，增加或刪減某一部分時，只要數據接口一致，就能實現相互間的連接，拓展性佳，兼容性良好。

2.2 巡檢圖像智能識別技術研究

采用卷積神經網絡、貝葉斯深度學習等人工智能技術，搭建面向變電設備的圖像識別樣本訓練集，將典型的數學方法運用到圖像處理中有效地解決了圖像處理中的分類識別問題。通過指針、數字式儀表、設備液位的智能識別，實現站內相關設備的自主巡視，滿足機器人巡檢、無人值守變電站的管理要求。具體流程如圖5所示。

針對變電站內相關設備的典型故障，基于Faster-RCNN、Yolov3、FPN等目標檢測算法，構建變電設備缺陷檢測算法庫，完成設備滲漏油、硅膠變色、金屬銹蝕等5類缺陷的智能化檢測模型，同時結合高精度紅外成像采集裝置，實現變電站設備精準測溫、缺陷故障的智能化實時檢測，進一步提升變電站無人巡檢效率和智能化管理水平，促進變電站無人巡檢技術的應用和發展。

2.3 基于大數據的設備健康趨勢研究

依據設備特性、實時巡檢信息、歷史巡檢信息和歷史檢修信息，為不同類型的原始數據分配初始權重，應用大數據技術構建設備健康度評估模型，實現狀態監控可視化。將當前設備運行狀態與歷史數據進行大數據比對，預測故障類型和剩余壽命，健康趨勢變化、供應商評價等。

（1）運用SOM聚類，結合專家經驗庫，將變電設備運行狀態分為健康、亞健康、疾病、重病四類，實現變電設備運行質量初步診斷。

（2）運用決策樹算法實現變電設備運行規則的發現，豐富、完善專家經驗庫。

（3）運用隨機森林算法實現變電設備故障的精準定位。隨機森林模型估計誤差如圖8所示，隨著決策樹棵數的增加隨機森林模型估計的誤差不斷減小。

（4）運用灰度關聯、層次分析法、熵權法等實現對變電設備供應商的綜合評價。

（5）運用威布爾及神經網絡算法，計算不同變電站設備的可靠度和平均壽命，為不同變電站的設備選型提供技術支持。

（6）將大數據平臺及分析完成的結果通過Tableau可視化工具展示并生成健康變化趨勢圖，監控運行設備的總體健康情況。

（7）以百分制對變電設備狀態進行綜合評價：100分為最佳狀態，0分為最差狀態。運行狀態評分G=BTMF;B：基礎評分，T：檢測評分，M：監測評分，F：家族缺陷評分。

3 結束語

通過本課題的研究，實現一體化智能巡檢集控平臺在變電站無人巡檢中的應用，通過多源異構數據處理技術，實現變電站各個監控系統及相關巡檢機器人數據的接入，通過研究應用計算機視覺影像技術，攻克機器人在巡檢目標識別與設備缺陷識別中技術瓶頸;研究大數據分析技術，做到“早發現、早處理”，提高運行人員對設備缺陷的識別能力和預見性。

基于大數據和人工智能的變電站無人巡檢技術，可實現機巡代替人巡的目標，有效降低變電站人工巡檢工作量，實現偏遠地區無人值守變電站的安全穩定運行，有效提升變電站運行和管理的智能化水平。

參考文獻

[1]張啟雁，王西超.影響無人值班變電站安全運行管理因素分析[J].科技資訊，2014（35）.

[2]胡冬良，丁敬，黃繼榮，艾飛，王一博.智能巡檢機器人在變電運維工作中的改進及應用[J].浙江電力，2017，36（08）：29-34.

[3]胡繼軍，李帥.變電站智能巡檢機器人的相關研究[J].數字化用戶，2017，23（38）.

[4]童峰，姚沛，肖玥.智能巡檢機器人在變電站帶電檢測中的應用[J].中國科技投資，2017（28）.