圖像處理技術在變電站室內滲漏水預警中的應用

劉故帥，孫 磊，王世坤，胡新剛，羅 兵

(國網淄博供電公司，山東 淄博 255000)

隨著經濟的進一步發展，用電負荷保持較高的增長率持續攀升新的最大負荷記錄，新建變電站是解決變壓器重過載的重要手段。但是目前運維人員數量不足與變電站數量的增長較快呈現出顯著反差。于此同時，《國家電網公司變電運維管理規定》要求二級變電站需要三天巡視一次，三級變電站需要一周巡視一次，巡視頻率增加[1]。

目前，國內外變電站滲漏水監測方面的專家從不同方面進行了不同深度的研究。從管理模式來講，目前執行的無人值守管理模式[2]，值班員工作地點較為分散，對所轄各站的熟悉程度降低，在巡視周期中產生的原發性房屋滲漏異常不能及時處理，人工巡視計劃不能及時跟隨天氣的變化及時調整[3]。在暴雨天氣需要實時掌握各個站內環境的運行情況，但是短時間內掌握數百個變電站內高壓室等房屋的滲漏情況，使得運維人員捉襟見肘，同時也浪費了人力、時間，使得運維工作的效率大大降低[4]。

因此，本文提出一種能夠自動識別室內環境風險的裝置，并且能夠及時將房屋漏雨的告警信號傳至巡視人員的移動作業終端或手機中，保證在暴雨天氣中變電站高壓室、蓄電池室等的環境安全。

1 無人值守模式下高壓室運維特性分析

1.1 無人值守模式

無人值守模式的主要原則是“集中監控，智能聯動，就近處理”。地理上分散的各級變電站的消防信號、壓板狀態、環境參量、實時圖像等信息通過同軸電纜或無線通信等手段上傳至運維主站，運維值班人員根據各站信息動態和告警實時更新巡視計劃和運維梯隊，實現“集中監視、集中管理和集中維護”的目的[5]。

1.2 高壓室滲漏水特性分析

傳統滲漏水檢測方式主要以目測為主，由于變電站分布范圍廣，高壓室、保護室、蓄電池室、資料室等房間眾多，該方法存在不及時、效率低、主觀性強、費時費力等缺點。其中，滲漏水對高壓室、保護室、蓄電池室的影響最為嚴重，水滴進入柜體容易引起相間短路和保護誤動，并且該類房間大部分時間處于弱光環境下，房屋頂部由于吊裝時預留橫梁和吊扣，對滲漏識別準確度有一定影響。由于各類干擾因素的存在，變電站室內滲漏水特性主要有以下幾個特點[6]。

(1) 滲水形態隨機性大：滲水區域不是簡單的幾何圖形，而是根據滲水縫隙延伸分布的不規則形態；

(2) 背景噪聲影響：房頂及墻壁因施工工藝和運行時間長短不同，墻體表面留下水漬、油漬、墻面色度、人工標記等噪聲；

(3) 房頂環境不同：部分高壓室、保護室內配置軌道機器人以及安防系統的光敏器件會影響圖像采集，保護室和蓄電池室一般處于弱光環境，房頂圖像采集受光源影響較大。

2 滲漏水監控預警系統

2.1 滲漏水自動識別模型

首先建立樣本數據集，然后構建樣本特征圖，最后建立特征圖與原圖的圖像自動識別模型。

樣本數據的采集是通過佳能EOS 80D單反套機對變電站內房屋的滲漏水墻體表面實施圖像采集獲得的。通過人工識別的方式，在樣本數據圖集上標記出滲漏水區域，標記的區域統一為300 dpi×300 dpi的圖像子塊。通過圖像處理技術不斷收集樣本數據集中的相似數據，然后進行滲漏判斷、滲漏水位置鎖定、圖像分割，實現滲漏水自動識別[7]。

(1) 滲漏判斷：通過圖像處理技術，將樣本數據圖像中含滲漏水的圖像和不含滲漏水的圖像分割開；

(2) 滲漏水位置鎖定：通過圖像采集的位置，將滲漏水的房間名稱、滲漏水方位上傳至通信平臺；

(3) 圖像分割：將含滲漏水的圖像進行分割，得到滲漏水特征圖，判斷滲漏水嚴重程度，并將結果上傳至通信平臺。滲漏水圖像處理流程圖如圖1所示。

圖1 滲漏水圖像處理流程圖

針對其易受房頂構造、墻面顏色等因素干擾等缺點，本文所述系統利用雙庫對比技術，利用現場已經收集到的各個變電站房屋照片創建原始庫，利用各個變電站滲漏水圖像創建滲漏水庫，方便計算機深度學習算法進行自主學習，對老舊滲漏水痕跡進行識別，從而避免預留橫梁和吊扣等干擾因素的影響。

2.2 預警系統仿真

2.2.1 系統邏輯

本系統利用圖像處理技術，圖像采集周期設定為3 min，比較每個時間間隔內的兩張照片變化，依據特征圖像庫[8]，自動生成告警信息，系統邏輯圖如圖2所示。

圖2 滲漏水監控系統邏輯示意圖

由圖2可知，告警信息通過通信技術，自動傳送至主站智能監控系統及巡視人員移動作業終端或手機中，告警信息含有滲漏雨位置、滲漏嚴重程度、告警時間和變電站位置等信息，從而實現了變電站房屋滲漏水信息的實施監控及告警[9]。

2.2.2 系統仿真

(1)靈敏度仿真。首先為了驗證圖像識別技術對于滲漏水的靈敏度，搭建試驗電路圖，在試驗區對圖像識別技術的靈敏度進行試驗，測試在墻面滲出不同水位深度情況下的觸發水位，并利用伯努利試驗原理[10]，獨立重復100次試驗，試驗結果如圖3所示。

圖3 水位靈敏度試驗結果圖

由圖3可知，當水位深度達到2.3 mm時，基于圖像識別技術的水位監測裝置被觸發，發高電平。

表1 信息傳輸記錄表

(2)通信仿真。通信模塊要求滲漏水告警信號送達的可靠性達到100%。隨著變電站數量的增多和技改大修項目的實施，變電站房間數量增長明顯，室外敞開式AIS設備逐漸被室內GIS設備所取代。每個房間(空間)內至少有2個工業攝像頭，每5 min一個步長采集圖像，圖片的數量可以達到3萬張/h。因此，對于數據處理模塊的運算性能提出了較高的要求。本系統數據處理模塊采用超微4028GR-TR 8路GPU服務器，搭載三星NVGTX1080TI*8顯卡，128G DDR4高速內存，運行速度可以達到每秒處理近10 000張現場照片，處理器工作流程示意圖如圖4所示。

圖4 處理器的工作流程

(3)信息傳輸仿真。模擬滲漏雨信號傳遞過程，模擬的告警信息有：變電站名稱、電壓等級、發生時間、滲漏雨位置、滲漏嚴重程度等。記錄告警信號發出后直到運維人員接受所用時間，以及運維人員接收到的告警信息的準確性。信息傳輸記錄表如表1所示。

由表1可以看出，系統平均響應時間為8.7 s，信息傳遞準確率為100%，用時短、應迅速快、可靠性高，能夠滿足大量信息傳輸的并行要求。

3 滲漏水監控預警系統實際應用

山東省某市公司變電運維室共有員工99人，管轄5 965km2內的123座變電站，其中220 kV站28座，110 kV變電站81座，35 kV變電站14座。以某滲水墻面為例，闡述圖像識別模型的工作過程，首先由室內的工業級攝像頭拍攝到如圖5所示。

圖5 某滲漏水現場采集照片

經過圖像識別模型的特征提取，獲得相應的特征圖，如圖6所示。然后與處理器中的特征圖庫進行對比，得出滲漏結論。

圖6 滲漏水特征圖

通過這些過程，可以實現圖像識別正確率100%，圖像識別模型在接收到現場照片以后，5 s內可以確定所采集的圖像是否具有滲漏水特征。

本文收集了山東省某市供電公司2019年第二、三季度25座220 kV變電站降雨滲漏數據，并與未采用所述預警裝置的2018年第二、三季度同類數據進行比較，得到了該裝置的實際應用指標分析表，如表2所示。

表2 實際應用指標分析

由表2可以看出，采用本裝置以后可以顯著減少滲漏水特巡時間，并且巡視時所需的工作人員也大大降低，需要說明的是，采用本裝置的巡視人員數據為巡視25座變電站的平均值，即巡視所有25座變電站只需要2人同時完成即可。

4 結語

(1)基于圖像處理技術的滲漏水具有響應速度快、安全性能高、現場布置方便和動態學習能力強等特點。

(2)實現參數越限快速響應、滲漏雨跡象自動識別、房屋滲漏主動預警，顯著提高了自動化運維水平，節約了人力和時間。

(3)告警信息能夠及時準確地發送至運行主人的手機中，有助于運維人員根據天氣變化及時調整巡視計劃。

在變電站圖像識別方面，需進一步完善預警系統，增加變電站內人員進出站管理、防小動物識別及站內環境管控等方面，提高本系統的兼容性和全面性。