智能巡檢系統在電力行業中的應用研究

王 勛，王 新，魏 舉 鋒

(雅礱江流域水電開發有限公司，四川 成都 610051)

0 引 言

隨著智能化水平的不斷提高，化工、石油、電力、交通運輸等行業逐漸開始將智能巡檢技術運用到巡檢中，各領域根據其需求不斷完善巡檢機器人功能，逐漸形成了符合行業生產特點的智能巡檢系統。

智能巡檢機器人集煙霧濃度及氣體傳感器、溫度傳感器、高清攝像頭等傳感器于一體，在化工廠能監測有毒有害、易燃易爆氣體的濃度以及現場的溫度，具備自動避障及報警功能[1]。油田巡檢系統已充分開發出機器人視覺識別功能，能對儀器儀表指示、信號燈指示進行識別，完成氣體檢測及報警等功能[2]。此外，還在金屬礦山領域[3]以及GIS放電、SF6氣體泄漏監測及輸電線、變電站、發電廠站等電力行業場所有所應用[4-10]。

1 智能巡檢系統現狀

電力領域的智能巡檢主要起源于將機器人和無人機應用于對變電站和輸電線路的巡檢。上世紀60年代，美國最先研制自主移動機器人用于變電站巡檢，初步具備在復雜環境下識別對象、自主推理、路徑規劃和運動控制等功能[11]。此后，機器人功能不斷完善，智能水平逐步提高。截至2008年，各國相繼研制的機器人已具備圖像識別、紅外成像、自動避障、故障識別等功能，能完成線路、變電站等場所的自動巡檢。當前電力領域智能巡檢系統主要可分為移動式和固定式兩種類型。

1.1 移動式智能巡檢

移動式智能巡檢主要是采用智能機器人和無人機對設備進行巡檢。最早將機器人運用到變電站巡檢的系統便是智能巡檢系統的初級形式，后來，各國主要將新型或更為完善的技術嵌入到機器人中。例如，2005年，A.Birk等率先將紅外成像圖譜設備安裝在變電站巡檢機器人上；2008年，美國電力研究院將優化算法和機械結構運用到機器人中，使機器人能夠快速通過多種障礙物[12]。

智能機器人在變電站及線路巡檢中應用最為廣泛。在高壓線路巡檢中采用可行走機器人，能夠實現自動跨越輸電桿塔，多個行走機器人配合可實現全線路巡檢。部分線路巡檢采用無人機搭載傳感設備，將識別數據信息回傳至處理中心，對缺陷點能實現報警功能。

智能機器人按其行走路徑主要分為固定軌道機器人和自主移動機器人。固定軌道機器人即按照導軌路徑進行巡檢，固定軌道機器人又分為懸掛式和地面導軌式機器人。前者在懸空的導軌或者線路上移動巡檢，如高壓線路巡檢機器人。

1.2 固定式智能巡檢

固定式智能巡檢系統是將高清攝像頭、紅外成像儀、煙霧傳感器等元器件裝設在待巡檢設備附近的固定位置，對一定范圍內的設備狀態進行檢測，并將各元器件或設備采集的數據傳至數據處理中心進行分析判斷，最后將巡檢結果傳送至終端設備系統。該類巡檢系統是針對某一區域或固定設備，常用于布置較為復雜，設備種類及數量較為龐大，地面崎嶇的場所。

例如，水電站水車室和風洞噪音大，設備較多且復雜。若采用可移動式機器人在這些區域巡檢，對機器人路徑規劃以及路障識別要求高，無疑增加技術難度和研發成本。而根據水車室和風洞的特點在多個點布置高清攝像頭、紅外成像儀等固定設備及元件，通過傳感器對各點區域設備工況進行數據采集并分析判斷，能達到代替人工巡檢的目的。

2 智能巡檢系統市場

目前，在國內智能巡檢機器人市場上，是山東魯能智能公司處于主導地位。我國巡檢系統設備的潛在市場龐大，僅變電站巡檢機器人領域市場的資金容量就近50億元，潛在市場規模接近120億元。國內多數電廠開始打造“無人值守”電廠(即“智慧電廠”)，未來智能巡檢機器人的市場將更加龐大，同時，發電廠的智能巡檢系統將不局限于機器人巡檢，對固定式巡檢系統的需求也會持續增加。

圖1 懸掛式(左)和自主移動式(右)巡檢機器人圖

3 智能巡檢系統的主要技術

智能巡檢系統是集多學科于一體的技術成果，除涉及傳統的較為完善的機械、電工電子、通信、自動化等技術外，更融合圖像與視頻識別、紅外成像、定位導航、語音識別、人工智能等前沿技術。

3.1 圖像識別與視頻流識別

圖像識別和視頻流識別主要是在拍攝照片或錄制視頻后，對其進行去噪處理，提取特征量后通過智能算法進行對比識別，從而達到對圖像及視頻進行識別判斷的作用。采用此技術，智能巡檢系統可以對表計讀數、指示等信號進行識別，還能夠識別油水系統的“跑、冒、滴、漏”現象，火災及帶電設備放電等現象。視頻流識別其實質屬于圖像識別，是一個動態檢測技術，主要對連續幀的視頻圖像做減法，減去相同的圖像元素和余下變化的差異部分，從而檢測出視頻圖像變化的異常信息。

3.2 紅外成像

在對設備進行巡檢過程中，大多采用紅外成像對設備溫度進行檢測。紅外成像技術是一項應用十分廣泛的成熟技術，在智能巡檢設備上安裝紅外成像攝像頭或紅外成像元器件對巡檢區域進行紅外成像，即可測量設備表面溫度。系統對紅外成像進行圖像去噪處理，對圖像配準疊加多幅圖像后，將去噪處理后的紅外圖像回傳至數據處理中心進行處理。

紅外熱成像設備通常分為制冷焦平面熱像儀和非制冷焦平面熱像儀。因焦平面探測器材料以及工藝存在缺陷，通過對成像儀制冷以提高成像精度的方法稱為制冷焦平面熱成像技術[13]。隨著新材料的研發和制造工藝的提升，用于紅外成像焦平面陣列探測器不進行冷卻即可滿足成像精度要求[14-15]。非制冷紅外熱像儀無需制冷、體積小、功耗低，是目前智能巡檢系統使用的主流產品。

3.3 定位技術

定軌巡檢機器人按照既定軌道巡檢時，巡檢設備通過識別導軌位置進行定位。可自主移動機器人，定位通過預先根據巡檢場所繪制的三維地圖進行，在巡檢移動時常采用激光無軌導航技術進行路線巡檢。此外，巡檢設備使用的定位技術有視覺定位、激光反射、北斗/GPS等。研發人員根據巡檢機器人的具體應用場所選擇相應定位技術。例如，對于500kV變電站內的重要設備，在巡檢過程中為獲取設備詳細數據保障巡檢可靠性，機器人定位可采用成本較高且需要處理大量圖像數據的視覺定位技術。運用于電廠等設備布置較為復雜見圖2，障礙較多場所的巡檢機器人定位，則采用激光反射定位技術。該定位技術的優點在于其平行性及分辨性能優越，便于巡檢機器人“越障”。

圖2 三維地圖模型

3.4 聲音識別

聲音識別屬于聲學“診斷”領域技術，應用較為廣泛。遷移學習是聲音系統識別和應用之前領域或任務中所學知識和技能的過程，在現場環境的多種噪聲混響中，挑出屬于設備運行的聲音，并與建立的設備正常運行時的“音庫”進行比對，判斷出設備運行是否正常。例如，水電站水車室，其噪聲混響嚴重且噪音較大，為了能將異常聲學信號檢測出來，硬件實現指向性拾音過程，并屏蔽無關區域的噪聲混響。故障導致的異常噪聲通常表現有如下特征：噪聲源的檢測位置是固定的，即異常噪聲源只在某個區域才能被監聽到，在其他區域無法監聽到此噪聲源。

但由于業內仍無統一的量化標準和研究方法，加之缺乏海量有效的音頻特征庫，導致一方面廠家公布的測試結果識別率很高，實際使用中的確存在較大差異。

3.5 AI深度學習

AI深度學習技術是實現智能巡檢系統的核心所在，能否實現巡檢系統的“智能”在于系統是否具備自主學習能力，應基本包含機器學習和計算機視覺。紅外成像分析、圖像及視頻流識別、語音識別、巡檢路徑自動規劃、嗅覺識別等技術實質上都采用了人工智能的深度學習技術。該技術通過長期對模型進行訓練學習，建立電力行業專業化圖像、聲音識別等典型特征診斷模型，并不斷提高算法的準確率，從而提高識別準確率。

深度學習的系統是由多層神經網絡構成，通過大量數據進行學習[16]。當前，應用于深度學習的神經網絡構成的算法種類較多。例如在圖像處理系統中應用的常用算法包括人工神經網絡算法、遺傳算法、蟻群算法、模擬退火、粒子群算法等[17]。 ACO(蟻群優化)、ABC(人工蜂群)則常用于路徑巡檢路線規劃[18]。各算法各具特點，在應用中往往根據需要為研發人員使用。

3.6 通信技術

智能巡檢系統的通信系統一般采用常規無線或有線通信技術，但隨著5G通信技術的成熟，5G通信開始運用于部分設備及系統。例如，深圳供電局已率先在智能巡檢機器人中采用5G移動通信技術。

5G移動通信與4G移動通信相比，傳輸速度呈現數量級提升，帶寬也顯著增強。此外，常運用于智能巡檢系統的通信技術有LI-FI 技術、WIFI技術以及Mesh 網絡技術等。WIFI技術為使用較為廣泛的技術，設備裝置體積小，網絡覆蓋范圍廣，但設備應用時消耗功率較大。Mesh 網絡技術作為一種新型的通信技術，傳輸效率高，帶寬容量大，廣泛應用到電力智能巡檢設備的通信中。LI-FI 技術目前處于研究階段，其應用尚需時間。

4 智能巡檢系統的功能定位

當前人工智能巡檢系統主要為人工智能巡檢機器人，通過機器人搭載各種先進的智能設備，使其具備數據采集、處理、識別等功能，機器人成為了該系統的核心部分。

同時，不同行業、不同場所的巡檢重要關注點不同，巡檢場所特點存在較大差異。智能巡檢系統應根據實際情況和需求合理采用機器人與固定設備元件結合。例如變電站面積較小，設備種類少，布置較為簡單，便于實現智能巡檢機器人對設備的全覆蓋。但水電廠廠房布置較為復雜，巡檢涉及面廣，設備種類多，僅靠智能機器人無法滿足對全廠設備巡檢的全覆蓋。因此，智能巡檢系統應將現場的實際設備布置和空間結構布局與巡檢目標需求相結合，滿足全天候、全方位實時監控的功能定位。

5 結 語

當前智能巡檢系統應用廣泛，憑借其視覺識別及其學習功能，一定程度上實現了對設備的“望、聞、問、切”的工效，有效解決了人工巡檢可靠性低、追溯性差、人身安全風險大、人力成本高等問題，提高了工作效率和生產力，也必將是未來安全生產領域的發展方向。但是，也存在諸多不足：(1)標準體系不足。當前智能巡檢系統廠家林立，但由于缺乏相關標準，導致其研發的系統智能化水平參差不齊，不便于推廣應用。(2)智能化程度不高，巡檢識別率有待提高，海量巡檢數據需要后期人工處理，巡檢工作高度依賴專業人員，還無法完全代替人工巡檢，屬于“弱人工智能”。(3)部分功能有待提高，例如，對于氣味的捕捉和辨析還處于探索階段。(4)巡檢結果誤報率高。國內智能巡檢系統還不能完全對某一行業巡檢實現全覆蓋。隨著人機交互形式更加多樣化，智模型庫的不斷豐富，智能算法不斷優化，機器學習更加深入，未來智能巡檢系統的發展將朝著智能檢測和智能分析方向前進。