基于巡檢機器人的變電站故障診斷系統

張曉龍,黃 寧,邵長鋒

(中國恩菲工程技術有限公司,北京 100038)

0 前言

變電站的電力輸出系統的穩定運行與安全性影響著全國的國民經濟的發展。變電站作為整個電力系統輸配電網絡中一個重要工程場所,需對其運行和維護投入一定人力成本以保障整個電力系統的穩定運行。即需要實時對一切設備的運行穩定與安全性進行巡檢,如若出現突發故障應及時對相關設備維護人員發出預警,使其可以及時對設備進行故障信息的判定與及時進行設備的維護優化。

但是迄今為止,多數變電站對其設備運行時的安全性和穩定性的診斷多為人工判定,這種方式存在人工工作強度較大,效率偏低等一系列缺點。隨著人工智能與大數據時代的發展,大部分一線崗位可以被智能工業化所替代,變電站這類高度自動化的行業對其設備的故障診斷亟需巡檢機器人來替代人工巡檢。采用智能化深度學習機器視覺算法,智能控制系統,大數據處理故障信息等一系列人工智能技術模塊化功能的有機結合,替代一線的巡檢人員,相比于傳統的人工巡檢方式可達到高精度的數據檢測處理,和高效的智能故障診斷與預警。

本文基于變電站的特殊內部環境,提出了將深度學習機器視覺算法,大數據分析技術與攜帶高清攝像頭,無感傳感器的巡檢機器人,有機結合的智能巡檢機器人變電站故障診斷系統。可提高巡檢機器人對變電站的設備故障檢測診斷實時性與高效性。

1 智能巡檢機器人

機器人技術是中國的戰略技術產業,與自動控制、圖像識別、智能學習等一系列尖端技術有關。根據《中國制造2025》規劃,工業機器人將被選定為十大重點領域之一,促進劃時代的發展,促進機器人標準化、模塊化,擴大市場應用,有效促進新興機器人市場的成長,人力資源不足和電力設備的精細化運維要求隨著時代的發展,變電站智能巡查機器人越來越重視。這將廣泛應用于輸電設備的智能巡查、電力網運行狀態的實時評價和輔助決定,信息化、自動化、將建立具有相互作用性的智能網絡。中國南方電網《智能技術在生產技術領域中的應用方案》,明確了推進變電站智能巡查機器人應用的方案。

智能巡檢機器人具備高畫質可視化光線攝像機、紅外線影像設備、高清攝影頭、環境監測傳感器等智能檢測設備和智能分析算法軟件,完成快速數據采集、實時信息傳輸的管理控制電路,智能分析和預警的決策反饋,取代人工檢測,實現對電力設備狀態的自動檢測和智能分析,提高電力設備質量,對電力網和電力設備運行的可靠性進行研究,使用電力智能巡查機器人是電力網智能實現化的重要手段,也是未來智能電網發展的重要方向。

2 智能算法

隨著人工智能與大數據時代的飛速發展,在許多行業也均追隨“機器代替人”的發展形式。而主要分為兩種應用領域的算法:用于深度學習中機器視覺智能算法,用于多維異構數據的大數據分析算法。

2.1 機器視覺智能算法

近幾年來,隨著產業結構調整的深化,現代制造業的結構轉換和升級,越來越多的企業實施“機器人策略”,機器人在汽車、物流、航天航空、甚至在食品等領域的應用越來越廣泛,帶動了相關產業的發展,機器人是將機器設備、傳感器、識別、決策、控制等多種先進技術匯聚在一起,組成具有一定智能化能力的自動化設備或裝置。機器人技術及其應用已經成為科學技術和工業發展的必經之路,具有重要的戰略意義。

機器視覺是自動獲得目標圖像,分析處理圖像特征,分析結果,獲得目標知識并做出決定的系統,運動目標測試技術是機器視覺系統的功能之一,這是序列化圖像變化區域檢查和從背景圖像中提取運動目標的過程。機器視覺的研究的目的,主要是在圖像排列中,與相機運動的目標相比,提供后續目標提取和追蹤具有說服力的數據源,機器視覺算法是一般以特定的應用場景為對象,目前還沒有適用于任何情況的通用算法。也就是說,所有的機器視覺算法都有自己的適用范圍。

2.2 大數據分析處理智能算法

大數據領域涉及很廣,其深化在工業領域中發生的大數據,隨著信息化與產業化的深度融合,信息技術滲透到各個行業產業鏈的各個部分。例如條形碼、二維碼、傳播識別、產業傳感器、產業自動控制系統、產業網絡等,企業資源規劃、計算機輔助設計、計算機輔助制造、計算機輔助工程等在企業中廣泛應用。互聯網、移動互聯網、物聯網等下一代信息技術在產業領域的應用讓企業進入新的發展階段,數據也日益豐富,尤其是在制造企業中,生產線處于高速運行狀態,大量數據在產業設備中產生。

模型和算法是大數據分析的兩個核心問題,大數據分析模型的研究可以分為三個層次。描述分析,預測分析和規范分析,描述分析是分析和探索歷史數據,說明發生了什么事,這個階段包括發現數據規則的集合,挖掘相關規則,描述模型發現和數據規則的視覺分析。預測分析用于預測未來的概率和趨勢。例如基于邏輯回歸的預測和分類器的預測等,規范分析是基于預期結果和特定領域的場景、資源和過去以及當前事件的知識,對未來的決定提出建議。例如,以模擬為基礎的復雜系統分析和基于特定制約的最佳解決方案的生成等。

3 智能巡檢故障診斷系統

智能巡檢故障檢測系統采用深度學習視覺算法,大數據分析技術與攜帶高清攝像頭的巡檢機器人有機結合。通過深度學習對巡檢機器人攜帶的高清攝像頭采集圖像信息與多種傳感器采集到的數據信息進行融合,再通過大數據分析算法,對變電站所有設備進行故障實時智能檢測分析。智能巡檢故障檢測系統整體框圖如圖所示:

圖1 智能巡檢機器人故障檢測系統框圖

3.1 運用深度學習機器視覺算法判定故障信息

機器視覺涉及到光學成像、視覺信息處理、人工智能以及機電一體化等相關技術。是很多高度自動化的行業想實現智能化的一個必要技術,機器視覺技術擁有精度高,實時化效能強等一系列優點,是智能機器人的重要驅動力之一。隨著各種技術的不斷改進和制造業對高品質產品的需求不斷增加,圖像處理已主要用于工業電子裝配誤差檢測,并逐漸應用于制造業,監控,視覺導航,通訊等應用。因此,研究成像技術對于促進智能工業機器人的產業化發展具有重要意義。

機器視覺技術應用在巡檢機器人故障診斷系統中時,主要表現在接收所有拍攝到的設備的各關鍵點特征圖像,由光學器件和非接觸傳感器進行準確識別,并由深度學習算法從圖像中提取主要的特征信息,進行分析處理,進而實現識別和控制。將深度學習機器視覺算法與巡檢機器人有機結合,可使巡檢機器人在變電站巡檢故障時,可以靈活與智能定位所有設備的故障關鍵位置,確保維護人員及時對發生故障的關鍵位置進行維護處理。

圖2 智能巡檢系統判定故障位置原理圖

3.2 運用大數據分析故障信息

隨著大數據與人工智能時代的飛速發展,將工業自動化與大數據等技術的有機融合,可促進行業走向數字化,智能化轉型并與大數據時代接軌。變電站所有設備發電系統復雜,設備高度集中,雖然建立了分布式控制系統,生產實時信息系統,但在應用時大多停留在設備運行的過程監控統計,報表與經濟性能的計算階段,對其設備運行時的故障診斷,預警等智能處理模塊相對薄弱。

通過巡檢機器人采集設備上的無感傳感器傳輸的數據,并結合機器視覺所處理的結果。通過大數據分析技術,采取針對性算法對變電站建立各類的數據挖掘模型,設備分析模型,實時對變電設備進行故障與運行方式的預警與診斷。巡檢機器人結合機器視覺技術采集的圖像數據與變電站中的變壓器、高壓斷路器、隔離開關、電容器、電抗器等設備的運行數據(比如實時的電流與電壓數據)進行結合,產生大量的實時有效數據。在經過大數據分析算法,可精準分析出是否在此刻設備存在故障信息。如存在故障信息可及時通過巡檢機器人的預警系統及時通知相關的設備維護人員。

圖3 智能巡檢系統故障信息診斷原理圖

4 總結

本文基于當前變電站設備故障檢測與故障診斷等技術還沒有進入全部智能化。通過結合變電站的實際應用環境特征,提出一種智能巡檢機器人自主監控與故障診斷檢測系統。采用深度學習,大數據信息分析技術與攜帶高清攝像頭的有機結合,采取深度學習與大數據分析算法,對變電站所有設備進行故障實時智能檢測分析,并可及時發出預警信號傳達給相關的維護人員。巡檢機器人變電站故障檢測系統對變電站的所有設備實時監測,分析故障信息并及時傳達故障信息具有重要的現實意義。