變電站智能巡檢應用現狀及解決措施

雷小勤

（國網四川省電力公司彭州市供電分公司，四川 成都 611930）

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。此外,還在金屬礦山領域以及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。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。

一、分析智能巡檢應用現狀

當前由于物聯網以及云計算等相關技術的不斷出現，尤其是智能化技術被引入到巡檢領域中，能夠在一定程度上取代人工完成大部分巡檢工作，不僅能實現巡檢自動化，同時還能不斷加強巡檢的智能化，在一些距離比較遠，高風險和強度比較大的工作環境中，能夠替代人工從事重復性運維巡檢工作。在不斷發展的過程中，無論是智能巡檢方式，還是手段等都會變得更加多樣化，除了目前比較常見的智能巡檢機器人外，還進一步包括定點攝像頭和滑軌攝像頭，對無線測溫裝置和各類數據在線監測裝置。RFID 電子標簽等進行配合，就能實現對多種裕興參數進行信息采集，同時還能對照云端存儲以及大戶數，結合狀態信息開展異常報警和趨勢預測，相關的工作人員通過應用作業終端APP 和PC 客戶端，能夠對設備的安全狀態進行隨時隨地的監控，能夠第一時間對出現的隱患和問題進行科學處理，最大限度上避免不必要的安全事故出現。將物聯網作為支撐，智能巡檢系統能夠保證工作人員實現對設施設備的遠程監測，全面實現自動化管理的基礎上，還能降低用工人數，減少運行過程中的維護成本。

二、分析變電站智能巡檢應用優化措施

（一）分析圖像識別和視頻識別

對于圖形識別和視頻識別而言，主要是在拍攝照片或錄制視頻主席后，對其做出相應的去噪處理，提取特征量之后通過智能算法對其作出相應的對比識別，這樣可以達到對圖像和視頻進行識別判斷的一個作用。通過合理的采用這種技術，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,使其可以減去相同圖像元素以及余下變化存在差異的部分，及時的檢測出視頻圖像存在的異常信息。

（二）分析紅外成像

針對于設備進行實際巡檢的過程中，多數都是采用了紅外成像對其溫度做出了相應的檢測，紅外成像技術主要是一種應用相對較為廣泛的成熟技術，在智能巡檢設備上合理的安裝紅外成像攝像頭或者是紅外成像元器件對其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。因為焦平面探測器材料和工藝方面存在一定的缺陷，通過了對成像儀制冷的提高成像精度方法，便是稱之為制冷焦面熱成像的技術，目前隨著新材料的研究和制造工藝持續的提升，應用到紅外成像焦平面探測器不進行冷卻便可以滿足成像精度方面的要求，然而非制冷紅外熱成像儀并不需要制冷、體積相對比較小和功耗比較低，是作為現如今智能巡檢系統使用的主流產品。

（三）分析定位技術

針對于定軌巡檢機器人而言，主要是根據既定軌道進行巡檢，巡檢的設備則是通過了識別導軌的位置來進行定位的，是可以自主移動機器人，定位則是通過預先根據巡檢場所繪制出三維地形圖，在巡檢移動的過程中，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500k V 變電站內的重要設備,在實際進行巡檢的過程中為了獲取設備的詳細數據，能夠保證其巡檢的可靠性，機器人定位是可以采用成本相對較高和處理大量圖像數據的視覺定位技術，應用到電廠等設備布置相對較為復雜，因此是可以采用激光反射定位的技術，這種技術優點在于其平行性及分辨性能優越,便于巡檢機器人“越障”。

（四）分析聲音識別

針對于聲音識別而言，主要是聲學“診斷”領域中的一項重要技術，應用相對較為光阿飛，遷移學習則是作為聲音系統是被和應用之前領域，或者是任務中所學習的知識以及技能的整個過程，在現場環境的多種噪音混響之中，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,同時對無關區域的噪音混響進行屏蔽，故障導致的異常噪音通常表現出噪音源檢測出位置是固定的，既異常噪音生源僅僅只是在某一個區域才可以被監聽到，在其他區域是無法監聽到這種聲音。

（五）分析AI 的深度學習

針對有AI的深度學習技術而言，主要是實現智能巡檢系統的核心所在，是否可以實現巡檢系統之中的“智能”主要是在于系統是否具有著自主學習的能力，是需要具有著機器學習和計算機視覺，紅外成像分析、圖像和視頻流識別、語言識別等等技術，都是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。當前,應用于深度學習的神經網絡構成的算法種類較多。比如在圖像處理系統之中，較為常用的算法主要是包括了人工神經網絡算法、蟻群算法、模擬退火以及粒子群算法等等，每一種的算法都是具有著各自的特點，在實際進行應用的過程中是需要結合實際的情況合理地進行選擇。

總結：通過上述分析可知，智能巡檢在電力領域中具有著十分廣泛的應用，能替代人工實施煩瑣重復巡檢工作，加強工作效率的基礎上，還能對人工成本進行降低，在一定程度上把設備運行過程中的狀態信息以及視頻圖像信息等進行科學合理的整合，這樣做的目的能夠實現巡視工作和巡視結果的可視化以及自動化。現階段隨著在智能化技術的快速發展，智能巡檢系統無論在其結構上還是功能上都變得日益完善，并且也取得了非常不錯的成果，因此在實際應用的過程中，依舊存在不少缺陷，所以要求技術人員對其進行深入的研究，制定有效策略，加強巡檢工作效率。