基于Faster R-CNN深度學(xué)習(xí)的變電站三維可視化方法

卿松,劉明紅，王鵬朝

(國(guó)網(wǎng)新疆電力有限公司經(jīng)濟(jì)技術(shù)研究院，新疆，烏魯木齊 830002)

0 引言

近年來(lái)，隨著中國(guó)社會(huì)經(jīng)濟(jì)的進(jìn)步，三維可視化技術(shù)得到了蓬勃發(fā)展[1-3]，越來(lái)越多的三維可視化產(chǎn)品已應(yīng)用于電力行業(yè)電網(wǎng)運(yùn)行檢修、電網(wǎng)安全作業(yè)、電網(wǎng)培訓(xùn)等領(lǐng)域[4-5]。變電站是電力系統(tǒng)中電壓變化的重要環(huán)節(jié)。變電站內(nèi)包括變壓器、高壓斷路器、隔離開關(guān)、避雷器、電容器、母線、繼電保護(hù)裝置等一、二次設(shè)備[6-7]，傳統(tǒng)的變電站中監(jiān)測(cè)中，僅對(duì)電氣、環(huán)境、安全數(shù)據(jù)進(jìn)行二維監(jiān)測(cè)。數(shù)據(jù)結(jié)果不直觀，不能完整的反映變電站的真實(shí)運(yùn)行情況，若能將變電站一、二次設(shè)備進(jìn)行三維可視化，則可對(duì)變電站的完整運(yùn)行情況進(jìn)行多維監(jiān)測(cè)，增強(qiáng)變電站的安全生產(chǎn)保障能力，提高變電站運(yùn)行檢修精益管理水平。

許多學(xué)者對(duì)變電站三維可視化進(jìn)行了研究，文獻(xiàn)[8]提出了一種基于三維激光雷達(dá)的智能變電站三維可視化方法，通過(guò)激光感知變電站的全貌和變化特征。文獻(xiàn)[9]提出了一種基于虛擬現(xiàn)實(shí)的變電站三維可視化方法，通過(guò)功能與虛擬現(xiàn)實(shí)互動(dòng)的方式實(shí)現(xiàn)變電站信息的三維展示。文獻(xiàn)[10]提出了層次節(jié)點(diǎn)和遠(yuǎn)程云計(jì)算的變電站三維建模方式，通過(guò)虛擬仿真，實(shí)現(xiàn)變電站的三維可視化功能。文獻(xiàn)[11]提出了一種基于ARM和Linux操作系統(tǒng)的變電站視頻可視化系統(tǒng)，通過(guò)背景過(guò)濾法和三維差分方式，實(shí)現(xiàn)了變電站的三維監(jiān)視。文獻(xiàn)[12]提出了一種基于魯棒控制的變電站三維可視化方法，通過(guò)三層系統(tǒng)結(jié)構(gòu)，處理變電站的三維場(chǎng)景。文獻(xiàn)[13]提出了基于漫游方式的變電站三維視景分析，通過(guò)開源仿真環(huán)境，構(gòu)建了變電站的三維分析模型。由此可見，變電站三維可視化方法多樣，且取得了一定的成果，但變電站三維可視化存在一、二次設(shè)備位置移動(dòng)后識(shí)別準(zhǔn)確率低，跨變電站移植模型準(zhǔn)確率低的問題。

針對(duì)傳統(tǒng)變電站三維可視化中存在的識(shí)別準(zhǔn)確率低，可移植性差的問題。本文提出了一種基于Faster R-CNN深度學(xué)習(xí)的變電站三維可視化方法。通過(guò)圖形數(shù)據(jù)預(yù)處理，過(guò)濾與現(xiàn)場(chǎng)設(shè)備無(wú)關(guān)的數(shù)據(jù)[14-15]，減少噪聲數(shù)據(jù)對(duì)變電站現(xiàn)三維可視化帶來(lái)的影響。然后采用SIFT算法在不同時(shí)空尺度上提取變電站設(shè)備特征，在此基礎(chǔ)上構(gòu)建變電站三維可視化場(chǎng)景。最后通過(guò)實(shí)例驗(yàn)證了本方法的有效和可行性。

1 三維可視化框架

本文所述的基于Faster R-CNN深度學(xué)習(xí)的變電站三維可視化方法框架組主要包括變電站視頻數(shù)據(jù)預(yù)處理、多尺度設(shè)備特征提取和Faster R-CNN深度學(xué)習(xí)三維可視化場(chǎng)景構(gòu)建，如圖1所示。

圖1 變電站三維可視化框架圖

由圖1可見，在變電站視頻數(shù)據(jù)預(yù)處理環(huán)節(jié)，對(duì)變電站的外部景色攝像頭、變電站一、二次設(shè)備攝像頭、變電站設(shè)備紅外溫度攝像頭數(shù)據(jù)進(jìn)行預(yù)處理。在預(yù)處理中，將過(guò)濾與現(xiàn)場(chǎng)設(shè)備無(wú)關(guān)的數(shù)據(jù)和噪聲數(shù)據(jù)，減少噪聲數(shù)據(jù)對(duì)變電站現(xiàn)三維可視化帶來(lái)的影響。在多尺度設(shè)備特征提取環(huán)節(jié)，采用尺度不變特征變換(SIFT)算法在不同時(shí)間和變電站的空間尺度上提取變電站設(shè)備特征，消除變電站設(shè)備移動(dòng)造成的設(shè)備視頻識(shí)別不準(zhǔn)確問題，為變電站三維可視化提供數(shù)據(jù)基礎(chǔ)。在Faster R-CNN深度學(xué)習(xí)三維可視化場(chǎng)景構(gòu)建環(huán)節(jié)，通過(guò)Faster R-CNN深度學(xué)習(xí)算法對(duì)多時(shí)間尺度發(fā)生空間變化的三維場(chǎng)景進(jìn)行分析，并構(gòu)建變電站三維可視化場(chǎng)景。

2 三維可視化建模

2.1 變電站視頻數(shù)據(jù)預(yù)處理

變電站視頻數(shù)據(jù)主要包括外部景像攝像頭、變電站一、二次設(shè)備攝像頭、變電站設(shè)備紅外溫度攝像頭數(shù)據(jù)。視頻數(shù)據(jù)的噪聲主要來(lái)自于物體干擾、視頻采集干擾和視頻傳輸感染三部分。其中物體干擾數(shù)據(jù)來(lái)自于飛鳥、老鼠等小動(dòng)物對(duì)視頻數(shù)據(jù)采集帶來(lái)的影響，造成攝像頭獲取的視頻數(shù)據(jù)不準(zhǔn)確。在視頻采集干擾方面，攝像頭采用的電荷耦合器件(CCD)或者互補(bǔ)金屬氧化物半導(dǎo)體(CMOS)的芯片，在數(shù)據(jù)采集時(shí)，會(huì)受到氣溫、天氣狀況等影響；在攝像頭的視頻數(shù)據(jù)傳輸過(guò)程中，會(huì)受到各種電磁耦合信號(hào)的干擾。

本文采用高斯函數(shù)對(duì)攝像頭采集的視頻數(shù)據(jù)進(jìn)行清洗，設(shè)ks為未受干擾的數(shù)據(jù)，噪聲數(shù)據(jù)為ka，則未受干擾的數(shù)據(jù)和噪聲數(shù)據(jù)疊加后的攝像頭視頻數(shù)據(jù)kt為

kt=ks+ka

(1)

在高斯變化后，數(shù)據(jù)清洗得到的數(shù)據(jù)f(k)為

(2)

由上式可見，通過(guò)高斯變化，可有效對(duì)變電站的外部景色攝像頭、變電站一、二次設(shè)備攝像頭、變電站設(shè)備紅外溫度攝像頭數(shù)據(jù)進(jìn)行清洗，過(guò)濾掉與設(shè)備無(wú)關(guān)的數(shù)據(jù)，為后續(xù)三維建模提供基礎(chǔ)數(shù)據(jù)支撐。

2.2 多尺度設(shè)備特征提取

變電站內(nèi)一、二次設(shè)備眾多，其中一次設(shè)備有變壓器、壓斷路器、隔離開關(guān)、避雷器、電容器、母線等，二次設(shè)備有繼電保護(hù)裝置、測(cè)溫裝置、消防系統(tǒng)等。對(duì)以上設(shè)備進(jìn)行多尺度的特征提取，需要在時(shí)間、空間上進(jìn)行考慮。

本文采用的SIFT特征提取方法，具有變電站多時(shí)間維度和視頻角度的恒定性，在變電站一、二次設(shè)備旋轉(zhuǎn)角度，或者天氣、光線變化的情況下，均能很好的提取變電站一、二次設(shè)備的有效特征。

(1) 構(gòu)建變電站特征提取尺度空間

本步驟完成變電站模擬圖像數(shù)據(jù)的多尺度特征。

設(shè)變電站一共有n個(gè)一、二次設(shè)備，每個(gè)設(shè)備長(zhǎng)、寬、高描述為C(x,y,z)，圖像平滑度為β，分辨率為γ，構(gòu)建的尺度空間A(x,y,z)為

(3)

(2) 檢測(cè)多尺度空間關(guān)鍵節(jié)點(diǎn)

為檢測(cè)變電站多尺度空間的關(guān)鍵節(jié)點(diǎn)，采用每一個(gè)采集的圖像節(jié)點(diǎn)都和相近的節(jié)點(diǎn)進(jìn)行比較，檢驗(yàn)其圖像此圖是否為中心關(guān)鍵節(jié)點(diǎn)。

設(shè)關(guān)鍵點(diǎn)附近的節(jié)點(diǎn)為ψa，邊緣值為Fc，則關(guān)鍵節(jié)點(diǎn)Lo為

(4)

(3) 給變電站多尺度特征點(diǎn)賦值

在變電站一、二次設(shè)備的圖像關(guān)鍵點(diǎn)檢測(cè)后，通過(guò)SIFT特征區(qū)域確定變電站設(shè)備的具體位置、所在的尺度空間和具體發(fā)方位信息。可為后續(xù)的三維可視化場(chǎng)景建模提供有效的數(shù)據(jù)基礎(chǔ)。

2.3 深度學(xué)習(xí)三維可視化場(chǎng)景構(gòu)建

Faster R-CNN深度學(xué)習(xí)可實(shí)現(xiàn)SIFT特征提取數(shù)據(jù)的網(wǎng)絡(luò)模型融合，同時(shí)，以此開展圖像訓(xùn)練，獲取到變電站一、二次設(shè)備準(zhǔn)確的三維場(chǎng)景，并構(gòu)建完整的變電站土建及一、二次設(shè)備的三維建模。

首先，通過(guò)Faster R-CNN深度學(xué)習(xí)構(gòu)建變電站三維區(qū)域網(wǎng)絡(luò)，從固定的尺度關(guān)系、固定的變化和固定的采集方式進(jìn)行建立，設(shè)變電站一、二次設(shè)備用四個(gè)維度的向量來(lái)表示(x,y,z,s)，輸入信息為D，得到回歸模型映射G為

(5)

其次，構(gòu)建變電站一、二次設(shè)備的目標(biāo)函數(shù)，設(shè)Tv為尺度的縮放值，Hv為尺度平移值，設(shè)變電站一共有n個(gè)一、二次設(shè)備，變電站三維場(chǎng)景構(gòu)建值Wd為

(6)

通過(guò)Faster R-CNN深度學(xué)習(xí)，可快速構(gòu)建完整的變電站三維可視化場(chǎng)景。

3 變電站三維可視化仿真流程

變電站三維可視化仿真流程如圖2所示。

步驟1 輸入變電站的多個(gè)視頻攝像頭數(shù)據(jù)。

步驟2 對(duì)變電站視頻數(shù)據(jù)進(jìn)行預(yù)處理，過(guò)濾掉鳥類、老鼠等與現(xiàn)場(chǎng)設(shè)備無(wú)關(guān)的數(shù)據(jù)和噪聲數(shù)據(jù)。針對(duì)視頻攝像頭顯示的錯(cuò)誤數(shù)據(jù)，采用預(yù)處理算法進(jìn)行清洗補(bǔ)正。

步驟3 對(duì)變電站視頻數(shù)據(jù)進(jìn)行特征提取。采用SIFT算法在不同時(shí)間和變電站的空間尺度上提取變電站設(shè)備特征，消除變電站設(shè)備移動(dòng)造成的設(shè)備視頻識(shí)別不準(zhǔn)確問題。

步驟4 構(gòu)建變電站三維可視化場(chǎng)景。通過(guò)Faster R-CNN深度學(xué)習(xí)算法對(duì)多時(shí)間尺度發(fā)生空間變化的三維場(chǎng)景進(jìn)行分析，并構(gòu)建變電站三維可視化場(chǎng)景。

圖2 變電站三維可視化仿真圖

4 算例分析

采用本文所提的基于Faster R-CNN深度學(xué)習(xí)的變電站三維可視化方法，在某220 kV變電站進(jìn)行測(cè)試，使用操作系統(tǒng)環(huán)境為Windows 10，CPU為Intel至強(qiáng)2.6 G，內(nèi)存為32 G、硬盤為8 T，顯存為4 G，選擇樣本數(shù)據(jù)為10、50、100、200、500、1000對(duì)比本Faster R-CNN深度學(xué)習(xí)的變電站三維可視化方法與移動(dòng)立方體算法的性能。采用程序計(jì)時(shí)器，記錄變電站三維模型從運(yùn)行到完成建立的時(shí)間，分析結(jié)果如表1所示。

表1 變電站三維可視化性能表

由表1可見，F(xiàn)aster R-CNN深度學(xué)習(xí)的變電站三維可視化方法三維模型的建立時(shí)間比移動(dòng)立方體算法的時(shí)間短。

選擇樣本數(shù)據(jù)為10、50、100、200、500、1 000對(duì)比Faster R-CNN深度學(xué)習(xí)的變電站三維可視化方法與移動(dòng)立方體算法的準(zhǔn)確度，將兩種算法生成的三維模型與變電站實(shí)物進(jìn)行比對(duì)，分析模型比例與實(shí)物尺寸比例的差異，從而獲得兩種算法的三維可視化準(zhǔn)確度。分析結(jié)果如表2所示。

表2 變電站三維可視化準(zhǔn)確度表

由表2可見，F(xiàn)aster R-CNN深度學(xué)習(xí)的變電站三維可視化方法三維模型的建立準(zhǔn)確度比移動(dòng)立方體算法更高。

5 總結(jié)

為解決傳統(tǒng)變電站三維可視化中存在的識(shí)別準(zhǔn)確率低，可移植性差的問題。本文提出了一種基于Faster R-CNN深度學(xué)習(xí)的變電站三維可視化方法，設(shè)計(jì)了一種基于Faster R-CNN深度學(xué)習(xí)的變電站三維可視化工具，在對(duì)變電站一、二次設(shè)備進(jìn)行數(shù)據(jù)清洗和多尺度特征提取的基礎(chǔ)上，進(jìn)行深度學(xué)習(xí)，消除設(shè)備旋轉(zhuǎn)、光線變換問題帶來(lái)的三維可視化影響，然后對(duì)所提算法在220 kV變電站進(jìn)行了仿真，仿真結(jié)果表明了本文所提變電站三維可視化方法可對(duì)變電站運(yùn)行情況進(jìn)行全息監(jiān)測(cè)，消除監(jiān)管死角。通過(guò)三維仿真推演，可提前發(fā)現(xiàn)變電站安全隱患，提高了變電站的精益化管理水平。

下一步，將結(jié)合輸電線路的跨越、山火等場(chǎng)景進(jìn)行三維可視化研究。