基于VR虛擬現實技術的變電站智能巡檢多場景識別模型研究

董景， 楊仲超， 楊雪純， 許麗， 張可抒

(常州常供電力設計院有限公司, 江蘇, 常州 213000)

0 引言

近年來，電網規模不斷發展，電網結構也越來越復雜，而變電站通常情況下是無人值守的狀況，供電網安全性與數據安全性都不能得到有效保障。這種情況下電網對信息技術的依賴程度不斷提高，電子信息技術逐漸成為電網系統中不可或缺的一部分。場景識別輔助變電站工作人員完成巡檢工作，傳統的變電站巡檢系統只能顯示簡單信息，對于網絡安全和數據安全沒有發揮有效作用，巡檢過程中，常常耗費大量人力和時間檢測巡檢數據才能監測到有效信息內容，嚴重降低了工作效率。

目前應用于場景識別的方法有很多：有學者將LDA主題模型作為基礎對場景實行識別，利用狄利克雷分布主題模型，有效提高識別效率和準確性，但是識別后的場景圖形亮度較差，存在色差；還有學者提出面向遙感影像場景的深度卷積神經網絡遞歸識別模型，利用神經網絡識別場景，該種方法能夠識別不同尺寸目標場景，但是識別結果清晰度較差，容易遺失部分細節信息。

虛擬現實技術(VR)是信息技術高速發展的必然產物，利用計算機技術中的高科技手段搭建虛擬界面，使用者使用該技術時仿佛置身真實世界，具有沉浸式虛擬視覺體驗[1]。VR虛擬現實技術結合多媒體技術、數字圖像處理等多種技術，通過先進的技術手段，構建出效果逼真的虛擬場景[2]。本文構建的變電站智能巡檢多場景識別模型，利用VR虛擬現實技術對變電站精細化三維建模，方便工作人員使用虛擬設備，依據巡檢相關安全規定，勘察變電站，逐一排查變電站模型內的相關設備，利用虛擬現實技術顯示設備中的相關參數，使得工作人員能夠及時有效的掌握變電站的相關數據安全和網絡安全信息，實時監管變電站，針對存在問題制定解決方案。

1 變電站智能巡檢多場景識別模型

1.1 智能巡檢場景識別模型

變電站智能巡檢多場景識別模型主要包含兩部分，分別為信息融合的智能展示、虛擬與現實融合的智能操控[3]。經可視化載體綜合智能展示與智能操控，完成變電站巡檢場景識別的人機互動與虛實結合。變電站智能巡檢場景識別模型結構見圖1。

圖1 變電站智能巡檢場景識別模型結構

真虛交互的智能操控，有利于研究仿真技術[4]，有效結合變電站智能巡檢，將巡視機器人應用到真實的變電站中，同時把模擬機器人引入高精度的三維仿真場景中，在現實環境和仿真環境中，機器人協同工作。機器人巡檢模塊采用單目視覺測距方法測量距離完成導航，利用人工智能和機器視覺實現變電站智能巡檢多場景識別[5-7]。將相同的通信指令通過三維控制器發出，巡檢機器人與模擬機器人同時接受指令并執行，定位信息通過信息通信模塊實行傳輸，保證模擬機器人與巡檢機器人的位置時刻一致，輔助識別變電站現場的環境信息和有效集成虛擬場景信息[8]。

雙屏顯示模式下智能展示集成信息，巡檢智能機器人實時識別真實視頻，對設備異物情況報警、設備異聲報警、設備缺陷報警，信息實行采集并呈現在屏幕上；仿真環境內模擬機器人負責展示識別的環境信息、監測狀態、臺賬信息、事件信息以及設備運行時的實時數據。經過疊加處理分析2種信息，方便監測人員實時準確地獲悉變電站的全部安全信息，有效提升巡檢效率。

數據源層主要負責提供為實現可視化所需的全部數據，主要包含EMS、GIS、生產系統、氣象系統和視頻監測系統。數據層的架構見圖2。

圖2 智能巡檢數據結構

數據層主要負責數據凈化、傳遞、集成、在不同數據源與展示平臺之間的轉換[9]。可視化場景主要使用和管理外部數據和內部數據，內部數據主要來源于變電站本身業務相關系統數據，主要指視頻數據、實時數據、臺賬數據和監測數據；外部系統主要是微氣象這類外部數據源。

應用服務層主要用于幫助變電站的工作人員完成巡視監測工作，變電站健康狀況指標體系見圖3。

圖3 變電站健康狀況指標體系

應用服務層需要從6個方面開展工作，分別為缺陷信息展示、巡檢檢查管理、三維全景查看、巡檢報告管理、綜合信息展示、報警信息展示。設計變電站健康狀況指標體系時，依據層次關系把指標體系劃分為三級，方便用戶能夠在龐大數量的監測數據中得到有效信息。當變電站智能巡檢場景展示變電站內各設備和環境的健康信息時，自下而上層層抽取各級內的健康狀況，一旦對故障位置做出正確定位后，能夠通過自上而下的順序逐層挖掘故障。

可視化展示層主要負責實現管理和控制展示的形式、內容及方式。該層使用多種展示方法與媒介利用恰當的展現手法向用戶呈現可視化效果。如果終端不同，所需要使用的展示方案也各不相同。

1.2 場景識別三維虛擬建模流程

在場景識別三維虛擬建模式，考慮到變電站中包含若干運行設備，各設備中又包含各種精細化零部件，各零部件之間的連接與匹配通過接口實現。各設備中的零部件存在較為細小的可能，需要使用高精細建模方式完成變電站場景識別三維虛擬建模。建模時需要使用大量各種類型的技術資料和多媒體資料，如真實設備的剖面圖、三視圖、裝配圖、實物照片、視頻、示意圖等，建模過程中還要分析零件實物結構和連接時接口匹配細節問題，具體建模過程見圖4。

圖4 三維建模過程

為變電站場景識別三維建模時需要不斷細化和反饋，主要步驟為收集多媒體和技術資料；分析資料內零件接口與結構信息；根據分析結果繪制三維圖形；判斷所繪制的圖像是否與實物相符，假如繪制的結果與實物相符則實行下一步判定，如果不相符則需要返回收集資料步驟，重新收集資料，這個過程中可以向專家咨詢；判定所繪零件之間是否匹配，如果匹配可以結束繪制，假如不匹配則重新返回分析資料，該過程中依舊可以咨詢專家。

1.3 信息通信模塊的有效性檢測

變電站智能巡檢與場景識別的關鍵是保證信息的準確性與有效性，因此需要判斷分析信息的有效性。信息發生失效的原因多種多樣[10]。以變電站中溫度信息作為例子，假設溫度傳感器發生故障，對其輸出現象實行失效模式分類。對溫度傳感器可能出現的故障模式實行分類，主要可以分為四類，式(1)表示溫度信息恒定、式(2)表示溫度信息超出正常范圍、式(3)表示溫度信息突變、式(4)表示溫度信息振蕩：

bjout(t)=xj或|bjout(t)-xj|=ζ

(1)

bjout(t)>maxj或bjout(t)

(2)

|bjout(th)-bjout(th-1)|>Δ

(3)

mj>M

(4)

式中，t、xj與ζ分別表示時間、常數與非常小的常數，bjout與Δ分別表示第j個溫度信息實際輸出值和比較時間間隔中溫度兩跳變閥值，maxj表示第j個溫度允許的最大值，minj表示第j個溫度允許的最小值，th與th-1分別表示相鄰時間點h和時間點h-1間隔點，h表示一個正整數，M與mj分別表示允許的振蕩次數閥值和時間T內第j個傳感器溫度值的振蕩次數，在時間序列上，溫度極大值與溫度相鄰極小值之間的差大于某個閥值，此事計為一次振蕩。如果出現式(1)～式(4)這種情況，證明溫度信息無效，巡檢人員需要到變電站現場檢測維修通信鏈路[11]。

1.4 智能機器人單目視覺測距方法

本文利用單目視覺測距法完成智能機器人的導航定位。單目視覺測距法是一種對應點標定法，采用攝像機對內外參數實行標定，得到三維世界空間信息與二維圖像信息映射關系，使得世界坐標系與圖像坐標系之間實現有效轉換。為提高單目視覺測距的實時性，通常使用攝像機投影幾何模型作為測量方法，基于立體針孔幾何模型，使得圖像坐標系與世界坐標系之間能夠實現有效轉換。單目視覺的縱向切面圖見圖5。

圖5 單目視覺的縱向切面圖

由圖5可知，攝像機的光心為U點，D點是世界坐標系的原點，UD表示光軸，攝像機光心的投影用M表示，目標點以及目標點在圖像內的位置坐標使用Q(Xq,Yq)和q(Xq,Yq)表示；圖像平面的原點也是圖像和光軸之間的交點。

假設2θ、2ω與τ分別表示攝像機鏡頭的水平視場角、垂直視場角和攝像機的俯仰角，根據直角三角形幾何關系分析，能夠得到直角三角形UMD與UMQ中線段MD與線段MQ的長度，兩條線段相減能夠獲得線段DQ的長度：

(5)

(6)

MD=d*sh(τ)

(7)

MQ=d*sh(τ+λ)

(8)

DQ=MQ-MD

(9)

其中，d表示視野梯形中點J到點S的線段長度。考慮到世界坐標系水平面內，點Q(Xq,Yq)和q(Xq,Yq)到Y軸的坐標軸是線段DQ的長度，則有：

YQ=d*[sh(τ+λ)-sh(τ)]

(10)

(11)

經三角形幾何關系得到式(12)：

d+shλ=2*shω*Yq

(12)

將式(12)帶入式(11)獲取世界水平Y坐標與圖像點q(Xq,Yq)坐標之間的轉換關系：

(13)

在角UMD內存在MS=d*shτ-ω，將其帶入式(13)則有：

DS=MS-MD=D*[shτ-sh(τ-ω)]

(14)

根據式(14)得到式(15)和式(16)：

(15)

(16)

(17)

根據二維圖像q點坐標關系和頂角關系可以推算得出：

(18)

其中，w表示視野中點S到點C線段長度。直角三角形UMD內存在：

(19)

依據直角三角形相似原理可得：

(20)

將式(17)與式(19)帶入Xq則有：

(21)

(22)

經式(22)完成了通過幾何關系得出世界坐標系水平面坐標點與二維攝像機圖像之間的轉換，經計算得到D為點Q(Xq,Yq)坐標系的原點，攝像機投影點與水平面目標點q之間的距離是單目視覺測量的距離，單目視覺測距距離便是MQ長度：

(23)

綜上，通過信息融合技術，將各種巡檢數據信息融合展示在可視化載體上，利用人工智能和機器視覺智能操控真虛交互，實現變電站智能巡檢多場景識別。

2 實例分析

將某地大型發電站中的變電站作為研究對象，該發電站占地3萬多平方米，建設于2007年，屬于10 MW燃煤發電廠，總投資120億元，建設4*660 MW超超臨界燃煤發電機組，供熱量達到兩千四百噸每小時，年發電量達到一百三十三億千瓦。

為對比場景識別效果，將使用本文模型與基于LDA主題識別模型(文獻[5])和面向遙感影像場景的深度卷積神經網絡遞歸識別模型(文獻[6])分別在該變電站投入使用，實驗觀察期為三個月。在觀察期內，對于變壓器等設備的識別效果對比，結果見圖6。

從圖6中能夠看出，文獻[5]模型與文獻[6]模型識別出來的變壓器模型結果比較模糊且有較多噪聲干擾，無法識別出設備細節及電線連接情況，不利于巡檢工作的開展。本文模型識別的設備場景比較清晰，如果對畫面實行拖動和旋轉處理，能夠看到設備細節，能夠有效輔助工作人員開展巡檢工作。

圖6 變壓器設備的場景識別效果

變電站內整體環境場景識別效果見圖7。

由圖7能夠看出文獻[5]模型識別出的結果畫面較暗，導致許多場景內容不能被辨識出來，且圖像中出現很多毛邊；文獻[6]模型識別出的變電站環境場景效果比較模糊，不能清晰的識別出場景且部分圖像細節遺失；本文模型識別出的場景不但清晰度與明亮度均較高，而且細節保存完整，場景識別質量較高。

圖7 變電站整體環境場景識別效果

在3個月的實驗觀察期內共完成巡檢4千多次，累計識別場景2萬多次，對本文模型巡檢結果實行統計，統計結果見表1。

通過表1能夠看出，利用本文模型各項巡檢結果均能達到預期效果，具有良好的巡檢效果，說明本文模型適合推廣使用。

表1 巡檢效果

3 結論

本文通過VR虛擬現實技術研究變電站智能巡檢多場景識別模型。本文將通信技術與智能技術相結合，服務于電力事業，彌補單向巡檢的缺陷。智能巡檢多場景識別模型的使用保證了變電站的正常運行情況方便快捷無視差的監測，實現智能化、網絡化、自動化、數字化的監控管理變電站，良好的場景識別效果，為變電站的智能管理打下了基礎。