水電站智能監測安防系統應用研究

李廣勤

（廣東粵電南水發電有限責任公司，廣東 韶關 512600）

0 引言

水電站安全事關國計民生，直接影響一個國家或地區的經濟社會發展，傳統水電站安防更多通過固定視頻攝像頭、刷卡密碼等感知周邊環境，只能針對特定區域進行小范圍檢查，無法對整個區域進行實時感知。安防的信息數據多用于事后證據，無法進行提前的預警和告警，安全管理效率低下。目前最常用的攝像頭和傳感器實時監控[1]往往存在監控死角，因此有必要結合移動攝像平臺對整個水電站進行全自動安防巡邏，以彌補監控和傳感器盲點。

針對危險水域及大壩[2，3]、水利發電設施等區域的防護，結合目前人工智能技術[4-6]、智能無人機等技術[7，8]，本文在傳統地面監控的基礎上，增加全自主智能飛行平臺，實現“空-地”聯動，形成了一套基于無人機全自動巡檢的安防預警系統。該系統通過無人機機庫建立全自動響應機制，利用無人機空中攝像全面覆蓋庫區全域及周邊區界，與地面監控的告警數據聯動，實現水電站全生命周期的智能化監測，對水利水電智能化安防運維建設具有較好的借鑒意義。

1 智能監測安防系統設計

1.1 監測設備的選擇

1.1.1 傳感器

通過布置傳感器對水位、不穩定滑坡體、地面塌陷及地面沉降等地方進行實時數據采集，分析地表變形數據及水質數據，實現對水庫水源監測及壩區多種地質災害表面的形變位移監測的目的。

1.1.2 固定攝像頭

在需要監測的區域內架設固定攝像頭，固定攝型頭視頻監控通過嵌入式采集卡對圖像視頻進行采集、通過對采集到的圖像或視頻行為分析和智能跟蹤的方式，實現安全防范監控；可對區域入侵、進入區域、離開區域等多種行為進行識別。由于攝像頭是固定的，采集到的視頻或圖片角度單一，比較片面。為了更加精確快速的做出識別判斷，還需要無人機巡檢加以輔助。

1.1.3 無人機+邊緣計算盒+載荷設備

無人機搭載邊緣計算盒、高清攝像頭、高分貝喊話設備等進行水電安防的新模式信號采集，可以提高安防的效率和準確性。通過機載智能設備采集圖像數據，可以實現庫區全方位監控，同時通過AI 技術對數據進行分析，能夠快速判斷是否存在異常情況，并及時進行警示和處理，從而達到安防的效果。同時，無人機設備具有機動性和響應速度快等優點，能夠適應各種復雜地形和惡劣氣候條件，有效應對各種緊急情況。實現無人機智能安防需要滿足以下2 點：

（1）無人機全自動巡檢技術

圖1 無人機及自動機場

通過設立無人機全自動機庫，實現無人機的自動充電、自動執行起降指令與巡檢規劃任務，全面擺脫人工操作依賴，實現真正全自動化。

（2）自動航線規劃

將庫區地質地貌、山體水體、風口等地表環境要素以及重點巡檢目標的懸停繞飛需求進行差異性解析建模，折算為基于無人機統一飛行高度與速度狀態下標準飛行能耗的空間跨度維度描述，以實現無人機基于機庫中心點位于各方向最大飛行距離的精準測算，以便形成合理的機庫點位布局；根據巡檢方案的要求，為無人機規劃最優解的多批次起降作業任務航跡。根據無人機的實時續航能力與作業距離，規劃合理的航跡與任務架次，并為下一起飛架次動態更新巡視目標、巡檢次序、區間飛行速度與時間、目標尋址與回歸航線等飛行預案，同時協調無人機庫做好充電與投放準備，實現無人機的全覆蓋組網巡視。

圖2 自動航線規劃

1.2 AI 智能識別算法

通過集成無人機與各傳感器采集的數據，建立圖像分析數據庫，前期技術人員輔助人工智能識別，強化AI 自學習，實現差異化重檢，提升AI 缺陷識別的準確率。

采用深度學習技術，從水庫的水務安防運維、廠區安防運維等業務出發，通過對各類缺陷/事件的圖像/視頻對比、智能識別兩個方向進行深度研究，實現無人機在不同的尺度下對多姿態視頻/圖像的目標識別、追蹤、分析和關鍵特征檢測。采用領域自適應方法，實現前期少樣本學習，中期無人機巡視數據的高效標注，以及后期的增量學習，不斷提升巡檢分析的可靠性和穩定性，開發訓練出一批適用于無人機巡檢場景的AI 算法模型，包括壩區缺陷識別、生態破壞識別、入侵目標識別、自然災害識別、電力設施缺陷識別、泄洪預警等，提高無人機巡檢的智能化水平。

基于固定攝像頭/無人機視頻流的智能圖像識別算法，利用深度學習和大數據技術，在監控區域內劃定虛擬界限并實時檢測是否有人員闖入，為現場安防監督提供有力保障。具備視頻或圖片無縫接入、人員信息提取、越界檢測與報警等自動識別與分析功能。

機巡數據自動歸類功能可以將當前巡視圖像的地理位置信息與平臺儲存的3D Tiles 點云信息、設施要素KML 信息和相關歷史圖像位置信息相比對，自動判別圖像拍攝的設備并歸類到相應設備的文件夾中，實現巡視數據的自動整理；基于無人機巡邏過程中獲取的高清影像與AI 計算機視覺識別算法，可快速識別庫區隱患和管控事件。

1.3 分級報警數據聯動設計

根據地面監控攝像機/傳感器或無人機傳回的數據，實時檢測是否有報警信號。報警工況可能有多種，例如傳感器發來的坡體壓力或角度異常、水位數據異常或攝像機提供的周界告警等。當有報警信號傳遞時，則將擾動信號和位置信息通過物聯網或光纖傳輸發送到服務器，服務器獲取異常信息后，給出相應的處理手段。對于觸發了無人機巡查現場狀態條件的異常，服務器收到管理員同意后將位置信息發送到無人機地面站，由無人機自動規劃航線飛行至目標點上空，并回傳現場照片和視頻。

為了應對水庫安防與運維事件，需要建立一個既能實現多級分析處置響應，又能滿足安全防護與運維事件的時效性要求的協同計算體系。針對簡單事件，例如人員闖入、煙霧等，直接在無人機或攝像頭終端進行快速識別和報警。而對于復雜事件，例如異常物體、異常行為等，無人機與服務器需要協同判斷決策，通過多個運算單元的協同計算，提高識別準確率和效率。在減輕AI 服務器的負擔的同時最大化利用各級計算資源，并提供靈活的可擴展性接口，可快速接入各類已有的分析、應用系統，為對接三方系統提供通用/專用服務。通過這種方式，更好地應對水庫安防與運維事件，并提高整體安全性與效率。

分級相應設計參考如下：

圖3 分級報警設計

根據事件的嚴重程度，設定不同的報警級別。低級別的報警可以直接由無人機或攝像頭終端進行處理并發送通知。高級別的報警將觸發數據聯動，將相關數據傳輸至服務器進行進一步分析，并觸發相應的應急響應流程。一旦高級別的報警觸發，系統將啟動應急響應流程。其中包括自動調度無人機或固定攝像頭進行跟蹤監控、自動通知相關責任人或安全人員，同時也可提供實時視頻和相關數據供人工干預和判斷。

2 智能無人機技術在水庫安防中的應用

通過集成無人機與各傳感器采集的數據，利用可自主學習的AI 算法可對水利設備設施圖像、聲音、人員行為等數據進行學習，通過對巡檢過程中關鍵數據挖掘，實現無人機巡視數據類型進行自動歸類。對壩體、庫區周邊道路、建筑物等的裂縫等的病害進行智能分析和識別；對山體塌陷、滑坡、泥石流等自然災害進行識別；對電站庫區范圍內的違建進行智能識別和預警；對亂砍亂伐、地質破壞等生態破壞行為進行識別；對無人機巡檢過程中出現的可疑行人、車輛或船只等異常目標或異常軌跡進行智能分析和識別；對升壓站和送電線巡檢結果進行智能缺陷識別，實現水庫生命周期的全自動安防運營。

2.1 日常無人化巡檢

通過無人機巡檢平臺，實現大壩及大壩附近山體公路植被巡查，進水口及附屬設施的檢查，庫區巡查比如庫區塌方，植被破壞，網箱養魚及影響庫區周邊和庫區水質的其他問題，庫區周邊水情遙測站進行巡查，泄洪道巡查等。以此來降低人工巡檢的風險，提高巡檢效率，實現人機協同，全方位、大范圍、自動化、智能化的巡檢方式。

圖4 無人機壩區日常巡檢

無人機攜帶高清紅外相機開展日常巡檢工作，當無人機捕捉到隱患點時，自動進行定點拍攝，并將巡檢圖像和視頻上傳云端，實時進行AI 圖像分析與識別。

2.2 水位監測和預測

無人機可以利用搭載相應的傳感器設備快速測量飲用水源頭的多種數據，如水質、水位、水溫等，并記錄傳感器的狀態和使用情況。

設置于岸邊定點區域的無人機機庫，可以實現無人機最大飛行精準測算有利于完成針對水庫沿岸的水位進行定期監測[9]。在汛期水位變化較快的時期內，無人機可以有效代替人力對大范圍的水庫濕地沿岸的水文水位狀態進行監測，避免了人員往返的耗時費力，提高相關信息的時效性，有效保障安全。通過搭載高清紅外相機和煙霧傳感器等可以實時監測水庫的水位、淤積情況以及潛在的火災隱患，提供全方位的巡檢支持。

2.3 洪水預警和防范

在準備泄洪或正在泄洪時，通過無人機對泄洪河道進行巡查和識別河道中的人員、車輛等，利用無人機上搭載的喊話設備進行提醒和疏散[10]。

圖5 無人機視頻實時傳輸

2.4 壩區公路智能識別

對壩區及附近的公路進行日常化與特殊化巡檢，實時監測公路的各種突發事件與隱患事件，包括交通擁堵、公路危險事件、公路環境隱患、異物識別、缺陷識別等。

圖6 巡檢數據自動識別

3 結論

本文在地面監控的基礎上，引入無人機智能飛行平臺從空中對水庫進行巡視，實現“空-地”多源數據聯動，進而形成了一套基于無人機自動機場的水電站智能監測安防系統。該系統彌補了傳統地面監控的死角，作用范圍大，可實現日常巡邏、缺陷隱患智能識別，告警后快速響應，在水庫、湖泊、景區等安防監控場景有著廣泛的應用潛力。其中分級報警數據聯動設計，可以實現快速準確的報警和響應，提高安全監控系統的效率和反應速度。同時，也可以最大化地利用無人機和固定攝像頭等設備的能力，為庫區安全防護提供全方位的保障。后續可以擴大樣本訓練集，進一步提高AI 智能識別算法的泛化性和魯棒性。