电气设备智能巡检应用

发布时间：2022-10-05 10:02 热度：

　　针对变电站巡检方式存在的缺陷，本文运用人工智能、边缘计算、大数据等技术，在终端层基于柔性传感技术，实现对电力设备的温湿度、电流电压和破坏性外力以及铁芯接地电流、变压器局部放电、变压器油色谱等数据的全方位采集，在站端边缘侧，通过一体化通信网络架构，实现多节点侦测及统一感知接入，实时全面覆盖智能传感终端，同时利用边缘计算技术实时智能处理本地数据；在云端，构建变电站全方位智能诊断分析系统，同时开发移动变电站APP供用户随身使用，实现三维立体展示、传感数据接入、异常实时预警、智能感知预测等多种功能，从而实现对电力设备运行状态的实时跟踪，通过“云、边、端”三体协同，建造一个变电站全方位智能“体检仪”。

　　1总体框架

　　轮式机器人与挂轨式机器人通过可见光红外双视摄像头采集变电站现场表计示数、设备温度等数据，结合变电站固定摄像头监控终端采集的人脸、异物入侵等数据信息，通过无线通信网将数据传输到站端层的一体化通信网络架构的交换机；以智能机器人及固定式高清摄像头的联合巡检为基础，变电站现场部署声纹采集装置、变压器油色谱分析装置、铁芯接地电流检测装置、局部放电检测装置等多种传感检测装置，对变电站电气设备潜在性故障进行监测识别，实现变电站多节点、全方位监测，采集的数据同样传输到站端层交换机；站端交换机获取并处理机器人终端、视频监控终端以及其他传感终端采集到的数据，处理结果传输到边缘终端代理系统，并应用边缘计算技术实现数据本地智能处理。边缘终端代理系统将处理结果传输给地市级的变电信息综合处理系统，并生成全方位巡检报告，供系统用户查阅审核。移动APP通过无线虚拟专网连入边缘终端代理系统，实现传感数据接入、异常实时预警、智能感知预测等多种功能，实现了对电网变电站各电力设备运行状态的实时跟踪，确保了设备的安全性。系统框架如图1所示。

　　2关键技术研究

　　2.1机器人巡检与高清摄像头联合巡检

　　机器人巡检与高清摄像头联合巡检对变电站范围内巡检机器人、视频监控进行管理，利用物联网技术实现“信息流”与“数据流”的“双流”融合，通过“信息流”的融合实现机器人巡检流程、视频巡检流程、人工巡检流程和状态检修流程的融合，降低了巡检班组人员的工作量，也提升了变电站的检修效率；通过“数据流”的融合，搭建基于视频监控、站内监控设备等多源数据融合数据处理机制，充分挖掘巡视数据资源，实现机器人智能巡检、设备运行状态实时监测。智能机器人与高清摄像头联合巡检变电站运行情况，采集海量的电气设备设施运行图、作业人员施工图、安全帽、异物入侵及红外图像等数据信息，基于神经网络算法、大数据技术完成图像智能识别，实现变电站无人巡检的要求，系统后台可自动生成巡检报表，供系统用户审阅核实，进行数据统计与深度挖掘分析，实现变电站巡检事故的可追溯，从而实现对变电站电力设备运行状态的实时跟踪、实时监测。其流程图如图2所示。

　　2.2图像识别

　　图像处理以及对图像的分析是利用智能算法对图像进行自动的处理、分析和理解，以识别各种不同模式的目标和对象的技术，利用图像信息分析电力设备的健康状况。基于获取的设备故障样本库、特征值，对所获取的图像进行预处理，包括去噪、增强、复原、超分辨重建、配准等；在对图像进行处理后再进行进一步的分析，包括图像的特征提取、图像的分割等；最后利用所提取的特征从图像中识别出设备，并与样本库的图像特征进行比较，判断图像是否发生变化，利用典型缺陷和故障样本库进行设备异常及异物的检测和识别，从而分析运行设备的健康状态及故障情况。在具体实施过程中，构建具有图像特征学习能力的多网络融合技术，有效且高速地识别出图像中的异常目标，提高融合图像的设备异常检出率、遗漏率等指标，达到工业检测的标准。

　　2.3触觉监测

　　利用柔性传感技术，通过柔性传感贴片贴在电缆中间接头、设备表面等关键部位，测量温度、湿度、压力、加速度(振动)、应变等参数。并通过测量的电力设备力学环境去判断设备可能存在的外力破坏。测量的物理参数有温度、湿度、压力、加速度(振动)、应变等。基于柔性传感技术，既可以监测电力设备的温度、湿度等参数，还可以测量电力设备的力学环境，即通过加速度、压力、应变去判断设备可能存在的外力破坏。触觉监测流程如图3所示。

　　2.4智能综合监测

　　对变压器油色谱、局部放电、铁芯接地电流等关键指标进行智能综合监测，对传统监测手段进行彻底的基础性能提升、智能化改造，实现三项指标集中监测、统一治理，提升对变压器状态的智能评估和安全预警水平。1)在终端层建立分布式传感网，部署各种新式智能监测终端，主要包括变压器铁芯接地电流监测终端、变压器油色谱在线监测终端以及变压器局部放电监测终端。2)建立互联的有线通信网络，以及新的数据交互模式，由智能监测终端采集，获取相应一次设备原始监测数据，通过统一通信规约，实现站端层、地市级采集数据实时互联，实现关键指标集中采集。3)建立大数据分析工具模块，实现设备状态多维数据汇聚治理，利用基于多源信息融合分析技术实现变压器状态的智能评估和安全预警，其流程如图4所示。

　　2.5声纹识别

　　在当前变压器巡检工作中，有经验的巡检人员可以通过变压器发出的声音实现对变压器的状态的精确诊断，但是这需要经验非常丰富的专家才能判断。该故障诊断技术使用专家对声音分析的结果进行借鉴，运用大数据的采集和人工神经网络，对故障的声音特征信号进行数字化管理，再结合各种故障声音的信息库，结合专家的诊断技术，将声音用于诊断变压器变为可行，并通过规范化使其可以进行大范围推广，解决目前诊断困难的难题。而研究的音频监控系统，经过长时间的数据学习和分类，能够将正常的声音、自然界的声音和异常的声音较为完善的进行区分。音频处理流程如图5所示。

　　2.6移动端展示

　　打造移动端物联平台，展示变电站的三维立体模型，利用APP接入变电信息综合处理系统，实时观测变电站内外部情况，并利用各智能感知设备实时传回的数据，查看变电站中设备状态，在出现异常时可通过APP发出警报。依托移动作业技术，使工作人员能够远程巡检变电站，实现变电站全方位巡视，满足现场多样信息处理要求。根据国网公司“分区分域”安全要求和“一级管理，两级运行”新型部署模式要求，该移动巡检APP将会部署在内网的移动应用平台，部署方式为两级部署，在公司总部和省(区、市)公司分别部署不同的服务模块：在总部信息内网部署平台管理模块，在省(区、市)公司的信息内网部署平台运行支撑模块。内网移动专控终端通过电力无线虚拟专网连接到安全接入平台，进而接入平台运行模块。

　　3结语

　　文中研究的基于云边端系协同感知的变电站电气设备全方位“体检仪”，应用变电站高清视频和智能巡检机器人联合巡检，实现不同厂家机器人、摄像头的统一感知接入，实现设备缺陷图像智能识别告警、运行状态分析、人员识别等。并增加声纹识别，分析设备运行工况，且进行缺陷识别和预警；进行变压器油色谱分析、铁芯接地电流检测、局部放电检测等多种检测技术整合，对变压器潜在性故障进行诊断，通过提高传感器的灵敏度、稳定性和抗干扰性，以提高在线监测的效率；巡检后生成全方位巡检报告，提升变电站电气设备状态的智能评估和安全预警水平，推动智慧变电站建设。

　　作者：谢石木林