石書(shū)山

（貴州電網(wǎng)有限責(zé)任公司輸電運(yùn)行檢修分公司，貴州 貴陽(yáng) 550000）

0 引言

電力系統(tǒng)運(yùn)行的一個(gè)基本目標(biāo)是在合理的規(guī)劃下向人們提供穩(wěn)定而高質(zhì)量的電能。現(xiàn)階段，電力建設(shè)發(fā)展迅速，但許多弊端也接踵而來(lái)：電力建設(shè)現(xiàn)場(chǎng)安全管理制度不完善；絕大多數(shù)的輸電設(shè)備長(zhǎng)期暴露在惡劣條件的環(huán)境里，施工路段復(fù)雜給安全生產(chǎn)帶來(lái)了極大的隱患。在輸電線路的傳統(tǒng)巡檢中，常出現(xiàn)受地形、天氣等自然因素影響較大、巡檢效率低下、工作安全問(wèn)題嚴(yán)峻等問(wèn)題。盡管現(xiàn)階段采用無(wú)人機(jī)代替巡檢，但數(shù)據(jù)的分析依然采用人工識(shí)別。但人工識(shí)別受人為影響較大，識(shí)別的效率很難達(dá)到同一水平。當(dāng)務(wù)之急是電網(wǎng)巡檢人員尋找一個(gè)快速高效的識(shí)別方法。

現(xiàn)今進(jìn)入大數(shù)據(jù)時(shí)代，人工智能識(shí)別的技術(shù)在各行各業(yè)散發(fā)異彩，用于智能化的編程軟件百花齊放，模型的建設(shè)也趨于成熟。專業(yè)的基礎(chǔ)條件令人工智能在電力行業(yè)擁有更廣闊的前景。因此，順應(yīng)時(shí)代發(fā)展，針對(duì)輸電線路的識(shí)別軟件成功問(wèn)世。輸電線路缺陷智能分析系統(tǒng)包含3 個(gè)主要模塊：數(shù)據(jù)獲取模塊、典型缺陷智能分析模塊、報(bào)告自動(dòng)生成模塊，3 個(gè)模塊一一對(duì)應(yīng)傳統(tǒng)巡檢的人工巡視、人工識(shí)別和人工總結(jié)的階段，讓傳統(tǒng)巡檢的過(guò)程變得完全智能。此外，該系統(tǒng)識(shí)別率達(dá)到85%以上、速度可達(dá)到2 000 張/小時(shí)，給巡檢人員提供可靠的數(shù)據(jù)，讓巡檢人員更好、更快地處理障礙，保障輸電的安全性和穩(wěn)定性[1]。

1 輸電線路缺陷智能分析系統(tǒng)

1.1 總體思路設(shè)計(jì)

為了實(shí)現(xiàn)輸電線路智能巡檢，該系統(tǒng)擁有“高內(nèi)聚，低耦合”的特點(diǎn)，令每個(gè)模塊各司其職的同時(shí)互不干擾，使程序模塊重用性、移植性大大增強(qiáng)。

1.2 功能設(shè)計(jì)

線路巡檢的主要目的是在巡視中及時(shí)找到設(shè)備的自身缺陷。根據(jù)需求，系統(tǒng)分為數(shù)據(jù)獲取模塊、典型缺陷智能分析模塊、報(bào)告自動(dòng)生成模塊三個(gè)模塊，共同配合輸電線路運(yùn)維的工作，以便保障輸電的穩(wěn)定和安全。

1.2.1 數(shù)據(jù)獲取模塊

數(shù)據(jù)獲取是進(jìn)行智能識(shí)別工作的第一步。數(shù)據(jù)獲取模塊由需方提供已分類好的巡檢照片，根據(jù)巡檢照片的屬性，如輸電線路的名稱、桿塔的信息，提取出桿塔機(jī)巡數(shù)據(jù)照片的拍攝位置信息等json格式的文件。利用json格式將如上的信息一一對(duì)應(yīng)并進(jìn)行自動(dòng)填充，為后續(xù)生成輸電線路的巡檢報(bào)告提供基礎(chǔ)信息。

1.2.2 典型缺陷智能分析模塊

典型缺陷智能分析模塊主要提供模型進(jìn)行智能識(shí)別?；谥悄茏R(shí)別模型，實(shí)現(xiàn)非機(jī)構(gòu)數(shù)據(jù)（圖片）向結(jié)構(gòu)化數(shù)據(jù)的轉(zhuǎn)換，以便提取圖片上的相關(guān)缺陷信息。

此外，該系統(tǒng)提供了人工識(shí)別分析模塊功能，結(jié)合系統(tǒng)已內(nèi)置的集成編碼化的南方電網(wǎng)標(biāo)準(zhǔn)缺陷庫(kù)，輔助人工識(shí)別分析判斷，實(shí)現(xiàn)缺陷照片的快速識(shí)別及缺陷信息的提取。

輸電線路缺陷智能分析系統(tǒng)不僅實(shí)現(xiàn)了多人多機(jī)協(xié)同時(shí)作業(yè)，共同進(jìn)行數(shù)據(jù)處理分析工作；還具有缺陷等級(jí)劃分的推薦功能，在智能識(shí)別出缺陷的基礎(chǔ)上還可以給不同種類的缺陷進(jìn)行缺陷定級(jí)推薦，幫助運(yùn)維人員對(duì)不同種類的缺陷進(jìn)行缺陷等級(jí)判斷[2]。

1.2.3 報(bào)告自動(dòng)生成模塊

缺陷識(shí)別的最后一步是自動(dòng)生成報(bào)告。輸電線路機(jī)巡缺陷智能識(shí)別業(yè)務(wù)系統(tǒng)報(bào)告生成模塊擁有報(bào)告自動(dòng)合并的功能。數(shù)據(jù)分析班的不同班員對(duì)同一條線路開(kāi)展區(qū)段分析后，通過(guò)合并數(shù)據(jù)及數(shù)據(jù)分析過(guò)程中生成的json 文件信息，按照線路進(jìn)行自動(dòng)合并、整合成該線路的缺陷巡視分析報(bào)告。

2 輸電線路缺陷隱患智能分析關(guān)鍵技術(shù)和創(chuàng)新技術(shù)

2.1 輸電線路缺陷隱患智能分析關(guān)鍵技術(shù)

2.1.1 基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)技術(shù)

圖1 為卷積神經(jīng)網(wǎng)絡(luò)原理圖。

圖1 卷積神經(jīng)網(wǎng)絡(luò)原理圖

隨著深度學(xué)習(xí)的快速發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)已經(jīng)相當(dāng)成熟。該系統(tǒng)針對(duì)電網(wǎng)典型缺陷的算法開(kāi)發(fā)，使用基于多特征融合的目標(biāo)檢測(cè)框架。一般目標(biāo)檢測(cè)是指從圖像中找到目標(biāo)物體并定位，針對(duì)目標(biāo)檢測(cè)算法中小物體漏檢和檢測(cè)框不準(zhǔn)確的問(wèn)題，將多層特征融合的多特征圖、層的原始圖像信息和高層的語(yǔ)義信息結(jié)合。系統(tǒng)升級(jí)后，擁有比之前版本更準(zhǔn)確的檢測(cè)精度和更快的檢測(cè)速度。

2.1.2 基于連續(xù)增強(qiáng)記憶的遷移學(xué)習(xí)技術(shù)

本系統(tǒng)第二個(gè)關(guān)鍵技術(shù)是基于連續(xù)增強(qiáng)記憶的遷移學(xué)習(xí)技術(shù)進(jìn)行相應(yīng)的樣本訓(xùn)練。在訓(xùn)練過(guò)程中，技術(shù)人員綜合采用樣本、特征、關(guān)系、模型的遷移技術(shù)，通過(guò)放大與目標(biāo)領(lǐng)域相似的數(shù)據(jù)與目標(biāo)領(lǐng)域的數(shù)據(jù)進(jìn)行匹配，對(duì)不同例子加權(quán)。技術(shù)人員利用樣本共同特征在不同層級(jí)的特征間進(jìn)行自動(dòng)遷移，在特征空間進(jìn)行遷移，把源、目標(biāo)領(lǐng)域的特征投影到同一個(gè)特征空間里進(jìn)行分析。

2.2 輸電線路缺陷隱患智能分析創(chuàng)新技術(shù)

該系統(tǒng)中基于數(shù)據(jù)和場(chǎng)景的特點(diǎn)采用了基于級(jí)聯(lián)檢測(cè)的增強(qiáng)學(xué)習(xí)技術(shù)，在智能分析計(jì)算上以CVPR2018的Cascade R-CNN 算法為基礎(chǔ)進(jìn)行了改進(jìn)。此外，系統(tǒng)還增加了多個(gè)強(qiáng)分類器的級(jí)聯(lián)過(guò)程，并通過(guò)級(jí)聯(lián)的R-CNN 網(wǎng)絡(luò)；每個(gè)級(jí)聯(lián)的R-CNN 設(shè)置不同的IOU 閾值，對(duì)輸入的proposal 進(jìn)行優(yōu)化，使自定義的卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算精度和效率上得到了提升。系統(tǒng)運(yùn)用了基于級(jí)聯(lián)檢測(cè)的增強(qiáng)學(xué)習(xí)技術(shù)后，更易于實(shí)施端到端的trainning。特別是在更嚴(yán)格的評(píng)估指標(biāo)下，實(shí)現(xiàn)最先進(jìn)的單模型探測(cè)器。Cascade R-CNN 還可以使用基于R-CNN 框架的任何兩級(jí)物體探測(cè)器構(gòu)建。

3 實(shí)際應(yīng)用與結(jié)論

3.1 實(shí)際應(yīng)用

自輸電線路缺陷智能分析系統(tǒng)在中國(guó)南方電網(wǎng)貴州省有限責(zé)任公司運(yùn)行以來(lái)，該系統(tǒng)幫助施工人員快速識(shí)別多條線路的隱患。例如，貴州110 kV 雙淤Ⅰ回線里，從采集數(shù)據(jù)的無(wú)人機(jī)里導(dǎo)出某一段時(shí)間的全部數(shù)據(jù)，進(jìn)行分類，并按照目標(biāo)選擇模型進(jìn)行識(shí)別。在人工識(shí)別的同時(shí)，本系統(tǒng)的研發(fā)人員也會(huì)進(jìn)行數(shù)據(jù)分析，得出人工數(shù)據(jù)的準(zhǔn)確率。

在貴州110 kV 雙淤Ⅰ回線里，識(shí)別效果更為顯著。雙淤Ⅰ回線的正確識(shí)別率達(dá)到了90%及以上，識(shí)別速率達(dá)到2 000 張/小時(shí)。同步進(jìn)行的人工識(shí)別，最高識(shí)別率僅達(dá)到80%，識(shí)別速率也只能達(dá)到200 張/小時(shí)。

3.2 結(jié)論

根據(jù)輸電巡檢的流程，該系統(tǒng)要運(yùn)用了基于級(jí)聯(lián)檢測(cè)的增強(qiáng)學(xué)習(xí)技術(shù)，采用多種算法和模型，進(jìn)一步提升識(shí)別輸電線路缺陷的識(shí)別速率。平臺(tái)實(shí)現(xiàn)了絕緣子自爆、桿塔異物、防振錘斷頭、防振錘變形、連接金具閉口銷(xiāo)缺失缺陷識(shí)別，對(duì)輸電線路的典型缺陷進(jìn)行精準(zhǔn)的識(shí)別。

自該系統(tǒng)在貴州電網(wǎng)運(yùn)行以來(lái)，缺陷識(shí)別模型均能保證正常、高效運(yùn)作，提高了輸電線路的工作效率。