岳思凡 李奧 高珊 李楠 胡淼

1. 項目背景

變電站管理是現(xiàn)在電網(wǎng)急需進行完善與加強的地方之一，為了實現(xiàn)對變電站設(shè)備及人員的有效管理、檢測和監(jiān)控，讓運檢人員更加輕松準確的進行運行分析，故障搶修，幫助減少故障停電時間，保障電網(wǎng)穩(wěn)定供電、設(shè)備安全運行和人員良好管理，增強供電服務保障能力，將智能平臺與變電站相結(jié)合，尤為重要[1]。通過智能檢測平臺，可以實施監(jiān)控變電站油液高度，及時的進行故障預警，實時監(jiān)控;設(shè)置定時任務，在規(guī)定時間內(nèi)進行設(shè)置好的任務，防止人員任務沖突[2];通過人員管理模塊，可以實時的監(jiān)控人員狀態(tài)，有效管理人員變動，防止不明人員進入變電站。如今智能檢測平臺已經(jīng)在多個省市進行推廣，并取得較好的成果。某供電公司智能數(shù)字系統(tǒng)。如圖一所示：

2. 主要研究內(nèi)容

針對上述問題，為了更加精準的檢測繼電器油液高度，在不破壞原有容器的情況下，進行高清攝

像頭架設(shè)，通過攝像頭將油液圖像實時傳送至服務器處。通過深度學習算法精確識別油液高度，并傳送至系統(tǒng)前端;在系統(tǒng)前端繪制實施油液高度波動圖像，更加直觀的呈現(xiàn)給相關(guān)人員，在油液高度超過警戒線時，系統(tǒng)會自動進行報警，避免設(shè)備故障，影響供電，及時的將情況反映給檢修人員，進行維修處理，同時系統(tǒng)會控制相應供電單元關(guān)閉，防止設(shè)備損壞。

3. 主要結(jié)構(gòu)及原理

由于攝像機傳至后端的圖像視頻內(nèi)的目標過多，我們需要克服一些干擾物，對圖像進行分析。為此，我們將結(jié)合計算機視覺中的目標檢測技術(shù)，圖像分割技術(shù)，進行油液高度檢測。我們使用目標檢測技術(shù)中的區(qū)域卷積神經(jīng)網(wǎng)絡，通過將深度模型應用于目標檢測，使用快速及準確的 FasterR-CNN[3]。FasterR-CNN 將選擇性搜索替換成區(qū)域提議網(wǎng)絡，從而減少提議區(qū)域的生成數(shù)量，并保證目標檢測的精度。具體模型如圖二所示：

具體來說區(qū)域提議網(wǎng)絡的計算步驟如下：

· 使用填充為 1的 3×33times33×3卷積層變換卷積神經(jīng)網(wǎng)絡的輸出，并將輸出通道數(shù)記為 ccc。這樣，卷積神經(jīng)網(wǎng)絡為圖像抽取的特征圖中的每個單元均得到一個長度為 ccc的新特征。

· 以特征圖每個單元為中心，生成多個不同大小和寬高比的錨框并標注它們。

· 用錨框中心單元長度為 ccc的特征分別預測該錨框的二元類別（含目標還是背景）和邊界框。

· 使用非極大值抑制，從預測類別為目標的預測邊界框中移除相似的結(jié)果。最終輸出的預測邊界框即興趣區(qū)域池化層所需要的提議區(qū)域

區(qū)域提議網(wǎng)絡作為FasterR-CNN的一部分，是和整 示：

個模型一起訓練得到的。也就是說，F(xiàn)asterR-CNN的目標函數(shù)既包括目標檢測中的類別和邊界框預測，又包括區(qū)域提議網(wǎng)絡中錨框的二元類別和邊界框預測。最終，區(qū)域提議網(wǎng)絡能夠?qū)W習到如何生成高質(zhì)量的提議區(qū)域，從而在減少提議區(qū)域數(shù)量的情況下也能保證目標檢測的精度。我們還使用基于邊緣檢測的圖像分割方法，通過確定圖像中的邊緣像素，然后再把這些像素連接在一起就構(gòu)成所需的區(qū)域邊界。圖像中一個區(qū)域的終結(jié)和另一個區(qū)域的開始，圖像中相鄰區(qū)域之間的像素集合構(gòu)成了圖像的邊緣。所以，圖像邊緣可以理解為圖像灰度發(fā)生空間突變的像素的集合。圖像邊緣有兩個要素，即：方向和幅度。沿著邊緣走向的像素值變化比較平緩;而沿著垂直于邊緣的走向，像素值則變化得比較大。因此，根據(jù)這一變化特點，通常會采用一階和二階導數(shù)來描述和檢測邊緣。由于我們使用的圖像并不復雜與細節(jié)并不豐富，所以圖像分割可以更加精確的將油液高度劃分出來。

4. 項目的創(chuàng)新點及應用情況

相比于單獨使用 opencv中的圖像處理方法，本系統(tǒng)將目標檢測技術(shù)與圖像分割技術(shù)相結(jié)合，經(jīng)確 的排除干擾物，同時能夠檢測判斷出設(shè)備是否故障， 并且經(jīng)過目標檢測技術(shù)分析圖像后，將圖像圖形化 的呈現(xiàn)在系統(tǒng)界面上，進行多線程處理，可以同時檢測多個油液高度。為了驗證技術(shù)是否可行有效，我 們將國網(wǎng)過去數(shù)據(jù)圖像拿來進行檢測結(jié)果如圖 3所

由圖表可以看出，本系統(tǒng)檢測十分穩(wěn)定可靠，對不同情況處理符合國網(wǎng)要求，并且圖像反應非常精準。

5. 主要成效分析

該項目主要的有益效果有：在可以 24小時全天進行檢測，如果出現(xiàn)突發(fā)情況，可以及時關(guān)閉相應設(shè)備，防止設(shè)備故障，同時可以進行報警處理，及時呼叫相關(guān)人員進行故障處理。還可以提前示警相關(guān)人員，使相關(guān)人員做好設(shè)備突發(fā)狀況準備。有效的防止因為油液過高導致其他設(shè)備故障，及時的進行設(shè)備修復，恢復供電，不影響用電人員的生活，工作需求。該系統(tǒng)的應用取得了明顯的經(jīng)濟效益以及巨大的社會效益。

參考文獻

[1]錢黎鳴.基于智能變電站運維及操作的研究與應用[J].低碳世界，2021，11（10）：133-134.DOI：10.16844/j.cnki.cn10-1007/tk.2021.10.065.

[2]Li Ning， "Analysis of artificial intelligence development in Internet age[J]"， Modern Electronics Technique， vol. 39， no. 07， pp. 112-114， 2016.

[3]R. B. Girshick， Fast R-CNN. In ICCV， pp. 1440-1448， 2015.