國網(wǎng)陜西省電力公司延安供電公司 屈 翠 張海洋 王冬冬 魏成保 翟智勇

隨著人工智能的不斷發(fā)展，國內(nèi)對于深度學(xué)習(xí)的研究取得了十足的成效，使用深度學(xué)習(xí)的相關(guān)知識來代替工業(yè)中的傳統(tǒng)方法也在很多領(lǐng)域內(nèi)得到了應(yīng)用。因此將深度學(xué)習(xí)的方法應(yīng)用在對電力設(shè)備自動監(jiān)測識別的系統(tǒng)中也被很多電力學(xué)者所提出，在電力設(shè)備的監(jiān)測方法中加入深度學(xué)習(xí)和計算機(jī)視覺的方法，使得不再需要人工去對監(jiān)測的信息進(jìn)行判別，而是系統(tǒng)可以直接判斷電力設(shè)備的運(yùn)行狀態(tài)，減少了人工的浪費以及人為的監(jiān)測事故。

新一代運(yùn)維系統(tǒng)平臺采用可穿戴技術(shù)、紅外光譜傳感技術(shù)、人工智能深度學(xué)習(xí)分析技術(shù)、增強(qiáng)現(xiàn)實技術(shù)，以智能可穿戴裝置為載體,將電力設(shè)備、可穿戴裝置、運(yùn)維人員、遠(yuǎn)程指揮、信息增強(qiáng)有機(jī)連接起來，實現(xiàn)識別、感知、協(xié)助、分析、控制、管理，從而形成具有標(biāo)識、感知和處理地更加智能的電力設(shè)備運(yùn)行維護(hù)檢修管理體系，為保證電力設(shè)備的安全穩(wěn)定運(yùn)行提供了技術(shù)支撐和智能裝備[1]。采用多光譜圖像深度學(xué)習(xí)方法為運(yùn)維人員賦能成為技術(shù)維修專家，使電力設(shè)備的運(yùn)行巡視、設(shè)備識別、故障診斷、遠(yuǎn)程協(xié)助指揮等業(yè)務(wù)實現(xiàn)靈活、高效、可靠的智能化應(yīng)用，確保電力設(shè)備及電力系統(tǒng)的安全穩(wěn)定運(yùn)行。

1 紅外熱成像技術(shù)

基本原理。使用光電設(shè)備來檢測和測量輻射并在輻射與表面溫度之間建立相互聯(lián)系的科學(xué)。工作原理是使用光電設(shè)備來檢測和測量輻射，并在輻射與表面溫度間建立相互聯(lián)系[2]。紅外熱成像技術(shù)利用紅外探測器和光學(xué)成像物鏡接受被測目標(biāo)的紅外輻射能量分布圖形并反映到紅外探測器的光敏元件上，從而獲得紅外熱像圖，這種熱像圖與物體表面的熱分布場相對應(yīng)。熱圖像上面的不同顏色代表被測設(shè)備的不同溫度。通過查看熱圖像，可觀察到被測設(shè)備的整體溫度分布發(fā)熱情況，從而進(jìn)行下一步工作的判斷。

紅外熱成像技術(shù)檢測方法。就是利用紅外探測器檢測電氣設(shè)備表面的溫度熱圖信息進(jìn)行全面掃描采集，發(fā)現(xiàn)異常后，再針對性地近距離對異常部位和重點被測設(shè)備進(jìn)行更準(zhǔn)確檢測。最后將探測的輻射轉(zhuǎn)換成電信號、處理成溫度分布熱圖像，即熱成像溫度圖可視化呈現(xiàn)出來，這種熱像圖與電氣設(shè)備表面的熱分布場相對應(yīng)，熱圖像上面的不同顏色代表被測電氣設(shè)備的不同溫度，用于運(yùn)行中對電氣設(shè)備熱成像熱溫采集、圖像檢測和過熱報警。

熱成像溫度圖像分析方法。探測熱輻射轉(zhuǎn)換成電信號被處理成可見紅外熱圖像，電氣設(shè)備溫度分布是通過用不同的顏色來呈現(xiàn)在圖像上的，從而更直觀地從熱圖中分析所檢測目標(biāo)物體的溫度范圍。一幅熱成像溫度圖可根據(jù)需要調(diào)整其輻射率、亮度、對比度并可分析出熱圖中每個點的溫度，各線、面的最高溫度、平均溫度等，根據(jù)不同的溫度判斷被測物體的故障缺陷，以便采取不同的措施快速定位故障。靈敏度高，可以分辨達(dá)0.1℃。點測溫：根據(jù)設(shè)備熱成像圖信息，在圖像上進(jìn)行溫度標(biāo)注點；線測溫：根據(jù)設(shè)備熱成像圖選擇線段，計算線段上點的最高溫和最低溫，并顯示此線段上的溫度折線圖和溫度直方圖。

基于人工智能的多光譜圖像綜合診斷。運(yùn)行正常的高壓電氣設(shè)備一般不會形成放電，但設(shè)備出現(xiàn)缺陷故障后其局部場強(qiáng)會發(fā)生畸變，當(dāng)這種缺陷發(fā)展到一定的程度可形成局部放電，在反激勵和復(fù)合的過程中伴隨有紫外光信號的輻射。以深度學(xué)習(xí)為代表的人工智能旨在通過監(jiān)督訓(xùn)練，完成從紅外熱成像和紫外成像數(shù)據(jù)中提取基于卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化后的關(guān)注信息的系統(tǒng)特征，其核心思想是通過數(shù)據(jù)驅(qū)動的方式，采用一系列的非線性變換和優(yōu)化算法，提取由低層到高層、由具體到抽象、由一般到特定語義的特征。本項目基于獲得電力設(shè)備紅外熱成像圖像的數(shù)據(jù)庫，進(jìn)行基于人工智能算法的深度診斷系統(tǒng)開發(fā)軟件，對設(shè)備典型缺陷放電的紫外圖像進(jìn)行診斷，實現(xiàn)缺陷性質(zhì)判斷和故障嚴(yán)重程度的智能評估。

2 基于深度學(xué)習(xí)的電氣設(shè)備巡檢紅外熱成像自動識別方法

近年來，隨著物聯(lián)網(wǎng)IOT、增強(qiáng)現(xiàn)實AR、人工智能AI等新一代信息技術(shù)的迅速發(fā)展，本項目就是融合了紅外熱成像技術(shù)、可穿戴技術(shù)、增強(qiáng)現(xiàn)實AR技術(shù)、光譜圖像深度分析技術(shù)在對電力設(shè)備運(yùn)行維護(hù)管理中的研究開發(fā)與實際應(yīng)用。

2.1 融合紅外熱成像技術(shù)、可見光圖像、可穿戴技術(shù)設(shè)備運(yùn)維感知與遠(yuǎn)程協(xié)助系統(tǒng)開發(fā)

根據(jù)硬件系統(tǒng)特性進(jìn)行銜接整合與集成，對各功能模塊及接口進(jìn)行研發(fā)，對不同的硬件模塊進(jìn)行特定的開發(fā)和整合。形成一個集合多種功能的開發(fā)平臺。電氣設(shè)備現(xiàn)場巡檢：快速檢測、超溫報警?？焖儆行珔^(qū)域巡查，超過溫度限值自動報警，顯示焦點溫度和區(qū)域溫度，隨手指滑動顯示溫度數(shù)據(jù)；在線分析、熱圖上傳。熱成像圖拍照留存，歷史熱像圖溫度分析，上傳數(shù)據(jù)到云服務(wù)器，給車間預(yù)防預(yù)判。

軟件控制系統(tǒng)采用了分層和模塊化設(shè)計思想，采用分層結(jié)構(gòu)編寫開發(fā)應(yīng)用層軟件，實現(xiàn)定位、通信、圖像存儲、傳輸以及環(huán)境參數(shù)的測量等功能；圖像處理軟件開發(fā)。圖像預(yù)處理、偵測分析、智能分析。開發(fā)圖像處理軟件程序，實現(xiàn)對圖像的濾波、增強(qiáng)和校正，開發(fā)軟件實現(xiàn)可見光圖像、紅外圖像的精準(zhǔn)融合。對電氣設(shè)備缺陷進(jìn)行檢測，如變壓器、斷路器、刀閘、絕緣子串、低壓電器，以及具有電流、電壓致熱效應(yīng)或其他致熱效應(yīng)的二次回路設(shè)備的過熱、接觸不良、過載、負(fù)載不平衡等，其影響為產(chǎn)生短路、燒毀、起火電弧。這對及時發(fā)現(xiàn)、處理、預(yù)防重大事故的發(fā)生可起到非常關(guān)鍵而有效的作用。

圖1 紅外成像與可見光譜圖

2.2 基于深度學(xué)習(xí)的設(shè)備狀態(tài)評估和診斷研究

電氣設(shè)備數(shù)據(jù)存儲及快速特征計算方法研究。對電氣設(shè)備相關(guān)多種信息源獲取信號進(jìn)行深入分析并研究快速特征提取方法，利用MaxCompute解決海量數(shù)據(jù)的存儲模式和快速計算問題，采用MaxCompute作為基礎(chǔ)的存儲和計算引擎，綜合應(yīng)用MaxCompute生態(tài)圈中的DataWorks和PAI，設(shè)計各信號源在電氣設(shè)備運(yùn)行過程中的特征計算和特征選擇；建立科學(xué)的電氣設(shè)備多種信息源特征分析狀態(tài)的評價指標(biāo)體系；累積典型電氣設(shè)備正常和異常狀態(tài)下運(yùn)行過程測試的試驗樣本，形成集電氣設(shè)備運(yùn)行狀況基礎(chǔ)數(shù)據(jù)和故障數(shù)據(jù)特征于一體的運(yùn)行狀態(tài)評價數(shù)據(jù)庫。

電氣設(shè)備多種信息源的LSTM故障診斷方法研究。研究基于計算機(jī)視覺技術(shù)的電氣設(shè)備狀態(tài)評價方法，構(gòu)建LSTM（長短期記憶網(wǎng)絡(luò)）深度辨識模型，利用dropout方法改進(jìn)小樣本的對抗過擬合問題，開發(fā)設(shè)備特征識別的狀態(tài)分析軟件。通過典型實際測試，驗證測試方法和軟件的有效性。實施過程如下：檢測超溫報警。服務(wù)器自動檢測電氣設(shè)備熱圖數(shù)據(jù)，判斷超溫過熱紅色報警；電氣趨勢分析。一段時期內(nèi)對電氣設(shè)備溫度趨勢分析；故障分析報告。對超溫過熱電氣設(shè)備區(qū)域點分析，形成報告呈現(xiàn)。

設(shè)備故障診斷方法研究。根據(jù)指定診斷方法進(jìn)行故障診斷并將結(jié)果進(jìn)行顯示，對檢測結(jié)果進(jìn)行提交報告（圖2）。固定閾值法：分析指標(biāo)是故障的最低溫度和故障區(qū)域占總區(qū)域的最低比例。診斷結(jié)果將輸出診斷故障等級和診斷后的圖像；相對溫差法：分析指標(biāo)為最低比例。診斷結(jié)果將輸出故障溫度、正常溫度、故障等級一級診斷后的圖像；表面溫度法：分析指標(biāo)為最低比例。圖像溫升以及最高溫將會顯示在表面溫度法區(qū)域，診斷結(jié)果將輸出故障等級；圖像特征法：分析指標(biāo)包括K值以及判斷特征相似度的最小閾值，輸出結(jié)果為故障等級。

圖2 設(shè)備故障診斷方法圖

綜上，基于深度學(xué)習(xí)的電氣設(shè)備巡檢紅外熱成像自動識別方法，為電力設(shè)備的運(yùn)行維護(hù)提供安全可控的設(shè)備感知、在線檢測、故障識別、巡檢定位、報警聯(lián)動、調(diào)度指揮、安全防范、分析決策等管理，形成具有標(biāo)識、感知和處理的更加智能化設(shè)備運(yùn)維體系，為提高電網(wǎng)效率、供電可靠性提供了技術(shù)支撐，確保電網(wǎng)電力設(shè)備的安全穩(wěn)定運(yùn)行。