任磊
国网山西省电力公司检修分公司 山西省太原市，030000
摘要：直流换流站在电力系统中主要承担交直流电能的相互转换，其稳定运行对于电网安全至关重要。直流换流站内设备的运行状态以及各类故障情况多变，这就需要工作人员根据换流站监控中心显示屏，实时监控。然而，由于信息传输途径有限，依靠工作人员的管理无法保证各类故障及时发现并处理，长时间的监控浪费了大量的人力、财力。因此，研发一种针对换流站的智能扫描系统是解决此类问题的重要途径，现阶段扫描系统的研究包括三维激光扫描技术、网络安全扫描系统、二维码扫描系统等。
关键词：图像处理；换流站；智能扫描系统
1 换流站智能扫描系统构建思路
1.1 预期功能
换流站监控中心显示屏图像中不同故障等级的颜色不同，橙色代表较为严重的报警故障，需要及时处理；绿色代表轻微故障，需要多加关注，本文设计的一种基于图像处理的换流站智能扫描系统需要根据颜色识别不同的故障等级，并且提供故障相关信息。
扫描系统识别出故障后会在电脑端呈现，包括文字和现场图片等。在工作人员监测到该故障后，要求能在扫描系统的主界面添加该故障的处理措施；随后处理完该故障，可以使该故障在界面显示为“已处理”或者消除故障。
1.2 扫描系统的思路构建图
基于图像处理的换流站智能扫描系统主要分为三部分，扫描部分根据 Logitech4k 超高清摄像头拍摄换流站中心显示屏，图像处理部分主要负责对拍摄后的图片进行分析处理，当图像中含有轻微或者严重故障时，报警部分就会自动将这些故障统一整理并显示在扫描系统报警主界面。
2 图像处理技术主要步骤
换流站中心显示屏图像上传至智能扫描系统后，系统会对监控图像进行预处理、矫正、去噪、提取边缘信息。
2.1 图像矫正
图像矫正是指采用逆向映射法进行矫正，其步骤为：通过目标图像的坐标推算得到对应原始图像的坐标，对非整数的坐标点采用线性插值法进行灰度判定，以此来实现对失真图像的非线性矫正，其中非整数坐标点的灰度模型如下：
式中：y 为非整数坐标点的灰度； 0 0 (, ) x y 、 1 1 (, ) x y 为已知坐标；(, ) x y 为 0 1 [,] x x 区间内的某一数值；为插值系数。
2.2 图像去噪
图像在传输过程中，很容易被各类噪声影响，需要采取措施对图像进行去噪，现阶段图像去噪方法包括：均值去噪、中值去噪、空域低通滤波去噪和小波去噪[8]。本文选择均值滤波法对图像去噪，所采用均值滤波法对图像去噪的模型如下：
式中：g(x,y)为图像经过处理后的灰度；m 为去噪图像中像素总数；f(x,y)为初始图像的像素点灰度。
2.3 提取图像边缘信息
图像的边缘信息对于人类视觉来说是一种重要的信息，图像边缘信息的准确性关系到提取图像的机器对客观世界的理解，从而影响扫描系统的可靠性。现阶段提取图像边缘信息的方法一般采用梯度算子，本文采用 Sobel 算子实现图像边缘信息的提取，针对噪声 Sobel 算子能够起到缓冲作用，相比其他算子 Sobel 算子能提供较准确的方向性[10-11]，Sobel 算子模型如下：
式中：Gx 为横向边缘测量图像；Gy 为纵向边缘测量图像；G 为梯度大小，为梯度方向。
2.4 字符分割技术
由于换流站中心显示屏上的主要信息刨除边框后，主要由英文字母、数字、汉字组成，且每个字符长宽高都有相应的规格，本文根据这一特征采用垂直投影法对换流站中心显示屏图像字符实现字符分割。
假设对换流站中心显示屏图像进行分割后出现n 个区域，根据所采取的垂直投影法从左向右依次检测 n 个区域的投影数值，在检测过程中，当出现第 i 个投影数值不为零时，则该像素点设定为第 i个区域的左边界，当出现第 i 个投影数值为零时，则该像素点设定为第 i 个区域的右边界，具体流程如图 1 所示。
图 1字符分割技术流程图
2.5 字符识别技术
字符被分割后显示为不同小块，此时需要对不同类型的字符模块进行识别及分类，本文对汉字模块采取外围轮廓识别方法，该方法具有识别时间短，识别效率高的优势。
针对图像中的字母与数字，采取模板匹配法进行识别，模板匹配法的核心思想就在于比较模板与图像的各个区域，寻找相似度最大的区域，该方法思路清晰，是字符识别里常用的一种方法。
3 换流站智能扫描系统实施流程
3.1 整体框架
换流站智能扫描系统能实现对换流站内出现的故障进行实时监控及报警，其具体处理流程为：通过 Logitech4k 超高清摄像头拍摄换流站监控中心显示屏得到监控图像，然后将图像上传至云端进行图像预处理、图像矫正、图像去噪以及提取边缘信息等步骤，接着对监控图像进行字符分割及识别，最后获得检测结果，处理流程如图2所示。
图2 换流站智能扫描系统实施流程图
3.2 报警功能的实现
针对智能报警功能，关键在于报警系统能否对原始告警事件进行故障分析。当换流站智能扫描系统识别到故障信息时，会将故障信息第一时间反馈在手机及电脑客户端，智能扫描系统的主界面都能直接看到近期的报警信息，每条报警信息都会附带报警等级以及发现时间，当工作人员看到报警信息并查看对应图片后会处理相关故障事件，处理完毕后可将处理状态改为已经处理。
结论
本文介绍了一种基于图像处理的换流站智能扫描系统，介绍了相应的智能扫描、图像智能识别、系统报警等技术。以换流站实际现场运行状况为基础，拍摄换流站中心显示屏图片并用该系统进行识别，识别效果证明了本系统的实用性。本系统可以保证在不影响换流站现有监控系统工作的前提下实现数据网络化输出，同时本系统不仅适用于换流站的监控报警，还可用于除换流站以外的许多电力系统场景。
参考文献
[1] 常勇, 沈志刚, 王鑫, 等. 特高压换流站设备检修若干关键问题[J]. 电网技术, 2015, 39(6): 1579-1585.
[2] 余晓鹏, 蒋建东, 张博, 等. 背靠背换流站换相失败仿真分析[J]. 西南大学学报:自然科学版, 2016, 38(5): 182-186.
[3] 李博阳, 耿楠, 张志毅. 基于机器视觉的激光条纹扫描系统[J]. 计算机仿真, 2015, 32(6): 241-246, 255.