吴凯
身份证号码：36010219711010****
摘要：电力调度系统中的主站设备是电力输电网络的重要设备，具有变电输电的功能。由于电力调度主站设备长期处于高负荷工况模式下，使得电力调度主站设备容易产生发热性故障。因此，需要对电力调度系统主站设备的运行缺陷进行定位识别，建立主站设备的运行缺陷智能检测和定位模型，提高对其发热性故障检测和诊断分析的能力，相关的电力调度系统主站设备运行缺陷检测技术的研究进展也受到人们的广泛关注。
关键词：增强虚拟现实；电力调度；缺陷检测
目前，已有相关学者提出了一些较为成熟的研究方法，在一定程度上实现了对电力主站设备运行状态和缺陷的检测。虚拟现实技术（Augmented Reality，AR）是利用虚拟的图像代替真实事物，实现虚拟世界与现实世界的互动，将现实信息通过虚拟信息表示出来，使得两种信息相互补充、叠加。因此，针对上述传统方法中存在的问题，本研究提出基于增强虚拟现实技术的电力调度系统主站设备运行缺陷检测方法，采用AR技术进行电力设备的运行缺陷成像和检测识别。
1电力调度系统主站设备AR成像和三维特征重构
1.1主站设备AR成像
为了实现基于增强虚拟现实的电力调度系统主站设备运行缺陷检测，首先需要构建电力调度主站设备运行缺陷的AR成像模型。本研究采用机器视觉方法和AR技术进行电力调度主站设备AR成像的三维特征重构，得到像素分布特征模型为:
.png)
A=（（ti+ci）22σ2）×1dist（xi，xj）（2）
式中，ti和ci分别为某一特征像素点i处的信息强度和包络轮廓线的长度;dist（xi，xj）为成像标记特征点xi和xj之间的欧式距离;参数σ为融合特征分解过程的阈值分割长度。在此基础上，采用局部区域梯度分解方法实现电力调度主站设备AR成像的特征标注，得到模糊特征标注输出为:
F=PA*f（3）
式中，f为电力调度主站设备AR成像的纹理特征分量;*为卷积运算。结合自适应学习算法得到电力调度主站设备AR成像特征识别输出结果为:
I=δ×∑i=1nFn（4）
式中，δ为自适应修正系数;n为特征像素点数量。在主站设备AR成像的目标区域进行3D扫描的信息融合，在Markov链模型中得到电力调度主站设备AR成像的灰度不变矩，根据特征提取结果进行后续的运行缺陷检测。
1.2三维特征重构
根据电力调度系统主站设备运行缺陷分布进行电力调度主设备的虚拟信息增强处理，构建特征检测和模糊分量模型，得到电力调度主站设备运行缺陷视觉特征分割函数为:
D=（G（x，y，z）+L（x，y，z））×I（5）
式中，x、y、z分别为电力调度主站设备AR成像在三维坐标系三个分析中的分类;I为电力调度主站设备运行缺陷AR图像的分块系数;L（x，y，z）为电力调度主站设备运行缺陷视觉多重分形函数;G（x，y，z）为关联像素值。
在此基础上，判断电力调度主站设备运行缺陷视觉特征分布的差异性，采用差异性检测方法得到运行视觉特征定位的灰度分布集为h。假设g为训练集中的电力调度主站设备运行缺陷的虚拟信息增强特征集，从中提取电力调度主站设备视觉分形特征量，构建电力调度主站设备三维特征重构模型为:
M=D×q（e+hgc）（6）
式中，c为运行视觉特征定位中心;q（·）表示医疗图像在量子蚁群寻优过程中的适应度函数。至此，完成了电力调度主站设备运行缺陷的视觉特征提取和三维重构，根据特征重构结果进行缺陷检测识别。
2电力调度系统主站设备运行缺陷检测
2.1缺陷特征提取
在上述构建电力调度主站设备的AR成像模型并进行三维特征重构的基础上，提取设备的缺陷特征并进行模式识别。结合小波分析方法进行电力调度主站设备运行缺陷特征分析，提取主站设备运行过程中AR图像的谱特征量，采用虚拟现实重构分析方法得到电力调度主站设备运行缺陷视觉特征分布的边缘像素集为:
K=∑i=1nen（σMr）（7）
式中，σ表示为电力调度主站设备运行缺陷视觉特征分布的子空间特征匹配系数;r表示视觉差异性特征量;e为电力调度主站设备运行缺陷视觉分布灰度像素值。结合高分辨的特征重构进行电力设备运行缺陷的视觉跟踪识别，采用图像的深度学习方法提取运行缺陷的相关性特征。在各种尺度的灰度像素区域内根据电力调度主站设备运行缺陷纹理分布进行视觉定位，构建电力调度主站设备运行缺陷定位，得到电力调度主站设备运行缺陷的虚拟AR视觉分布特征集为:
V=（ηm×K）n（8）
式中，ηm为第m个电力调度主站设备运行缺陷的虚拟现实信息特征分布系数。在此基础上，采用动态特性监测方法分析电力调度主站设备运行缺陷分布的区域性，并结合多重分形方法进行电力调度主站设备运行缺陷的差异性谱特征分析，得到缺陷特征提取模型为:
J=ε×（δ+V）（σMr）（9）
式中，λ和ε分别为电力调度主站设备运行缺陷视觉特征重构的先验信息和关联系数。根据上述分析，完成电力调度系统主站设备运行缺陷监测输出。
2.2运行缺陷检测输出
结合小波分析方法进行电力调度主站设备运行缺陷特征分析，提取主站设备运行过程中AR图像的谱特征量，采用像素点的灰度值特征匹配方法构建变电站设备运行缺陷的纹理分布集，得到特征点标定输出为:
Q=υ+n×1J（10）
式中，υ为电力调度主站设备运行缺陷分布的高斯模板匹配集。在此基础上，采用虚拟现实的视景仿真技术进行运行缺陷的三维视觉AR构建，重构输出的迭代式为:
.png)
3结束语
对电力调度系统主站设备的运行缺陷进行智能检测和定位，有利于提高电力设备的发热性故障检测和诊断分析能力。本研究采用向量量化方法进行电力调度主站设备AR成像的信息融合处理，判断电力调度主站设备运行缺陷视觉特征分布的差异性，并采用差异性检测方法得到电力调度主站设备运行缺陷视觉分布，根据特征差异性进行电力调度主站设备运行缺陷的特征标注，实现电力调度主站设备运行缺陷检测。经测试分析得知，利用该方法进行电力调度主站设备的运行缺陷检测的识别定位精度较高、特征分辨力较强、虚拟成像输出结果信噪比较高，具有明显的应用优势。
参考文献
[1]王磊，李达锋，武梦园，等.基于三维可视化的智能变电站辅助支持系统设计[J].湘潭大学学报:自然科学版，2019，41（2）:118-126.
[2]彭志强，张琦兵.电网调度自动化系统信息品质分析新方法及其应用[J].电力系统保护与控制，2018，46（4）:150-157.
[3]呙明辉.组态软件测试下电力系统程序缺陷检测仿真[J].计算机仿真，2018，35（12）:341-344.