彭建
（国网四川省电力公司成都供电公司 四川 成都 610000）
摘要：智能巡检机器人集烟雾浓度及气体传感器、温度传感器、高清摄像头等传感器于一体,在化工厂能监测有毒有害、易燃易爆气体的浓度以及现场的温度,具备自动避障及报警功能。油田巡检系统已充分开发出机器人视觉识别功能,能对仪器仪表指示、信号灯指示进行识别,完成气体检测及报警等功能。此外,还在金属矿山领域以及GIS放电、SF6气体泄漏监测及输电线、变电站、发电厂站等电力行业场所有所应用。
关键词:智能巡检系统；现状；主要技术；功能定位
引言
电子信息技术持续发展下，将对我国电力系统的建设起到很大促进作用，在电力线路巡检方面，传统采用人工巡检的方式效率太低，巡检作业的安全性和巡检结果的精准性也得不到相应保障，为对电力作业现场的管理工作做以充分技术支持，电力巡检可引入云端智能识别的技术，实现巡检管理智能化。
1电力巡检现状及其意义
1.1电力巡检管理现状
电力巡检是针对电力系统内的相关设施进行巡查检视，为保障国民生产生活得到充足电量供应，需对电力巡检过程进行精细化管理，确保每一流程下的电力巡检工序能绝对安全精准。我国电网规模不断增大，这便在电网建设中要求应对原有电网线路进行全面排查，确定性能保持稳定后，再在不同节点下发展开辟新的电网线路。目前管理还存在不少问题，首先在电力现场的巡检作业开展中，因为电力线路和各个设备长期在外界恶劣环境下进行机械载荷使命，甚至多数线路设备存在电力负荷现象，给电力巡检过程带来了较大安全隐患;其次在电力巡检的结果体现中，由于现场作业采集到的信息过于庞大且分类繁杂，人工分析整理费时费力，信息智能化水平不够。
1．2电力巡检现实意义
电力巡检工作虽然具备较高难度，但由于最终取得的巡检结果将对电力系统的发展起到启示性作用，所以进行电力巡检有其重大影响意义。电力设备及其相关线路杆塔长期暴露在户外，环境对其标准化性能的体现具有一定影响，为将电网资源建设中的不安定因素进行充分排查，保障电网安全和稳定，不仅需要将电力巡检作为基础性作业，更要在开展途中严格执行管理措施，将电力持续性良好展现。由此进行的电力巡检工作具备了相当程度的理论支持，而技术开展中，则需电力企业进行强化管理机制的措施，确保将电力巡检人员素质进一步提高，能探索使用高新技术，比如云端智能识别技术、卫星遥感等技术应用于电力巡检，提高巡检效率，提升巡检智能化水平。
2智能巡检系统在电力行业中的应用研究
2.1图像识别与视频流识别
图像识别和视频流识别主要是在拍摄照片或录制视频后,对其进行去噪处理,提取特征量后通过智能算法进行对比识别,从而达到对图像及视频进行识别判断的作用。采用此技术,智能巡检系统可以对表计读数、指示等信号进行识别,还能够识别油水系统的“跑、冒、滴、漏”现象,火灾及带电设备放电等现象。视频流识别其实质属于图像识别,是一个动态检测技术,主要对连续帧的视频图像做减法,减去相同的图像元素和余下变化的差异部分,从而检测出视频图像变化的异常信息。
2.2红外成像
在对设备进行巡检过程中,大多采用红外成像对设备温度进行检测。红外成像技术是一项应用十分广泛的成熟技术,在智能巡检设备上安装红外成像摄像头或红外成像元器件对巡检区域进行红外成像,即可测量设备表面温度。系统对红外成像进行图像去噪处理,对图像配准叠加多幅图像后,将去噪处理后的红外图像回传至数据处理中心进行处理。红外热成像设备通常分为制冷焦平面热像仪和非制冷焦平面热像仪。因焦平面探测器材料以及工艺存在缺陷,通过对成像仪制冷以提高成像精度的方法称为制冷焦平面热成像技术。
随着新材料的研发和制造工艺的提升,用于红外成像焦平面阵列探测器不进行冷却即可满足成像精度要求。非制冷红外热像仪无需制冷、体积小、功耗低,是目前智能巡检系统使用的主流产品。
2.3定位技术
定轨巡检机器人按照既定轨道巡检时,巡检设备通过识别导轨位置进行定位。可自主移动机器人,定位通过预先根据巡检场所绘制的三维地图进行,在巡检移动时常采用激光无轨导航技术进行路线巡检。此外,巡检设备使用的定位技术有视觉定位、激光反射、北斗/GPS等。研发人员根据巡检机器人的具体应用场所选择相应定位技术。例如,对于500kV变电站内的重要设备,在巡检过程中为获取设备详细数据保障巡检可靠性,机器人定位可采用成本较高且需要处理大量图像数据的视觉定位技术。运用于电厂等设备布置较为复杂,障碍较多场所的巡检机器人定位,则采用激光反射定位技术。该定位技术的优点在于其平行性及分辨性能优越,便于巡检机器人“越障”。
2.4声音识别
声音识别属于声学“诊断”领域技术,应用较为广泛。迁移学习是声音系统识别和应用之前领域或任务中所学知识和技能的过程,在现场环境的多种噪声混响中,挑出属于设备运行的声音,并与建立的设备正常运行时的“音库”进行比对,判断出设备运行是否正常。例如,水电站水车室,其噪声混响严重且噪音较大,为了能将异常声学信号检测出来,硬件实现指向性拾音过程,并屏蔽无关区域的噪声混响。故障导致的异常噪声通常表现有如下特征:噪声源的检测位置是固定的,即异常噪声源只在某个区域才能被监听到,在其他区域无法监听到此噪声源。
2.5AI深度学习
AI深度学习技术是实现智能巡检系统的核心所在,能否实现巡检系统的“智能”在于系统是否具备自主学习能力,应基本包含机器学习和计算机视觉。红外成像分析、图像及视频流识别、语音识别、巡检路径自动规划、嗅觉识别等技术实质上都采用了人工智能的深度学习技术。该技术通过长期对模型进行训练学习,建立电力行业专业化图像、声音识别等典型特征诊断模型,并不断提高算法的准确率,从而提高识别准确率。深度学习的系统是由多层神经网络构成,通过大量数据进行学习。当前,应用于深度学习的神经网络构成的算法种类较多。例如在图像处理系统中应用的常用算法包括人工神经网络算法、遗传算法、蚁群算法、模拟退火、粒子群算法等。ACO(蚁群优化)、ABC(人工蜂群)则常用于路径巡检路线规划。各算法各具特点,在应用中往往根据需要为研发人员使用。
2.6巡检智能警告
智能识别技术在电力巡检中的另一项应用便是能够给出巡检智能警告，如把杆塔在线监控图像或视频接入云端，实现智能识别快速发现设备隐患，推送预警。把巡检过程中人员的违规操作、实时隐患、异常监控等智能判断警告，另外在无人机电力巡检，在巡视过程中，结合5G通信，可以提供稳定高清的视频图传，以及巡视后的巡检图像，云端智能识别可以根据视频和图像，判断巡检区域内的相关缺陷隐患，并将结果推送到平台，或者智能终端，这一智能识别技术下的性能优化将现场警告与现场巡检实现了同步，提升了巡检智能化水平。
结束语
当前智能巡检系统应用广泛,凭借其视觉识别及其学习功能,一定程度上实现了对设备的“望、闻、问、切”的工效,有效解决了人工巡检可靠性低、追溯性差、人身安全风险大、人力成本高等问题,提高了工作效率和生产力,也必将是未来安全生产领域的发展方向。
参考文献
［1］李俊鹏，张继伟，余艳稳．基于电网行业巡检无人机智能地面监控系统研究［J］．信息技术，2020，44(06):134-138．
［2］吴祯蒨．电力信息通信机房智能巡检技术的应用研究［J］．时代农机，2020，47(01):52-53+55．
［3］赛迪顾问．边缘智能发展与演进白皮书［N］．中国计算机报，2019-05-20(008)．
作者简介：
彭建(1988—）男，汉族，本科，工程师，主要从事变电运维专业管理工作等.