CN111784026A - 基于云边端协同感知的变电站电气设备全方位体检系统 - Google Patents

Abstract

本发明涉及一种变电站电气设备监测、分析、处理系统，特别是一种基于云边端协同感知的变电站电气设备全方位体检系统，其要点在于，本专利研究的基于云边端系协同感知的变电站电气设备全方位“体检仪”，在站端边缘侧，通过一体化通信网络架构，实现多节点侦测及统一感知接入，实时全面覆盖智能传感终端，同时利用边缘计算技术实现数据本地智能处理；在云端，构建变电站全方位智能诊断分析系统，实现异常实时预警、智能感知预测等多种功能，从而实现对变电站电力设备运行状态的实时跟踪。本发明的优点在于：能够覆盖变电站、全方位利用监测数据、能够提供智能化处理方案，推动建设智慧变电站建设，提升变电站电气设备状态的智能评估和安全预警水平。

Description

基于云边端协同感知的变电站电气设备全方位体检系统

技术领域

本发明涉及一种变电站电气设备监测、分析、处理系统，特别是一种基于云边端协同感知的变电站电气设备全方位体检系统。

背景技术

变电站是电网中负责转换电压与分配电能的重要节点，变电站设备巡检是保证变电站安全运行、提高供电可靠性的一项基础工作。当前变电站巡检大多采用传统人工巡视的方式，变电站值班员进入变电设备区，通过感官的看、听、嗅、触或相关检测设备对运行中的设备进行巡视。人工巡检方式虽然广泛应用，但是巡检质量不高，且耗费大量人员。随着大电网建设的不断推进，变电站设备数量迅猛增长，设备运维检修工作面临着工作量激增与人员相对短缺的突出矛盾。

近年来，在线监测、带电检测、机器人、无人机等先进手段开始逐步应用到变电站巡检中，但是这些技术分散运用于不同系统，数据共享、利用率不高，对于缺陷的异常分析与精准定位缺少智能化的处理方案。

发明内容

本发明的目的在于根据现有技术的不足之处而提供一种能够覆盖变电站、全方位利用监测数据、能够提供智能化处理方案的基于云边端协同感知的变电站电气设备全方位体检系统。

本发明所述目的是通过以下途径来实现的：

基于云边端协同感知的变电站电气设备全方位体检系统，其要点在于，包括如下组成：

1）站端的监测终端系统，包括提供视觉体检的机器人与摄像头联合巡检子系统和图像识别系统、提供触觉体检的柔性传感系统、提供智能综合体检的变压器智能综合监测子系统、以及提供听觉体检的声纹识别子系统，对变电站电气设备进行包括图像、声音、触觉、变压器智能综合监测在内的监测数据采集，对变电站电气设备的潜在性故障进行监测识别，进行站端全方位体检；

2）边缘智能处理系统，其为基于边缘计算的一种融合网络、计算、存储、应用核心能力的分布式平台，通过站端交换机获取监测终端系统所采集的数据，采用边缘智能处理系统进行数据本地智能处理：应用流水线数据处理方式将数据流转化为数据帧之后进行解析，解析器将分组数据转化成元数据，并进行检查和数据包处理；边缘智能处理系统处理后的数据经由地市级的变电信息综合处理上传给变电站全方位智能诊断分析系统进行云端智能处理；

3）提供云端智能处理的变电站全方位智能诊断分析系统，应用神经网络算法分析数据之间的关联关系及变化情况，建立基于数据驱动的状态评估、故障诊断和预测模型，获取数据的关联关系和变化规律，对变电站设备健康状态自动化评估，对变电站设备运行数据和状态信息进行全面的分析和研判，实现故障和异常预警；云端智能处理包括数据存储、数据交换、数据技术、数据分析并提供平台应用，其中：

S1：数据存储：负责海量巡检数据存储，针对全数据类型和多样计算需求，以海量规模存储、快速查询读取为特征，存储来自外部数据源的各类数据，支撑数据处理层的高级应用；

S2：数据交换：通过RabbitMQ和kafka实现数据交换，RabbitMQ用于实现应用程序的异步和解耦，同时还能够进行消息缓冲和消息分发，kafka是一种分布式的，基于发布/订阅的消息系统；

S3: 数据计算：对多样化的大数据提供包括流计算、批量计算、内存计算、查询计算、离线计算在内的计算功能，允许对分布式存储的数据文件或内存数据进行查询和计算；其中，通过流计算技术提供实时分析处理的计算能力，进行实时决策和预警；通过离线计算提供落地数据的计算能力，以进行数据的批量处理；

S4：数据分析：对多样化的大数据进行加工、处理、分析、挖掘，产生新的业务价值，发现业务发展方向，提供业务决策依据，包含设备健康状态评估模型、典型特征知识库、设备故障图像库、故障诊断模型和预测模型；

S5：平台应用：将数据分析工具、组件等能力封装后，为业务系统提供高级应用功能；

上述云端智能处理、边缘智能处理以及站端全方位体检根据电力物联网整体技术架构包括如下组成：

1）感知层：通过站端的监测终端系统采集变电站现场包括表计示数、设备温度、人脸、异物入侵在内的数据信息，并应用边缘计算进行数据本地智能处理；

2）网络层：感知设备所支持的包括无线专网、工业以太网、北斗卫星在内的空天地一体化网络接入；

3）平台层：与多个监测终端系统的系统数据接口，对设备缺陷图像智能识别，同时提供统一的物联管理服务和数据建模分析服务；

4）应用层：提供各项智能分析服务，包括设备状态监测、设备缺陷图像识别并告警、机器人智能巡检、视频监控智能巡检、运行状态分析、人员识别、变电站可视化展示，并生成全方位巡检报告，供系统用户查阅审核。

由此，本发明建立了“云、边、端”三体协同系统，在站端的边缘侧构建一体化通信网络架构连接边缘网络系统，实现多节点侦测及统一感知接入，实时全面覆盖智能传感终端，利用边缘计算技术实现数据本地智能处理；在云端，构建变电站全方位智能诊断分析系统，实现三维立体展示、传感数据接入、异常实时预警、智能感知预测等多种功能，从而实现对电力设备运行状态的实时跟踪，铸造一个变电站全方位智能“体检仪”。

上述边缘智能处理系统利用边缘计算技术所基于的边缘网络一般由大量的边缘节点组成，边缘节点对收集的数据进行处理，在边缘设备处理数据，而不是在外部数据中心或云端进行，从而将传统的集中式云计算处理的方式，改为将计算存储能力下移至网络边缘，以面向终端的方式，就近提供边缘智能计算服务，提高了数据传输性能，保证了处理的实时性，同时也降低了云计算中心的计算负载。因此站端传感监测设备和云端之间的请求传输是双向的，边缘智能处理系统可以执行计算任务，包括数据存储、处理、缓存、设备管理、隐私保护等，满足电力行业在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

所述的站端全方位体检是通过多源异构数据融合技术、巡检机器人资源调度技术，实现机器人巡视集控主站和站端变电站巡检机器人之间数据的融合和后台业务的纵向贯通，实现对不同厂商型号的机器人和终端采集装置的统一管理和监控，从而实现对电力设备运行状态的实时跟踪，铸造一个变电站全方位智能“体检仪”。多源异构数据融合技术将分布于各变电站的包括巡检机器人和固定摄像头的智能采集终端视为智能体原型，在智能体原型基础上收集不同厂家的采集终端的共同性和非同性，建立智能体适配技术模型，构建多源异构资源调配抽象智能体，同时建立分层控制框架及其权限，实现对多源智能体进行统一控制与协调。在分布式中，各智能体彼此独立、完全平等、无逻辑上的主从关系，各智能体按预先规定的协议，根据系统的目标、状态与自身的状态、能力、资源和知识，利用通信网络相互间通过协商与谈判，确定各自的任务，协调各自的行为活动，达到整体目标。多源异构智能体通过智能体适配模型的智能通讯技术，构建多智能体资源调配系统。通过统一适用的智能体适配技术模型，实现所有元数据之间的资源共享，继而实现巡检智能体之间的资源调配。

在云端构建变电站全方位智能诊断分析系统，实现异常实时预警、智能感知预测等多种功能，从而实现对变电站电力设备运行状态的实时跟踪。首先，应用神经网络算法分析巡检数据之间的关联关系及变化情况，建立基于数据驱动的状态评估、故障诊断和预测模型，找到数据的相关关系和变化规律，实现变电站环境、外观、局放、温度等设备健康状态的自动化评估，针对变电站设备运行数据和状态信息进行深入全面的分析和研判，实现故障和异常预警，及时发现安全事故隐患，提高变电站运维管理的效率和可靠性。其次对设备状态相关的海量监测数据、气象数据、运行数据以及设备缺陷和故障记录进行分类及多元统计分析，实现关联规则挖掘，建立历史知识库和具有一定规模的设备故障图像库。研究设备典型故障与图像特征之间的映射关系，形成典型缺陷智能判断的标准/规范库，为设备状态评估、故障诊断和预测提供支撑。

本发明可以进一步具体为：

视觉体检中的机器人与摄像头联合巡检子系统，通过变电站内机器人和各个摄像头采集原始图像数据，基于神经网络算法和大数据技术完成图像数据的智能识别，并自动生成联合巡检报告，联合巡检报告数据包含电气设备设施运行情况、作业人员施工情况、安全帽佩戴、异物入侵及红外图像数据，并进一步对报告数据进行统计与深度挖掘分析。

机器人巡检与高清摄像头联合巡检对变电站范围内巡检机器人、视频监控进行管理，以“智能感知、智能巡视、主动预警、智能控制、业务融合”为主要目标，基于机器视觉、智能机器人技术打造满足业务应用需求的巡检体系，实时监测变电站内生产设备的运行状态、环境状态、告警信息等。联合巡检利用物联网技术实现“信息流”与“数据流”的“双流”融合，“信息流”的融合实现机器人巡检流程、视频巡检流程与人工巡检流程和状态检修流程的融合，降低班组的工作量，提升检修效率；“数据流”的融合搭建基于视频监控，站内监控设备等多源数据融合数据处理机制，充分挖掘巡视数据资源，实现机器人智能巡检、设备运行状态实时监测。在此基础上，可实现变电站巡检事故的可追溯，实现变电站无人巡检的要求，解决传统人工运维方式的弊端，满足电网公司对无人值守变电站的管理要求。

视觉体检中的图像识别系统，其处理方法包括如下步骤：

1）在红外与可见光融合图像数据中，提取方位信息，并采用图像增强技术，对融合图像进行预处理；

2）比较同组三相设备、同相设备之间及同类设备之间对应部位的异常，以降低设备缺陷的漏检率，利用信息提取模型进行实时分析，判断设备图像随负载、时间因素的变化；

3）对上述数据处理的结果进行优化，通过模型压缩和参数调整，优化提取融合图像特征，达到速度与精度的平衡；对网络进行训练，去除多次被分类错误的样本数据，避免过度拟合低权重数据而导致的识别精度降低；

4）根据训练好的神经网络，对输入的融合图像数据进行异常设备的实时识别和缺陷判断，将识别信息保存至报告进行记录，掌握设备异常及异物的检测和识别情况，从而得到运行设备的健康状态及故障情况。

图像处理和分析是利用计算机对图像进行自动处理、分析和理解，以识别各种不同模式的目标和对象的技术，利用图像信息分析电力设备的健康状况。基于获取的设备故障样本库、特征值，对所获取的图像进行预处理，包括去噪、增强、复原、超分辨重建、配准等；然后对图像进行分析，包括图像分割、特征提取等；最后利用所提取的特征从图像中识别出设备，并与样本库的图像特征进行比较，判断图像是否发生变化，利用典型缺陷和故障样本库进行设备异常及异物的检测和识别，从而分析运行设备的健康状态及故障情况；本发明构建具有图像特征学习能力的多网络融合技术，有效且高速的识别出图像中的异常目标，提高融合图像的设备异常检出率、遗漏率等指标。

提供触觉体检的柔性传感系统，采用柔性传感贴片贴在电缆接头、设备表面关键部分，能够测量包括温度、湿度、压力、振动、应变的监测参数，触觉监测子系统接收这些监测参数，并通过加速度、压力、应变参数去判断设备可能存在的外力破坏。

触觉监测子系统基于柔性传感技术，能够监测电力设备的温度、湿度等参数，还可以测量电力设备的力学环境，即通过加速度、压力、应变去判断设备可能存在的外力破坏。监测完成可自动生成监测报告，报告信息包含电缆温湿度信息、压力、加速度、应变信息等。

提供智能综合体检的变压器智能综合监测子系统包括变压器油色谱在线监测终端、铁芯接地电流监测终端和局部放电监测终端，建立分布式传感网、部署上述各监测终端，建立互联的有线通讯网络以及数据交互模式，获取相应一次设备的原始监测数据，通过统一的通讯规约，经由边缘网络系统与地市级处理系统实时互联，其中边缘网络系统基于多源信息融合分析技术对变压器状态进行智能评估和安全预警。

智能综合体检对变压器油色谱、铁芯接地电流、局部放电等关键指标进行智能综合监测，对传统监测手段进行彻底的基础性能提升、智能化改造，并自动生成报告，报告信息包含变压器油色谱情况、铁芯接地电流和局部放电异常信息等，实现三项指标集中监测、统一治理，提升变压器状态的智能评估和安全预警水平。

提供听觉体检的声纹识别子系统声纹识别子系统通过变压器发出的声音去判断变压器的工作状态，其处理步骤如下：

根据变压器的应用背景和现场环境，构建深度学习模型需要的典型场景目标特征数据库和典型故障特征数据库，然后根据变压器的音频故障异常进行特征提取，对音频进行去噪、增强、特征提取等技术进行预处理操作，构建音频样本特征库；

通过在录音设备上加上多麦克阵列，利用多麦克阵列进行降噪与解混响，收集音频并预处理，基于音频样本特征库对变压器进行诊断，自动生成声纹监测报告，报告信息包含声纹异常情况、识别情况。

在现场环境中，由于变电站的环境较为复杂，会面临大风，暴雨，日晒，结冰，高海拔，雷击，电磁兼容，7*24小时不间断工作等各方面的恶劣条件，对声音采集设备有极为严格的要求。针对这种环境，基于声学特征量的变压器故障诊断技术能够很好的解决该条件下的声音采集，抗风噪，长距离传输等问题。

在云端构建移动端展示平台，通过移动体检助手APP接入变电站信息综合处理系统，实时观测变电站内外部情况，能够在移动终端上实时查看变电站中设备状态信息，状态信息包括机器人巡检信息、固定摄像头视频信息、声纹识别信息，并在出现异常时发出警报。

本发明依托移动作业技术，实现对变电站进行全方位的巡检，满足现场多样信息处理要求。移动终端应用部署模式采用省级部署的模式，移动终端与业务系统之间通信由移动应用作业平台完成，终端数据经移动应用平台传回业务系统数据库服务器。从性能和安全上考虑，服务器采用集群部署的方式会降低终端的并发数量,减轻服务器的压力,提高数据处理效率。

综上所述，本发明提供了一种基于云边端协同感知的变电站电气设备全方位体检系统，通过“云、边、端”三体协同，铸造一个变电站全方位智能“体检仪”，在站端边缘侧，通过一体化通信网络架构，实现多节点侦测及统一感知接入，实时全面覆盖智能传感终端，同时利用边缘计算技术实现数据本地智能处理；在云端，构建变电站全方位智能诊断分析系统，实现异常实时预警、智能感知预测等多种功能，从而实现对变电站电力设备运行状态的实时跟踪。在站端侧，应用变电站高清视频和智能巡检机器人联合巡检，实现不同厂家机器人、摄像头的统一感知接入，实现设备缺陷图像智能识别告警、运行状态分析、人员识别等。并增加主变声纹识别，分析设备运行工况，并进行缺陷识别和预警；进行变压器油色谱分析、铁芯接地电流检测、局部放电检测等多种检测技术整合，对变压器潜在性故障进行诊断，提高在线监测效率，提高传感器灵敏度、稳定性、抗干扰性；巡检后生成全方位巡检报告，可实时巡检结果及变电站设备健康状态评估等信息，提升变电站电气设备状态的智能评估和安全预警水平，推动建设智慧变电站建设。

附图说明

图1为本发明所述的基于云边端协同感知的变电站电气设备全方位体检系统的总体框架图；

图2为本发明所述的大数据处理架构图；

图3为本发明所述边缘计算模型图；

图4为本发明所述变压器智能综合监测的联合巡检流程图。

图5为本发明所述视觉巡检中图像识别流程图；

图6为本发明所述触觉体检流程图；

图7为本发明所述变压器智能综合监测的智能监测流程图。

图8为本发明所述听觉体检中音频处理流程图；

图9为本发明所述变压器故障声纹识别的结构示意图；

图10为本发明所述移动端展示平台的部署流程图。

下面结合实施例对本发明做进一步描述。

具体实施方式

最佳实施例：

参照附图1，基于云边端协同感知的变电站电气设备全方位体检系统，整体设计遵从泛在电力物联网整体技术架构，分成四层：

感知层：包含巡检机器人、变电站内固定摄像头、局放监测装置、铁芯接地电流监测装置、SF6气体组分监测、声纹识别等装置，通过多种终端传感监测装置采集变电站现场表计示数、设备温度、人脸、异物入侵等数据信息，对变电站电气设备潜在性故障进行监测识别，实现变电站多节点、全方位监测，并应用边缘计算技术实现数据本地智能处理。

网络层：感知设备支持无线专网、工业以太网、北斗卫星等空天地一体化网络接入。

平台层：实现与站端系统及各系统数据接口，实现设备缺陷图像智能识别，同时提供统一的物联管理服务和数据建模分析服务。

应用层：提供各项智能分析服务，如设备状态监测、设备缺陷图像识别并告警、机器人智能巡检、视频监控智能巡检、运行状态分析、人员识别、变电站可视化展示，并生成全方位巡检报告，供系统用户查阅审核。

在云端，构建变电站全方位智能诊断分析系统，实现异常实时预警、智能感知预测等多种功能，从而实现对变电站电力设备运行状态的实时跟踪。应用神经网络算法分析巡检数据之间的关联关系及变化情况，建立基于数据驱动的状态评估、故障诊断和预测模型，找到数据的相关关系和变化规律，实现变电站环境、外观、局放、温度等设备健康状态的自动化评估，针对变电站设备运行数据和状态信息进行深入全面的分析和研判，实现故障和异常预警，及时发现安全事故隐患，提高变电站运维管理的效率和可靠性。

变电站全方位智能诊断分析系统对设备状态相关的海量监测数据、气象数据、运行数据以及设备缺陷和故障记录进行分类及多元统计分析，实现关联规则挖掘，建立历史知识库和具有一定规模的设备故障图像库。研究设备典型故障与图像特征之间的映射关系，形成典型缺陷智能判断的标准/规范库，为设备状态评估、故障诊断和预测提供支撑。

参照附图2，变电站全方位智能诊断分析系统具体大数据结构分析如下：

1）数据存储：负责海量巡检数据存储，针对全数据类型和多样计算需求，以海量规模存储、快速查询读取为特征，存储来自外部数据源的各类数据，支撑数据处理层的高级应用。通常情况下，非结构化数据存储在分布式文件系统中，半结构化数据采用列式数据库或键值数据库，结构化数据采用行式存储数据库存储，实时性高、计算性能要求高的数据存储在内存数据库或实时数据库。

2）数据交换：通过RabbitMQ和kafka实现数据交换，RabbitMQ主要用来实现应用程序的异步和解耦，同时也能起到消息缓冲，消息分发的作用，kafka是一种分布式的，基于发布/订阅的消息系统，具有快速持久化、消息分区和分布式消息消费，支持分布式和负载均衡等特点。

3）数据计算：对多样化的大数据提供流计算、批量计算、内存计算、查询计算等计算功能，允许对分布式存储的数据文件或内存数据进行查询和计算。通过流计算技术提供实时分析处理的计算能力，实现实时决策、预警等。通过离线计算提供落地数据的计算能力，实现数据的批量处理。

4）数据分析：对多样化的大数据进行加工、处理、分析、挖掘，产生新的业务价值，发现业务发展方向，提供业务决策依据，包含设备健康状态评估模型、典型特征知识库、设备故障图像库、故障诊断模型和预测模型。

5）平台应用：将数据分析工具、组件等能力封装后，为业务系统提供高级应用功能。

参照附图3，边缘计算将传统的集中式云计算处理的方式，改为将计算存储能力下移至网络边缘，以面向终端的方式，就近提供边缘智能计算服务。附图3表示基于双向计算流的的边缘计算模型。边缘计算中边缘的下行数据表示云服务，上行数据表示互联服务，而边缘计算的边缘表示是指从数据源到云计算中心路径之间的网络资源。这些设备兼顾数据生产者和消费者。因此，终端传感监测设备和云端之间的请求传输是双向的。边缘站端代理设备可以执行计算任务，包括数据存储、处理、缓存、设备管理、隐私保护等。

站端的监测终端系统包括提供视觉体检的机器人与摄像头联合巡检子系统和图像识别系统、提供触觉体检的柔性传感系统、提供智能综合体检的变压器智能综合监测子系统、以及提供听觉体检的声纹识别子系统，对变电站电气设备进行包括图像、声音、触觉、变压器智能综合监测在内的监测数据采集，对变电站电气设备的潜在性故障进行监测识别，进行站端全方位体检。

全方位体检仪实现对变电站范围内巡检机器人、视频监控及听视触觉感知进行管理，应用边缘计算，并上报范围内电气设备检测数据。利用物联网技术实现“信息流”与“数据流”的“双流”融合，通过“信息流”的融合实现机器人巡检流程、视频巡检流程与人工巡检流程和状态检修流程的融合，降低班组的工作量，提升检修效率；通过“数据流”的融合搭建基于视频监控，站内监控设备等多源数据融合数据处理机制，充分挖掘巡视数据资源，实现机器人智能巡检、设备运行状态实时监测。

1、视觉体检

1.1巡检机器人及摄像头联合巡检：机器人巡检与高清摄像头联合巡检对变电站范围内巡检机器人、视频监控进行管理，依托智能运检体系，基于机器视觉、智能机器人技术打造满足业务应用需求的巡检体系，充分挖掘巡视数据资源，实现机器人及高清摄像头联合巡检，对设备运行状态实时监测，实现巡视的智能化。

参照附图4，智能机器人和高清摄像头针对变电站电气设备进行巡检，在设定巡检任务点时，自动化、智能化的对变电设备缺陷进行检测，采集现场实时监控数据，及时发现安全事故隐患并把巡检数据传输会服务器，智能分析采集数据并判断设备故障情况，如有异常情况进行报警处理，具有高度自动化和智能化的特征，提高变电站运维管理的效率和可靠性。

智能巡检模块实现对变电站端由机器人和视频摄像机组成的联合巡检系统，远程进行巡检监控、任务管理以及检修区域、巡检点位管理功能。

（1）巡检总览

查看巡检/监测覆盖情况、巡检任务总览、巡检机器人状态评价、监测数据总览等信息，掌握变电站智能巡检机器人巡检状态、巡检任务以及高清视频摄像头总览情况，建设实现变电站智能感知、智能预警及智能辅助决策。

（2）巡检监控

1）仪表的智能读数：当表计读数超过设定报警值时，促发报警，智能分析系统能读取仪表读数并自动记录。

2）红外测温：系统提取红外视频数据中的温度、温差等红外图像特征参数，对视频数据进行实时分析，获取温度与时间、负载等因素间的关系。

（3）任务管理：具备任务情况展示、地图选点、机器人管理、机器人状态展示、机器人遥控、机器人设置等相关功能。

（4）台账管理：进行机器人和视频设备的台账管理事务，包括创建、录入、修改机器人台帐信息，支持组合条件过滤查询，进行机器人与变电站的关联与该记录关联的变电站详细信息的查询与设置，将运行的机器人退出运行等 ，实现机器人、视频设备维保记录和缺陷记录维护的填写、归档及查询，支持维保记录修改、删除等功能。

（5）视频管理：可以以树形列表、平面布置图、三维地图等方式显示变电站在线、离线设备资源信息，根据权限和图标显示不同资源不同设备类型的信息，可以1/4/9/16/全屏多种方式显示，支持关闭单个画面和关闭所有画面，支持在调阅实时视频时手动抓图或手动录像。

（6）告警管理：可查看告警信息及信息实时提示，对告警信息进行确认和查询；支持告警联动录像及弹出视频，支持主、辅设备集中监控系统告警联动功能，接收变电站主、辅设备监控系统的信号，联动打开相应的摄像机画面、切换预置位、抓拍、录像。

1.2图像识别：是利用计算机对图像进行自动处理、分析和理解，以识别各种不同模式的目标和对象的技术，实现电力设备运行状况的实时监测。参照附图5，基于获取的设备故障样本库、特征值，对所获取的图像进行预处理，然后对图像进行分析，最后利用所提取的特征从图像中识别出设备，并与样本库的图像特征进行比较，进行设备异常及异物的检测和识别，从而分析运行设备的健康状态及故障情况。

针对变电站主要可见光缺陷与安全风险识别，使用基于深度学习的目标检测算法，对缺陷与安全隐患进行精准检测与定位，并使用图像配准与图像比对的技术对控制柜中开关与设备运行状态进行识别与监控。

自动巡检过程中，能对仪器仪表等数值、参数进行读取分析，超过正常合理范围，平台自动对其进行比对、分析，并生成图像识别分析报告。

为使系统能够自动进行图像识别，需要收集大量图像数据样板，针对不同的图像建立模型，基于深度卷积神经网络识别设备情况。对于不同类型的表计模式，利用深度学习技术模拟人工分析读取表计值的过程，对不同形式的表计信息做分析和处理，从而做出描述、辨认、分类及读数等的过程，并按照同类型表计分析的过程，实现对不同表计自学习分析。

根据异常数据库，实现变电站电气设备的缺陷分析建模，通过大量的数据统计与分析，得到主要变电设备在不同运行环境下常出现的缺陷，根据缺陷类型、设备型号对其进行分类，给出主要类别。然后，按照分类，针对不同类型的缺陷在图像数据中采用不同符号进行标记，为后续的缺陷标注建立标准；然后，提取图像数据中的图像特征参数，对图像数据进行实时分析，在对传统卷积神经网络优化的基础上，自动对其进行比对、分析，并生成图像识别分析报告。具体可以参考如下：

（1）表记表盘异常识别：针对仪表读数无法分析的情况，系统会通过智能识别的技术判断无法分析的原因，包括表盘模糊、表盘破损。

（2）渗漏油识别：对部件表面油污、地面油污进行智能识别，及时发现渗漏油现象。

（3）呼吸器缺陷识别：对硅胶变色、油封破损进行智能识别，及时发现呼吸器缺陷。

（4）金属锈蚀识别：对部件螺栓锈蚀、表面锈蚀进行智能识别，及时发现锈蚀现象。

（5）开关刀闸分合状态识别：智能视频分析系统能够判断开关或刀闸的分合开、闭状态，并根据预置的其他信息或条件判断是否存在与实际工作状态不符或其它异常，并报警。

（6）保护压板状态识别：对开关柜、保护屏的保护压板进行智能分析，判断压板是否投入或断开，并和上一次结果做比较，如果两次压板不同状态可以智能报警。

（7）绝缘子破裂识别：对绝缘子破损情况进行智能分析，判断绝缘子是否开裂、破损，并和完整绝缘子做比较，如果对比结果相差较大可以智能报警。绝缘子破损分为绝缘子裂纹、绝缘子破裂两类。

（8）火灾烟雾识别：对变电站中的火灾与烟雾进行识别，及时对变电站火宅进行预警。

（9）控制柜开关与运行状态识别：对220kV与66kV控制柜内开关与指示灯进行识别，监控设备的运行状态。

（10）变电站作业安全管控功能：通过人体接近探测技术、图像智能分析技术实现作业人员接近高压设备时的直观警示，实现对作业人员的违章行为分析和判断，实现管理人员远程实时管控和告警。

系统对变电站周界采用预先划定区域的方式进行，一旦有人越界就会智能报警。对变电站围栏区域越界识别包含周界的识别以及人员闯入的识别，系统提供人员闯入位置及其在划定区域内的位置图，清晰直观展示出越界位置。

2、触觉体检

参照附图6利用柔性传感技术，通过柔性传感贴片贴在电缆中间接头、设备表面等关键部位，测量温度、湿度、压力、加速度（振动）、应变等参数。并通过测量的电力设备力学环境去判断设备可能存在的外力破坏。测量的物理参数有温度、湿度、压力、加速度（振动）、应变。

触觉监测模块由柔性测温单元、外力监测贴片、柔性湿度监测单元组成。柔性感温材料曲面贴附在电缆上，温度传感器应用非接触式方式进行信号采集，通过信号接收电路接收信号，得到电缆温度。基于柔性传感技术，即可以监测电力设备的温度、湿度等参数，还可以测量电力设备的力学环境，即通过加速度、压力、应变去判断设备可能存在的外力破坏。

3、智能综合体检

参照附图7，对变压器油色谱、铁芯接地电流、局部放电等关键指标进行智能综合监测，对传统监测手段进行彻底的基础性能提升、智能化改造、实现三项指标集中监测、统一治理，提升变压器状态的智能评估和安全预警水平。

3.1 嗅觉监测

从提高监测灵敏度入手，研究高灵敏度、高精度的气体传感器，由于传感器灵敏度提高，需要的样气大大减小，每次取样所用的载气量也会减少，油样的取样也随之变少。再采用先进的脱气方式，脱气装置也将变得更小巧。然后通过油路优化、油回路温度控制及样油获取量的精准控制等技术手段来保证监测数据的可重复性、稳定性和可靠性。

采用高灵敏、高精度MEMS气体传感器实现故障气体的在线分析。通过优化热导结构，实现最小的死体积和最佳的信噪比，大大提高检测灵敏度和精度。通过优化传感芯片抗氧化性能，大大提高芯片的寿命和长期稳定性。

优化真空脱气结构设计，采用油缸取代真空泵脱气，具有结构简单、可靠，取油精准等优点，油缸还具有取油、清洗等功能，一缸多用。

采用高分子过滤器，滤除空气中的水分等影响测试结果的物质，并采用高性能的色谱柱及传感器，使之能够在纯净空气环境下正常、可靠工作。

3.2 心电图

（1）铁芯接地监测

系统变压器铁芯/夹件在线监测系统采用芯片式传感器，具有安全性好、灵敏度高、频带宽、可带电安装等优势，解决了目前变压器铁芯/夹件接地电流在线监测系统存在的数据准确性和稳定性较差、安装过程复杂等问题。

系统主要由控制屏、数据分析软件系统、现场采集处理终端、传感器及相应的配件组成；变压器铁芯/夹件接地电流在线监测设备运行时，通过芯片式传感器采集变压器铁芯和夹件的电流，在漏电流达到警戒值后，就地采集终端设备可发出报警信号，同时输出报警信号到后台控制主机。

（2）局放监测

系统所使用的变压器局放在线监测系统采用特高频（UHF）传感器，具有灵敏度高、全范围监测、可带电安装等优点；解决了目前传统变压器局放在线监测系统存在的数据准确性和稳定性较差、检测单一等问题。

系统的设备主要由控制屏（含主机）、数据分析软件系统、现场采集处理终端、传感器（耦合单元）及相应的配件组成。运行过程中，设备或线缆在发生局部放电时会在设备内部会产生1GHz以上的特高频电磁波信号，因为变压器封闭金属的特殊结构，这些特高频电磁波很难从变压器体内“泄露”出来，根据变压器设备结构选择油阀内置式特高频UHF传感器的检测方式、对变压器产生的局部放电进行测量。

4、听觉体检

声音是一种机械波由振动向传声介质辐射能量，与振动和形变引起的信号分析方法相同，声信号蕴含着大量的振动信息，是分析设备运行状态一项重要指标。设备在正常运行时，机身与固件，零件之间，零件本身的相互运动状态发生变化时，设备就会发出声音，运行状态生变化时声音也随之变。

本发明基于声学特征量的变压器故障诊断技术，使用专家对声音分析的结果进行借鉴，运用大数据的采集和人工神经网络，对声音信号特征进行数字化管理，集合各种声音特征的信息库，结合专家诊断的技术，通过声纹识别对变压器故障进行预警。

参照附图8，针对变电站的现场环境，收集相关的业务知识，根据现场环境，制定音频采集器的部署策略，完成各种类型变压器的本体音频数据的收集(正常运行的数据),构建变压器音频库，支撑变压器本体的识别。基于麦克风阵列技术的音频降噪、解混响等技术，实现收集音频预处理。通过在录音设备上加上多麦克阵列，利用多麦克阵列进行降噪与解混响。具体地，使用多个麦克风采集多路时频信号，从而在目标信号的方向形成一个拾音波束，并衰减来自其他方向的反射声。

参照附图9，变压器智能音频分析模块由拾音器，设备管理服务器和算法服务器组成，设备管理服务器将所有的拾音器通过网络连接起来，不间断的将数据进行存储，同时送到算法服务器上进行实时分析，将结果保存。可以将可疑的音频数据进行回放、提取。保存本地后发送给相应的专家进行异地诊断。如果进行云端配置，专家亦可以进行远程授权登陆，对录音进行回访，进行综合诊断。

实现基于音频采集数据的变压器声像图的实时生成，实现发现故障时，定位故障音频产生位置。阵列信号采集分析单元由适配器和信号处理与采集仪组成，它将所有放大后的传感器信号采集后进行处理，并输入到计算机中；阵列信号分析软件针对阵列上所有传感器信号，计算出空间各点处的声音强度，并以图像形式显示出来，配合视频图像叠加显示后可清晰地看出实测物体的哪些部位产生了声音。

5、移动巡检助手

打造移动端物联平台，展示变电站的三维立体模型，利用移动体检助手APP接入处理系统，实时观测变电站内外部情况，并利用各智能感知设备实时传回的数据，查看变电站中设备状态，在出现异常时可通过移动体检助手APP发出警报。在移动APP上可以查看下列信息：

视觉体检：通过接入机器人本体摄像头和站内高清摄像头，采用红外热成像及可见光图像识别技术，能对仪器仪表等数值、参数进行精准读取和分析，如超出正常合理范围自动告警。

听觉体检：通过声纹阵列实时采集声音的方式，获取变压器等电力设备的运行工况，利用声纹识别技术分析设备运行工况，实时展示设备的声音频谱曲线图，并进行缺陷识别和预警。

触觉体检：利用柔性传感技术，通过柔性传感贴片贴近设备，实时展示感知设备的温度、外力影响等数据。

视频监控：通过接入变电站中的固定摄像头，获取变电站内外部实时视频，通过视频智能识别分析算法实现设备缺陷识别和站内人员安全帽智能感知识别，支持实时视频监控和录像回放等功能。

参照附图10，移动APP与业务系统之间通信由移动应用作业平台完成，终端数据经移动应用平台传回业务系统数据库服务器。从性能和安全上考虑，服务器采用集群部署的方式会降低终端的并发数量，减轻服务器的压力，提高数据处理效率。

本发明应用神经网络算法分析巡检数据之间的关联关系及变化情况，建立基于数据驱动的状态评估、故障诊断和预测模型，找到数据的相关关系和变化规律，实现变电站环境、外观、局放、温度等设备健康状态的自动化评估，针对变电站设备运行数据和状态信息进行深入全面的分析和研判，实现故障和异常预警，及时发现安全事故隐患，提高变电站运维管理的效率和可靠性。

对设备状态相关的海量监测数据、气象数据、运行数据以及设备缺陷和故障记录进行分类及多元统计分析，实现关联规则挖掘，建立历史知识库和具有一定规模的设备故障图像库。研究设备典型故障与图像特征之间的映射关系，形成典型缺陷智能判断的标准/规范库，为设备状态评估、故障诊断和预测提供支撑。

本发明所述的基于云边端系协同感知的变电站电气设备全方位“体检仪”，在站端边缘侧，通过一体化通信网络架构，实现多节点侦测及统一感知接入，实时全面覆盖智能传感终端，同时利用边缘计算技术实现数据本地智能处理；在云端，构建变电站全方位智能诊断分析系统，实现异常实时预警、智能感知预测等多种功能，从而实现对变电站电力设备运行状态的实时跟踪。在站端侧，应用变电站高清视频和智能巡检机器人联合巡检，实现不同厂家机器人、摄像头的统一感知接入，实现设备缺陷图像智能识别告警、运行状态分析、人员识别等。并增加主变声纹识别，分析设备运行工况，并进行缺陷识别和预警；进行变压器油色谱分析、铁芯接地电流检测、局部放电检测等多种检测技术整合，对变压器潜在性故障进行诊断，提高在线监测效率，提高传感器灵敏度、稳定性、抗干扰性；巡检后生成全方位巡检报告，可实时巡检结果及变电站设备健康状态评估等信息，提升变电站电气设备状态的智能评估和安全预警水平，推动建设智慧变电站建设。

本发明未述部分与现有技术相同。

Claims (7)

1.基于云边端协同感知的变电站电气设备全方位体检系统，其特征在于，包括如下组成：

站端的监测终端系统，包括提供视觉体检的机器人与摄像头联合巡检子系统和图像识别系统、提供触觉体检的柔性传感系统、提供智能综合体检的变压器智能综合监测子系统、以及提供听觉体检的声纹识别子系统，对变电站电气设备进行包括图像、声音、触觉、变压器智能综合监测在内的监测数据采集，对变电站电气设备的潜在性故障进行监测识别，进行站端全方位体检；

边缘智能处理系统，其为基于边缘计算的一种融合网络、计算、存储、应用核心能力的分布式平台，通过站端交换机获取监测终端系统所采集的数据，采用边缘智能处理系统进行数据本地智能处理：应用流水线数据处理方式将数据流转化为数据帧之后进行解析，解析器将分组数据转化成元数据，并进行检查和数据包处理；边缘智能处理系统处理后的数据经由地市级的变电信息综合处理上传给变电站全方位智能诊断分析系统进行云端智能处理；

提供云端智能处理的变电站全方位智能诊断分析系统，应用神经网络算法分析数据之间的关联关系及变化情况，建立基于数据驱动的状态评估、故障诊断和预测模型，获取数据的关联关系和变化规律，对变电站设备健康状态自动化评估，对变电站设备运行数据和状态信息进行全面的分析和研判，实现故障和异常预警；云端智能处理包括数据存储、数据交换、数据技术、数据分析并提供平台应用，其中：

S1：数据存储：负责海量巡检数据存储，针对全数据类型和多样计算需求，以海量规模存储、快速查询读取为特征，存储来自外部数据源的各类数据，支撑数据处理层的高级应用；

S2：数据交换：通过RabbitMQ和kafka实现数据交换，RabbitMQ用于实现应用程序的异步和解耦，同时还能够进行消息缓冲和消息分发，kafka是一种分布式的，基于发布/订阅的消息系统；

S3: 数据计算：对多样化的大数据提供包括流计算、批量计算、内存计算、查询计算、离线计算在内的计算功能，允许对分布式存储的数据文件或内存数据进行查询和计算；其中，通过流计算技术提供实时分析处理的计算能力，进行实时决策和预警；通过离线计算提供落地数据的计算能力，以进行数据的批量处理；

S4：数据分析：对多样化的大数据进行加工、处理、分析、挖掘，产生新的业务价值，发现业务发展方向，提供业务决策依据，包含设备健康状态评估模型、典型特征知识库、设备故障图像库、故障诊断模型和预测模型；

S5：平台应用：将数据分析工具、组件等能力封装后，为业务系统提供高级应用功能；

上述云端智能处理、边缘智能处理以及站端全方位体检根据电力物联网整体技术架构包括如下组成：

1）感知层：通过站端的监测终端系统采集变电站现场包括表计示数、设备温度、人脸、异物入侵在内的数据信息，并应用边缘计算进行数据本地智能处理；

2）网络层：感知设备所支持的包括无线专网、工业以太网、北斗卫星在内的空天地一体化网络接入；

3）平台层：与多个监测终端系统的系统数据接口，对设备缺陷图像智能识别，同时提供统一的物联管理服务和数据建模分析服务；

4）应用层：提供各项智能分析服务，包括设备状态监测、设备缺陷图像识别并告警、机器人智能巡检、视频监控智能巡检、运行状态分析、人员识别、变电站可视化展示，并生成全方位巡检报告，供系统用户查阅审核。

2.根据权利要求1所述的基于云边端协同感知的变电站电气设备全方位体检系统，其特征在于，视觉体检中的机器人与摄像头联合巡检子系统，通过变电站内机器人和各个摄像头采集原始图像数据，基于神经网络算法和大数据技术完成图像数据的智能识别，并自动生成联合巡检报告，联合巡检报告数据包含电气设备设施运行情况、作业人员施工情况、安全帽佩戴、异物入侵及红外图像数据，并进一步对报告数据进行统计与深度挖掘分析。

3.根据权利要求1所述的基于云边端协同感知的变电站电气设备全方位体检系统，其特征在于，视觉体检中的图像识别系统，其处理方法包括如下步骤：

1）在红外与可见光融合图像数据中，提取方位信息，并采用图像增强技术，对融合图像进行预处理；

2）比较同组三相设备、同相设备之间及同类设备之间对应部位的异常，以降低设备缺陷的漏检率，利用信息提取模型进行实时分析，判断设备图像随负载、时间因素的变化；

3）对上述数据处理的结果进行优化，通过模型压缩和参数调整，优化提取融合图像特征，达到速度与精度的平衡；对网络进行训练，去除多次被分类错误的样本数据，避免过度拟合低权重数据而导致的识别精度降低；

4）根据训练好的神经网络，对输入的融合图像数据进行异常设备的实时识别和缺陷判断，将识别信息保存至报告进行记录，掌握设备异常及异物的检测和识别情况，从而得到运行设备的健康状态及故障情况。

4.根据权利要求1所述的基于云边端协同感知的变电站电气设备全方位体检系统，其特征在于，提供触觉体检的柔性传感系统，采用柔性传感贴片贴在电缆接头、设备表面关键部分，能够测量包括温度、湿度、压力、振动、应变的监测参数，触觉监测子系统接收这些监测参数，并通过加速度、压力、应变参数去判断设备可能存在的外力破坏。

5.根据权利要求1所述的基于云边端协同感知的变电站电气设备全方位体检系统，其特征在于，提供智能综合体检的变压器智能综合监测子系统包括变压器油色谱在线监测终端、铁芯接地电流监测终端和局部放电监测终端，建立分布式传感网、部署上述各监测终端，建立互联的有线通讯网络以及数据交互模式，获取相应一次设备的原始监测数据，通过统一的通讯规约，经由边缘网络系统与地市级处理系统实时互联，其中边缘网络系统基于多源信息融合分析技术对变压器状态进行智能评估和安全预警。

6.根据权利要求1所述的基于云边端协同感知的变电站电气设备全方位体检系统，其特征在于，提供听觉体检的声纹识别子系统声纹识别子系统通过变压器发出的声音去判断变压器的工作状态，其处理步骤如下：

根据变压器的应用背景和现场环境，构建深度学习模型需要的典型场景目标特征数据库和典型故障特征数据库，然后根据变压器的音频故障异常进行特征提取，对音频进行去噪、增强、特征提取等技术进行预处理操作，构建音频样本特征库；

通过在录音设备上加上多麦克阵列，利用多麦克阵列进行降噪与解混响，收集音频并预处理，基于音频样本特征库对变压器进行诊断，自动生成声纹监测报告，报告信息包含声纹异常情况、识别情况。

7.根据权利要求1所述的基于云边端协同感知的变电站电气设备全方位体检系统，其特征在于，在云端构建移动端展示平台，通过移动体检助手APP接入变电站信息综合处理系统，实时观测变电站内外部情况，能够在移动终端上实时查看变电站中设备状态信息，状态信息包括机器人巡检信息、固定摄像头视频信息、声纹识别信息，并在出现异常时发出警报。

Images