基于云计算的电力视频故障智能检测技术研究

姚楠，余劲

（1.江苏省电力公司电力科学研究院，江苏南京210037；2.南京大学计算机科学与技术学院，江苏南京210037）

0 引言

电力视频监控系统的引入为电力生产、管理、调度、巡检、应急等业务提供了可视化技术支撑，全天候实时监控方式提高了对电网输电线路维护管理的效率.随着智能化变电站技术的发展及无人值守变电站的建设，对变电站视频监控的可靠性、可用性、稳定性等要求不断提高，以满足各业务部分对视频监控的应用要求.监控设备发生故障将直接导致重要视频数据丢失、输出图像失真或抖动等问题，严重影响电力视频监控系统的实时性和可靠性.

目前，监控系统故障检测有人工巡检和第三方硬件介入检测两种方法［1］.人工巡检费时费力，效率低下，发现故障的时效性较差，且人力成本正在不断提升.第三方硬件介入检测需要部署新的设备，虽然能够实时有效地指出故障地点，但是很难精确定位监控设备的故障类型，而且其自身也是额外的故障点，反倒加大了系统维护的压力.为此，本文中提出了利用视频图像处理和分析实现故障检测的方法.但是随着摄像头数量日益增多、图像分辨率不断提高，主站服务器进行图像处理时将面对海量的的数据，这需要配置极高的电脑设备，而且长期占用系统资源，甚至影响正常电力调度［2］.

电力视频监控是一种动态过程，面对的是海量图像数据智能分析，基础设备多，网络利用率高，需要强大的计算能力和存储能力，十分适合采用云计算方法，从而实现资源共享、实时访问和存储［3－5］.本文中在研究云计算方法的基础上，结合电力系统网络架构，利用分布式计算机群，构建了私有云平台，对海量视频监控数据进行快速处理和分析，实现了远程定位视频故障原因和状态智能检测，为云用户提供实时可靠的服务.

1 远程视频故障及状态智能检测技术

远程视频故障检测技术是利用监控系统自身采集到的图像进行处理和分析，将故障状态进行分类，包括图像丢失、图像失真、云台损坏不可靠、镜头抖动等，能够有效解决由于各前端设备在不同时期、采用不同厂家设备、不同编码格式等造成的视频设备差异化的问题.

常见的数字图像处理和分析方法包括：灰度直方图、小波变换、块运动估计、Houng变换、傅里叶变换等［6］.为减少计算量和提高检测速度，应选择相应的处理方法.对电力视频监控系统常见故障的特征进行分析可知：

1）图像丢失：表现为视频输出为全黑或全蓝，其灰度直方图数值为常数.

2）图像失真：表现为图像存在杂色或扭曲变形.与正常图像同时进行傅里叶变换后对比，其幅度相位均产生变化.

3）云台损坏不可靠：云台无法控制，只能对某一恒定位置进行监控，图像输出不随控制信号变化.

4）镜头抖动：表现为图像整体存在周期性的小幅抖动.根据位移定理，只要目标本身的特征信息没有变化，经傅里叶变换后的幅值虽然不变，但其相位将产生变化［7］.

因此可以采用灰度直方图法和傅里叶变换方法相互补充，对获得的视频图像进行处理.其流程如图1所示.

图1 视频故障检测流程图

计算步骤如下：首先读取视频图像数据，利用平均值法计算彩色图像的灰度值，计算公式如下：

由此获得该图像的灰度直方图数据：

判断F（x）或F（y）是否为常数，如果对于整幅视频图像存在F（xi＋1）－F（xi）＝0或F（yj＋1）－F（yj）＝0，则可以判定发生监控故障，其类型为图像丢失；如果灰度直方图表现为不规则曲线，则继续进行傅里叶变换分析.设标准图像为F（x，y），对应于傅里叶频域表达式为H（u，v），读取的视频图像为F′（x，y）＝kF（x－x0，y－y0），其中k为失真因子，x0和y0为位移因子，互不相关，共同表征了与标准图像的差异性.当k为1，x0和y0均为0时，F′（x，y）＝F（x，y），即正常监控情况.对F′（x，y）进行傅里叶变换得到：

对比H′（u，v）与H（u，v）两个傅里叶变换频域表达式，如果幅值与相位均产生变化，即可判定为视频监控故障，类型是图像失真；如果仅存在相位变化，幅度一定，即k值为1，可判定为视频监控故障，类型是图像抖动；如果幅度和相位均不变，摄像头可能正常工作，但仍需考虑是否存在云台损坏不可靠的问题，因此由服务器发送云台运动控制指令，使视场产生变化，此时F′（x，y）发生本质改变，再次采集数字图像F″（x，y）进行傅里叶变换得到H″（u，v），并与H′（u，v）对比，只要幅度或相位产生变化，即表示云台工作，视频监控系统正常，如果幅度相位仍未变化，则F″（x，y）＝F′（x，y），说明云台故障.此处H″（u，v）不与标准图像H（u，v）对比的原因是：当云台发生损坏时，所有图像并不一定是在与标准图像处于同一视场角的情况下采集到的，其傅里叶变换函数也不同，因此可能发生误判，只有对比发出云台运动控制指令前后的两张图片才能准确鉴定是否存在故障.

经过智能分析，可以实时获得监控系统的状态并保存在服务器中供用户查阅.对于发生视频故障的监控单元，将其位置信息以及故障原因以报警方式发送至管理员以便维修.

2 基于电力视频监控网络的云平台架构

现有省级电力监控系统的架构一般分为三层：

1）为省电网公司提供监控、管理、调度服务的省级主站系统.

2）为地区供电局提供相关管理服务的地区级主站系统.

3）为主站提供实时图像信息的变电站站端系统.

电网管理人员不需要离开工作站，即可利用辖区变电站视频监控图像进行电力调度和巡检［8］.但是目前视频监控数据网络以本地应用为主，均采用不能互相联通的独立组网方式，在大量占用网络资源的情况下形成了许多独立的“信息孤岛”，并且存在组网结构多样、标准不统一和管理混乱等问题，导致系统运维难度大，缺乏从全网层面支撑设备可靠运行的技术手段.一旦发生视频监控故障，无法及时共享信息，影响正常电力调度.各分系统都需要监控巡检人员，没有实现真正意义上的无人值守.本文中利用云计算技术，充分整合省、区、变电站的设备资源，为上述系统提供了统一的视频分析平台服务，自动24h在线检测各监控设备的工作状态.一旦检测到视频监控故障，自动判断故障类型通知管理员，并将结果存储至云服务器供用户查询.维护人员在已知故障类型和地点的情况下，做到有的放矢，提高了维修速度，保证了设备的利用率和可靠性.

电力视频监控网络的云计算主要思路是利用基础资源获得虚拟化的资源池，由主服务器进行统一的资源分配和调度管理.为用户由下至上提供3种服务：基础设施即服务（IaaS）、平台即服务（PaaS）和监控软件即服务（VSaaS）.以此为基础，将云平台网络架构划分为4层，如图2所示.

最底层是采集层，用于监控视频图像的采集和初步处理.利用标准化管理体系克服硬件设备品牌质量不同的问题，将不同格式的实时数据转化为统一的标准.第二层是传输层，用于视频图像数据的汇集、交换与传输，需要强大的网络资源.第三层是支撑层，它将物理资源抽象化为虚拟资源，实现基础资源管理、信息分类、视频数据分布式存储和智能分析等功能，能够对外提供基础设施即服务IaaS和平台即服务PaaS，使底层硬件资源能够被访问和管理.第四层是应用层，针对电力系统中的不同业务，提供相对应的服务，即视频监控即服务VSaaS.它是一个能够满足用户需求的完整子系统.

图2 基于电力视频监控网络的云平台架构

利用该云平台架构，能够有效地最大化资源利用率，将大运算量的视频故障及状态智能分析融入云计算方法：电力用户使用视频监控信息时，并不需要在自己的电脑里安装一套视频处理分析软件，只要具备信息管控权限，系统就会依据已有协议和服务清单，通过电力数据通信网络获取相应的监控视频数据，采用云计算方法对其进行处理、分析和存储，仅将最终结果提交给用户.这个过程中，用户无需直接面对原始资源，不需要高性能的电脑设备，使用Web接口方式就能获得实时、统一的监控信息.

云计算平台消除了硬件设备带来的差异，为电力系统提供了易于扩展管理、高性能、安全可靠的应用保障，降低了基础设施部署、运行和维护的成本［9］.

3 私有云平台的构建

电力视频监控系统是国家电力调度的重要手段，影响我国电力系统乃至各行业的经济脉搏，其数据安全性、系统可靠性非常重要.从云计算的发展趋势来看，虽然公有云受到广泛关注，但是发展速度却明显没有私有云快，究其原因，主要是其数据安全性和服务质量都存在问题［10－11］.私有云系统可以由企业或行业自行建立，部署在企业内部，由单位IT部门监管，因此具有良好的可控性.本文中设计的云平台也采用私有云方式运作，构建的云平台结构如图3所示.

图3 电力视频监控系统私有云平台结构

其中，核心控制器位于云计算的最顶层，主要负责：对云平台的资源均衡化管理、实时监控和统计；对具有权限的用户所提交的任务进行响应和调度；管理云存储服务器、定时备份系统重要数据.云服务器采用高可靠、可扩展、易维护的计算机硬件设备，部署在省级电力单位，安装LINUX系统，采用基于集群的开源Hadoop软件框架，使用Map－Reduce的编程模型.

集群控制器受云控制器的管理，在结构和功能上均实现位于区、市的分布式部署，同时作为Hadoop的主节点管理集群中的所有从节点.节点控制器直接利用已有的电力视频监控站端系统，包括管理服务器、流媒体服务器、存储单元和网络设备等，不仅真实运行视频监控设备，还作为云计算中虚拟资源的重要组成部分.

以视频监控状态查询服务为例，云平台的工作步骤如下：

1）用户向云服务器发出请求，定制服务类型和参数.

2）云平台启动相应位置和数量的监控设备.

3）监控设备将采集到的数字图像信息传递到支撑层，云服务器根据现有资源分配情况，进行任务分割和调度，通过分发线程发给各个虚拟机，即集群的所有从节点.

4）每个从节点依据计算公式单独对分配到的视频任务进行处理.

5）将计算后的结果由接收线程进行汇总和合并，发送给当前用户，同时存储在服务器中.

当服务请求数量少、系统资源利用率低时，云服务器还能自动进行巡检，实时监测每个监控单元的状态，当发现视频监控故障时及时警报并存储检测历史记录，有效提高系统运维效率.同时，电力系统的管理人员经过简单学习，就能编写能在云平台上执行的程序，满足各自不同的需求.整个云计算平台可以容纳1 000 000个监测点，并且能够按需要进行增容扩大，适应整个电力视频监控系统的发展需要.

4 总结

本文中提出了基于云计算方法的电力视频故障及状态智能检测的新技术架构，根据电力视频监控系统中的设备数量庞大、地域性广等特点，有效利用现有硬件设备资源实现全网的视频设备故障诊断及状态查询，支持多路视频并发和自动化周期性巡检.未来，云平台将不局限于视频故障分析和状态监测，能够扩大到调度优化、经济运营和运行安全等各方面，为电网运维管理提供可靠的保障.

［1］王昂千，陈航.视频监控系统故障检测探究［J］.警察技术，2011（4）：66－69.

［2］李万才.浅析云计算在视频监控系统中的应用［J］.中国安防，2011（7）：44－46.

［3］钱毅.基于云计算和视频智能分析的变电站视频及环境监控系统升级方案设计［J］.电力学报，2011，26（2）：151－155.

［4］杨震，戴蓉.基于云计算架构的远程视频监控系统应用设计［J］.制造业自动化，2012，34（9）：4－5.

［5］冯向荣，吴俟.基于云模型和支持向量机的入侵检测特征选择方法［J］.华中师范大学学报（自然科学版），2013，47（1）：23－26.

［6］夏海元.视频故障检测系统的设计与实现［J］.计算机应用，2013，33（S1）：277－279.

［7］王常青.数字图像处理与分析及其在故障诊断中的应用研究［D］.武汉：华中科技大学博士学位论文，2012：31－33.

［8］李志海，张天兵，彭启伟，等.基于统一平台的电力视频数据网络建设及组网策略［J］.电力科学与技术学报，2012，27（4）：64－69.

［9］李英壮，刘曌，李先毅，等.基于云计算的海量视频转换平台的设计［J］.实验技术与管理，2012，29（3）：98－100.

［10］李大勇.私有云计算技术在石油行业的应用［J］.信息系统工程，2012（9）：92－94.

［11］周泉.新型云计算NVR集群技术在视频监控系统中的应用［J］.中国安防，2012（1）：64－65.