智能机器人在变电站巡检系统中的应用

云南电网有限责任公司文山供电局　蒋体浩

云南文山电力股份有限公司 李月芹

智能机器人在变电站巡检系统中的应用

云南电网有限责任公司文山供电局蒋体浩

云南文山电力股份有限公司 李月芹

基于目前设备的巡视工作主要是由运行人员来完成，人工巡视存在人为因素多、劳动量大、巡视质量不稳定、人员管理成本高等问题；策划利用智能机器人参与现场的设备巡视，代替部分人工巡视、承担现场抄表工作；以期自动完成设备的日常巡视、红外测温、操作状态检查等工作，实现巡视智能化和信息化，提高巡视效率和巡视质量，降低人工巡视带来的无形风险，并缓解现场运行人员的工作任务量，提升变电运行管理的智能化水平。

机器人；设备模式；图片库；智能化；应用

引言

随着变电站自动化水平的提高以及无人值守的普及，设备运行的安全性受到更加严格的考验，是否全面细致的对设备进行每天的巡检，随时关注掌握设备的实时状态，成为保障电力系统安全可靠运行的一个重要环节。智能机器人参与变电站的室外设备巡视和数据抄录工作，获取现场活动的信息并与变电设备上安装固定的状态测量装置采集的数据进行对比，提前掌握设备健康状况、发现设备运行过程的变化趋势；鉴于机器人能安分守己，不折不扣完成巡视工作，与人具有无与伦比的价格优势和强大的推广应用能力。

一、现状分析

目前变电站内设备间隔多，开关场区域广，采用人工巡检方式巡检设备，不仅要耗费大量的人力劳动力，而且在这种循环往复的工作状态下以及天气情况、巡视人员状态等客观因素的影响下，很可能造成人为的麻痹大意的巡检工作态度，严重影响了巡检质量。机器人巡视系统的应用理论分析

二、智能机器人应用理论分析

（一） 设备模式识别的基本原理

模式识别系统的研制目标是在CCD和红外摄像机采集的可见光和红外图像基础上，根据红外图像进行电站设备的自动监测，发现温度异常的设备并向值班人员报警，同时根据可见光图像完成设备开关状态的读取，对仪表数据读取进行研究，研究对象为变压器油压表和避雷器两种拍摄位置比较理想的仪表，并创新性的对正常光照条件下的变电站设备外观状态进行检测，并给出相应的报警信息。通过无线网络将图像传送到后台工作站上，分析识别系统安装在后台工作站的主机上，对图像进行处理。当机器人到达指定监测位置时，将所拍摄的红外和可见光图像传回工作站主机。分析识别系统根据拍摄的设备红外图像进行指定设备的温度监测；根据可见光图像进行开关的闭合状态监测和指定仪表数据的自动读取。由于机器人停靠位置存在偏差，因此系统要能够容忍图像拍摄的误差，实现能够全天候监测所有指定设备的温度状态，做到没有漏检；并在光照条件较好的条件下根据可见光判断设备开关状态和指定仪表数据。

（二）设备图片库

为了确保巡检机器人所获取的实时图片能够和图片库中相应图片进行最佳匹配，必须建立各个停靠点全天候多角度的设备区域图片库。这就涉及到许多因素，诸如季节、天气、巡检时刻和停靠点等。因为不同的季节、天气和巡检时刻所获得的相同设备区域的图像在亮度、对比度和明暗分布等方面存在着较大差别，对于图像匹配的准确性有很大的影响。只有将机器人实时获取图片与图片库中相应季节、天气、巡检时刻和停靠点的相应预置位图片进行匹配，才能最大限度地减小匹配误差，因为仅仅利用图像处理的各种方法还不足以消除这些因素所造成的影响。

此外，为了更好地实现图片匹配，还需要设计多种匹配算法，从而减小或者消除实时图片与图片库中相应图片之间存在的平移、旋转、伸缩、扭曲等变形和光线、亮度等差异。

三、应用试验

（一） 实时匹配和检测识别

巡检机器人实时获得的可见光图像需要和图片库中相应图片进行实时匹配。由于图片库是静态的，而实时图像是动态的，二者之间存在一些形变和灰度级的差异，例如平移、伸缩、旋转、扭曲等。我们设计了多种算法来校正这些形变和消除灰度差别：能量归一化和灰度均衡化、相关函数法、投影直方图法等。我们要求匹配成功的标准是匹配度必须满足设定的阈值范围。因此，可以确保匹配的准确性。

图4-1

图4-2

图像匹配的成功就意味着图像中所有的设备得到了正确的识别和定位。这是因为在图片库中所有的设备已经进行了人工标定（参见图4-1A）。需要说明，不同季节、天气、时刻、停靠点和预置位的图片库中图像只需要标定一次，包括编号、类型和位置。

设备检测时间问题。由于采用的算法是图像匹配，不是单个设备的逐个检测和识别，因此设备识别速度完全取决于匹配算法。目前的单图片匹配算法大约在2-5秒之间（尚未优化），但是可以同时识别当前环境中的大多数设备。考虑到巡检的实际情况，该匹配算法可以离线进行，即可以利用机器人在相邻两个停靠点之间的行走时间。一般来说，每个停靠点需要识别的设备越多，则每个设备检测时间就越短。如果每幅图片中有十个设备，则每个设备的平均检测时间为0.2-0.5秒；匹配算法优化之后，单设备平均检测时间有望小于0.2秒（见图4-2）。

同时，正是由于采用了图像匹配算法，使得设备识别的准确性和输出设备的位置误差自动得到保证，即很高的准确性和极小的误报率和位置误差。因此，完全可以能够满足单个或多个不同设备的同时准确实时识别。

图4-3　两幅图像差值

（二） 变电站设备外观异常检测

电力设备外观异常根据变电站内设备的实际情况，主要分为以下三类：污损，破损，异物。其中，污损是指变压器等设备漏油，放电痕迹等造成的设备表面存在油污或炭黑等污迹。破损是由于各种外力的作用或设备本身的问题，使得设备有裂纹或缺陷。异物的情况是当电力设备上有悬挂物，如塑料袋、鸟巢等。

分析上述情况，在上层图像分析中表现为，发生异常的图像与正常情况下的图像，在特定区域的轮廓或纹理发生改变，或原本设备区域或背景区域存在异常的目标。在低层图像分析中，都表现为像素值发生改变。如果不依赖图像正常情况的先验知识，无法直接由图像信息判断出是否存在异物或其他异常情况，因此使用正常情况下的图像作为参考图像，对前后两幅图像进行对比。常见的对比方法，有度两幅图像做差提取图像改变的部分，这要求采集图像的设备在同一位置，或者两幅图像中目标的位置相同。由于机器人每次停靠位置和云台的转动精度都有一定程度的偏差，因此不同时刻采集到的相同地点的图像，目标区域在图像中的位置也有所不同。并且，有可能因为摄像机位置的不同，造成图像的变形。图4-3给出了不同时刻拍摄的两幅图像，并给出了两幅图像直接做差的结果，可以明显的看出两幅图像的位置偏移。

四、结论

利用变电站巡检机器人完成变电站设备的巡检，解决因为变电站人工巡视带来的问题隐患，消除“过巡维”和“欠巡维”并存的现象，提升变电站的智能化管理水平。通过数据分析为运行人员提供设备工作状态；通过历史曲线可以提高设备的预知性，为状态检修或状态评估提供有效数据支持，从而减少事故的发生

［1］孟庆春，齐勇，等.智能机器人及其发展［J］.中国海洋大学学报；2004.09.831-838.

［2］董砚秋.智能机器人概述［J］.网络与信息，2007.07.68-69.

［3］朱玉章.未来智能机器人［J］.军事世界，2003.10.32

［4］张钹.智能机器人的现状及发展［J］.科学导报，1992.06.42-46.

蒋体浩（1976-），男，大学本科，工程师，现供职于云南电网有限责任公司文山供电局。

李月芹（1974-），女，大学本科，工程师，现供职于云南文山电力股份有限公司。