泉州地区辅助系统全遥控刀闸图像智能纠偏的分析及应用

王晓蓉 张俊康 陈太

摘要：阐述了辅助系统全遥控刀闸图像智能纠偏建设的必要性和意义，叙述了该系统的实现方式和基本结构，介绍了系统在电力全遥控、一键顺控联动实际运行和事故应急分析处理应用过程中的成效，同时对系统应用过程中存在的问题作出改进并取得成效，最后指明了系统进一步发展的方向。

关键词：辅助监控;全遥控;一键顺控;智能纠偏

中图分类号：TM734 文献标识码：A 文章编号：1007-9416（2018）11-0065-03

0 引言

随着经济日益增长，电力建设高速发展，泉州地区电网规模不断扩张，变电站辅助综合监控系统建设趋于完善。对电力设备运行设备监控全覆盖，尤其针对电网隔离开关远方遥控操作和一键顺控操作，对摄像机预置位提出了更高的要求[1]。本文将介绍泉州地区辅助系统全遥控刀图像智能纠偏系统的建设与应用情况，并对系统存在的问题提出改进意见，以有效保障电力视频监控系统的运行稳定性及可用性。

1 系统建设的必要性

1.1 预置位智能的重要性

电网的安全稳定运行关系国计民生，智能化变电站建设已经已经初具规模，福建省变电站辅助监控系统设备已初步部署，可以监视各变电站的电力设备设施。全省已有1111座变电站安装了监控摄像机，1392座变电站安装了安消防系统，有281座变电站具备全遥控资源（全省35kV以上变电站共有1625座）。全省变电站摄像机安装数量已超过3万台，每台摄像机平均预置位为32个，数量庞大的视频监控设备的运维工作都是完全靠人工检测和处理，监测难度大，故障处理不及时。运维工作量巨大，导致运维的成本不断增加，使得视频监控系统的使用效果大打折扣，严重影响了电网安全保障工作的有效开展。

随着应用深入，必须把视频系统应用到生产运行中，实现视频系统代替人工对变电站电力设备巡检、实现视频系统与变电站安消防设备报警联动、电力一键顺控智能研判。

1.2 变电站辅助监控系统的原有状况

泉州地区电网有37多个220 kV变电站，25多个110 kV变电站，7个集控中心，其中仅集控中心是有人值守的，其余都是无人值班站。变电站点多面广，加之地处福建东南沿海，境内山峦起伏，交通十分不便，最远的车程需要3小时还多。因此，对摄像机的运维检修准确性和时效性都非常差。

变电站遥控、顺控操作刀闸均通过变电站辅助监控系统进行查看，最常见的影响是出现在电机质量、滑环性能及电路的控制。变电站所使用的白光云台摄像机重量大，负载转动时产生惯性也大，这就决定了云台驱动电机扭力要大，而带动云台旋转的驱动电机在长期工作的情况下，内部机械齿轮的间距及结构件或皮带传动装置的精度会出现机械磨损、老化等问题，并且长时间调用预置位会使误差累积，造成预置位偏移原来设置的位置[2-4]。

摄像机发生偏移检测仅通过人员判断进行。不仅耗时耗力，准确性和实时性都无法达到实用化要求，遥控刀闸场景出现偏移时，遥控或顺控操作流程无法实现可视化监控，对刀闸分合到位情况无法进行判断。需安排人员前往现场进行监视及预置位重置，无法第一时间反映现场运行情况，容易造成安全事故。

从以上分析可知，有必要再日益扩大的泉州地区电网建设一套全遥控刀闸图像智能纠偏系统，全面分析变电站辅助监控系统监控设备运行状态[5-9]，對监控设备出现的预置位偏移情况，提供自动纠偏功能，提高电网安全可靠运行水平。

2 系统结构及功能

2.1 系统概述

本系统通过采集摄像机预置位的标准图像和待检测图像，利用图像分析，实现了标准图像和待检测图像的比较，从而实现了预置位的精确检测与纠偏功能[6]，该系统方法检测精度高，可靠性强，受外界环境影响小，达到刀闸图像智能纠偏要求。

2.2 系统结构

该系统需预先采集并存储预置位的标准图像;之后包括如下步骤：采集待检测图像;将采集到的图像与标准图像进行匹配，计算整体偏移量;将整体偏移量与预先设置的阈值进行比较：若整体偏移量大于预先设置的阈值，则根据整体偏移量控制云台转动进行纠偏;之后返回执行所述采集图像的步骤;若整体偏移量不大于预先设置的阈值，则纠偏完成。如图1所示。

2.3 系统应用功能

2.3.1 图像特征提取和匹配

首先对标准图像和待检测图像，进行高级形态学闭运算操作，去除图像上固有的文字信，之后提取图像的GFTT特征，根据每个特征点计算特征向量，并利用特征向量进行特征匹配。

2.3.2 偏移量计算

设变电站某摄像机预置位处拍摄的标准图像为f（x，y），实际采集到的待检测图像为g（x，y），对图像进行特征提取和匹配，并根据匹配特征点间的位置关系获取图像g（x，y）到图像f（x，y）的变换矩阵A，利用变换矩阵A对图像g（x，y）做变换，获取变换后图像s（x，y），即：

s（x，y）=A*f（x，y）                                   （1）

设变换后的图像s（x，y）的中心点坐标为centerS=（sx，sy），标准图像f（x，y）的中心点坐标为centerF=（fx，fy），则图像基于中心点在x和y方向的偏移量分别为：

Xoffset=sx-fx                                      （2）

Yoffset=sy-fy                                       （3）

2.3.3 预置位纠偏

设待检测图像相较于标准图像在x和y方向的偏移量分别为Xoffset和Yoffset，为验证算法可信度，将摄像机从预置位置上下左右分别移动100个像素点，获取移动后的四张图像，分别记作top（x，y），bottom（x，y），left（x，y），right（x，y），将这四张图像分别与待检测图像进行比较并计算偏移量。理论上这四张图像与待检测图像间的偏移量分别为：Xoffset和Yoffset-100，Xoffset和Yoffset+100，Xoffset-100和Yoffset以及Xoffset+100和Yoffset，使用本文方法同样计算出这四张图像与待检测图像间的偏移量，同时给定误差阈值，如果四组验证图像中有三组偏移量小于给定的误差阈值，则认为该次检测可信度较高，可以进行校正;否则该次检测可信度较低，此时会传输到系统并提示预置位异常。

在完成算法验证后自动进行纠偏，根据摄像头配置信息获取其在x和y方向可选择的不同的转动速度，其中转动速度的单位为pixel/ms，设置x和y方向的转动速度分别为Vx和 Vy，本文采用多次移动相机的方式实现摄像头预置位校正，设定每次转动的时间为t，则x和y方向一次移动后偏移量结果如下：

Xoffset（new）=Xoffset-Vx*t                          （4）

Yoffset（new）=Yoffset-Vy*t                          （5）

完成一次x和y方向移动后先利用摄像机获取移动后的图像，再利用算法计算移动后图像与标准图像间的x和y方向偏移量，记作Xoffset1和Yoffset1，再将Xoffset1和Yoffset1分别与Xoffset和Yoffset进行比较，若Xoffset1的绝对值小于 Xoffset的绝对值且Yoffset1的绝对值小于Yoffset的绝对值，则表明第一次移动为正确移动，继续根据给定的转动速度和时间对摄像机进行移动，直到移动后的图像与标准图像间的偏移量小于给定的偏移量阈值，否则根据新的偏移量结果进行纠偏。

2.3.4 实验结果与分析

图2展示了发生偏移的刀闸图像检测结果，其中左边为标准图像，右边为待检测图像，从图中可以看出待检测图像向上和向左偏移，图中的蓝色线段以图像中心点为起点，给出了向上和向左偏移的方向和偏移量，根据预设的相机转动速度和每次转动的时间对摄像机进行自动纠偏，在纠偏过程中，每次移动后会再计算移动后图像与标准图像的偏移量，然后根据新的偏移量结果继续进行移动，直到x和y方向的偏移量結果均小于5个像素点。

3 系统应用成果

因电网的庞大复杂及建设工作涉及多个站端厂家原因，泉州地区全遥控刀闸像智能纠偏系统建设是渐进性、离散性、长期性的，在建设过程中就取得系统的应用和成果的获得。系统在实际应用过程中，取得了良好的实践成果。

首先在刀闸远方遥控分析处理的时效性与正确性。具体表现在：

（1）有效地增强了刀闸监控过程偏移检测的时效性，系统通过后台服务器，对全市辅助监控系统刀闸场景进行监控，对出现预置位偏移的刀闸场景，进行预警处理。

（2）有效地提高了刀闸监控场景偏移检测的准确性，系统通过机器视觉技术、深度学习技术、大数据分析技术，提高了预置位偏移检测的准确性。系统可对初步诊断的结果进行二次标记，有效的提高判断的准确性，降低故障误报率，达到实用化目标。

（3）系统对预置位偏移实现自动校准功能，避免人员前往变电站现场进行校准去过程。根据原有验收的场景基准位进行人工智能分析，通过智能化、系统信息的全面性和系统的统一坐标平台自动校准工作，避免由于人为校准出现的误操作事件。

4 结语

本文中用到的方法具有如下特点：

（1）检测精度高：通过提取图像的GFTT特征，同时去除图像上的固有文字特征，能够有效进行特征匹配并计算偏移量，因此具有较高的检测精度;

（2）纠偏效果好：在预置位纠偏时，先验证检测结果的可信度，然后通过多次移动进行纠偏，提高了系统的可靠性，能够有效保证纠偏效果;

（3）系统稳定性好：不受天气因素影响，在睛天、阴天、雨天、下雪等天气情况下，能够长时间稳定可靠工作。

因此本文方法可以广泛应用于变电站刀闸预置位检测，具有重要的实际应用价值。

参考文献

[1]吉彬，赵书国.视频监控系统在安防领域中的发展趋势[J].舰船防化，20101：39-42.

[2]马俊明.全方位云台预置位的精准控制[J].电子材料与电子技术，2008（3）：15-19.

[3]董安国.图像匹配最大互相关快速算法[J].浙江万里学院学报，2005，18（4）：13-15.

[4]刘治彬，王述洋.利用单片机实现对云台的转动控制[J].林业劳动安全，2005，18（2）：31-33.

[5]华磊，袁晓辉.一种基于图像的摄像机云台快速定位方法[J].仪器仪表与分析监测，2009（3）：15-17.

[6]张游杰，焦荣华.一种基于图像分析的云台预置位控制方法[J].现代电子技术，2012（10）：57-60.

[7]董美娜，刘笑楠.基于线性回归的图像边缘处理算法的研究[J].电子元器件与信息技术，2018（7）69-73.

[8]刘治红，骆云志.智能视频监控技术及其在安防领域的应用[J].兵工自动化，2009，28（4）：75-78.

[9]裴静，柳娜.人工智能推动安防发展智能网络摄像机引领前沿—SVAC 2.0技术助力安防智能网络摄像机新发展[J].中國安防，2018（3）：68-74.

Quanzhou area Auxiliary System full Remote Control Knife image Intelligent Correction Analysis and Application

WANG Xiao-rong， ZHANG Jun-kang， CHEN Tai

（Guozhou Power Supply Co.， Ltd.， State Grid Fujian Electric Power Co.， Ltd.， Quanzhou Fujian 362000）

Abstract：The necessity and significance of the intelligent remote correction of the auxiliary remote control knife gate image are expounded. The realization mode and basic structure of the system are described. The actual remote control， one-button sequence control and actual operation and accident emergency analysis of the system are introduced. To deal with the effectiveness of the application process， and to improve the problems in the system application process and achieve results， and finally pointed out the direction of further development of the system.

Key words：auxiliary monitoring; full remote control; one-button sequence control; intelligent correction