配网自动化开关硬压板自动扫描识别技术研究

程志秋 彭永健 李正强

摘要：针对硬压板人工核对方 式耗时高、误差大的问题，文章提出了一种自动化开关硬压板自动扫描识别技术，具体，将结合Android系统智能手机便携式、普适性的特点，利用其扫描拍照功能，对硬压板状态进行移动化、实时的图像数据采集，而后，以Native方式将OpenCV算法库运行至手机设备上，以此构建后台调用数据库，并引入基于加权投票机制的AdaBoost算法对扫描图像样本进行训练，继而建构分类器，以实现对硬.压板投退状态和位置的自动化辨识，且经过应用实验，验证了该技术可高、精、准的识别硬压板投退状态，达到了预期设计效果，可提升硬压板状态辨识效率和质量。

关键词：硬压板;OpenCV算法库;AdaBoost算法;状态识别

中图分类号：TM7;TP274+.5

文献标识码：A

文章编号：1001-5922（2020）07-0078-04

硬压板是配网保护和自动化装置与外部接线连接的枢纽，其投退是二次设备操作的关键内容，直接影响保护的功能和动作出口可否正常发挥效用，为此，硬压板状态的监测、辨识至关重要。而以往采用的人工巡检方式，以一人持硬压板卡读压板双重名称及投退状态，而另一人复查核对，该方法因投退状态逻辑性繁杂，耗时、耗力，易于产生视觉疲劳、记忆混淆、人员懈怠等问题，进而引发漏核、错核，让硬压板保护误动或拒动操作事故频发。可见，传统人工硬压板巡视方法亟待创新，尤其，当前安全、可靠、绿色、高效的智能电网发展下，对于配网自动化及可靠性水平提出了更高的要求，馈线自動化开关覆盖率正在趋向100%，而由此，现有的人工及技术水平也无法满足配网自动化开关硬压板的运行管理需求，设计一种自动化、高效率的硬压板识别技术成为最紧迫之需。针对此，本文将结合实践经验，融合智能手机高清扫描、成像技术，并利用图像智能化分类、识别技术，对配网自动化开关硬压板核查方式进行创新设计，该方法具有安全、便捷，无需直接触碰带电设备，可实现对硬压板投退状态的自动化扫描辨识，具体设计如下分析。

1硬压板自动化识别技术的设计方案

1.1硬压板识别技术创新的必要性

一直以来，配网自动化开关硬压板投、退状态均依赖于人的经验和技术，诸如在硬压板下方粘接状态和保护名称标签，一检查、核对保护硬压板和定值通知单的保护名称，以此强化硬压板状态管理，防止错误投退引发设备故障，影响配电网运行安全。该种方法虽可一定程度上控制误操作的发生，但防误效果有限，因硬压板属于高精密设备，且功能集成复合性特点较强，投退的逻辑性复杂，些许的巡检疏漏和误操作，便会造成保护误动或拒动，仅佛山局2019年因自动化开关定值执行或硬压板投退错误导致的开关误动或拒动问题的共47起，其中较为突出的是“重合闸压板”投退不正确导致瞬时故障变为永久故障的，共有28起，严重影响供电可靠性。可见，传统硬压板状态巡视模式弊端较多，存在的问题如下：

首先，人工巡视方式耗时耗力，信息统计、娄据记录、状态核对等均依赖于人工。

其次，巡视数据的时效性、准确性不足，数据至少需经过运行人员一+监控员2个环节，无法及时、高效的完成硬压板状态辨识"。

再次，辨识过程过分以来人工经验，操作缺乏技术规范性，很难保证识别结果的精准性。

1.2硬压板识别技术创新的思路

结合上述人工巡视方式的弊端性，本文拟设计的硬压板自动化扫描识别技术，将创新性的引入非接触帶电设备的扫描技术、网络技术、智能识别技术，对硬压板投退状态进行实时监测和防误识别。具体，将利用手机拍照扫描功能，通过扫描硬压板专属二维码，后台将自动调用开关专属定值，实时采集硬压板状态和位置数据，而后，程序结合预设模块自动生成硬压板投退的参考数据，通过调用后台数据库，与历史定值数据进行核对，通过智能识别算法完成硬压板状态的辨识、判断，并在发现异常状态时，在图片上予以标识，及时发出预警，该技术实则是一个功能软件，其由扫描拍照识别、后台数据库调用、数据对比判断等3大程序模块构成。配网自动化开关硬压板自动化扫描识别技术的整体设计方案如图1所示。

2硬压板自动化扫描识别技术的关键支撑

从整体上看，硬压板自动化扫描识别技术，实则是以手机扫描识别终端与后台服务器端的开发为重点，来实现基于Apache服务器和Mysql数据库的后台搭建，用以支撑后台数据调用、数据对比，并基于手机扫描拍照功能建构巡视终端，通过扫描拍照识别操作，实时监测和显示硬压板投退状态数据，且两大模块之间的数据交互将基于HTTP的JSON予以实现[2-3]，关键模块的功能及技术支撑如下分析。

2.1基于扫描拍照识别功能的巡视终端

该模块实则为硬压板投、退状态的实时监测终端，而基于配网自动化开关硬压板的便携式、移动式的巡视需求，将采用附带扫描和照相功能的智能手机设备，进行硬压板巡视终端的设计。因Android系统是基于Linux的开源操作系统，为硬压板扫描识别功能的跨平台移植提供了有效支撑，为此，可利用Android和API提供的相关套件编写出适用于配网自动化开关硬压板扫描识别的手机APP应用程序叫。巡视终端功能实现过程中，应先将硬压板1、2接线柱接入继电保护所需的二次回路，该回路可以是跳合闸回路或保护功能投退回落，3、4接线柱接入自动化遥信巡视回路，具体如图2所示。如此，在硬压板投入时，1与2、3与4接通，测控装置配设的遥信公共端正电源正常开人其中，并生成一个合位遥信“1”;而相反，在退出时，1与2、3与4断开，测控装置配设的遥信公共端正电源无法开人其中，会生成一个分位遥信“O”[5-6]此时将硬压板投退状态下的遥信值传输至配网自动化开关系统后，形成硬压板的二维码信息，利用手机设备的扫描拍照功能识别该专属二维码，便可根据构建硬压板投退的参考数据，而后，以此为据，通过数据对比，便可实现对硬压板实时投退状态的有效辨识。

2.2基于后台数据调用和对比的服务器端

服务器端将基于TCP/IP协议获取手机设备扫描图像，并存储至MySQL数据库之中，同时，将基于HTTP协议完成与Andriod客户端的信息交互，以JSON编码的形式进行硬压板扫描图像数据传输，因Apache具有跨平台迁移应用性，且支持HTTP通信协议、操作便捷，为此，服务器端将在此框架下进行后台数据调用和对比应用程序开发。同时，OpenCV是基于C/C++开发，提供了Python、Java、MATLAB等语言接口的开源性图像处理函数库，其提供了多类及其学习算法、智能识别算法，仅需调用相关的基础数据结构便可实现相应算法"，故而，本文采用Native方式将OpenCV算法库运行至手机设备的An一droid系统上，其无需安装OpenCV的apk，亦不用掌握Java层的OpenCV方法，且跨平台应用性强，便于硬压板自动化扫描识别技术软件的快速开发与操作。

同时，结合硬压板状态辨识的要求，使用手机设备扫描拍照获取硬压板图像后，将采用融入加权投票机制的AdaBoost算法通过数据对比，分为离线训练和在线识别两大步骤，实现对硬压板状态的辨识。具体，离线训练中，将获取的硬压板扫描拍照图像进行样本分类，划分为正样本、负样本2类圈，而后，对已知类别的图像样本进行AdaBoost训练，由此生成分类器，以便对待识别样本中所有图像进行有效分类，在线检测中，将该分类器和算法嵌入扫描识别软件之中，便可实现对任意硬压板图像信息的核对，以便输出硬压板投退状态和位置信息。

AdaBoost算法是基于加权投票机制，对特征问题的答案进行“最佳特征的投票过程”，这其中每次计算迭代中强分类器权值不断增大，而弱分类器权值不断缩小。具体，该识别算法应用中，可利用海量硬压板图像数据的假设集合来构建识别准确率在50%以上的分类器，将其定义为弱分类器，以下式表示：

式（1）中，x为待识别的硬压板图像，p为不等号方向、0为由训练样本决定的阈值，f（x）为以特征f对待识别图像进行特征提取所得特征值。

同时，将弱分类器根据一定方法改造为强分类器，具体，首先设定一系列训练样本（x，），（x252），（x，y，）其中，y;=0、y;=1分别为负样本、正样本，n为训练样本总数，而后，初始化权重wy;=D（i），对于正、负样本可分别设为D（i）=六、D（）=品，其中，l+m=n。而后，对所得权重进行归一化处理：

对各个特征f，训练1个弱分类器，器，并计算其最小加权错误率e，，此即最佳的弱分类器。若以特征f计算训练正样本x，X，…x，的特征值，通过由小至大排序得出特征序列fif，..f.，设0=f（i=1，2，..），计算每个i的全部正、负样本权重，分别记为T：、T;，特征值在0前面的正、负样本权重和，分别记为S;、S;，此时，阈值对训练样本的分类误差为[10]：

根据式（3）可得8;对应的0，而通过T次迭代后可得出T个最佳弱分类器h，（x），h，（x），..，.hf（x），根据下式可构建1个强分类器：

得到多个强分类器将其串联组合为级联分类器，让前端的强分类器进行粗略识别，以后端的强分类器进行精细识别，可有效提升硬压板识别的准确性和效率。

3硬压板自动化扫描识别技术的应用分析

为测定配网自动化开关硬压板自动化扫描识别技术的应用效果，本文HUAWEI Mate30手机作为测试平台，利用Android Studio4.0上进行测试程序开发，测试对象为某配网继电保护硬压板为测试对象，其有4组硬压板，每组12个硬压板，均为紧压式。首先利用手机扫描照相功能获取硬压板的状态图像，以此作为研究样本，利用AdaBoost算法，从海量图像的特征集合中选择一个最佳阈值，以此建构200x200个正样本，通过最佳特征的加权投票机制，获得级联分類器，而后，利用LBP算子和HOG特征作为候选特征进行硬压板识别训练，如此，便可得硬压板状态识别效果，实验结果如表1所示。

由上表1可知，通过对硬压板投退状态的多次自动化扫描识别试验，其中，无法识别或准确识别投退状态，则定义为识别失败，而统计发现，投退错识、漏识的次数均在4次以下，表明该自动化扫描识别技术对于配网自动化开关硬压板投退状态的识别具有较高的准确度，准确率达到了96%以，上，且1面4组9列的硬压板自动化扫描识别时间仅为12s，达到了高效率的要求，较人工巡视方式具有较高的精准度和效率。

参考文献

[1]柯仲来，聂雪松，郭燕霞.保护装置硬压板智能校验辅控装置的研制J].电力设备管理，2018（11）：31-32.

[2]吕家伟，刘瑞荣.基于颜色模版匹配的继电保护压板.投退状态识别设计[J].机电信息，2018（36）：115-116.

[3]赖宝鹏，沈靖龙，韩成辉.基于图像识别的保护压板投退状态APP设计[J].山东工业技术，2018（18）：114+93.

[4]吕志宁，宁柏锋，周子强.基于图像处理的保护压板定位及状态识别研究[J].数字技术与应用，2018，36（06）：82-83.

[5]安万，代运滔.变电站继电保护硬压板远程智能监视与实时告警技术创新[J].机电信息，2017（27）：5-6.

[6]杨俊哲，彭国俊.变电站保护压板远程监控系统的应用[J].内蒙古电力技术，2016，34（06）：56-60.

[7]邓应松，段秦刚，宋小松.基于图像识别的保护压板投退状态辨识方法[J].陕西电力，2015，43（10）：49-53+67.

[8]姚庆华，董林会，周磊，等.智能远方投退电动压板的设计与应用研究[J].电力系统保护与控制，2015，43（20）：143-149.

[9]李然，金元元，钟丽波，等.变电站硬压板状态在线监测功能研究[J].东北电力技术，2015，36（08）：54-56+59.

[10]恩日，温彪，高学军，等.基于AdaBoost算法的继电保护硬压板图像核对方法[J].内蒙古电力技术，2019，37（02）：68-71.