1、控制理论与应用Control Theory and Applications自动化技术与应用2024 年第 43 卷第 2 期Techniques ofAutomation&Applications基于激光传感和机器视觉的变电站通道监控研究*任宇路1,刘毅敏2,节连彬2,荆玉智2(1.国网朔州供电公司,山西 朔州 036000;2.国网阳泉供电公司,山西 阳泉 045000)摘要:变电站内隐患区域与异常状况在属性上分属不同传感特征,无法通过单一监控形式完整表达。针对当前变电站通道监控以单一监控形式为主,存在安全隐患与异常状况检测精度低的问题,导致监控效果不佳,提出运用激光传感技术和机器视觉技术
2、双监控的模式,对变电站通道完成监控,形成监控互补。通过在变电站通道布置激光传感器,采集变电站通道安全隐患数据,构建分布密度函数判断变电站通道的安全隐患,利用机器视觉技术采集变电站通道监控图像特征,实现了变电站通道内异常情况监控。实验结果表明,该方法能够准确监控变电站通道安全隐患区域和通道内的异常情况,提升变电站安全监控效果。关键词:激光传感;机器视觉;变电站通道;监控;互补监控;监控效率中图分类号:TP277;TP212.14文献标识码:A文章编号:1003-7241(2024)02-0064-04Research on Substation Channel MonitoringBased o
3、n Laser Sensing and Machine VisionREN Yu-lu1,LIU Yi-min2,JIE Lian-bin2,JING Yu-zhi2(1.State Grid Shuozhou Power Supply Company,Shuozhou 036000 China;2.State Grid Yangquan Power Supply Company,Yangquan 045000 China)Abstract:The hidden danger area and abnormal condition in the substation belong to dif
4、ferent sensing characteristics in attribute,which can-not be fully expressed through a single monitoring form.In response to the current single monitoring form of substation channelmonitoring,which has low detection accuracy for safety hazards and abnormal conditions,resulting in poor monitoring res
5、ults,adual monitoring mode using laser sensing technology and machine vision technology is proposed to complete monitoring of sub-station channels and form complementary monitoring.By arranging laser sensors in the substation channel,collecting data onsafety hazards in the substation channel,constru
6、cting a distribution density function to determine the safety hazards in the substa-tion channel,and using machine vision technology to collect monitoring image features of the substation channel,abnormal condi-tions in the substation channel are monitored.The experimental results show that this met
7、hod can accurately monitor the safetyhazard areas and abnormal situations in the substation channel,and improve the safety monitoring effect of the substation.Keywords:laser sensing;machine vision;substation access;monitor;complementary monitoring;monitoring efficiency*基金项目:国网朔州供电公司(5205C018005D)收稿日
8、期:2022-01-05DOI:10.20033/j.1003-7241.(2024)02-0064-04.1引言变电站内的空间结构相对比较复杂,对智能化监控的要求高,这就对变电站通道的监控技术提出了更高的要求1。当前变电站通道的监控技术具有点多面广的特点,在一些落后区域的变电站通道监控技术,通常是以人工现场作业为主,随着当前智能电网的发展,以人工为主的技术已经无法适应现实的要求,需要尽快研究新一代监控技术,对变电站通道的监控技术进行创新与升级2。越来越多的工程师开始考虑将远程智能监控应用到变电站通道监控中。针对变电站通道存在监控模式落后、监控效率低的问题,国内外学者展开了大量研究,文献3设计
9、了基于GSP的变电站监控系统远程监控技术,将信息与通信技术应用到了变电站运维与监控技术设计中,在变电站的主站与子站之间建立了信息交互框架,对管控系统架构进行设计,实现变电站的监控;但是由于未设置传感器对异常信号进行采集,因此该方法对安全隐患区域检测的精度较低,影响运维效果。文献4提出了基于物联网架构的变电站通道监控研究,介绍了现有在线监测系统的结构,给出了变电站设备在线监控系统向物联网改造的两种途径。介绍了变电站设备连接物联网在线监控系统的应用场景,实现变电站通道监控研究。但该方法没有解决变电站通道的图像监控特征与实际运行特征之间的像素差异,因此检测精度较低,运维效果不佳。64自动化技术与应用
10、2024 年第 43 卷第 2 期控制理论与应用Control Theory and ApplicationsTechniques ofAutomation&Applications以上问题产生的原因多是因为当前方法多采用单一监控模式,很难对复杂的变电站区域的多种异常属性完成准确检测。本文提出了基于激光传感和机器视觉的变电站通道监控研究。在判断出变电站通道安全隐患节点后,将误差较大的传感器节点去除。通过构建子波集得到变电站通道传感器异常信号帧。消除不同通道之间的频差得到变电站发射信号的时间,完成变电站通道传感器异常信号捕获。利用机器视觉技术确定监控周期函数,构建变电站通道视觉监控的优化目标函数
11、,实现变电站通道监控优化模型的构建。2基于激光传感节点的变电站通道异常区域监控2.1激光传感监控节点的布置与大误差节点的去除变电站的通道区域是异常多发区域,本文利用激光传感器布置在通道区域合理的传感节点布局,是能够成功完成监控的关键。变电站通道激光传感节点布置中的置信概率1-,粗大误差的范围k,其中在变电站通道中激光传感节点的危险率为,当超出k的变电站通道测值为小概率时,那么就需要将该部分传感节点去除。将满足正态分布的变电站通道激光传感器节点x的分布密度函数定义为:(1)式中,和表示控制节点密度的约束参数,那么节点布置在粗大误差范围内的分布位置函数可以表示为:(2)约束参数的计算公式,即:(3
12、)式中,xi表示变电站通道安全隐患节点i的测量值,和作为约束参数,是排除无用节点的关键指标,通过合理设置该值,可以取出无用节点。采用平均值x代替变电站通道节点的真实值,可计算约束参数:(4)根据公式(3)和(4)的计算结果,设定合理的排除值,可以判断变电站通道无用节点,将粗大误差比较大的传感器节点去除。2.2变电站通道传感器异常信号捕获激光传感器主要负责变电站内危险区域的监控,其主要通过异常信号完成判断。过程如下:假设在变电站通道中一共存在Nt个区域,那么就能收到对应数量的子载波,构建子波集,得到变电站通道传感器信号帧5。采用离散冲击响应形式,描述变电站当前通道激光传感器采集信号的时域,即:(
13、5)式中,在第i条变电站通道中,信号传播路径总数为bi,将变电站通道采集的传感器信号在延迟传输过程中的样点数量描述为i,变电站通道的时域采集周期长度为Ti-l,l为时域内的周期约束参数。Ji表示某一条通道的路径数量。变电站中不同通道之间的距离差异和信号属性之间都是相互独立的,为了得到变电站发射信号的时间,需要将不同通道之间的时间差消除,那么在变电站的异常端,得到接收信号可表示为:(6)式中,n表示变电站通道中的延迟样点数,表示变电站通道信号的频率约束参数。通过信号幅度和频率等异常特征,可判断出变电站的区域是否存在异常。3基于机器视觉的通道监控优化模型设计在判断完相关异常区域后,需要判断变电站内
14、的异常状态,这就不是激光传感器能完成的了。可通过机器视觉完成。通过对比变电站通道的图像监控特征与实际运行特征之间的像素差异6,利用智能机器视觉技术,调整不同通道区域变电站的监控周期函数,利用相关像素差异,完成异常的判断。异常判断的阈值R表示为:(7)式中,将监控的像素函数描述为Ci,空间描述函数描述为Wi,色彩描述函数为Li。通过计算其与后一帧图像的差异,计算相关阈值。结合变电站在不同区段的监控周期函数,构建了图像时空监控的判断函数,表示为:(8)式中,将变电站通道k在t时段的像素表达函数描述为Ckt,空间表达函数描述为Wkl,变电站通道k在t时段的监控状态描述为xkt,T表示时间周期,N表示
15、时段总数。在完成监控判断后,需要明确监控中的约束条件:对变电站通道监控时间进行约束,表达式为:(9)式中,将变电站通道k的初始监控阶段描述为ek,最晚监控阶段描述为lk。变电站通道监控在不同时间段的监控状态的累计计数,可表示为:(10)式中,xknt表示变电站通道kn在t阶段的监控状态,k1,k2,kn表示同时参与监控的变电站通道。累计计数也65控制理论与应用Control Theory and Applications自动化技术与应用2024 年第 43 卷第 2 期Techniques ofAutomation&Applications是约束条件之一。变电站通道互斥监控的约束为:(11)式
16、中,Ti表示变电站通道i监控的时间。当满足xk1t1=0或者xk2t2=1约束条件时,将变电站通道不可执行的监控和可执行的监控描述为t1和t2,否则变电站通道监控资源的约束条件为:(12)式中,rkt表示变电站通道k在t阶段的监控状态,hkt表示变电站通道k在t阶段监控所需的需求,H表示人力需求值,xkt表示变电站通道k在t阶段监控所需的物力需求数量,Rt表示监控需求最大值。利用机器视觉技术确定了不同区域变电站的监控周期函数,结合变电站在不同区段的监控约束条件,建立变电站通道视觉监控的优化目标函数,完成了变电站通道的视觉状态监控。4两种技术结合下的变电站通道监控模型设计从机器视觉与激光传感器2
17、个角度出发,如果变电站中含有n个传感节点,b条支路,就可以建立联合监控模型7,表示为:(13)式中,z表示最终判断阈值,v表示视觉监控结果,H表示激光传感器得到的结果,x表示待求传感节点的异常状态矢量。对于变电站系统而言,通道内传感节点进行安全信息采集配置时,通过机器视觉技术观察到整个通道8-9,那么基于机器视觉的变电站通道安全信息采集点布置,也可以通过最优传感节点定位的结果完成布置:(14)式中,Ab表示变电站通道的监控状态的最优化结果,Xi表示变电站通道安全隐患节点测量值集合。当Xi=0时,说明不存在变电站通道安全信息采集点;当Xi=1时,说明变电站通道节点i是安全信息采集点。在变电站通道
18、中,都需要将约束条件Xi=1加入到安全信息采集装置中,得到变电站通道安全信息的监控联合优化模型,即:(15)综上所述,通过构建变电站通道安全信息的监控优化模型,实现了变电站通道安全信息的监控。5实验分析为了验证本文方法在变电站通道安全应用中的综合性能,选择某一地区的变电站通道为研究对象,选择文献3提出的基于GSP的变电站监控系统远程运维方法与文献4提出的基于物联网架构的变电站通道监控方法作为对比方法,对变电站通道的安全隐患节点分布情况、安全隐患节点检测精度进行对比实验。5.1安全隐患节点分布情况(a)实际变电站通道的安全隐患节点(b)本文方法(c)基于GSP的变电站监控系统远程运维方法(d)基
19、于物联网架构的变电站通道监控方法图1不同方法对变电站通道安全隐患节点检测情况66自动化技术与应用2024 年第 43 卷第 2 期控制理论与应用Control Theory and ApplicationsTechniques ofAutomation&Applications采用不同方法对实验的变电站通道进行监控,检测通道中的安全隐患节点的分布情况。实际变电站通道安全隐患节点与三种方法检测到的变电站通道安全隐患节点情况如图1所示。从图1可以看出,本文方法检测的安全隐患节点与实际安全隐患节点一致;基于GSP的变电站监控系统远程运维方法和基于物联网架构的变电站通道监控方法都与实际安全隐患节点数量
20、有所差距。5.2安全隐患节点检测精度为了使测试结果更加清晰,针对上述测试结果进行安全隐患节点检测精度进行计算,在进行测试的变电站通道中,实际安全节点数量为38个,隐患节点为18个,具体计算结果如表1所示。表1不同方法对变电站通道安全隐患节点检测精度方法本文方法基于GSP的变电站监控系统远程运维方法基于物联网架构的变电站通道监控方法安全节点数量382722检测精度/%10071.157.9隐患节点数量181010检测精度/%10055.655.6通过表1可知,本文方法可以100%检测出变电站通道安全隐患节点的数量;基于GSP的变电站监控系统远程运维方法的检测精度最高为71.1%;基于物联网架构的
21、变电站通道监控方法的检测精度最高为57.9%。证明了本文方法可以很好地检测出变电站通道安全隐患节点的分布情况,检测精度可以达到100%。这是由于本文方法使用了激光传感器进行布置,准确判断变电站通道安全隐患节点,通过构建子波集,检测到传感器异常信号帧,进一步提高了变电站通道安全监控精度。与此同时,本文方法利用机器视觉技术确定了不同区域变电站的监控周期函数,构建了变电站通道视觉监控的优化目标函数,保证了变电站通道安全监控的准确性,有助于变电站运维效率的提高,实现对变电站通道安全监控。6结束语本文研究了基于激光传感技术和机器视觉的变电站通道安全监控,通过去除变电站通道安全隐患节点的粗大误差,对变电站
22、通道信号进行检测,在构建了变电站通道监控优化模型的基础上,将激光传感技术和机器视觉结合在一起,设计了变电站通道安全监控实验,实现了变电站通道安全隐患节点的检测。结果显示,本文方法可以精确检测到安全隐患节点的分布情况,保障了变电站通道监控的精准性,提高变电站监控效率,实现了变电站运行安全。参考文献:1 刘伟,姚鑫,郭瑞.智能变电站运维安全与设备维护探讨J.中国设备工程,2021(7):33-34.2 李金,张喜铭,谢型浪,等.变电站安全运维装置技术方案J.电气工程学报,2020,15(4):114-120.3 彭志强,张琦兵,苏大威,等.基于GSP的变电站监控系统远程运维技术J.电力自动化设备,
23、2019,39(4):210-216.4 Zhang H,Ge D,Yang N,et al.Study on internet ofthings architecture of substation online monitoring equipmentJ.MATEC Web of Conferences,2021,336(5):5024.5 刘嘉雯,周俊杰,顾天逸.智能化技术在变电运维中的应用J.集成电路应用,2021,38(7):164-165.6 孙冬,吉炫颖,王洪香.增强现实技术在变电站设备运检中的应用J.电力信息与通信技术,2021,19(6):44-49.7 陶梦江,朱涛,胡永波
24、,等.基于虚拟现实技术的智能变电站运维管理系统J.信息技术,2021(5):135-140.8 张尚然,汤亚芳,袁旭峰.基于系统结构的智能变电站继电保护可靠性分析J/OL.电测与仪表,1-82024-02-04.http:/ 郑翔,殷建军,杜奇伟,等.变电站自动化设备运维管控系统及其应用J.浙江电力,2021,40(3):42-50.作者简介:任宇路(1972-),男,本科,高级工程师,研究方向:电力管理。4 朱星旭,韩学山,杨明,等.含分布式光伏与储能配电网时变最优潮流追踪的分布式算法J.中国电机工程学报,2019,39(9):2644-2658.5 金豪圣,曹炜,邹龙,等.考虑分布式光伏低
25、电压穿越的配电网改进短路电流计算J.电测与仪表,2020,57(10):30-35.6 管永高,许文超,汤奕,等.基于有向图和序贯蒙特卡洛法的含电动汽车配电网可靠性评估J.电网与清洁能源,2019,35(3):49-57.7 陈智雨,陆金桂.基于ACO-BP神经网络的光伏系统发电功率预测J.机械制造与自动化,2020,49(1):173-175,187.8 徐菲菲,许赟杰.基于ArcReLU函数的神经网络激活函数优化研究J.上海电力大学学报,2021,37(5):507-511.作者简介:王超(1977-),男,本科,工程师,研究方向:重要客户及高危客户安全管理,新能源并网应用、电力需求侧管理、市场交易、综合能源应用。(上接第48页)67