变电站二次作业智能辅助系统的研发应用.pdf

132023.08.DQGYCHINA ELECTRICAL EQUIPMENT INDUSTRYPRODVCT AND TECHNIC产品与技术变电站二次作业智能辅助系统的研发应用王昭雷1 符鑫哲2 张 岩2 贾荣正1 姜小静3 周 玮1（1.国网河北省电力有限公司超高压分公司 2.河北科技大学电气工程学院 3.国网河北省电力有限公司石家庄市鹿泉区供电分公司）摘要：以改进卷积神经网络图像分类检测理论为基础，开发了基于“数据云平台”的二次作业智能辅助系统。系统可为变电站基建验收、检修预试、现场消缺等各类作业场景提供智能辅助，改变了“以人为主”的传统二次检修作业模式，实现二次作业数字化智能化的转型，极大提高了变电站二次回路运行维护作业人员的安全与效率。关键词：变电站；二次作业；智能辅助；电缆走向基金项目：河北省自然科学基金（E2019208443）；河北省高等学校科学技术研究项目（ZD2021202）。0 引言由于当前国民经济不断提高，群众生活条件与工业生产技术水平都获得极大提高，使得人民的生活和工业生产对电能的要求也有越来越高的要求，以致对能源工业已产生很大的需求，正是由于这些因素，智能变电站的二次系统优化已变成十分迫切的技术需要。经过几年的工程实践经验，对优化设计方案作出相应的调研和剖析。在变电站日常运维、设备改造、缺陷处理等工作中，经常需要确定电缆标号、起始位置、功能等。按照电缆标签寻线是目前最常见的施工方式，电缆标签按照固定格式标示了线缆起点、终点、线缆类型等文字、字母和数字编码。检修人员日常一般是按照电缆标签开展寻线作业，在平时的工作和检修中，十分不便，随着变电站设备的不断改造和更换，配电箱中的电缆会出现更换和维修，在维修过程中会出现电缆线号标签脱落，字迹模糊的情况，导致下次维修人员检修时电缆识别困难，通过施工图很难确定电缆的走向和末端的电气连接状态，人工验证效率低，出错率高1-2。目前运行维护仍以人工检修为主，人工检修具有可靠性高、判断能力强等特点，但是，随着设备的发展设备控制线路复杂且电缆摆放位置狭窄，电缆线纷杂错乱，维护人员检修需要花费大量的时间，仅靠人力不仅有一定危险且工作效率低。因此，开发一款具有智能、快速、准确检测电缆方向识别目标电缆的智能辅助系统是非常必要的。1 系统架构卷积神经网络（Convolutional Neural Network，CNN）3-4在许多方面发挥着巨大的作用，诸多算法中卷积神经网络在图像识别方面有着不可替代的巨大优势。卷积神经网络通过滤波器对输入与输出信息的逐点卷积和池化，将最高层语句数据层层抽取起来，再层层分解，最后实现输入与输出信息的平移旋转变发展绿色电力 保护地球环境2023-08期电器工业杂志排版设计和印刷发排.indd 132023-08期电器工业杂志排版设计和印刷发排.indd 132023/8/8 下午2:492023/8/8 下午2:49142023.08.DQGYCHINA ELECTRICAL EQUIPMENT INDUSTRYPRODVCT AND TECHNIC产品与技术化的功能。卷积神经网络可以理解为前馈神经网络结构模式，它的神经元可以响应部分覆盖邻域内的周围单元格，所以使得图像识别功能更快更准。同时卷积神经网络可以应用到很多场合，例如在断路器的故障预测、大型架空电力设备故障识别、无人机图像识别等，它也是诸多深度学习算法中最具有代表性的算法之一。目前随着深度学习理论的发展和数值计算设施不断优化，卷积神经网络在近些年有突飞猛进的进展，并逐渐覆盖到计算机视觉、故障诊断、语言信息处理等领域。卷积神经网络通常是采用模拟生物视觉感知机制，与 BP 神经网络、支持向量机等其他深度学习方法相比，卷积神经网络在图像识别方面有更高的识别精度，由于需要通过图像识别来获取图纸信息，所以卷积神经网络有更大的优势。卷积神经网络避免了冗杂特征量在前期的处理，输入原始的数据就可以得到输出结果，非常方便快捷，当建立大量数据库后，采用卷积神经网络可以充分利用施工图纸信息和在线监测系统优势，构建远程系统数据库和模型库，并应用图像识别、人工智能和5G 专网等先进技术，基于卷积神经网络，开发基于“数据云平台”的二次作业智能辅助系统5。系统基于改进卷积神经网络图像分类检测模型进行现场端子排标号识别，有效提高了图像识别速度和准确率。加快了智能化作业的效率，该系统可为基建验收、检修预试、现场消缺等各类作业场景提供智能辅助，颠覆“以人为主”的传统二次检修作业模式，实现二次作业数字化转型。如图 1 所示，系统由手持终端、智能穿戴设备和数据云平台三部分组成，云平台数据作为智能控制中枢，完成数据存储和高级应用分析；手持终端可完成图像与测量数据采集，通过 5G 专网与平台进行数据交互，并完成功能展示；智能穿戴设备则用于接收缺陷告警信息，方便工作人员及时检修与维护。通过三部分的构成，组成智能辅助系统。图 1 二次作业智能辅助系统架构通常，卷积神经网络在系统应用中主要包括输入层、隐层、隐层单元和输出层。隐式层是卷积网络的核心，包括卷积层、激励层、ELU 层和池化层等几个部分。卷积层定义滑动窗口 filter 的大小，步长 stride，深度 depth。卷积层的主要作用是提取输入图片中的信息，这些信息被称为图像特征，首先将目标图像的特征先进行标记，再通过卷积运算对输入的不同目标图像的不同特征进行提取，提取过程分为很多步，最开始的卷积层提取的可能仅仅是图像轮廓、颜色变化等浅层简单信息，随着更多的迭代次数和卷积层数的增加，提取内容不断加深，信息提取的复杂程度也不断加深，甚至至今没有办法进行物理描述。激励层作用是采取卷积层输出结果进行非线性映射，但是非线性情况无法很好拟合。有的状况下卷积层和激励层一起统称为“卷积层”。池化层是模拟人的视觉系统，使用降采样和抽象的方法对视觉输入对象进行处理，优势是特征不变、防止过拟合等特点。卷积神经网络的卷积层具有多个卷积单元，每个单元的参数特征是通过 SGD 随机梯度下降的反向传播方式得到最优参数。在卷积过程中，前一层的某几个神经元作为本层的输入，来提取特征信息，一旦局部提取完成找到最合适的权重和偏移项，由于神经网络参数共享机制的存在，特征之间的对应数据也被确定下来。2023-08期电器工业杂志排版设计和印刷发排.indd 142023-08期电器工业杂志排版设计和印刷发排.indd 142023/8/8 下午2:492023/8/8 下午2:49152023.08.DQGYCHINA ELECTRICAL EQUIPMENT INDUSTRYPRODVCT AND TECHNIC产品与技术图 2 二次作业智能辅助系统架构卷积核是根据输入输出对象的局部感受区域的局部差异，通过激活函数的作用重新形成的特征向量，而每一级的输入输出特性向量都是对多个输入或输出对象的卷积结果。本 文 提 出 的 智 能 辅 助 系 统 在 卷 积 神 经 网 络（Convolutional Neural Networks，CNN）的 基 础上，提出了一种全局动态剪枝的深度学习框架，采用全新的决策树（Gradient Boosting Decision Tree，GBDT），GBDT 分类方法作为分类器对不同的目标图像进行分类。首先，模型利用卷积神经网络提取样本的高层次特征信息，由于全局动态剪枝同时在激励层采用（Exponential Linear Units，ELU），ELU 作为激励函数并且附带权重信息，使神经网络泛化能力加强并且防止过拟合的发生并且提高了系统的鲁棒性。其次，用高斯拉普拉斯算子锐化图像特征，首先将数字影像采取低通滤波方法，用来抑制噪声带来的影响。高斯函数在低通滤波器性能表现优异，将数字影像进行低通滤波，大大减少噪声对设备的影响，提高了整个网络对噪声图像处理的能力，最后，将CNN 几次信息的高层特征融合后做标签，用 GBDT做分类检测处理。与传统的 CNN 和 CNN-SVM 模型相比，本系统提出的 CNN-GBDT 的处理速度和抗噪能力有明显的提升，如图 2 所示。改进卷积神经网络的图像分类检测模型，包括图像预处理部分、改进卷积神经网络提取特征、锐化图像特征、用于将特征融合的融合器以及分类器。预处理部分主要是将检测过程中的线缆标签参数检测装置传输过来的图像做去均值处理和归一化处理，预处理能简化图像信息的复杂程度，利于计算简便和算法收敛。采集到的图像信号 x 先采取去均值预处理，进行中心化并且使它的均值为 0。假定观测信号为 x，去掉均值 E（x），使得观测信号 x 为 0 均值变量。中心化过程为：将图像数据进行白化处理，图像数据白化处理是数据集中后对数据进行线性改变，使变换后的数据各分量不相关，各分量方差为 1。利用信号的协方差矩阵进行特征值分解，使信号进行白化处理，设 x 为中心化的信号。处理后的原始图像将符合电缆标签参数规则，方便后续计算。除此之外，预处理可以消除图像中噪声等影响后续步骤处理精度和准确性的因素，另外可以在正式处理之前进行预处理，减少后续操作的量，提高后续操作的可靠性。卷积神经网络采用的全局动态剪枝，激励层采用 ELU 作为激励函数并且激励也设置相应的权重信息，锐化图像特征主要采用高斯-拉普拉斯算子实现降噪突出图像特征，其中Laplace 算子是一种很好的边缘检测算子方法，在边缘检测需要的领域发挥很大的作用。用求得二阶导数的零交叉点来对图像边缘检测进行处理，Laplace 算子表达式为：由于 Laplace 算子是通过对图像进行微分运算来实现边缘检测的，因此它对离散点和噪声比较敏感。因此，图像先用高斯卷积滤波去噪，再用 Laplace 算（1）（2）（3）2023-08期电器工业杂志排版设计和印刷发排.indd 152023-08期电器工业杂志排版设计和印刷发排.indd 152023/8/8 下午2:492023/8/8 下午2:49162023.08.DQGYCHINA ELECTRICAL EQUIPMENT INDUSTRYPRODVCT AND TECHNIC产品与技术子进行边缘检测，高斯函数的表达式为6：图像分类检测模块，通过卷积神经网络提取图像特征信息，用 GBDT 来实现图像的分类与检测，训练好网络之后，将检测设备传输过来的图像通过卷积神经网络提取信息并设置标签然后经过 GBDT 完成将标签信息和预设信息做对比，最后系统传回相应的线缆路径、位置等参数结果。2 应用效果分析传统的变电站二次检修作业方式主要存在三方面不足：二次回路接线核查效率低。图纸设计和现场接线的一致性核查工作需要作业人员对照图纸逐一进行核对，耗时费力。二次回路无法直观展示。一条功能回路往往分布在多张图纸页，回路各部分缺乏连贯性，且难以确定回路的实际路径。现场消缺依赖个人经验。由于监测数据利用不足，缺乏智能分析手段，二次回路消缺时需要作业人员人工收集故障现象，依靠个人经验判断故障部位。二次作业智能辅助系统的研发及应用提高了传统二次检修作业效率。实现了图纸核查一目了然，现场工作人员可通过手持终端拍摄新设备端子排图像，并通过无线安全专网上传至“数据云平台”，快速、准确提取图像端子排名称、端子号、线号等文字信息。将图像识别结果与系统数据库内的标准图纸信息进行比对，自动推送出比对结果，提示现场人员及时更正接线错误或回路号打印错误。故障诊断一锤定音。创新提出将现场测量数据自动回传后台，覆盖监测“盲区”，与装置自检告警信息共同构成判断逻辑，同时结合历史缺陷信息，利用改进 D-S 证据理论进行智能诊断，并提供消缺建议。系统可图形化展（4）示故障定位的完整二次回路，并将各节点正确电位创造性地在图形中展示，辅助专业人员快速查找故障位置。通过设备间快速的信息通信的功能，保证各子系统之间的功能联动，用来降低操作人员的工作强度，使系统的智能化、自动化性能大幅提升。此外，缺陷告警信息可实时发送至检修人员的智能穿戴设备，提醒其第一时间通过智能终端远程查看缺陷信息，提前制定检修方案，针对性准备备品备件。传统单个屏柜的查线时间平均为 1h，二次辅助系统应用后，仅需 2min 即可完成查线，节约时间成本 97%。传统二次作业消缺的平均时间为 2h，系统应用后，可减少至0.5h，节约时间成本 75%。智能变电站二次系统的优化设计对中国电网的发展具有良好的促进作用，为推动智能电网的建设和可持续发展提供良好的保障。3 结束语传统变电站二次接线核查全部依靠工作人员携带纸质蓝图，数万线芯逐一核对接线标号、接线位置，在新建站或保护改造现场工作量巨大。根据实际问题和改进的创新方法发明一种基于图像处理技术改进卷积神经网络的图像分类检测模型。有效提高图像识别速度和准确率。创新开发具备数据回传和完整二次回路可视化的故障智能诊断分析模块，可为现场作业人员提供直观的回路展示和消缺指导。对实景字符识别一直是图像识别技术的一大难点，本系统在行业内外首次将图像识别技术引入到二次回路识别，并创新提出改进的识别方法，在市场竞争中具有先发优势。本文提出全新的二次回路核查方式，颠覆了传统二次回路工作模式，极大提高变电站二次回路工作效率。对于应用成果和效益分析，另外需要具备充分的工程实例、足够的投运时间来证明，研究的层面也应该逐渐加深，为进一步推动智能变电站控制做出创新性的发展。（下转第 23页）2023-08期电器工业杂志排版设计和印刷发排.indd 162023-08期电器工业杂志排版设计和印刷发排.indd 162023/8/8 下午2:492023/8/8 下午2:49232023.08.DQGYCHINA ELECTRICAL EQUIPMENT INDUSTRYPRODVCT AND TECHNIC产品与技术567891011121314（上接第16 页）参考文献1234参考文献1234567李璐，谭忠富，张恩源.含分布式电源的智能配网的控制策略研究J.华东电力，2014，42（8）：1600-1605.袁佳歆，李响，张哲维.基于注入信号的有源配电网单相接地故障选线方法 J.电测与仪表，2020，57（5）：44-49.杨斌，李明贞，周承科.基于泄漏电流的高压电缆线路故障测距方法 J.电测与仪表，2020，57（5）：120-124.张小娟，李泽荣，张重远，等.基于最小路法的配电网可靠性评估 J.电网与清洁能源，2010，26（8）：24-28.杨 磊，汪佛池，赵 涛，等.10kV 配电网中性点接地方式选择及转供电技术措施研究 J.电瓷避雷器，2021（1）：68-77.郭丽伟，薛永端，徐丙垠，等中性点接地方式对供电可靠性的影响分析 J电网技术，2015，39（8）：2340-2345朱文葛，李景禄，易洲楠，等.考虑线路阻抗的主动干预型熄弧装置应用分析 J.电瓷避雷器，2021（5）：41-47.沈煜，阮羚，戴兵，等.配电网单相电弧接地故障的辨识方法 J.武汉大学学报（工学版），2018，51（12）：1098-1104.洪书文，李悦，周威，等.配电网经消弧接地系统不对称度对高阻接地故障选线影响研究 J.电瓷避雷器，2021（1）：103-110.韦明杰，张恒旭，石访，等.基于谐波能量和波形畸变的配电网弧光接地故障辨识 J.电力系统自动化，2019，43（16）：148-154.孙益辉，秦立明，张明达，等.一种适用于谐振接地系统的动态电阻选线方式 J.电瓷避雷器，2021（1）：117-123.鞠默欣.基于 HHT 小电流接地故障选线与在线故障测距方法 D.吉林：东北电力大学，2015.何晓，雷勇，周聪聪，等.消除零模波速影响的配电网单端行波故障测距算法 J.电力系统保护与控制，2016，44（23）：39-45.高艳丰，朱永利，闫红艳，等.一种新型的输电线路双端行波故障定位方法 J.电力系统保护与控制，2016，44（8）：8-13.（收稿日期：2023-03-08）李波，王家军，黄莉，等.变电站二次控制电缆寻线方案研究 J.机电信息，2019（33）：150-151.王昭雷，苑旭楠，檀林青，等.变电站二次控制电缆路径定位仪的研发及应用 J.工业控制计算机，2022，35（8）：147-148.汤广福基于电压源换流器的高压直流输电技术M北京：中国电力出版社，2010刘雨桐，李志清，杨晓玲.改进卷积神经网络在遥感图像分类中的应用 J.计算机应用，2018，38（4）：949-954.兰小海.基于行为的云计算访问控制安全模型 J.现代信息科技，2019，3（13）：170-171，174.耿山，吕建中.基于AI技术的无人机机载前端智能图像识别J.河北电力技术，2022，41（1）：16-19.刘元宁，刘帅，朱晓冬，等.基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别 J.吉林大学学报（工学版），2018，48（5）：1606-1613.（收稿日期：2023-03-19）2023-08期电器工业杂志排版设计和印刷发排.indd 232023-08期电器工业杂志排版设计和印刷发排.indd 232023/8/8 下午2:492023/8/8 下午2:49