針對變電站巡檢方式存在的缺陷，本文運用人工智能、邊緣計算、大數據等技術，在終端層基于柔性傳感技術，實現對電力設備的溫濕度、電流電壓和破壞性外力以及鐵芯接地電流、變壓器局部放電、變壓器油色譜等數據的全方位采集，在站端邊緣側，通過一體化通信網絡架構，實現多節點偵測及統一感知接入，實時全面覆蓋智能傳感終端，同時利用邊緣計算技術實時智能處理本地數據；在云端，構建變電站全方位智能診斷分析系統，同時開發移動變電站APP供用戶隨身使用，實現三維立體展示、傳感數據接入、異常實時預警、智能感知預測等多種功能，從而實現對電力設備運行狀態的實時跟蹤，通過“云、邊、端”三體協同，建造一個變電站全方位智能“體檢儀”。

　　1總體框架

　　輪式機器人與掛軌式機器人通過可見光紅外雙視攝像頭采集變電站現場表計示數、設備溫度等數據，結合變電站固定攝像頭監控終端采集的人臉、異物入侵等數據信息，通過無線通信網將數據傳輸到站端層的一體化通信網絡架構的交換機；以智能機器人及固定式高清攝像頭的聯合巡檢為基礎，變電站現場部署聲紋采集裝置、變壓器油色譜分析裝置、鐵芯接地電流檢測裝置、局部放電檢測裝置等多種傳感檢測裝置，對變電站電氣設備潛在性故障進行監測識別，實現變電站多節點、全方位監測，采集的數據同樣傳輸到站端層交換機；站端交換機獲取并處理機器人終端、視頻監控終端以及其他傳感終端采集到的數據，處理結果傳輸到邊緣終端代理系統，并應用邊緣計算技術實現數據本地智能處理。邊緣終端代理系統將處理結果傳輸給地市級的變電信息綜合處理系統，并生成全方位巡檢報告，供系統用戶查閱審核。移動APP通過無線虛擬專網連入邊緣終端代理系統，實現傳感數據接入、異常實時預警、智能感知預測等多種功能，實現了對電網變電站各電力設備運行狀態的實時跟蹤，確保了設備的安全性。系統框架如圖1所示。

　　2關鍵技術研究

　　2.1機器人巡檢與高清攝像頭聯合巡檢

　　機器人巡檢與高清攝像頭聯合巡檢對變電站范圍內巡檢機器人、視頻監控進行管理，利用物聯網技術實現“信息流”與“數據流”的“雙流”融合，通過“信息流”的融合實現機器人巡檢流程、視頻巡檢流程、人工巡檢流程和狀態檢修流程的融合，降低了巡檢班組人員的工作量，也提升了變電站的檢修效率；通過“數據流”的融合，搭建基于視頻監控、站內監控設備等多源數據融合數據處理機制，充分挖掘巡視數據資源，實現機器人智能巡檢、設備運行狀態實時監測。智能機器人與高清攝像頭聯合巡檢變電站運行情況，采集海量的電氣設備設施運行圖、作業人員施工圖、安全帽、異物入侵及紅外圖像等數據信息，基于神經網絡算法、大數據技術完成圖像智能識別，實現變電站無人巡檢的要求，系統后臺可自動生成巡檢報表，供系統用戶審閱核實，進行數據統計與深度挖掘分析，實現變電站巡檢事故的可追溯，從而實現對變電站電力設備運行狀態的實時跟蹤、實時監測。其流程圖如圖2所示。

　　2.2圖像識別

　　圖像處理以及對圖像的分析是利用智能算法對圖像進行自動的處理、分析和理解，以識別各種不同模式的目標和對象的技術，利用圖像信息分析電力設備的健康狀況。基于獲取的設備故障樣本庫、特征值，對所獲取的圖像進行預處理，包括去噪、增強、復原、超分辨重建、配準等；在對圖像進行處理后再進行進一步的分析，包括圖像的特征提取、圖像的分割等；最后利用所提取的特征從圖像中識別出設備，并與樣本庫的圖像特征進行比較，判斷圖像是否發生變化，利用典型缺陷和故障樣本庫進行設備異常及異物的檢測和識別，從而分析運行設備的健康狀態及故障情況。在具體實施過程中，構建具有圖像特征學習能力的多網絡融合技術，有效且高速地識別出圖像中的異常目標，提高融合圖像的設備異常檢出率、遺漏率等指標，達到工業檢測的標準。

　　2.3觸覺監測

　　利用柔性傳感技術，通過柔性傳感貼片貼在電纜中間接頭、設備表面等關鍵部位，測量溫度、濕度、壓力、加速度(振動)、應變等參數。并通過測量的電力設備力學環境去判斷設備可能存在的外力破壞。測量的物理參數有溫度、濕度、壓力、加速度(振動)、應變等。基于柔性傳感技術，既可以監測電力設備的溫度、濕度等參數，還可以測量電力設備的力學環境，即通過加速度、壓力、應變去判斷設備可能存在的外力破壞。觸覺監測流程如圖3所示。

　　2.4智能綜合監測

　　對變壓器油色譜、局部放電、鐵芯接地電流等關鍵指標進行智能綜合監測，對傳統監測手段進行徹底的基礎性能提升、智能化改造，實現三項指標集中監測、統一治理，提升對變壓器狀態的智能評估和安全預警水平。1)在終端層建立分布式傳感網，部署各種新式智能監測終端，主要包括變壓器鐵芯接地電流監測終端、變壓器油色譜在線監測終端以及變壓器局部放電監測終端。2)建立互聯的有線通信網絡，以及新的數據交互模式，由智能監測終端采集，獲取相應一次設備原始監測數據，通過統一通信規約，實現站端層、地市級采集數據實時互聯，實現關鍵指標集中采集。3)建立大數據分析工具模塊，實現設備狀態多維數據匯聚治理，利用基于多源信息融合分析技術實現變壓器狀態的智能評估和安全預警，其流程如圖4所示。

　　2.5聲紋識別

　　在當前變壓器巡檢工作中，有經驗的巡檢人員可以通過變壓器發出的聲音實現對變壓器的狀態的精確診斷，但是這需要經驗非常豐富的專家才能判斷。該故障診斷技術使用專家對聲音分析的結果進行借鑒，運用大數據的采集和人工神經網絡，對故障的聲音特征信號進行數字化管理，再結合各種故障聲音的信息庫，結合專家的診斷技術，將聲音用于診斷變壓器變為可行，并通過規范化使其可以進行大范圍推廣，解決目前診斷困難的難題。而研究的音頻監控系統，經過長時間的數據學習和分類，能夠將正常的聲音、自然界的聲音和異常的聲音較為完善的進行區分。音頻處理流程如圖5所示。

　　2.6移動端展示

　　打造移動端物聯平臺，展示變電站的三維立體模型，利用APP接入變電信息綜合處理系統，實時觀測變電站內外部情況，并利用各智能感知設備實時傳回的數據，查看變電站中設備狀態，在出現異常時可通過APP發出警報。依托移動作業技術，使工作人員能夠遠程巡檢變電站，實現變電站全方位巡視，滿足現場多樣信息處理要求。根據國網公司“分區分域”安全要求和“一級管理，兩級運行”新型部署模式要求，該移動巡檢APP將會部署在內網的移動應用平臺，部署方式為兩級部署，在公司總部和省(區、市)公司分別部署不同的服務模塊：在總部信息內網部署平臺管理模塊，在省(區、市)公司的信息內網部署平臺運行支撐模塊。內網移動專控終端通過電力無線虛擬專網連接到安全接入平臺，進而接入平臺運行模塊。

　　3結語

　　文中研究的基于云邊端系協同感知的變電站電氣設備全方位“體檢儀”，應用變電站高清視頻和智能巡檢機器人聯合巡檢，實現不同廠家機器人、攝像頭的統一感知接入，實現設備缺陷圖像智能識別告警、運行狀態分析、人員識別等。并增加聲紋識別，分析設備運行工況，且進行缺陷識別和預警；進行變壓器油色譜分析、鐵芯接地電流檢測、局部放電檢測等多種檢測技術整合，對變壓器潛在性故障進行診斷，通過提高傳感器的靈敏度、穩定性和抗干擾性，以提高在線監測的效率；巡檢后生成全方位巡檢報告，提升變電站電氣設備狀態的智能評估和安全預警水平，推動智慧變電站建設。

　　作者：謝石木林