白旭 宋祉明 李成刚

摘  要：该文主要从人工智能图像识别技术的应用概况角度出发，阐述了人工智能图像识别技术在电力系统中的应用设计，叙述了人工智能图像识别技术的应用内容，论述了基于计算机视觉的图像处理识别平台的应用情况，并对应用难点及解决措施进行探究，从而为人工智能图像识别技术在电力系统中的实践提供参考。

关键词：人工智能;识别技术;电力系统

中图分类号：TP18          文献标志码：A

0 引言

基于人工智能的图像分析识别技术在电力系统中的实践应用时，主要研究和分析了如何通过二次屏柜进行智能监控，有效设计指示灯、开关、压板、仪表盘等不同监控对象的图像识别分析算法，有效规划系统结构设计及安装部署，依照数据管理及显示平台等多个层面，优化整个系统的运行成本以及稳定性。

1 人工智能图像识别技术在电力系统中的应用设计

1.1 人工智能图像识别技术应用概况

首先，电力系统中的所有监测视频均通过以太网传输至智能算法在线分析服务器进行识别、分析及上传数据。其识别对象涵盖大部分的二次屏柜内部对象，包括指示灯面板、开关状态、压板状态和仪表数字等。其次，开发数据管理及展示平台，将汇集的信息数据及监控画面显示至监控屏幕，供工作人员进行异常状态的监测、往期数据查询和报表查看等。最后，开发相应的App，便于工作人员随时查验现场情况[1]。

1.2 人工智能图像识别技术在电力系统中的应用设计分析

首先是人工智能图像识别技术在电力系统中的应用硬件设计，其要对分布式智能图像采集单元硬件进行设计，图像辅助监控系统的硬件主要由分布式视频采集单元、以太网传输媒介、网络交换机、网络路由器及监控管理服务器等设备组成。采集的图像分别传输至图像识别服务器及采集管理服务器。其次是软件的应用设计，主要是对集控信息系统软件进行设计，该采集单元的软件主要由以下4个部分组成。1）CMOS图像传感器驱动与参数配置。2）以太网驱动及协议栈。3）图像预处理与图像编码，裁取图像有效区域，在不影响图像识别精度的前提下，通过有损图像压缩编码，大幅度减少数据冗余，便于后续传输与存储。4）数据监控服务器协议设计，如何高效、低成本的管理分布式智能图像采集终端是该项目的难点之一[2]。

2 人工智能图像识别技术应用内容

2.1 采集数据信息在线监控系统应用分析

电力系统在运行过程中可能会出现许多突发情况，危害电力系统的安全，例如：盗窃、失火等，因此，为了防止意外突发情况的发生，必须要及时进行数据信息采集工作，对电力系统进行在线监控，为异常报警情况提供数据信息，让工作人员及时了解异常原因，并对异常情况及时进行处理。监控系统可以通过常规的摄像头对进出人员进行监控，应用图像识别对人员进行识别。常规摄像头虽然可以及时看到是否发生火灾，但摄像头精度不定，如果精度过低，识别正确率会有一定的影响，并且如果人员稍加进行伪装和遮挡，便不易掌握人员信息。因此还可以采用红外摄像头，掌握人员的红外线轮廓，并根据轮廓应用人工智能图像识别技术对所获取的数据进行预处理，抽取人员的特征，确定人员身份和动作，实现在线监控。同时采用红外摄像头还可以对温度有明显的感应，就算是在火力发电的情况下，也可以根据火的内焰外焰的形态和颜色进行人工智能图像识别，确定火焰温度，保证电力系统的安全性。

2.2 柜面图像智能应用分析

针对获取的监控图像，主要涉及以下3个方面内容。1）压板内容检测与标定，现有设备标定算法通常由人工完成，烦琐且效率低下。研究通过图像自动检测的方法来进行画面区域的标定与类型设定，提升人为标定效率。2）指示灯状态识别，研究通用的指示灯状态识别算法，使其能读取不同厂商、不同规格的非标准指示灯状态的显示结果。3） 报警状态识别，研究可扩展的报警状态识别算法，便于后期添加和删除一些报警规则。

2.3 视频浓缩快照与异常报警应用分析

采用视频浓缩的方式降低数据的存储量。为满足使用不同约束的数据检索需求，例如按时间点检索、按数据变化检索方式等，需要将数据及对应的图像进行同步存储，形成时间点的数据快照，供人工分析使用。首先是按时间序列排序的视频，数据同步快照系统：研究图像与数据的存储方式，摒除冗余数据，精简数据库。满足用户的定制化查询需求。其次是异常报警，当某个识别数据超出既定报警范围时，研究同一时刻不同识别区域的数据相关性，在报警后进行同步异常显示。通过二次屏柜进行智能监控，搭建一套基于人工智能图像分析识别技术的变电站二次设备智能巡检系统，从智能图像采集终端的软件设计和部署，到指示灯、开关、压板、指示数字等不同监控对象的图像识别分析算法设计，系统结构设计及安装部署，数据管理及显示平台等多个层面去优化整个系统的运行成本以及稳定性。同时，通过汇集电网运行和设备检测或监测数据至數据仓库，结合大数据分析与电力系统模型，对采集的电力大数据进行系统的处理和分析，不但有效降低值班人员的劳动强度，提高效率，并且有助于今后对电网运行进行诊断、优化和预测，为电网安全、可靠、经济、高效地运行提供保障[3]。

3 基于计算机视觉的图像处理识别平台应用

3.1 基于计算机视觉的图像处理识别平台技术要求与性能指标

主要包括6个方面的内容。1）对采集到的二次设备图片进行预处理，包括图片数据存储与清洗、尺寸重整、分类标注，基于整理后的图片数据进行人工智能图像分析系统的训练与识别。2） 图像信息的提取，基于计算机视觉深度学习算法，对处理后的二次设备图像进行识别与信息提取。待识别的关键点包括二次屏柜上的指示灯、压板、开关状态、指示数字等。识别要求精度高，响应时间快。3）识别结果的上传与分析，采用符合电网安全管理规范要求的数据接入来源与通道设计，实现数据识别结果的上传。上传后，由系统对识别结果进行分析，判断出正常和异常情况。4）二次设备信息提取结果可视化展现，可视化结果分别在Web和App上呈现，二次屏柜上的指示灯、压板、开关状态等图像，经过深度学习网络后得到识别结果，所有的数据信息及识别结果叠加后进行可视化呈现，实现对二次设备的实时监控。可视化呈现包括二次屏柜监控状态的实时反馈以及告警推送。5）二次设备异常状况告警，支持基于二次屏柜的监控图像数据，通过可视化推送的方式，对异常设备进行实时告警。故障包括指示灯、压板及开关状态所提供的二次设备故障。6）性能指标中，指示灯定位准确率>95%，状态识别准确率>90%，压板定位准确率>95%，状态识别准确率>90%，开关定位准确率>95%，状态识别准确率>90%。

3.2 监控界面及交互系统

主要包括4个方面的内容。1）技术要求，图像识别结果信息传输接口支持基于计算机视觉图像处理识别平台处理后得到的二次屏柜指示灯、开关状态、压板等数据信息的传输，传输结果存储到人机交互系统。2）二次设备信息监控界面，根据传输后存储在交互系统中的设备状态信息，實时显示设备监控情况，监控界面全面地展示后台识别结果，实现自动化管理。监控界面还应保留告警数据推送接口，对于设备运行的异常状态实时告警。3）人机交互系统，人机交互系统支持监控人员对各设备的监控信息进行查验，对异常运行状况进行及时处理。此外，人机交互系统支持监控人员对异常设备运行信息进行再确认，使设备故障的发现更加及时准确。4）性能指标，可视化呈现界面包括所有待识别信息，可视化界面包括所有单点实时图像信息，人机交互系统支持监控人员随时登陆与查验。

3.3 后台服务系统及视频流获取程序

主要包括4个方面的内容。1）技术要求，驱动摄像头运行及采集图像，驱动智能图像采集终端运行，针对明暗2种环境，自动加载对应的预置参数，获得合适清晰的图像，做到实时抓取图像并传输到服务器后台进行处理。2）系统后台服务，串通底层的摄像头驱动程序和识别算法服务，将摄像头上传的图片存入数据库，并调用识别算法程序对数据库中的图像进行状态识别，将识别结果及图像重新存入数据库，同时调用前端显示识别结果。3）历史图像及识别结果保存，将系统的历史抓取图像存储到部署在服务器上的redis数据库，将历史识别结果与图像一一对应，并存到MySQL数据库，便于追溯还原设备的历史异常状态，为后期分析异常原因提供可靠的现场真实数据。4）性能指标，最少支持80个智能图像采集终端同时在线并采集图像，3 000个以上点位的识别时间<15 min[4]。

4 人工智能图像识别技术在电力系统中应用难点及解决措施分析

首先，系统数据深度分析及二次屏柜的主动识别算法框架设计，针对该难点要综合运用图像处理、机器学习技术等学科的相关理论和技术，采用理论分析和实验研究相结合的方法，对指示灯面板、开关、压板、指示数字等图像的高效、快速识别算法进行研究与设计，进行视频浓缩与异常报警，系统架构等关键技术的研究，建立一套能够快速反应、准确识别和报警的算法框架。其次，数据快照及索引技术研究及应用，该难点要通过智能终端的采集和识别服务器的量化汇总后，研究数据快照及索引技术，通过Key-Value型的数据库LMDB进行图像和相关监控数据的持久化存储和分析，允许客户进行查询、报警及上传。

5 结语

综上所述，人工智能图像识别技术在电力系统中应用和实践时，要依照电力系统运行状态来进行对应平台的规划和设计，明确其中的难点，获取有效的解决措施，从而充分发挥人工智能图像识别技术的作用和优势，为电力系统安全稳定运行提供保障。

参考文献

[1]朱永利，尹金良.人工智能在电力系统中的应用研究与实践综述[J].发电技术，2018，v.39;No.180（2）：14-19.

[2]韩扬.人工智能技术在电气自动化控制的应用分析[J].环球市场，2018（34）：384.

[3]郑健生.人工智能技术在电力系统故障诊断中的运用分析[J].微计算机信息，2019（2）：136，139.

[4]赵启纯.人工智能技术在电力系统故障诊断中的运用分析[J].电脑知识与技术，2017（2）：12-13.