郑晓琼，王鹏辉，戚 矛，柴宏博

(1.国网安徽省电力公司检修公司，安徽 合肥 230061;2.安徽民生电力发展投资集团公司，安徽 合肥 230061)

0 引言

近年来，变电站室外场所设备电气故障等引起的火灾事故频发，但由于火灾监测与预警措施不完善，很难在火灾发生初期及时发现并采取相应的措施进行处理。而电气设备一旦起火则蔓延很快，且火势猛烈难以扑灭，不仅会直接烧损大量的一、二次设备，而且会因设备起火、爆炸波及到附近的设备，导致变电站需要很长的时间停电修复，严重影响了电网的运行安全。

1 变电站火灾监测预警的现状

目前，国内对变电站(尤其是大型变电站)室外场所的火灾监测还没有十分有效的方法。大空间的火灾监测技术是目前变电站室外火灾监测的薄弱点。由于火焰燃烧物在空气中飘散传播受到净空高度和场地面积的影响，只有当火灾发展到一定的程度时，常规的感烟、感温探测器才会做出响应，难以有效发挥作用。

由于变电站室外的电气设备及建筑物、构筑物多，遮挡多、热源多，若使用森林防火采用的火焰热辐射探测器进行覆盖监测，单位面积火灾监测的成本将会比森林防火高得多，无法进行实际推广，且其误报率居高不下。

鉴于以上原因，现阶段变电站缺少有效的针对全站的火灾监测与核心数据在线采集的应用系统，一些变电站虽然采用视频监控技术实现了部分区域设备运行状态的监视，但是相关数据的实时在线处理与故障识别远未能达到火灾预警的基本要求。

目前，变电站室外火灾检测普遍的应对措施还是采用人员值守看管、人工防火巡视的方法。这种方法原始落后，管理成本高，也不符合变电站无人值守的发展要求。因此，变电站室外火灾的自动监测及预警是一个亟需解决的问题。

2 变电站室外火灾监测预警系统的作用

为了弥补传统火灾报警设备的不足，研发了变电站室外火灾自动监测预警系统，其可以远程提供实时视频，使集中管理变为可能。变电站室外火灾监测预警系统的作用主要是形成基于特征火焰识别算法的变电站室外火灾自动监测预警、巡视分析、综合联动的智能消防体系，对变电站室外进行24 h不间断火情监测预警。该系统可实现5 min巡视1次的极限频次，不仅能大量节约防火巡视的人力成本，还能提高火灾监测与预警的自动化水平，达到“减员增效”的目的，可为“大运行、大检修”等提供科学直观、精准智能的运行维护手段，保障电力设备安全可靠运行。同时，该系统可提升变电站防火安全管理、安全运维巡视的精益化、集约化水平，提高运维人员的工作效率，降低变电站室外火灾监测成本，是以符合“智慧+”的创新思路强化技防与人防的结合度，创新开发的变电站专用室外烟火识别系统。

3 变电站室外火灾监测预警系统的实现

3.1 变电站室外火灾监测预警系统的结构

变电站室外火灾监测预警系统由前端摄像机、三维实景智能平台、声光报警器等组成。前端的摄像机通过可见光摄像头采集现场实时的视频流，通过光纤通信链路将实时的视频码流送至后端的三维实景智能平台。三维实景智能平台通过火焰识别算法对实时的视频码流进行判断，判断前端是否产生火焰；如有则驱动前端的声光报警器报警，同时在三维平台以高亮、闪烁等方式体现。系统的网络拓扑如图1所示。

图1 系统的网络拓扑

3.2 变电站室外火灾监测预警系统的实现

3．2．1 实现原理

变电站室外火灾监测预警系统的核心技术是“视频图像识别”，即对视频码流中前一帧与后一帧的图像(像素)进行比对分析，区分出“前景”和“背景”，经过背景过滤和前景降噪后提取“前景”作为检测目标。火灾的判别依据就是“烟”与“火”。温度升高至火苗出现前往往会有烟雾产生，因此根据“火焰”与“烟雾”的特征提取算法对来自变电站室外的现场监控视频码流进行特征比对，从而实现对监控画面中的“火焰”与“烟雾”信号的自动捕获、触发报警。

3．2．1．1 烟雾的识别

烟雾的静态、动态特征都和火焰有着明显的不同，因此可以将其与火焰识别分开处理。烟雾的静态特征主要在“外形”与“对比度”，在颜色上没有像火焰样存在明显的分布，而且颜色与烟雾的浓度有直接关系。淡淡的烟是半透明的，可以看到其后面的物体；而浓烟是灰黑的，完全挡住了后面的实物。因此，单独考虑烟雾的颜色无法描述它的特征。然而，无论烟雾浓淡，它都会使后面的实物变得模糊，甚至被完全遮挡。因此，可通过像素的对比度变化来判断烟雾的有无。烟雾的动态特征在于“扩散”。它具备以下特点：首先，烟雾以扩散的形式变化，可以假想存在1个或几个烟雾发生点，烟雾围绕这些点扩散开去；其次，与火焰类似，烟雾的边界变化存在一个3 Hz的频率；再次，烟雾的轮廓是清晰画面与被烟雾模糊画面的交界；最后，烟雾的运动是连续而且是非刚性的。烟雾与行人、汽车等“前景”运动物体有本质的不同。

3．2．1．2 火焰的识别

火焰有着与众不同的特征，它的颜色、温度、形状以及跳动的形式都可以作为识别的依据。可从火焰的静态特征和动态特征2方面进行识别。描述火焰颜色的模型有很多，图2就是其中一种，它可以由RGB空间算子经过简单比较计算得到。

图2 火焰颜色分布

由上图可见，任何RGB图像中只要满足R≥G且G＞B就可以看作是火焰。

火焰的外形也是用来识别火焰的重要特征。一种模型是采用嵌套式轮廓模型。它默认火焰存在1个或几个燃烧点，火焰从这些燃烧点一层层地向外扩散，越到外层的地方其形状的可变度越大，而且是连续的。图3（a）展示了1个燃烧点的火焰模型，它由3层火焰轮廓组成，对于其右侧图3(b)中的火焰经过该模型捕捉得到图3(c)的结果。

图3 嵌套式轮廓火焰识别模型

火焰的动态特征是“频率”。火焰是动态跳跃的，或者说是移动变化的。经研究发现，火焰的外焰部分的运动存在一定频率。从图4中实线标出的火焰外焰部分来看，这些像素点在经历着有火焰和无火焰2种状态的切换，这个切换的频率经过测算是10 Hz。因此，通过捕捉这个10 Hz的特征可以进一步确认是否有火焰存在。

图4 火焰动态特征识别

除此之外，火焰的运动是有能量变化的。燃烧的物理变化和化学变化造成了火焰能量的不均衡分布，这点可以作为区分火焰与其他颜色相似运动物体的特征。如运动着的人所着红色衣服的能量分布是均匀的(显示为均一灰色，没有亮暗变化)。与之对比，火焰的能量变化就显得非常不均匀，在能量分布图上看得到明显的亮暗变化。

3．2．2 实现步骤

通过对电力与防火相关的国家技术标准的研究，发现针对变电站室外防火安全的部署应从防火区域规划开始，将防火目标按轻重缓急逐层分解，有针对性地开展该区域的火灾监测。

第1步：针对每个变电站的室外环境划分报警区域，将火灾警戒范围按防火分区划分管控单元是非常合理的划分标准。

第2步：在报警区域内划分探测区域，将报警区域按探测火灾的部位划分重点监控单元，单个探测区域在500 m2面积以内较为理想。

第3步：监测对象分级，根据使用性质、火灾危险性、疏散和扑救难度等进行综合分级(一般分为特级、1级、2级3个层次)

第4步：根据前3步的逐层分解，在最小监测单位中结合变电站视频监控摄像机的机位情况、摄像机性能参数(特别是镜头参数、变倍能力)计算每个火灾监测点的保护面积和保护半径。每个预设位停留时间(即探测时间)是个可调参数，需要根据现场实际进行试错迭代，求取最佳经验值。

3.3 变电站室外火灾监测预警系统的实际应用

该变电站室外火灾监测预警系统在某500 kV变电站得到实际应用。

首先，在室外场地上选址部署3台高清高速球形摄像机，分别监测500 kV侧草坪、220 kV侧草坪和35 kV侧草坪3块报警区域(见图5中的虚线框)；然后，将摄像机的每个预设位对应一片探测区域(见图5中的小方格)。单个标准片区为一个监控单元，可进行优化；某些片区可以根据现场实际评估取消，也可以根据监测对象分级权重增加重叠或减小片区面积。

图5 变电站室外火灾监测预警系统探测区域划分

另外，由于三维实景点云平台是基于精确空间坐标的现场真实全景还原，变电站室外设备的大小、距离、空间遮挡，以及选取进行火灾监测的摄像机景深、焦距、俯仰角度、视野及视场面积、预置位参数，都可以在其三维实景点云平台上进行精确现场评估，不需要各个相关部门到现场去实地勘察和协调讨论。选择在三维实景点云平台中进行方案预演，将大大提高效率，增加安全系数。三维实景点云平台如图6所示。

图6 三维实景点云平台图像

系统现场设备结构布置如图7所示。变电站室外火灾监测预警系统的配置如图8所示。

3.4 变电站室外火灾监测预警系统的算法实现

该系统对烟火算法实现的初步设计是：算法能够常驻服务器程序，对各路上传的视频码流进行火焰识别和智能分析。后续拓展高级进阶设计是：算法能够植入各类智能网络摄像机中，进行前端识别，减小视频传输的带宽压力。

通过视频分析进行火灾自动监测与预警，火灾(烟火)检测算法是核心。初步研究，大致可分为5类子算法，如表1所示。

图7 系统现场设备结构布置

图8 变电站室外火灾监测预警系统配置

类1—4中，每个子算法都是在摄像头的可视范围内单独监测烟火的存在情况，并最终由类5的自适应子算法进行过滤、加权和决策。类1—4的初始权值从实际火灾视频中得到，在初始建立时误差值被定义为各子算法组成值与人工判别的决定值之间过量差值。火灾自动监测及预警系统被设计为人机交互和自学习相结合的智能系统，通过向人工判别发出请求以证实是否发出火灾警报的方式，使本系统的实际使用人员参与学习的过程。

表1 火灾检测算法分类

算法流程如图9所示。

图9 系统算法流程

4 创新点及问题改进

4.1 系统创新点

4．1．1 数字信号处理

利用视频码流分析的基本过程是，把图像信号变成便于计算机处理的数字信号，去除干扰、噪声及差异；将原始信号变成适合于计算机进行特征提

取的形式。

4．1．2 多特征提取降低误判

研发基于视频特征检测的火灾(火焰与烟雾)识别算法，提取火灾图像中可疑目标区域的面积序列的自相关函数、狄度均值序列的方差、圆形性序列的均值和自相关函数、质心的移动距离5个视频特征，并通过统计模式技术设计贝叶斯分类器识别火灾火焰，同时排除孤立亮点、受控火焰、手电筒和移动打火机等干扰。

4．1．3 在火灾发生初期就实现智能预警

早期的火灾火焰是不稳定的，不同时刻火焰的形状、面积和辐射强度等都在变化，抓住火灾火焰的这些特点可以为火灾预判打下良好的基础。通过火灾(火焰和烟雾)的动态特征分析(包括面积变化、边缘变化、形体变化、闪动规律、分层变化、整体移动)，增强并实现火灾(火焰和烟雾)的智能预判能力。

4.2 系统存在的问题及改进措施

夜间环境光较弱，会对火灾监测摄像机视频图像有一定的影响，因此要加配灯光(夜间补光)。另外夜间有补光区域和无光照区域、补光位置(应避免迎面直射补光)以及检测区域中夹杂明亮面和暗面的“阴阳脸”现象等光线因素对烟火检测算法判别或许会产生较大误差，有待进一步改进算法在计算时进行补偿，以实现自动判别。

5 结束语

变电站室外火灾自动监测预警系统的应用，实现了对变电站室外较大区域内火灾的自动监测预警，杜绝了因火灾未及时发现而引起变电站内发生大范围火灾事故，甚至造成系统大面积停电情况的可能。同时，该系统的应用还减轻了运维人员的工作负担，提高了运维人员的工作效率，为变电站的安全稳定运行提供了技术支撑，为超高压电网无人值守变电站的推广打下了坚实基础，满足了现阶段变电站发展需求，具有良好的经济和社会效益。

1 金华彪．基于数字图像处理的火灾探测技术[J]．消防科学与技术， 2002，21(3)：46-47．

2 董 华，程晓舫，范维澄．一种早期火灾图像监测技术的应用与比较[J]．光学技术，1997，5(5)：51-53．

3 张 静，王宏刚，王涌天，等．一种边缘提取的图像分割方法[J]．光学技术，2001，27(5)：424-426．

4 林 衡，吴振国，唐志坚．在线监测技术在预防电力电缆火灾中的应用[J]．电力安全技术，2011，13(10)：57-59．

5 耿克山，张城玮．基于红外检测技术的变压器火灾报警系统研究[J]．电力安全技术，2012，14(6)：37-40．