宋训利，朱 保,王 新

（雅砻江流域水电开发有限公司，四川 成都 610051）

0 前言

2015年国家发改委、能源局发布《关于促进智能电网发展的指导意见》，短短几年时间，智能电网在我国高速发展。作为智能电网建设的关键环节，智能巡检系统的建设同样也迎来了发展机遇期。目前智能巡检主要应用于变电站以及输电线路，主要采用机器人代替人工巡检的方式。机器人巡检在视觉处理、距离测量、数据记录存储、传输等方面具有显著优势，能够依托自身的技术特点替代人工完成大量工作，采用替代人工进行电力巡检作业[1]。

除了电网智能化，电力行业同样开启了智能水电站建设的新征程。智能水电站的建设涉及方方面面，既涉及电力生产设备，也涉及管理，同时也涉及电力生产服务的辅助系统。水电站由于环境复杂，当前国内外智能巡检系统均处于理论研究阶段，应用实例不多。发电机风洞历来是水电站巡检的重点区域，设备类型多，运行风险高，是事故隐患的高发区域，极易发生漏水、漏油、冒烟、异常发热、异味、甚至起火等事件；此外发电机风洞内设备布置紧凑，过道狭窄且崎岖不平，人员频繁进入风洞检查不仅容易发生绊倒、磕碰伤害，还容易因绊倒误碰设备引发设备误动、人员触电风险。本文选取发电机风洞为背景，以智能元素探索研究全天候感知发电机风洞智能巡检，为水电站智能化提供思路。

1 发电机风洞巡检现状

为保证发电厂机组的安全稳定运行，日常巡检是必不可少的项目，水轮发电机风洞是重要的巡检部位。发电机风洞内设备主要为发电机及其附属设备，设备种类繁多，结构类型复杂，噪音大，工频电磁场辐射强，对巡检人员责任心要求高，人工巡检不仅费时费力，还威胁巡检人员身体健康。且当前水电站风洞巡检内容较多，如表1所示。

由于巡检内容多，风洞内设备繁杂无序，因此水电站发电机风洞巡检作业涉及较多风险因素和管理问题，主要包括：

（1）当前国内水电站的风洞主要采用人工巡检，由于巡检时间和次数的限制，无法保证在设备出现异常时第一时间发现和处理，满足不了实时监控、实时预警的要求。

（2）由于现场环境复杂，噪音大，设备设施多，油、水管道交织，依靠定期人工巡检，一些异常现象仍有可能被疏漏，无法被有效发现，例如油、水等液体跑冒滴漏、放电、局部发热、异音、异味和绝缘损坏。

（3）风洞内空间狭窄，地面有孔洞、油污，巡检人员劳动强度大，面临高温、电磁辐射、碰撞等风险。

（4）人工巡检记录，通常采用打点记录或纸质记录的方式，满足不了现场巡检数据的实时无间断传达要求。

总体而言，发电机风洞巡检涉及的风险因素和管理问题主要包括问题发现滞后、人员劳动强度大，不能实时传达异常情况，人工巡检不能保证所有设备巡检到位，所有异常现象均能发现。

表1 人工巡检一览表

2 功能需求分析

水电站风洞智能巡检系统应具备全天候24 h实时巡检功能，提前发现设备异常，及时发出报警信号，综合给出建议，提升机组运行可靠性和机组等效可利用系数，降低机组非计划停运率。水电站风洞智能巡检系统应具备以下功能。

2.1 液体“跑、冒、滴、漏”识别

发电机风洞内布置了许多油、水管路，因此发电机风洞智能巡检系统应具备液体“跑、冒、滴、漏”识别能力。

2.2 发电机部件异常发热识别

发电机风洞智能巡检系统应能对一次设备关键部位全天候测温，进行数据保存与后台趋势分析，为故障判断预测提供帮助。

2.3 局放监测

发电机风洞智能巡检系统应能全天候检测到风洞内电气设备局部放电情况，对异常状态立即进行报警，提示检修人员到现场进行维护。

2.4 异味监测

发电机风洞密闭的环境，异味往往表现在：

（1）电气设备或电缆绝缘破坏后发热烧损引起的异常焦糊味；

（2）油槽异常渗油的异常油味。

因此，发电机风洞智能巡检系统应具备识别焦糊味和异常油味等功能。

2.5 异音监测

发电机风洞内的异音主要表现在：

（1）机组的异常振动，发电机转子与定子等部件间的刮擦；

（2）风洞内油泵电机的异常运行声音等，如高压油泵、推力外循环油泵等；

（3）发电机故障或异常运行时发出的异常电磁声。

因此，发电机智能巡检系统应具备异音监测的功能。

2.6 烟雾监测

发电机风洞内如发生着火或者线路绝缘皮烧损，则可能产生烟雾。因此发电机风洞智能巡检系统应具备烟雾监测报警功能。

2.7 阀门、仪表状态识别

发电机风洞内布置了众多阀门以及仪表。因此发电机风洞智能巡检系统应具备阀门、仪表状态识别能力。

3 风洞智能巡检系统结构浅析

在智能电网建设探索的道路上，大部分采用机器人智能元素代替人工巡检，并第一时间将巡检采集信息传输至后台管理系统存储并供运行人员分析实验。但对楼层多、设备高低不一、可视化参差不齐、空间有限等特点的水电站发电机风洞而言，机器人巡检的应用存在一定的局限性。它仅能代替人的劳动和确保信息的及时性，它的工作具有间断性，存在时间死区，不能实现全天候实时感知设备和环境的变化，更不能第一时间发现设备和环境发生的变化，时效性差。对电力生产来说，控制事故发生的关键是及时发现异常现象，及时有效处置，防止异常发展演变成事故。因此智能巡检机器人不适用于风洞智能巡检系统。

随着摄像机技术的发展，当前专业摄像机已将传感技术、红外热成像技术、移动感知技术等高新技术高度集成，并且这类专业摄像机已经充分应用到工业电视领域。同时，工业电视具备全天候实时感知功能更符合水电站发电机风洞运行要求，符合其特殊的环境。

基于此，水电站风洞智能巡检系统信息采集宜采用由布置在上下风洞的多个固定高清摄像头、红外摄像机、环境传感器单元组成的终端信息采集系统。再加上通信单元，集中控制中心，智能决策系统以及终端计算机共同组成风洞智能巡检系统。

图1 智能巡检系统图

3.1 终端信息采集系统

本系统主要包括可见光高清防抖摄像头、红外摄像机、烟感探头、声学识别传感器、MEMS气味传感器等数据采集装置，布置在上下风洞内部，负责收集风洞内各项数据指标以及信号，包括视频、音频、烟雾、温度等。

3.2 集中控制中心和智能决策系统

集中控制中心和智能决策系统布置在云服务器内，集中控制中心主要负责将终端信息采集系统的图像视频、温度信号、声音信号、气体信号进行收集存储和预处理分析，根据设定的阈值实现预报警。智能决策系统，集合智能AI视觉、听觉、触觉、嗅觉识别系统，实现“跑、冒、滴、漏”、火花、放电、异音、异常发热、异味缺陷识别，综合判断，发现设备缺陷规律，提前判断设备异常状态，将分析结果通过无线通信方式传送至终端计算机[2]。

另外，可设置手动和自动两种模式，在手动模式下，需手动关闭发电机风洞照明系统，通过图像视频拍摄，捕捉火花、放电等异常现象，相应保护装置和消防装置动作均需手动确认，确保保护和消防装置动作的正确性。在自动模式时，能定期关闭发电机风洞照明系统，通过图像视频拍摄，捕捉火花、放电等异常现象，相应的保护装置和消防装置均直接动作，有利于限制事故的发展。

3.3 终端计算机

终端计算机布置在中控室，同时还应显示在第三方平台监控系统简报窗口中，智能决策系统和集中控制中心将处理结果上送至终端计算机，终端计算机上能实时显示巡检结果报警信息。此外，在终端计算机上还可完成风洞设备巡检数据的趋势分析，自动形成报表导出。

3.4 通信单元

各传感器通过局域网连接，实现数据的收发、校验、解析。

图2 智能巡检系统硬件拓扑图

4 关键技术要点

4.1 图像智能识别技术

发电机风洞智能巡检系统搭载高清可见光摄像头，对运行设备进行实时拍摄监视，利用图像模式识别技术，通过拍摄照片，经过处理完成设备运行状态的初步识别与判断。当前可实现的主要识别类型包括：表计读数、指示灯状态、阀门机械指示位置等[3]。

4.2 视频智能识别技术

视频智能识别技术主要用来检测设备、传输管道和阀门故障，如管道或阀门液体泄漏，以及局部放电[4]、现场明火等异常事件。与图像智能识别技术不同，视频智能识别技术在设备运行的一段时间内，通过设备产生的一系列变化，来判别是否发生故障。

图像智能识别技术主要通过单张图像判断是否发生故障，判据较为单一，可能存在偶然情况，因此可能出现漏报误报。视频数据智能识别的优势在于其判别依据中加入了时间维度，通过对比设备的状态变化，达到实时监测设备的目的。

该技术采用可旋转可见光摄像头采集设备运行状态视频，进行两级处理。信息采集系统采集到设备的视频数据后，对数据进行一系列滤波处理，滤除大部分无关视频。随后对连续视频序列图像数据帧与背景图像进行帧差图像比对，当通过设定适当的阈值TH，得到阈值分割图像[5]。如式（1）：

当差分结果大于阈值时，则判定为异常状态；当差分结果小于阈值时，则判定为正常状态。同时将一定时间内的视频数据帧重新定义为背景视频，如此往复进行。具体数据处理流程如图3所示。

图3 视频智能识别技术原理图

此外，还可采集7×24 h以上的正常工作现场视频数据，用于AI监测模型的训练，分类识别，建立特征量，构建AI监测模型,实现多种异常事件的同步、精确检测和识别[6]，提高智能化识别水平。视频识别技术用于局部放电缺陷识别时，此时应在发电机风洞照明系统关闭的情况下获取视频数据，进行智能识别。

4.3 红外热成像技术

红外图像温度识别技术目前已较为成熟，其原理为通过物体的红外辐射强度实现对设备的测温。智能巡检系统搭载红外摄像机，拍摄电气设备的红外图像，自动获取设备实时温度，进行智能AI分析识别，实现风洞内有关电气设备的温度报警和趋势分析[6]。

4.4 异味智能识别技术

长期运行的电气设备因为元件老化故障或短路过载造成电气元件不正常，散发焦糊味甚至燃烧损毁，而这些焦糊味道的来源主要是绝缘橡胶塑料、线圈绕组的绝缘漆等物质在高温下分解出的烃类及苯类的混合气体。系统可搭载MEMS阵列气体传感器，通过信号采集处理电路，将气体及浓度信息转化为电信号，利用智能AI嗅觉算法，分析确定气味的类别。

4.5 异音智能识别技术

异音智能识别技术收集正常机组在不同工况下的各设备音频，进行机器学习和集中训练，得到机组正常工况下的音频标准库。机组实际运行中，通过嵌入式声学识别传感器实时捕捉设备音频，根据音频标准库进行模式识别，同时还可以根据实际需要实现声音重现。当识别的声音特征与标准库音频不一致时，将视作异常声音，发出报警，提醒运行人员现地检查确认[7]。

5 不足

5.1 智能巡检系统误报率高

当前水电站智能巡检系统实际应用案例较少，应用过程中存在误报率高的问题，主要采用提高报警阈值和缩小视频识别区域的办法。

但提高报警阈值意味着降低系统灵敏度，可能导致现场实际有故障但无报警的情况出现，存在降低了系统的准确度的风险。

5.2 部分功能有待完善

在异味识别方面，当前市面上的气味传感器应用不成熟，往往多实现单一有毒有害气体的监测功能，主要用于环境监测等领域，无法通过多种气体组合准确判断现场的异味类别。

此外异音识别技术有待提高，目前无统一的量化标准和研究方法，尤其是在风洞、水车室等环境噪声很强的场景下提取关键特征微弱信号准确性有待提高，同时加之缺乏海量有效的音频特征库，造成厂家公布的测试结果识别率很高，实际使用不理想的情况。

5.3 系统智能水平不高

当前智能巡检系统仅能通过单一的判据进行异常报警，无法综合现场实际运行环境，由多组判据组合给出正确地隔离故障的建议，也不适用于直接出口使相应的保护装置动作，智能化水平不高。

5.4 行业标准尚未建立

目前水电站智能巡检系统尚处于试验摸索阶段，未建立成熟的行业标准，认证体系欠缺，推广性不足。

6 总结

本文选取水电站典型的应用环境发电机风洞进行现状研究，阐述目前人工巡检的不足之处，并对比当前应用较多的智能巡检机器人，针对水电站发电机风洞特殊环境，提出了基于高清摄像头、红外摄像机等智能检测设备的全天候智能感知巡检系统的构想。该智能巡检系统能提高巡检质量、降低巡检人员安全风险以及精简人员，推动水电站“无人值守”落地，为水电站智能化建设提供参考。