图像处理技术在变电站室内渗漏水预警中的应用

刘故帅，孙 磊，王世坤，胡新刚，罗 兵

(国网淄博供电公司，山东 淄博 255000)

随着经济的进一步发展，用电负荷保持较高的增长率持续攀升新的最大负荷记录，新建变电站是解决变压器重过载的重要手段。但是目前运维人员数量不足与变电站数量的增长较快呈现出显著反差。于此同时，《国家电网公司变电运维管理规定》要求二级变电站需要三天巡视一次，三级变电站需要一周巡视一次，巡视频率增加[1]。

目前，国内外变电站渗漏水监测方面的专家从不同方面进行了不同深度的研究。从管理模式来讲，目前执行的无人值守管理模式[2]，值班员工作地点较为分散，对所辖各站的熟悉程度降低，在巡视周期中产生的原发性房屋渗漏异常不能及时处理，人工巡视计划不能及时跟随天气的变化及时调整[3]。在暴雨天气需要实时掌握各个站内环境的运行情况，但是短时间内掌握数百个变电站内高压室等房屋的渗漏情况，使得运维人员捉襟见肘，同时也浪费了人力、时间，使得运维工作的效率大大降低[4]。

因此，本文提出一种能够自动识别室内环境风险的装置，并且能够及时将房屋漏雨的告警信号传至巡视人员的移动作业终端或手机中，保证在暴雨天气中变电站高压室、蓄电池室等的环境安全。

1 无人值守模式下高压室运维特性分析

1.1 无人值守模式

无人值守模式的主要原则是“集中监控，智能联动，就近处理”。地理上分散的各级变电站的消防信号、压板状态、环境参量、实时图像等信息通过同轴电缆或无线通信等手段上传至运维主站，运维值班人员根据各站信息动态和告警实时更新巡视计划和运维梯队，实现“集中监视、集中管理和集中维护”的目的[5]。

1.2 高压室渗漏水特性分析

传统渗漏水检测方式主要以目测为主，由于变电站分布范围广，高压室、保护室、蓄电池室、资料室等房间众多，该方法存在不及时、效率低、主观性强、费时费力等缺点。其中，渗漏水对高压室、保护室、蓄电池室的影响最为严重，水滴进入柜体容易引起相间短路和保护误动，并且该类房间大部分时间处于弱光环境下，房屋顶部由于吊装时预留横梁和吊扣，对渗漏识别准确度有一定影响。由于各类干扰因素的存在，变电站室内渗漏水特性主要有以下几个特点[6]。

(1) 渗水形态随机性大：渗水区域不是简单的几何图形，而是根据渗水缝隙延伸分布的不规则形态；

(2) 背景噪声影响：房顶及墙壁因施工工艺和运行时间长短不同，墙体表面留下水渍、油渍、墙面色度、人工标记等噪声；

(3) 房顶环境不同：部分高压室、保护室内配置轨道机器人以及安防系统的光敏器件会影响图像采集，保护室和蓄电池室一般处于弱光环境，房顶图像采集受光源影响较大。

2 渗漏水监控预警系统

2.1 渗漏水自动识别模型

首先建立样本数据集，然后构建样本特征图，最后建立特征图与原图的图像自动识别模型。

样本数据的采集是通过佳能EOS 80D单反套机对变电站内房屋的渗漏水墙体表面实施图像采集获得的。通过人工识别的方式，在样本数据图集上标记出渗漏水区域，标记的区域统一为300 dpi×300 dpi的图像子块。通过图像处理技术不断收集样本数据集中的相似数据，然后进行渗漏判断、渗漏水位置锁定、图像分割，实现渗漏水自动识别[7]。

(1) 渗漏判断：通过图像处理技术，将样本数据图像中含渗漏水的图像和不含渗漏水的图像分割开；

(2) 渗漏水位置锁定：通过图像采集的位置，将渗漏水的房间名称、渗漏水方位上传至通信平台；

(3) 图像分割：将含渗漏水的图像进行分割，得到渗漏水特征图，判断渗漏水严重程度，并将结果上传至通信平台。渗漏水图像处理流程图如图1所示。

图1 渗漏水图像处理流程图

针对其易受房顶构造、墙面颜色等因素干扰等缺点，本文所述系统利用双库对比技术，利用现场已经收集到的各个变电站房屋照片创建原始库，利用各个变电站渗漏水图像创建渗漏水库，方便计算机深度学习算法进行自主学习，对老旧渗漏水痕迹进行识别，从而避免预留横梁和吊扣等干扰因素的影响。

2.2 预警系统仿真

2.2.1 系统逻辑

本系统利用图像处理技术，图像采集周期设定为3 min，比较每个时间间隔内的两张照片变化，依据特征图像库[8]，自动生成告警信息，系统逻辑图如图2所示。

图2 渗漏水监控系统逻辑示意图

由图2可知，告警信息通过通信技术，自动传送至主站智能监控系统及巡视人员移动作业终端或手机中，告警信息含有渗漏雨位置、渗漏严重程度、告警时间和变电站位置等信息，从而实现了变电站房屋渗漏水信息的实施监控及告警[9]。

2.2.2 系统仿真

(1)灵敏度仿真。首先为了验证图像识别技术对于渗漏水的灵敏度，搭建试验电路图，在试验区对图像识别技术的灵敏度进行试验，测试在墙面渗出不同水位深度情况下的触发水位，并利用伯努利试验原理[10]，独立重复100次试验，试验结果如图3所示。

图3 水位灵敏度试验结果图

由图3可知，当水位深度达到2.3 mm时，基于图像识别技术的水位监测装置被触发，发高电平。

表1 信息传输记录表

(2)通信仿真。通信模块要求渗漏水告警信号送达的可靠性达到100%。随着变电站数量的增多和技改大修项目的实施，变电站房间数量增长明显，室外敞开式AIS设备逐渐被室内GIS设备所取代。每个房间(空间)内至少有2个工业摄像头，每5 min一个步长采集图像，图片的数量可以达到3万张/h。因此，对于数据处理模块的运算性能提出了较高的要求。本系统数据处理模块采用超微4028GR-TR 8路GPU服务器，搭载三星NVGTX1080TI*8显卡，128G DDR4高速内存，运行速度可以达到每秒处理近10 000张现场照片，处理器工作流程示意图如图4所示。

图4 处理器的工作流程

(3)信息传输仿真。模拟渗漏雨信号传递过程，模拟的告警信息有：变电站名称、电压等级、发生时间、渗漏雨位置、渗漏严重程度等。记录告警信号发出后直到运维人员接受所用时间，以及运维人员接收到的告警信息的准确性。信息传输记录表如表1所示。

由表1可以看出，系统平均响应时间为8.7 s，信息传递准确率为100%，用时短、应迅速快、可靠性高，能够满足大量信息传输的并行要求。

3 渗漏水监控预警系统实际应用

山东省某市公司变电运维室共有员工99人，管辖5 965km2内的123座变电站，其中220 kV站28座，110 kV变电站81座，35 kV变电站14座。以某渗水墙面为例，阐述图像识别模型的工作过程，首先由室内的工业级摄像头拍摄到如图5所示。

图5 某渗漏水现场采集照片

经过图像识别模型的特征提取，获得相应的特征图，如图6所示。然后与处理器中的特征图库进行对比，得出渗漏结论。

图6 渗漏水特征图

通过这些过程，可以实现图像识别正确率100%，图像识别模型在接收到现场照片以后，5 s内可以确定所采集的图像是否具有渗漏水特征。

本文收集了山东省某市供电公司2019年第二、三季度25座220 kV变电站降雨渗漏数据，并与未采用所述预警装置的2018年第二、三季度同类数据进行比较，得到了该装置的实际应用指标分析表，如表2所示。

表2 实际应用指标分析

由表2可以看出，采用本装置以后可以显著减少渗漏水特巡时间，并且巡视时所需的工作人员也大大降低，需要说明的是，采用本装置的巡视人员数据为巡视25座变电站的平均值，即巡视所有25座变电站只需要2人同时完成即可。

4 结语

(1)基于图像处理技术的渗漏水具有响应速度快、安全性能高、现场布置方便和动态学习能力强等特点。

(2)实现参数越限快速响应、渗漏雨迹象自动识别、房屋渗漏主动预警，显著提高了自动化运维水平，节约了人力和时间。

(3)告警信息能够及时准确地发送至运行主人的手机中，有助于运维人员根据天气变化及时调整巡视计划。

在变电站图像识别方面，需进一步完善预警系统，增加变电站内人员进出站管理、防小动物识别及站内环境管控等方面，提高本系统的兼容性和全面性。