基于增强现实技术的电力设备故障识别方法研究

基于增强现实技术的电力设备故障识别方法研究

孙义杰  ,王凯

国电南瑞南京控制系统有限公司，江苏  南京 210000

摘要：电力设备是用来输送和分配电能的装置，它在国民经济中起着至关重要的作用。电力系统中使用的电力设备主要包括变压器、输电线路、低压开关、电能表等。随着互联网技术和大数据技术的发展和普及，越来越多的设备开始被安装在各种智能手机、平板电脑上进行数据远程无线传输。

关键词：增强现实技术；电力设备故障；识别方法

引言

  随着现代化城市用电负荷的不断增加，对电力装备提出了更高要求：即可靠性高、抗扰动能力强、故障定位方便等，因此，提高设备的可靠性和稳定性对电力事业发展至关重要。随着我国电网建设速度的加快，电网设备也在不断更新变化，其中高压设备更是如此。

1电力设备监测

    电力设备故障诊断技术是指利用相关理论和方法，根据电气线路或设备的物理模型与信息模型，在真实情况下对被检测对象进行状态评估、在线监测、维护保养的一种技术手段。随着电力系统的规模越来越大，可靠性要求越来越高。

    传统电力设备监测系统通常有两种:一是基于有线传感器的电力设备监测系统，主要用于现场采集设备故障信息，如故障类型、位置等。二是基于无线传感器网络的电力设备监测系统，这种监测系统采用无线通信技术采集数据，再将数据发送至相关的云平台或移动终端[1]。传统的电网监测系统在工作中往往需要多个通信节点与多个采集终端，因此会存在数据孤岛的问题,在实际应用中很难实现大规模数据的分布式处理、实时传输。

    目前，我国电力系统中的主网和配电设备均采用在线监测设备（如电流互感器、电压互感器等）；继电保护设备则采用开关量装置、隔离变压器等。为了更好地分析电力设备的状态，可以将系统建模为虚拟现实系统。在实际中，电力行业通常会对电网进行地理信息（Geographic Information, GIS）分析（如：负荷模型、线路模型）；此外，基于 GIS分析的基础上还可以采用人工现场测试方法（如：开关量装置现场测试法及电气线路试验）对设备进行测试。但在实际应用中，由于存在各种干扰因素、地理信息误差、人为操作误差以及环境噪声等因素干扰，传统的基于 GIS分析与人工检查的方法在电力设备故障诊断中存在一定的局限性和缺陷。

2 增强现实技术

    增强现实技术是一种基于计算机图形学的新型交互工具，它通过构建虚拟环境与现实环境的对应关系，实现对虚拟环境中任意对象的增强或模拟、三维重建和渲染展示。增强现实技术主要通过图像传感器、三维扫描设备、计算机、通信设备等来采集数据并通过算法将其转化为三维模型，同时结合增强现实技术生成的逼真虚拟图像。增强现实技术主要利用三种模式，即3D数据模式、2 D数据模式和2 D与3D结合模式。3D数据模式即指在虚拟空间中创建和编辑实体对象，该方式将物体与虚拟对象相结合，可以实现实体之间的信息交互与优化，例如：在虚拟场景中创建一个3D空间对象；然后利用增强现实技术将该空间对象与真实环境进行交互，可以实现物体之间的信息共享与模拟[2]。2 D与2 D结合是指将虚拟对象在二维平面内进行叠加、放大以及缩小等操作时所生成的三维模型；然后再利用增强现实技术将三维物体呈现到用户面前，通过图像传感器采集真实世界中的二维图像后再运用增强现实技术生成相应的三维模型。

    在增强现实技术应用领域，增强现实已成为一种新兴的人机交互方式，在计算机视觉领域有着广泛的应用。增强现实技术与电力设备故障诊断、巡检机器人等方面相结合，可以实现对多种类型电力设备的状态监测及故障预测分析；并能够通过实时采集设备运行数据和分析设备状态特征参数，实现对各类电力设备运行状态的实时监测；还可通过建立与 AR系统相连的网络终端和平台提供信息服务接口，为电力管理部门和用户提供决策支持。

3 基于增强现实技术的电力设备故障识别方法

3.1 增强现实系统架构

    增强现实系统主要由五部分组成：图像采集、图像处理、三维建模、人机交互及设备控制[3]。

    摄像头采集信息：传感器通过红外激光或可见光探测设备实时获取所需的图像数据，主要由计算机处理后传输到控制中心。

    增强现实应用层：系统运行时，采集摄像头在拍摄和处理图像时会产生相应的数据处理及人机交互的工作。增强现实系统架构中的主要技术难点在于：①图像识别和定位；②对相机成像进行分析；③人机交互过程中的行为控制。

    图像采集与处理模块完成对红外激光和可见光信号进行实时识别及实时反馈，在增强现实系统中主要包括以下几个功能模块。

    1)红外激光和可见光探测模块检测红外激光发射后产生的光斑，对被检测对象产生光斑成像；

    2)通过软件算法识别被检测对象的三维模型（包括真实设备模型、虚拟设备模型），将真实设备模型转换为相应的数据信息，通过三维建模完成对虚拟设备仿真模拟；

3. 2 AR图像采集处理

    在电力设备故障诊断中，检测对象为电力设备，需要实时采集电力设备的三维数据（真实对象图片、尺寸、坐标等），然后对其进行识别。电力设备识别的关键在于信息完整、准确且高效获取。对采集到的图像进行处理时需要在保证图像质量清晰且不失真的前提下，尽量降低数据量。电力设备图像采集过程中，图像中出现明显噪声源是不可避免的问题之一。

因此，在进行采集时将噪声去掉是一种有效方法。另外，要根据不同应用场合选用合适的噪声去除技术和算法，从而保证采集到的数据真实可靠。

    第一，采用一种基于卷积神经网络和小波变换相结合的图像去噪方法，对图像进行处理。

    第二，对噪声去除结果中最大值和最小值设置阈值来控制去除噪声效果的好坏。

    第三，根据信号特征图中每个像素处对应的特征点进行判断，并选择相应算法去除噪声效果明显、去除正确以及效果好。

    第四，对噪声去除结果中最大值和最小值设置阈值分别为0和0.001,根据其对应特征点位置进行判断选择相关算法进行处理。

3.3 AR故障诊断算法及流程

    电力设备故障诊断的流程主要包括三个步骤：

    1)图像采集处理：利用摄像头实时扫描电力设备表面，获取图像数据；

    2)数据增强和识别处理：利用机器学习技术对图像数据进行预处理，提取与电力设备故障相关的特征，实现电力设备的故障检测；

    3)仿真分析不同特征下的电力设备故障类型、特征以及对异常状态所采取的检测措施。

3.4 网络模型设计

    为了进一步提升电力设备故障诊断和状态评估的效率和精度，本文提出一种基于增强现实技术和神经网络模型实现故障识别的方法。

    基于增强现实技术结合神经网络模型实现电力设备损伤分类；为避免模型参数设置不当而影响诊断结果，设计一种基于深度学习模型的神经网络模型，用于预测不同故障类型及所对应的故障严重程度，通过对电力设备图像信息进行增强处理，最终识别出相应的损坏类型。为了提高神经网络运行效率，设计了一种自适应循环卷积神经元网络用于训练。为了进一步降低运行时数据传输速度和通信延迟要求，采用压缩感知技术对数据进行压缩处理；为了提高训练速度与准确率，利用自适应循环卷积机制对训练数据进行降维处理。

    经过网络模型训练后，采用深度信念网络（Deep belief network, DBN）和反向传播算法进行数据增强；并对增强后的数据进行识别分类处理。利用深度信念网络在实际测试中获得了较好效果；同时将改进后的神经网络模型与传统神经网络模型进行比较，分析两种不同神经网络模型实现不同故障类型分类效果。

结语

    增强现实技术通过利用计算机视觉系统来采集被检测对象的物理信息，并在此基础上计算三维场景中虚拟对象与真实事物间的空间位置关系并加以映射。增强现实技术将真实世界转换为虚拟世界，通过人机交互方式可以使用户获得所需信息并进行处理。本文将增强现实技术用于电力设备故障诊断领域之中，通过增强现实技术与其他学科知识相结合来解决电力设备故障诊断问题。

参考文献：

[1]韦隆玲,徐阳,杨宏波.增强现实(AR)技术在市场营销中的应用[J].老字号品牌营销,2022(21):33-35.

[2]马孝栋,魏春雷,李宝鹏,刘东武,邢振华.AR增强现实技术在光伏电站运检中的应用[J].科技资讯,2022,20(22):29-32.

[3]王雨辰.基于增强现实技术的电力设备故障识别方法研究[J].电子技术与软件工程,2020(24):237-238.