中国电力设备管理协会

首页>专业论文

配电网人工智能巡检系统

作者:   发布时间:2021-07-07

一、创新成果概述

基于青海配网线路智能巡检系统平台基础,为配电网规划、设计阶段提供现状及勘测基础数据。实现无人机系统全过程支撑配电网建设运营全流程管理工作,实现系统策略优化,全业务贯通、数据融合、数据资产价值挖掘和数据分析高级应用,推进泛在电力物联网建设工作。

利用无人机智能技术深度精准采集营配数据信息,无人机搭载可见光镜头通过飞航快速、准确采集站线变户基础信息,由平台端对采集数据进行自动清洗,将现场采集数据与PMS系统、营销系统中台账数据对比,显示和标记数据差异。

利用深度学习模型的配网线路图像识别智能分析技术,实现配网线路及设备安全性检测及线路本体故障和隐患的自动识别。并通过持续的数据积累和模型更新,不断提高线路隐患和故障的识别正确率。通过机器学习自动识别,大幅提高非结构化图像数据分析效率,并及时发现电网设施和设备故障及通道安全隐患,为设备缺陷隐患评估提供实时的、客观的数据分析依据。基于TensorFlow lite 技术或采用服务端JPython技术,构建轻量级计算框架,研究智能识别模型的轻量化技术,借助移动计算设备,实现模型的在线识别与诊断,研发同时支持Android与ios端平台,使模型具有跨平台性,智能分析高效筛查配电网设备、线路缺陷隐患,及时处理配电网故障报修工单,提高缺陷识别准确性,提升供电服务质量。

二、主要做法

1.数据源接入和数据整理

数据特征处理

数据和特征决定了机器学习的上限,而模型和算法则是逼近这个上限。经过初步调研,本项目数据类型复杂,数据格式多样化,因此需要对数据进行特征工程处理,以满足后续模型训练的要求。特征工程的主要工作就是对特征的处理,包括数据的采集,数据预处理,特征选择有关的工作。

数值型数据特征处理

对数值型数据一般采用标准化处理、离散化处理等方法。标准化处理是指通过特征提取,可以得到未经处理过的特征数据,但它的分布可能相差很大,比如月收入和年龄,这时就要把数据处理成同一个分布内,使得参数发挥更大的作用。标准化的前提是特征数据服从正态分布,通过标准化把数据统一处理为标准正态分布。离散化处理是指把数值型数据等距切分,或者等频切分,划分成类别型的数据。以年龄为例判断人会不会让座,等距切分意味着给定步长,0-30,30-60,60-90,90-120,分成了四个等级。

类别型数据特征工程

对类别型数据的特征工程处理一般采取亚变量编码处理、二值化处理等方法。亚变量编码处理是指对于类别型数据,比如预测房价时,房子的位置,算法无法接受这样的数据,就需要我们用数字把它的含义表示出来。二值化处理是指设定一个阀值,大于该阀值设定为1,小于该阀值设定为0,这样就转换成了二分类变量。

缺失数据特征工程

数据当中一般都会存在缺失值,因此缺失值处理是常见的一种特征工程处理过程,一般可以采用填补法或者删除法。填补法是采用相近的数据合理的对缺失数据进行填补,填补缺失值可以使用平均数,中位数,或者行/列众数。如果无法填补的数据可以采用删除法。

降维数据特征工程

如果特征矩阵的维度过大,有很多分类能力比较差的特征,这时候直接训练就会导致计算量非常大,训练时间长且效果不佳,这时降维必不可少,降维的本质在于寻找某种映射方法,把高维空间中的数据映射低维空间中。

其他数据特征工程

某些特殊数据情况还需要进行其他的一些数据特征工程处理方法,如组合特征处理,即拼接特征,当两个特征同时出现时,标记为1,将多个特征合并成一个特征。

总之,数据特征工程是一个庞大繁琐的工作程序,但是又极度影响后续的模型精度,因此需要根据项目数据本身实际情况和后续算法模型设计来确定具体方法。

2.设备缺陷隐患识别模型开发与应用

主要包含以下四个部分:

①缺陷隐患识别模型设计,通过数据探索、业务分析和经验融合,设计配网缺陷识别模型体系。

②专家评价支持,专家支持对数据进行样本标注,提供模型训练和验证优化数据;

③风险评估模型开发,基于机器学习的评估模型技术开发过程。

④风险等级标准评定开发,利用算法结合行业标准,输出缺陷隐患风险等级划分标准。

3.业务应用

模型部署后,通过在线运行,输出给配网设备缺陷隐患识别的评价结果。主要包含配网风险评估、隐患明细查询报表功能。

三、主要创新点

1.构建基于深度学习的电网缺陷智能识别模型;

通过基于TensorFlow深度学习框架,构建面向真实电网线路、设备缺陷的智能识别模型。通过深度神经网络智能识别技术,可以实现对无人机、摄像头等采集图片的存在故障类型进行智能分类。通过数据增强技术对于面积过小、形状特殊的目标,采用数据增强智能技术,提升销钉与小金具类样本的识别准确率。

2.研究智能巡检一体化支撑系统;

通过研发智能巡检一体化系统,实现软硬件集成,通过一体化系统对无人机智能巡检的飞行任务、飞行路线、设备缺陷隐患数据采集、设备档案等方面进行一体化管理,并实现无人机与4K/红外镜头集成,为无人机智能巡检提供一站式的全面的支撑。

3.基于无人机采集数据的大数据挖掘分析

通过对无人机采集识别大数据进行深度挖掘分析,通过将设备故障、缺陷隐患、故障抢修记录等数据,与设备运行年限、运行状态等信息进行关联,为设备技改大修投资、电网改造、运维检修策略、故障研判等方面提供坚实的智能化数据服务支撑。

4.构建台账数据关联性数据库

使用无人机对低压台区中的表箱、户表、采集器、集中器进行采集,数据上传平台。根据变电站、线路及台区负荷量及用电量,通过各节点负荷关系,构建台账数据关联性数据库。智能分析线路运行安全状态从而确定电力调度、开关定额调试、台区负荷等方式。

5.台账数据治理研究

促进数据开放共享,助力营配数据贯通。利用无人机精准采集营配数据信息,由平台端对采集数据进行清洗,将现场采集数据与PMS系统、营销系统中台账数据对比,显示和标记数据差异。由专家判断生产信息、营销数据的关联准确性,选择归并正确数据,可保留修改历史记录;同时智能对接PMS系统及营销系统,完成数据对接更新,提升营配数据贯通工作效率及质量,确保“站线变户”准确性。

四、应用成效

配电网人工智能巡检系统研究开发,符合国家电网发展规划要求,可广泛应用于国家电网中,本项目计划使用半年时间输出项目成果,在成果完成后,可快速实现青海地区的推广与应用,之后将继续推广至全国范围应用。本项目研究成果技术达到国内领先水平,技术先进,同时覆盖了电力行业的大部分业务工作,具备极强的市场竞争力,同时该项目产品将大大提升人工工作效率,降低电网运行成本,具有明显的社会效益。

同时,该系统的研发共申报发明专利2项,实用新型专利9项,软件著作权8项,已提交国家专利局,其中1项发明专利,5项实用新型专利,8项软件著作权已正式受理,其余1项发明专利,4项实用新型专利正在接受查新审核。 

该系统目前正在国网海南供电公司及国网海西供电公司进行试点应用,主要应用内容包括以下三个方面:

1.配电网营配数据采集,提高基础数据准确性。通过无人机技术在配电网营配数据采集领域的应用,使用无人机对每个勘测桩位进行精准定位,解决沟壑、高山、丘陵等复杂地形对勘测的制约,提高勘测效率,弥补人员不足的影响。实现现场点位坐标,地理环境数据及配电网信息的快速全面采集,代替传统的现场人工数据采集方式,提高基础数据准确性,节

约数据采集时间,提高工作效率。

2.灾害事故应急抢险预案制定。当配电网发生事故时,人员无法到达事故现场,可以快速部署无人机到达现场,制定抢修方案,编制勘测文件。

3.人工智能巡检。一是通过应用无人机,实现人机交互作业,在人员紧缺的情况下,保证线路巡检质量;二是通过智能识别系统识别线路缺陷、隐患,节约了大量人力识别成本,提高了缺陷及隐患的发现能力,同时也避免了因人员技术水平差异造成的缺陷、隐患发现不及时不全面的问题。

五、可推广性

现阶段我们已有部分无人机操控技术,且对电力行业有较深的理解,在研究该替代性产品项目上具有一定的技术优势。随着无人机智能勘测巡检系统不断地深化完善下,现准备进一步拓展无人机在线路施工、验收及营销领域的业务拓展应用,最终将无人机在电网领域的智能化解决方案全面覆盖至电网户外作业领域。

本项目产出的产品短期内计划建立典型案例,结合目前青海地区巡检现状,短期内在青海的营销、人工智能上建立典型案例,后以典型案例模式向西北、西南省份(第一类市场)进行宣传推广,从而进一步扩大市场占有率。目前已知甘肃、内蒙、四川市场对无人机巡视作业具有强烈需求,希望利用无人机技术提供配电网巡检智能化解决方案,对此可将无人机人工智能巡检系统的配网线路巡检模块复制应用至甘肃、内蒙、四川市场。

通过三个省份的业务需求点对点沟通,不断深化该系统的应用性,同时为客户单位提供免费的系统试点工作,让其看到系统成效,从而扩大省内的应用范围,使得全省全面应用。让“配电网人工智能巡检系统”的技术和服务优势在西北西南市场得到关注认可,进而再对其他市场进行业务推广。(供稿单位:青海三新农电有限责任公司)