基于AR技術的變電站現場作業動態運維模型

丁連榮, 劉磊, 金巖

(國網天津市電力公司高壓分公司, 天津 300230)

0 引言

變電站屬于電網傳輸電能的核心節點,變電站的運行維護屬于保障變電站正常工作的前提條件。為了降低變電站工作人員的工作壓力,需要對變電站運維問題進行專題探討[1]。很多學者都對此進行了研究討論,劉子俊等[2]為解決智能變電站運維培訓效果不佳等問題,提出了基于增強現實技術在運維仿真系統中的設計架構;彭志強等[3]為適應無人值守變電站模式,提高變電站監控系統運維效率,研究了基于GSP的變電站監控系統遠程運維技術;彭紅霞等[4]為提高電力設備運維效率,研究了一種基于兩層知識架構的電力設備差異化運維技術。盡管很多學者對此進行了研究,但仍然存在人工檢查誤差大的問題。由于AR技術有可視化的優勢,能夠將數據快速上傳,并且還支持視頻對話,上傳設備故障情況,具有直觀性,因此運用AR技術實現運維工作能降低故障發生概率,為此,本文構建一種基于AR技術的變電站現場作業動態運維模型,把AR技術使用在變電站設備運維工作中,以避免出現人工檢查誤差大這一問題,并優化運維人員的培訓效果。

1 基于AR技術的變電站現場作業動態運維模型

1.1 模型結構

基于AR技術的變電站現場作業動態運維模型的運維管理功能主要分為現場運維、網絡通信和遠程指揮和運維管理。模型結構如圖1所示。

圖1 基于AR技術的變電站現場作業動態運維模型

圖1中,變電站現場作業運維可完成基于AR技術的可視化巡檢和故障診斷;網絡通信可實現變電站工作現場和指揮中心的無線通信,例如視頻通話;遠程指揮和運維管理可實現變電站運維現場遠程指揮、故障診斷、人員調度、故障歸檔處理、AR信息管理和作業工單管理等[5]。

該模型的構建思路是利用AR技術結合模式識別方法提取關聯特征量,獲取變電站現場作業動態運維的子帶圖像,構建變電站現場作業動態運維模型;然后運維人員穿戴AR設備實現變電設備的可視化巡檢、故障診斷,若變電站運維現場出現變電設備出現故障,便使用無線網絡把變電站運維現場狀況傳輸至變電站運維指揮中心,錄制變電站作業現場視頻,以備故障修復使用;指揮中心人員使用視頻和語音通話,了解變電站運維現場情況后,設置變電設備故障診斷策略;最后,使用視頻和語音通話的模式指導現場運維人員實現故障排除,完成基于AR技術的變電站現場作業動態運維[6]。

基于AR技術的變電站現場作業動態運維模型的遠程運維功能示意圖如圖2所示。

圖2 遠程運維功能示意圖

1.2 模型構建

1.2.1 成像預處理

變電站現場作業動態運維時,將AR可穿戴設備獲取的各幀變電站巡檢圖像,使用式(1)實施二值化操作,分割全部標準范圍與背景范圍,鎖定運維目標的標志搜索區間,降低后續操作的運算量,優化圖像刷新的實時性[7]。

(1)

式(1)中,各幀灰度圖像值與二值化閾值依次是L(a,b)與Hm,標記成1的范圍屬于背景范圍,標記成0的范圍屬于標志范圍,f(a,b)為二值化操作后的巡檢圖像。

1.2.2 獲取變電站現場作業動態運維圖像

在變電站現場作業過程中利用AR技術,其中AR技術在變電站現場作業中使用的核心是三維注冊技術、虛實融合技術與人機交互技術[8],并結合模式識別方法,提取虛擬模型在變電站現場的關聯特征量,通過虛實融合技術把虛擬信息實時與實際場景相融合,得到圖像像素模糊度生成序列為

C=Ω{B1,B2,…,BI}

(2)

式(2)中,1,2,…,I為圖像監控的角點信息,結合三維注冊技術,得到變電站現場作業動態運維的自相關特征量表示為

(3)

(4)

其中,δ為視頻監控圖像的邊緣分布閾值,使用行濾波器并結合特征識別方法,得到變電站現場作業動態運維的圖像為

(5)

1.2.3 基于AR技術的變電站現場作業動態運維模型

在三維注冊技術的輔助下,結合多模態融合識別方法,得到變電站現場作業動態運維的演化特征量為

(6)

構建變電站現場作業圖像監控的穩態特征分布集,得到邊緣像素分布像素值r。結合像素分布矩陣實現變電站現場作業動態運維的三維視覺重建[9-10],兩幅源圖像整體輪廓信息為

(7)

(8)

式(7)、式(8)中,θ為相似度特征分辨值,ω為重建次數,設置灰度像素集,根據各分量的融合結果,得到深度學習迭代式為

P=ssinηcosφ,s=u/2

(9)

其中,η為邊緣亮度,φ為稀疏特征分量,s為源圖像的細節信息,u為子帶信息。根據上述分析,構建基于AR技術的變電站現場作業動態運維模型,本文模型使用人工交互技術中的頭部運動控制、凝視、命令交互模式和語音交互模式,完成AR可穿戴設備多種標準化流程操作、事故預警與處理流程指導等,實現變電站現場作業的動態運維管理。

2 實驗結果與分析

將本文模型使用于某地區變電站現場作業動態運維工作中,變電站現場作業動態運維時,工作人員穿戴AR眼鏡方式如圖3所示。

(a) 正視

測試本文模型的使用效果。測試內容如表1所示。

表1 測試內容

本文模型應用性能測試結果如表2所示。

表2 測試結果

如表2所示,本文模型使用下,運維人員在變電站現場作業中,變電設備臺賬維護、日常巡視規程維護、特殊巡視規程維護、巡視記錄檢索、文件上傳、場景維護、遠程視頻通話幾種功能均正確響應,響應時延均低于2 ms,表示本文模型可實現變電站現場作業動態運維,且響應效率較顯著。

測試該變電站使用本文模型后變電設備運行的故障比,以此判斷本文模型的運維應用效果。運行故障比較大,表示本文模型運維效果較好。故障比的計算方法

(10)

式(10)中,某時間段中變電設備運維故障比與檢修次數依次為Ω、φ,故障次數為φ。

變電設備2019年的年度故障比測試結果如圖4所示。

圖4 故障比測試結果

分析圖4可知,應用本文模型后,該地區變電設備的故障比始終大于應用前,故障比最大值為10.77。應用本文模型前,該地區變電站變電設備故障比最大值是5.69。表示本文模式應用后,該地區變電站現場作業動態運維工作較好,能夠在平時運維工作中將潛在的變電設備運維風險控制在可控范圍內。

計算該地區變電站使用本文模型后變電設備的故障出現概率。結果如圖5所示。

圖5 故障出現概率測試結果

分析圖5可知,在本文模型運維管理下,該地區變電站變電設備故障出現概率最大值是1.02%,和應用前相比,故障出現概率最少降低4.31%,表示本文模型可有效優化變電站穩定性。統計該變電站應用本文模型前后的整體效益,結果如表3所示。

表3 該變電站應用本文模型前后的整體效益

分析表3可知,本文模型應用后,該變電站變電設備運維整體費用和應用前相比,年度節省費用均值高達9716萬元,現場作業動態運維工作中年度節省費用均值高達5599萬元,故障損失費用年度節省費用均值高達4202萬元,表示本文模型可有效降低變電站運維成本,原因是本文模型可實現遠程故障診斷,人力投資費用比應用前少。

為了進一步證明本文模型的有效性,采取基于GSP的變電站監控系統遠程運維模型與基于語義網的智能變電站運維專家系統可擴展模型(文獻[3]、文獻[4]模型)與其進行對比,分析應用3種模型后的響應效率和故障出現概率。如圖6、圖7所示。

圖6 不同模型響應效率對比

圖7 不同模型故障出現概率對比

分析圖6、圖7可知,一年內該地區變電站在本文模型運維管理下,響應效率最高可達到95%以上,遠高于另外2種模型;且變電設備故障出現概率平均為1%,有效證明了所設計模型的優越性。

3 總結

文章以變電站現場作業動態運維問題為研究核心,將AR技術引入該領域,構建了基于AR技術的變電站現場作業動態運維模型。該模型融合了三維注冊技術、虛實融合技術與人機交互技術的應用精髓,可優化變電站現場作業動態運維效果,可解決以往研究方法動態運維效果不佳的問題。該模型在實驗測試中被驗證:本文設計模型可實現變電站現場作業動態運維,且響應效率較顯著,平均效率可達95%以上;本文模型可有效優化變電站穩定性,故障出現概率最少降低4.31%。由此可知,本文模型可有效降低變電站運維成本,提高變電站整體效益,具有一定應用價值。但由于本文方法在設計過程中,僅在一個變電站進行實驗,實效性無法得到有效驗證。為了在更大范圍內進行運用,需要在接下來的研究過程中將其運用到更多變電站進行測試,并針對具體問題進行改進,以期為真正解決變電站運維問題,提高變電站整體效益提供一定幫助。