基于AR技术的变电站现场作业动态运维模型

丁连荣, 刘磊, 金岩

(国网天津市电力公司高压分公司, 天津 300230)

0 引言

变电站属于电网传输电能的核心节点,变电站的运行维护属于保障变电站正常工作的前提条件。为了降低变电站工作人员的工作压力,需要对变电站运维问题进行专题探讨[1]。很多学者都对此进行了研究讨论,刘子俊等[2]为解决智能变电站运维培训效果不佳等问题,提出了基于增强现实技术在运维仿真系统中的设计架构;彭志强等[3]为适应无人值守变电站模式,提高变电站监控系统运维效率,研究了基于GSP的变电站监控系统远程运维技术;彭红霞等[4]为提高电力设备运维效率,研究了一种基于两层知识架构的电力设备差异化运维技术。尽管很多学者对此进行了研究,但仍然存在人工检查误差大的问题。由于AR技术有可视化的优势,能够将数据快速上传,并且还支持视频对话,上传设备故障情况,具有直观性,因此运用AR技术实现运维工作能降低故障发生概率,为此,本文构建一种基于AR技术的变电站现场作业动态运维模型,把AR技术使用在变电站设备运维工作中,以避免出现人工检查误差大这一问题,并优化运维人员的培训效果。

1 基于AR技术的变电站现场作业动态运维模型

1.1 模型结构

基于AR技术的变电站现场作业动态运维模型的运维管理功能主要分为现场运维、网络通信和远程指挥和运维管理。模型结构如图1所示。

图1 基于AR技术的变电站现场作业动态运维模型

图1中,变电站现场作业运维可完成基于AR技术的可视化巡检和故障诊断;网络通信可实现变电站工作现场和指挥中心的无线通信,例如视频通话;远程指挥和运维管理可实现变电站运维现场远程指挥、故障诊断、人员调度、故障归档处理、AR信息管理和作业工单管理等[5]。

该模型的构建思路是利用AR技术结合模式识别方法提取关联特征量,获取变电站现场作业动态运维的子带图像,构建变电站现场作业动态运维模型;然后运维人员穿戴AR设备实现变电设备的可视化巡检、故障诊断,若变电站运维现场出现变电设备出现故障,便使用无线网络把变电站运维现场状况传输至变电站运维指挥中心,录制变电站作业现场视频,以备故障修复使用;指挥中心人员使用视频和语音通话,了解变电站运维现场情况后,设置变电设备故障诊断策略;最后,使用视频和语音通话的模式指导现场运维人员实现故障排除,完成基于AR技术的变电站现场作业动态运维[6]。

基于AR技术的变电站现场作业动态运维模型的远程运维功能示意图如图2所示。

图2 远程运维功能示意图

1.2 模型构建

1.2.1 成像预处理

变电站现场作业动态运维时,将AR可穿戴设备获取的各帧变电站巡检图像,使用式(1)实施二值化操作,分割全部标准范围与背景范围,锁定运维目标的标志搜索区间,降低后续操作的运算量,优化图像刷新的实时性[7]。

(1)

式(1)中,各帧灰度图像值与二值化阈值依次是L(a,b)与Hm,标记成1的范围属于背景范围,标记成0的范围属于标志范围,f(a,b)为二值化操作后的巡检图像。

1.2.2 获取变电站现场作业动态运维图像

在变电站现场作业过程中利用AR技术,其中AR技术在变电站现场作业中使用的核心是三维注册技术、虚实融合技术与人机交互技术[8],并结合模式识别方法,提取虚拟模型在变电站现场的关联特征量,通过虚实融合技术把虚拟信息实时与实际场景相融合,得到图像像素模糊度生成序列为

C=Ω{B1,B2,…,BI}

(2)

式(2)中,1,2,…,I为图像监控的角点信息,结合三维注册技术,得到变电站现场作业动态运维的自相关特征量表示为

(3)

(4)

其中,δ为视频监控图像的边缘分布阈值,使用行滤波器并结合特征识别方法,得到变电站现场作业动态运维的图像为

(5)

1.2.3 基于AR技术的变电站现场作业动态运维模型

在三维注册技术的辅助下,结合多模态融合识别方法,得到变电站现场作业动态运维的演化特征量为

(6)

构建变电站现场作业图像监控的稳态特征分布集,得到边缘像素分布像素值r。结合像素分布矩阵实现变电站现场作业动态运维的三维视觉重建[9-10],两幅源图像整体轮廓信息为

(7)

(8)

式(7)、式(8)中,θ为相似度特征分辨值,ω为重建次数,设置灰度像素集,根据各分量的融合结果,得到深度学习迭代式为

P=ssinηcosφ,s=u/2

(9)

其中,η为边缘亮度,φ为稀疏特征分量,s为源图像的细节信息,u为子带信息。根据上述分析,构建基于AR技术的变电站现场作业动态运维模型,本文模型使用人工交互技术中的头部运动控制、凝视、命令交互模式和语音交互模式,完成AR可穿戴设备多种标准化流程操作、事故预警与处理流程指导等,实现变电站现场作业的动态运维管理。

2 实验结果与分析

将本文模型使用于某地区变电站现场作业动态运维工作中,变电站现场作业动态运维时,工作人员穿戴AR眼镜方式如图3所示。

(a) 正视

测试本文模型的使用效果。测试内容如表1所示。

表1 测试内容

本文模型应用性能测试结果如表2所示。

表2 测试结果

如表2所示,本文模型使用下,运维人员在变电站现场作业中,变电设备台账维护、日常巡视规程维护、特殊巡视规程维护、巡视记录检索、文件上传、场景维护、远程视频通话几种功能均正确响应,响应时延均低于2 ms,表示本文模型可实现变电站现场作业动态运维,且响应效率较显著。

测试该变电站使用本文模型后变电设备运行的故障比,以此判断本文模型的运维应用效果。运行故障比较大,表示本文模型运维效果较好。故障比的计算方法

(10)

式(10)中,某时间段中变电设备运维故障比与检修次数依次为Ω、φ,故障次数为φ。

变电设备2019年的年度故障比测试结果如图4所示。

图4 故障比测试结果

分析图4可知,应用本文模型后,该地区变电设备的故障比始终大于应用前,故障比最大值为10.77。应用本文模型前,该地区变电站变电设备故障比最大值是5.69。表示本文模式应用后,该地区变电站现场作业动态运维工作较好,能够在平时运维工作中将潜在的变电设备运维风险控制在可控范围内。

计算该地区变电站使用本文模型后变电设备的故障出现概率。结果如图5所示。

图5 故障出现概率测试结果

分析图5可知,在本文模型运维管理下,该地区变电站变电设备故障出现概率最大值是1.02%,和应用前相比,故障出现概率最少降低4.31%,表示本文模型可有效优化变电站稳定性。统计该变电站应用本文模型前后的整体效益,结果如表3所示。

表3 该变电站应用本文模型前后的整体效益

分析表3可知,本文模型应用后,该变电站变电设备运维整体费用和应用前相比,年度节省费用均值高达9716万元,现场作业动态运维工作中年度节省费用均值高达5599万元,故障损失费用年度节省费用均值高达4202万元,表示本文模型可有效降低变电站运维成本,原因是本文模型可实现远程故障诊断,人力投资费用比应用前少。

为了进一步证明本文模型的有效性,采取基于GSP的变电站监控系统远程运维模型与基于语义网的智能变电站运维专家系统可扩展模型(文献[3]、文献[4]模型)与其进行对比,分析应用3种模型后的响应效率和故障出现概率。如图6、图7所示。

图6 不同模型响应效率对比

图7 不同模型故障出现概率对比

分析图6、图7可知,一年内该地区变电站在本文模型运维管理下,响应效率最高可达到95%以上,远高于另外2种模型;且变电设备故障出现概率平均为1%,有效证明了所设计模型的优越性。

3 总结

文章以变电站现场作业动态运维问题为研究核心,将AR技术引入该领域,构建了基于AR技术的变电站现场作业动态运维模型。该模型融合了三维注册技术、虚实融合技术与人机交互技术的应用精髓,可优化变电站现场作业动态运维效果,可解决以往研究方法动态运维效果不佳的问题。该模型在实验测试中被验证:本文设计模型可实现变电站现场作业动态运维,且响应效率较显著,平均效率可达95%以上;本文模型可有效优化变电站稳定性,故障出现概率最少降低4.31%。由此可知,本文模型可有效降低变电站运维成本,提高变电站整体效益,具有一定应用价值。但由于本文方法在设计过程中,仅在一个变电站进行实验,实效性无法得到有效验证。为了在更大范围内进行运用,需要在接下来的研究过程中将其运用到更多变电站进行测试,并针对具体问题进行改进,以期为真正解决变电站运维问题,提高变电站整体效益提供一定帮助。