陳天恒，楊曉靜，王偉力，宋國(guó)旺，袁中琛，王 瑤，高圣源，王淑敏

(1.國(guó)網(wǎng)天津市電力公司，天津 300010；2.國(guó)網(wǎng)天津電科院，天津 300010；3.北京用尚科技有限公司，北京 100085)

基于蟻群算法的變電站視頻監(jiān)控聯(lián)動(dòng)方案優(yōu)化設(shè)計(jì)

陳天恒1，楊曉靜1，王偉力1，宋國(guó)旺1，袁中琛2，王 瑤2，高圣源3，王淑敏3

(1.國(guó)網(wǎng)天津市電力公司，天津 300010；2.國(guó)網(wǎng)天津電科院，天津 300010；3.北京用尚科技有限公司，北京 100085)

為有效監(jiān)視變電站現(xiàn)場(chǎng)運(yùn)行及保護(hù)設(shè)備狀態(tài)，實(shí)現(xiàn)監(jiān)視設(shè)備的及時(shí)可優(yōu)化調(diào)控，在人為干預(yù)的基礎(chǔ)上，采用蟻群分析算法來(lái)建立變電站現(xiàn)場(chǎng)攝像頭監(jiān)視設(shè)備之間的聯(lián)動(dòng)監(jiān)視邏輯，規(guī)劃被監(jiān)視對(duì)象的采集內(nèi)容，編制多攝像頭關(guān)聯(lián)關(guān)系映射表。同時(shí)，該算法借助電網(wǎng)一次設(shè)備接線圖形的拓?fù)溥B接關(guān)系和監(jiān)視信號(hào)級(jí)別屬性，實(shí)現(xiàn)以上數(shù)據(jù)分析和算法迭代，積累蟻群算法中的信息素濃度。依據(jù)視頻監(jiān)控系統(tǒng)監(jiān)控命令，通過(guò)攝像頭聯(lián)動(dòng)模型優(yōu)化和仿真分析，被觀察對(duì)象當(dāng)前狀態(tài)的最優(yōu)可視效果可以快速且穩(wěn)健地呈現(xiàn)。

視頻監(jiān)控；蟻群算法；映射表；信息素；多攝像頭聯(lián)動(dòng)

0 引言

隨著變電站智能化程度不斷提升，為滿足變電站現(xiàn)場(chǎng)一、二次設(shè)備的運(yùn)行狀況智能化統(tǒng)計(jì)分析及后期決策的需要，在電力及保護(hù)設(shè)備周?chē)枰友b視頻監(jiān)控設(shè)備且要求視頻監(jiān)控設(shè)備可以短時(shí)間內(nèi)實(shí)現(xiàn)監(jiān)視目標(biāo)的鎖定工作。目前，主要借助“不同視頻監(jiān)控設(shè)備IP號(hào)段+上位機(jī)視頻監(jiān)控應(yīng)用軟件”的方式來(lái)切換和控制視頻監(jiān)控設(shè)備，前期而言這種相對(duì)靜態(tài)視頻現(xiàn)場(chǎng)錄制回傳的方式可以基本滿足簡(jiǎn)單任務(wù)下的現(xiàn)場(chǎng)監(jiān)控目的。但是，目前的技術(shù)應(yīng)用層面缺乏視頻監(jiān)控設(shè)備系統(tǒng)自身的可優(yōu)化調(diào)控的技術(shù)研究和實(shí)現(xiàn)。通常情況下，現(xiàn)場(chǎng)視頻采集系統(tǒng)承擔(dān)的采集任務(wù)在攝像頭數(shù)量一定的情況下，其局部的服用程度不斷加深[1]。僅僅依靠人機(jī)交互的操作來(lái)調(diào)控部署在空間資源有限的視頻監(jiān)控設(shè)備，這種方式就現(xiàn)在發(fā)展趨勢(shì)而言，是不具有視頻監(jiān)控系統(tǒng)縱向深層次優(yōu)化和橫向平臺(tái)擴(kuò)展應(yīng)用的設(shè)計(jì)理念。

為了合理調(diào)配變電站現(xiàn)場(chǎng)視頻采集資源[2]，同時(shí)保障現(xiàn)場(chǎng)視頻采集系統(tǒng)的靈活可復(fù)制性和遠(yuǎn)程監(jiān)控平臺(tái)的相對(duì)獨(dú)立且穩(wěn)健性，采用多攝像頭聯(lián)動(dòng)來(lái)獲取監(jiān)控視頻的方式越來(lái)越得到重視和應(yīng)用[3-4]。

實(shí)現(xiàn)視頻監(jiān)視信息聯(lián)動(dòng)的手段在于攝像頭監(jiān)視終端的現(xiàn)有監(jiān)視數(shù)據(jù)的二次開(kāi)發(fā)和映射關(guān)聯(lián)，同時(shí)借助蟻群仿生學(xué)算法來(lái)實(shí)現(xiàn)變電站現(xiàn)場(chǎng)視頻監(jiān)控系統(tǒng)內(nèi)部可優(yōu)化調(diào)控的效果，降低人的勞動(dòng)工作強(qiáng)度，最終將人的主觀能動(dòng)意識(shí)移植到變電站視頻監(jiān)控系統(tǒng)，提升系統(tǒng)自身的智能化水平。

1 基于蟻群的變電站視頻監(jiān)控

1.1 變電站視頻監(jiān)控現(xiàn)狀分析

目前，變電站視頻監(jiān)控技術(shù)正向人工智能視頻監(jiān)控領(lǐng)域邁進(jìn)[5]。人工智能視頻監(jiān)控主要是按照自然人的意圖、安全需要而開(kāi)展的計(jì)算機(jī)通信領(lǐng)域的技術(shù)?？紤]變電站現(xiàn)場(chǎng)的實(shí)際工作環(huán)境，采用視頻監(jiān)控代替人工監(jiān)控的方式得到了廣泛的推廣[6-7]。

變電站視頻監(jiān)控系統(tǒng)主要功能如下：監(jiān)視變電站設(shè)備的運(yùn)行狀態(tài)，例如斷路器、隔離開(kāi)關(guān)的實(shí)時(shí)狀態(tài)；響應(yīng)調(diào)控中心的監(jiān)控命令；視頻采集設(shè)備的聯(lián)動(dòng)跟蹤和事件定位。

1.2 基于蟻群算法的調(diào)度問(wèn)題

蟻群算法實(shí)質(zhì)是一種以實(shí)現(xiàn)最優(yōu)化目標(biāo)為目的，在動(dòng)作行為上設(shè)定限制條件，進(jìn)而獲取一種自我學(xué)習(xí)和分析的實(shí)施方案[8]。

國(guó)內(nèi)針對(duì)蟻群算法的集中成果主要體現(xiàn)在算法本身優(yōu)化和具體應(yīng)用方面[9]。其中，蟻群算法在調(diào)度方面的研究成果主要應(yīng)用在生產(chǎn)調(diào)度方面上的理論研究和模型分析上，但具體應(yīng)用層面上的魯棒性、普適性的考慮欠佳。

1.3 本文主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)

本文主要的研究對(duì)象是應(yīng)用于多攝像頭視頻監(jiān)控聯(lián)動(dòng)的蟻群算法，利用蟻群算法模型，引入干預(yù)因子的邏輯思想，實(shí)現(xiàn)變電站視頻監(jiān)控的多攝像頭聯(lián)動(dòng)邏輯優(yōu)化。

本文主要的研究?jī)?nèi)容：

(1) 多攝像頭間的聯(lián)動(dòng)工作機(jī)理建立；(2) 基于視頻監(jiān)控聯(lián)動(dòng)的蟻群數(shù)學(xué)模型；

(3) 仿真模型分析和效果評(píng)估。

本文創(chuàng)新點(diǎn)：

基于監(jiān)控命令的蟻群算法層級(jí)式干預(yù)因子的設(shè)定和應(yīng)用。

2 多攝像頭間聯(lián)動(dòng)

多攝像頭聯(lián)動(dòng)工作是基于調(diào)控中心工作指令，按照電網(wǎng)一次接線圖的網(wǎng)絡(luò)拓?fù)潢P(guān)系，依照監(jiān)控信號(hào)級(jí)別依次對(duì)現(xiàn)場(chǎng)電力設(shè)備的進(jìn)行視頻采集工作。

2.1 確定拍攝對(duì)象和位置

通過(guò)解析調(diào)控中心的調(diào)度監(jiān)控命令，識(shí)別被監(jiān)控對(duì)象ID；再由ID唯一標(biāo)示，識(shí)別一次設(shè)備還是二次設(shè)備，并通過(guò)現(xiàn)有的電網(wǎng)一次接線圖中的信息，檢索被監(jiān)視對(duì)象的連接位置并分析電氣網(wǎng)絡(luò)拓?fù)鋵傩浴?/p>

下面將按照電壓等級(jí)，建立被監(jiān)視對(duì)象的采集內(nèi)容和多攝像頭關(guān)聯(lián)關(guān)系映射表，如表1所示。通過(guò)被監(jiān)視對(duì)象的具體監(jiān)視內(nèi)容和網(wǎng)絡(luò)連接位置，將多個(gè)攝像頭以分組的形式進(jìn)行有針對(duì)性的視頻采集。攝像組與組之間具有協(xié)調(diào)聯(lián)動(dòng)的功能，結(jié)合電網(wǎng)拓?fù)浣Y(jié)構(gòu)接線圖和現(xiàn)場(chǎng)被檢測(cè)對(duì)象的周?chē)h(huán)境，攝像頭與攝像頭之間通過(guò)自我協(xié)商的方式可以在同組內(nèi)或不同組內(nèi)實(shí)現(xiàn)定位被監(jiān)視對(duì)象最優(yōu)聯(lián)動(dòng)方案。

2.2 關(guān)聯(lián)層級(jí)式拍攝關(guān)系

由于監(jiān)控信號(hào)的類(lèi)別是分等級(jí)的，通常情況下，監(jiān)控信號(hào)優(yōu)先等級(jí)從高到低的順序是事故、告警/異常、變位、提示信號(hào)。多攝像頭聯(lián)動(dòng)監(jiān)控邏輯依據(jù)監(jiān)視對(duì)象所述的信號(hào)等級(jí)，進(jìn)行層級(jí)式拍攝。

所謂層級(jí)式拍攝是指同屬一個(gè)組別內(nèi)多個(gè)攝像頭同一時(shí)間內(nèi)承擔(dān)兩個(gè)及以上的拍攝任務(wù)時(shí)，若同屬同一監(jiān)控信號(hào)級(jí)別的多個(gè)被拍攝對(duì)象，由目前的承擔(dān)拍攝任務(wù)攝像組向其他空閑的攝像組發(fā)送請(qǐng)求消息，然后由其他攝像組承擔(dān)需要分擔(dān)的拍攝任務(wù)；若屬于不同監(jiān)控信號(hào)級(jí)別的多個(gè)被拍攝對(duì)象，由同一個(gè)攝像組按照信號(hào)級(jí)別逐一完成拍攝任務(wù)，或者將次等監(jiān)控信號(hào)級(jí)別的拍攝任務(wù)分擔(dān)給其他拍攝組。具體層級(jí)式拍攝關(guān)系如圖1所示。

圖1 層級(jí)式拍攝關(guān)系流程Fig. 1 Flow chart of hierarchical monitor relationship

3 基于視頻監(jiān)控聯(lián)動(dòng)的蟻群模型

通過(guò)對(duì)多攝像頭的監(jiān)視設(shè)備和監(jiān)視對(duì)象數(shù)據(jù)級(jí)分析和層級(jí)式拍攝關(guān)系模型流程構(gòu)建，建立了將表征現(xiàn)象級(jí)的邏輯關(guān)系轉(zhuǎn)化為表征原理級(jí)的數(shù)學(xué)關(guān)系的關(guān)聯(lián)通道，利用蟻群算法優(yōu)化路徑的原理，實(shí)現(xiàn)視頻監(jiān)控聯(lián)動(dòng)過(guò)程中自動(dòng)優(yōu)化調(diào)控的過(guò)程。下面，首先通過(guò)引入干預(yù)因子來(lái)限制攝像頭實(shí)際動(dòng)作的優(yōu)先權(quán)；然后設(shè)定攝像頭聯(lián)動(dòng)模型參數(shù)來(lái)約束攝像頭自身動(dòng)作行為；最后基于攝像頭聯(lián)動(dòng)的蟻群行為達(dá)到變電站視頻監(jiān)控系統(tǒng)可優(yōu)化調(diào)控的目的。

3.1 引入干預(yù)因子

本文采用量化分析，引入攝像頭進(jìn)行視頻采集之前的行為動(dòng)作干預(yù)因子r，0 1r￡ ￡ 。r受監(jiān)控信號(hào)的級(jí)別、信號(hào)所附設(shè)備的空間位置、組內(nèi)/外多攝像頭協(xié)商機(jī)制制約，具體制約關(guān)系如下。

依據(jù)監(jiān)控信號(hào)級(jí)別優(yōu)先級(jí)別劃分：事故＞告警/異常＞告知＞提示。通過(guò)實(shí)際工作統(tǒng)計(jì)可知，變電站一、二次設(shè)備發(fā)生故障時(shí)，事故信號(hào)的查看幾率為100%，由事故引發(fā)的告警或未知異常查看記錄為95%，告知信號(hào)通常查看幾率為50%，提示信號(hào)一般日志記錄回查即查看幾率一般為15%。

按照信號(hào)所附設(shè)備的空間位置，通常情況下攝像角度影響到攝像頭的動(dòng)作優(yōu)先級(jí)別。設(shè)備所處相對(duì)空間中的主視圖視角的選擇幾率最高，為100%；左視圖與右視圖視角的選擇幾率次高，同為60%；仰視圖與俯視圖視角的選擇幾率第三高，同為50%；后視圖視角的選擇幾率最低，為20%。

組內(nèi)/外多攝像頭協(xié)商機(jī)制，假設(shè)共計(jì)n個(gè)攝像頭共同作用下，即就攝像頭單獨(dú)個(gè)體而言。未參與協(xié)商的工作攝像頭優(yōu)先采集視頻幾率最高，為100%；參與協(xié)商的工作攝像頭采集視頻優(yōu)先幾率為(n - i) /n，i表示與i個(gè)攝像頭進(jìn)行通信并實(shí)施視頻采集。

圖2 干預(yù)因子 r計(jì)算過(guò)程設(shè)計(jì)Fig. 2 Calculation process of the interference factor r

其中，ai表示監(jiān)控信號(hào)等級(jí)查看幾率值，bi表示攝像角度選擇幾率值，ci表示攝像頭優(yōu)先參加幾率值。例如，若①被監(jiān)視對(duì)象的信號(hào)級(jí)別是事故信號(hào)，即 a= 1；②被監(jiān)視對(duì)象的攝像角度為相對(duì)空間下的主視圖，即 b= 1；③被監(jiān)視對(duì)象的視頻攝像頭未與其他攝像頭進(jìn)行通信而是直接采集視頻，即c= 1；則此時(shí)的 r值最大，即

r值越高，在變電站視頻監(jiān)控聯(lián)動(dòng)中，攝像頭動(dòng)作的優(yōu)先權(quán)就越高。

3.2 抽象多攝像頭聯(lián)動(dòng)的蟻群模型

在多攝像頭聯(lián)動(dòng)方面中，每一個(gè)攝像頭的行為動(dòng)作受被監(jiān)視對(duì)象觸發(fā)，攝像頭之間借助通信建立互聯(lián)，攝像頭的姿態(tài)調(diào)整受干預(yù)因子影響。

針對(duì)變電站視頻聯(lián)動(dòng)方案，本文基于蟻群算法建立的模型遵守以下規(guī)則：

(1) 依照被監(jiān)視對(duì)象的采集內(nèi)容和多攝像頭關(guān)聯(lián)關(guān)系隱射表，明確其關(guān)聯(lián)關(guān)系。

(2) 該蟻群算法模型中的的信息素來(lái)源于監(jiān)視對(duì)象和攝像頭，信息素濃度的積累來(lái)源于監(jiān)控信號(hào)等級(jí)、攝像角度、攝像頭優(yōu)先動(dòng)作三方面，以防止信息素在局部方面的過(guò)度積累而造成的全局聯(lián)動(dòng)策略的損失[10-11]。

(3) 模型中的行為策略受干預(yù)因子時(shí)時(shí)進(jìn)行修正。

(4) 模型中的動(dòng)作執(zhí)行方即攝像頭彼此之間相互獨(dú)立。

3.2.1 設(shè)定模型參數(shù)

通過(guò)視頻監(jiān)控工作的開(kāi)展，按照蟻群思想的信息素P濃度不斷累計(jì)[12]，使得攝像頭具備自主循跡的計(jì)算能力，P又因受層級(jí)式拍攝關(guān)系的影響，則P可表示為。

構(gòu)造行為策略函數(shù) S。S一方面受 P 的歷史因素影響，縮短行為動(dòng)作的歷練過(guò)程；S另一方面受干預(yù)因子的實(shí)時(shí)刺激，確保行為執(zhí)行的準(zhǔn)確度和穩(wěn)定度以及執(zhí)行效率。S的模擬蟻群行為策略函數(shù)表示為：。在行為策略函數(shù)中，針對(duì)攝像頭的聯(lián)動(dòng)方案，P表示積累的信息素，用以?xún)?yōu)化輔助循跡監(jiān)控目標(biāo)的歷史信息數(shù)據(jù)，分別針對(duì)監(jiān)控命令解析出來(lái)的監(jiān)控信號(hào)級(jí)別、視頻攝像相對(duì)空間角度、視頻攝像聯(lián)動(dòng)進(jìn)行局部信息的優(yōu)化和行為動(dòng)作指令的強(qiáng)化；r為貫穿監(jiān)控信號(hào)確定、相對(duì)空間角度選定、攝像聯(lián)動(dòng)執(zhí)行整個(gè)過(guò)程的干預(yù)指標(biāo)；為監(jiān)控信號(hào)內(nèi)容與攝像頭ID關(guān)聯(lián)函數(shù)；為監(jiān)事對(duì)象的相對(duì)空間位置與攝像頭聯(lián)動(dòng)循跡的關(guān)聯(lián)函數(shù)。

3.2.2 構(gòu)造蟻群行為

以變電站開(kāi)展的視頻監(jiān)控工作為背景，借助蟻群算法現(xiàn)有的理論支撐，構(gòu)造蟻群行為。具體開(kāi)展流程如下。

基于蟻群算法的變電站視頻監(jiān)控?cái)z像頭聯(lián)動(dòng)行為：

M與A為映射關(guān)系，通過(guò)監(jiān)控信號(hào)對(duì)象和級(jí)別，映射到對(duì)應(yīng)的攝像組，獲取攝像組中的每個(gè)攝像頭的參數(shù)(包含攝像頭的ID、視域、相對(duì)空間坐標(biāo)值)。

(2) 積累M與A關(guān)聯(lián)的信息素

具體M與A關(guān)聯(lián)的信息素內(nèi)容包含監(jiān)控對(duì)象ID、監(jiān)控信號(hào)級(jí)別標(biāo)記、監(jiān)控信號(hào)事件發(fā)生時(shí)間戳、關(guān)聯(lián)攝像頭聯(lián)動(dòng)通信日志。

(3) 設(shè)立M的干預(yù)因子影響值

按照M的優(yōu)先級(jí)，分配M的干預(yù)因子影響值rM，按照 rM值啟動(dòng)聯(lián)動(dòng)動(dòng)作的執(zhí)行方案排序。

(4) 設(shè)立A的干預(yù)因子影響值

根據(jù) rM和，分配A的干預(yù)因子影響值rA，按照 rA值檢查攝像組內(nèi)空間方位和視域。

依據(jù)A的相對(duì)空間位置，主要借助攝像頭之間的相關(guān)關(guān)系，實(shí)現(xiàn)攝像頭的監(jiān)控動(dòng)作。

(6) 積累A和C關(guān)聯(lián)的信息素

具體A與C關(guān)聯(lián)的信息素內(nèi)容包含攝像頭ID、攝像頭視域、預(yù)計(jì)目標(biāo)空間點(diǎn)對(duì)三維空間域，攝像頭聯(lián)動(dòng)日志。

(7) 設(shè)立C的干預(yù)因子影響值

3.3 數(shù)學(xué)推導(dǎo)和優(yōu)化

通過(guò)構(gòu)造的蟻群行為可知，行為策略函數(shù)是依據(jù)了變電站監(jiān)控內(nèi)容下的條件約束、工作環(huán)境參數(shù)、內(nèi)部關(guān)聯(lián)邏輯而促成的模擬攝像頭聯(lián)動(dòng)的數(shù)學(xué)表達(dá)公式。

行為函數(shù)理論推導(dǎo)如下。將實(shí)際攝像頭行為聯(lián)動(dòng)工作量占理論攝像頭行為聯(lián)動(dòng)工作量的效果百分比來(lái)表示S的數(shù)值， S? (0,100%]，S的行為增量變化量為時(shí)間t，某一時(shí)刻下的行為策略表達(dá)式為

通過(guò)增加不同階段攝像頭聯(lián)動(dòng)下的干預(yù)因子，采用時(shí)間累計(jì)的形式，保障蟻群算法在變電站視頻監(jiān)控聯(lián)動(dòng)應(yīng)用中靈活實(shí)用性。具體優(yōu)化的效果分析見(jiàn)模型仿真。

4 模型仿真與評(píng)估

依據(jù)本文建立蟻群算法模型，分以?xún)煞N情況進(jìn)行攝像頭行為評(píng)估。

行為一：設(shè)定T0=10 s，單獨(dú)攝像頭行為環(huán)境相同，信息素濃度相等的情況下，有無(wú)干預(yù)因子參與的行為效果對(duì)比。

通過(guò)圖3、圖4的仿真圖形，當(dāng)攝像頭動(dòng)作行為效果趨近100%過(guò)程中，圖3表示無(wú)干預(yù)因子的影響下，收斂到預(yù)期的攝像頭動(dòng)作行為的過(guò)程緩慢；圖4表示有干預(yù)因子的影響下，收斂到預(yù)期攝像頭動(dòng)作行為的過(guò)程加快，為多攝像頭聯(lián)動(dòng)降低了時(shí)間花銷(xiāo)。

圖3 無(wú)干預(yù)因子參與的單獨(dú)攝像頭行為Fig. 3 Single camera behavior without intervention factors

圖4 有干預(yù)因子參與的單獨(dú)攝像頭行為Fig. 4 Single camera behavior with intervention factors

行為二：設(shè)定T0=20 s，信息素濃度相等的情況下，多個(gè)聯(lián)動(dòng)攝像頭個(gè)數(shù)參與下的有無(wú)干預(yù)因子的行為效果對(duì)比。

通過(guò)圖5、圖6的仿真圖形，當(dāng)多個(gè)攝像頭動(dòng)作行為效果趨近100%，在限定相同時(shí)間內(nèi)且信息濃度相等的前提下，圖5中的無(wú)干預(yù)因子參與的多攝像頭聯(lián)動(dòng)行為曲線過(guò)程走勢(shì)明顯反映出來(lái)了多攝像頭之間的行為動(dòng)作存在往復(fù)行為，而且整個(gè)聯(lián)動(dòng)行為不穩(wěn)定、收斂過(guò)程冗余；相比之下，圖6的有干預(yù)因子參與的攝像頭聯(lián)動(dòng)行為呈現(xiàn)出相對(duì)平滑走勢(shì)，聯(lián)動(dòng)動(dòng)作相對(duì)穩(wěn)定，往復(fù)性低，而且以多個(gè)攝像頭為整體的聯(lián)動(dòng)行為效率明顯提高。

圖5 無(wú)干預(yù)因子參與的多攝像頭聯(lián)動(dòng)行為Fig. 5 Multi camera behavior without intervention factors

圖6 有干預(yù)因子參與的多攝像頭聯(lián)動(dòng)行為Fig. 6 Multi camera behavior with intervention factors

5 結(jié)語(yǔ)

本文主要采用了蟻群算法，通過(guò)額外引進(jìn)干預(yù)因子的手段，面向變電站視頻監(jiān)控聯(lián)動(dòng)攝像頭，建立蟻群行為策略數(shù)學(xué)模型。通過(guò)模型分析和數(shù)學(xué)仿真，證實(shí)了引入干預(yù)因子的必要性。

該算法在實(shí)際攝像頭聯(lián)動(dòng)行為過(guò)程中，體現(xiàn)了聯(lián)動(dòng)的快速收斂性和執(zhí)行行為的穩(wěn)健性。

[1]徐長(zhǎng)寶, 莊晨, 蔣宏圖. 智能變電站二次設(shè)備狀態(tài)監(jiān)測(cè) 技 術(shù) 研 究[J]. 電 力 系 統(tǒng) 保 護(hù) 與 控 制, 2015, 43(7): 127-131. XU Changbao, ZHUANG Chen, JIANG Hongtu. Technical research of secondary equipments’ state monitoring in smart substation[J]. Power System Protection and Control, 2015, 43(7): 127-131.

[2]翟瑞聰, 高雅. 電力設(shè)備遠(yuǎn)程監(jiān)測(cè)診斷中心系統(tǒng)遙視信息聯(lián)動(dòng)應(yīng)用研究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(8): 150-154. ZHAI Ruicong, GAO Ya. Research on application of remote video information linkage of the power equipment monitoring and diagnosis center system[J]. Power System Protection and Control, 2015, 43(8): 150-154.

[3]王鵬, 蘇華衍. 基于地理空間信息多視圖的電力故障全景搶修應(yīng)用[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(4): 128-132. WANG Peng, SU Huayan. Application of multi-view panoramic power fault repair based on geographic information[J]. Power System Protection and Control, 2014, 42(4): 128-132.

[4]王明松, 馬鴻雁. 基于組態(tài)王的變電站運(yùn)行狀態(tài)在線監(jiān)控系統(tǒng)設(shè)計(jì)與應(yīng)用[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(增刊1): 484-489. WANG Mingsong, MA Hongyan. Design and application of running status of substation online monitoring system based on Kingview[J]. Transactions of China Electrotechnical Society, 2015, 30(S1): 484-489.

[5]王建華, 張國(guó)鋼, 耿英三,等. 智能電器最新技術(shù)研究及應(yīng)用發(fā)展前景[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(9): 1-11. WANG Jianhua, ZHANG Guogang, GENG Yingsan, et al. The latest technology research and application prospects of the intelligent electrical apparatus[J]. Transactions of China Electrotechnical Society, 2015, 30(9): 1-11.

[6]王敏, 武陽(yáng), 王寧, 等. 基于物聯(lián)網(wǎng)架構(gòu)的智能照明系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(增刊 1): 110-114. WANG Min, WU Yang, WANG Ning, et al. Design and implementation of intelligent illuminating system based on ioT[J]. Transactions of China Electrotechnical Society, 2015, 30(S1): 110-114.

[7]HAERING N, VENETIANER P L, LIPTON A. The evolution of video surveillance: an overview[J]. Machine Vision and Applications, 2008, 19(5-6): 279-290.

[8]WANG Rui, WANG Zaitang. Application of ant colony algorithm[J]. Applied Mechanics & Materials, 2014, (548-549): 1217.

[9]LIU L, DAI Y, GAO J, et al. Ant colony optimization algorithm for continuous domains based on position distribution model of ant colony foraging[J]. Scientific World Journal, 2014, 45(1): 57-78.

[10]杜芳華, 冀俊忠, 吳晨生, 等. 基于蟻群聚集信息素的半監(jiān)督文本分類(lèi)算法[J]. 計(jì)算機(jī)工程, 2014, 40(11): 167-171. DU Fanghua, JI Junzhong, WU Chensheng, et al. Semi-supervised text classification algorithm based on ant colony aggregation pheromone[J]. Computer Engineering, 2014, 40(11): 167-171.

[11]翟亞紅, 徐龍艷. 蟻群算法中基于分布估計(jì)的量子信息 素 控 制 研 究[J]. 計(jì) 算 機(jī) 工 程 與 設(shè) 計(jì), 2014, 35(4): 1414-1418. ZHAI Yahong, XU Longyan. Ant colony algorithm based on distribution estimation of quantum pheromone control research[J]. Computer Engineering and Design, 2014, 35(4): 1414-1418.

[12]YE Shitong, WAN Zhiping. An ant colony algorithm based on improving global pheromone update efficiency and its simulation[J]. Computer Applications and Software, 2014.

(編輯 張愛(ài)琴)

Optimization design of substation video monitoring system based on ant colony algorithm

CHEN Tianheng1, YANG Xiaojing1, WANG Weili1, SONG Guowang1, YUAN Zhongchen2, WANG Yao2, GAO Shengyuan3, WANG Shumin3
(1. State Grid Tianjin Electric Power Company, Tianjin 300010, China; 2. State Grid Tianjin Electric Power Research Institute, Tianjin 300010, China; 3. Beijing Yongshang PowerSoft LTD., Beijing 100085, China)

In order to effectively monitor operation and protection equipment state, and timely realize the optimal control of monitoring equipment, based on human intervention, the ant colony algorithm is adopted to establish the logistic linkage, design the monitoring equipment collection content, compile the mapping table of the multi-camera relationship among several monitoring equipment in the substation. Meanwhile, by the data analysis and iterative algorithm process of the primary equipment topological connection and monitoring signal level attributes in the power grid, the pheromone is accumulated. By the monitor command of video surveillance system, the current monitoring equipment state is fast and steadily observed through the optimization and simulation of camera linkage model.

video surveillance; ant colony algorithm; mapping table; pheromone; multi-camera linkage

TM77

1674-3415(2016)02-0134-06

2015-07-03；

2015-08-20

陳天恒(1972-)，男，學(xué)士，高級(jí)工程師，研究方向?yàn)殡姎庾詣?dòng)化研究；E-mai: thchen@sina.com

楊曉靜(1981-)，女，碩士，高級(jí)工程師，研究方向?yàn)殡姎庾詣?dòng)化研究；E-mail: 155922100319@163.com

王偉力(1979-)，男，學(xué)士，高級(jí)工程師，研究方向?yàn)樽冸娬驹O(shè)備監(jiān)控管理。E-mail: darle_8love@163.com