張秋雁，代湘蓉，李鵬程，吳才遠，王藍苓，張 馳，張海永，錢 威

(1.貴州電網(wǎng)有限責任公司電力科學研究院，貴陽 550002；2.貴州電網(wǎng)有限責任公司，貴陽 550001； 3.南京太司德智能電氣有限公司，南京 211000)

0 引 言

隨著電網(wǎng)規(guī)模的不斷擴大，電網(wǎng)接入設備種類和數(shù)量龐大，基于語音識別、圖像深度學習及圖像識別等人工智能技術(shù)的智能巡檢設備在電力運維中日益普及，如高壓線路巡檢無人機、變電站室外巡檢機器人、變電站10 kV室內(nèi)軌道巡檢機器人、AR智能穿戴巡檢設備等[1-5]。

目前，電力智能巡檢設備會對電力系統(tǒng)的重要一次、二次設備進行定期巡檢，在巡檢過程中采集電力設備圖片進行故障識別診斷[6-7]。對于巡檢采集獲得的大量電力設備圖片，各廠家智能巡檢設備的處理方式不同。部分智能巡檢設備在本地直接進行圖像識別檢測，不保存巡檢圖片；另一部分智能巡檢設備將巡檢圖片暫存到巡檢后臺系統(tǒng)，但也無法永久存儲圖片(后臺服務器硬盤空間限制，需要定期清理舊圖片)。因此，大量電力設備圖像數(shù)據(jù)無法有效保存記錄下來，造成了歷史巡檢運維圖像數(shù)據(jù)的浪費。

同時，電科院等檢測部門對機器視覺類智能終端的檢測比較籠統(tǒng)，沒有統(tǒng)一的規(guī)范標準，無法實現(xiàn)數(shù)據(jù)量化的視覺功能及精度檢測。例如，變電站巡檢機器人在檢測過程中，需要讓機器人巡檢某個10 kV開關(guān)柜，識別出開關(guān)位置指示燈、故障指示燈等信息。即使機器人的圖像識別算法的目標預測值設置的門檻值比較低，機器人也能識別出目標信息，但檢測人員無法得知該巡檢機器人對這些目標識別的預測值是多少，無法對其精度做出評判，無法對機器人的圖像識別優(yōu)化提出要求。

針對電力設備的圖像特征數(shù)據(jù)愈發(fā)重要，而電力設備的圖像信息存在難以保存的問題，電力行業(yè)需要一種用于描述電力設備圖像特征的通用數(shù)據(jù)模型。本文根據(jù)圖像識別技術(shù)的特點和電力設備外觀的統(tǒng)一性，提出對電力設備圖像特征數(shù)據(jù)模型的設計要求，規(guī)定數(shù)據(jù)模型的結(jié)構(gòu)和覆蓋的電力設備范圍。以用電信息采集系統(tǒng)集中器設備為例，通過圖像特征數(shù)據(jù)建模的實例化，以說明此數(shù)據(jù)模型的可行性。

1 數(shù)據(jù)模型的設計要求

AR穿戴設備或巡檢機器人等智能設備在定期巡檢的過程中會對電力設備進行圖像采集，并進行圖像識別，以此判斷電力設備是否正常工作。圖像識別技術(shù)的關(guān)鍵在于圖像中設備特征的提取和識別[8],因此，在面對大量的巡檢拍攝圖片的存儲問題上，應該關(guān)注這些圖像素材中的特征信息。

在圖像識別技術(shù)中，圖像特征信息是圖像素材的最重要也是最主要的信息。并且圖像特征信息與圖像的分辨率無關(guān)，與圖像素材本身的存儲大小無關(guān)，是一種可以數(shù)據(jù)化的圖像屬性。

針對電力設備的圖像素材，其圖像特征應該是能夠判別該電力設備是否正常運行的數(shù)據(jù)信息，如斷路器圖像中的刀閘位置信息[9]、電能表圖像中電源指示燈的狀態(tài)信息等。

因此，所設計的電力設備圖像特征的通用數(shù)據(jù)模型設計要求：

1)模型中的圖像特征由能夠反映電力設備運行狀態(tài)的圖像特征組成，對判斷電力設備運行狀態(tài)無效的圖像不予記錄；

2)以統(tǒng)一外觀的電力設備為對象，設計的電力設備圖像特征數(shù)據(jù)模型具有通用性；

3)為準確記錄電力設備的運行狀態(tài)，設備的圖像特征屬性需要盡可能的全面，需要覆蓋設備的整個外觀；

4)數(shù)據(jù)模型中圖像特征的描述應該盡可能的簡單和準確，僅使用浮點數(shù)、整數(shù)或少量的字符串，以實現(xiàn)大量電力設備圖片素材在數(shù)據(jù)模型下的極小存儲占用量。

2 通用數(shù)據(jù)模型的結(jié)構(gòu)

2.1 數(shù)據(jù)模型結(jié)構(gòu)

根據(jù)圖像特征數(shù)據(jù)模型的設計要求，結(jié)合計量領(lǐng)域常用的電力設備的外觀，將數(shù)據(jù)模型的結(jié)構(gòu)設計為表1的形式。

該圖像特征數(shù)據(jù)模型由特征屬性組成，電力設備的圖像特征的定義規(guī)范包括特征屬性項、屬性項英文名、特征數(shù)據(jù)類型和屬性要求，特征屬性項包括特征提取時間、設備廠家、設備型號以及設備面板上的其余信息，特征數(shù)據(jù)類型包括字符串S、浮點數(shù)F和整數(shù)I等。屬性要求為該特征屬性項的內(nèi)容描述，例如設備型號的名稱、指示燈的亮滅狀態(tài)等。

對AR穿戴設備、巡檢機器人等智能設備定期巡檢過程中采集的大量電力設備圖片進行識別，將其中的圖像特征數(shù)據(jù)按上述數(shù)據(jù)格式，形成設備圖像特征數(shù)據(jù)并存儲起來。大量的圖片在提取特征后被轉(zhuǎn)換成了結(jié)構(gòu)化數(shù)據(jù)，大大“壓縮”了圖像數(shù)據(jù)，便于存儲至數(shù)據(jù)庫，從而形成大容量的電力設備圖像數(shù)據(jù)庫，具有了統(tǒng)一的數(shù)據(jù)模型基礎(chǔ)。

表1 電力設備圖像特征通用數(shù)據(jù)模型

2.2 覆蓋設備范圍

此圖像特征數(shù)據(jù)模型可以覆蓋電力系統(tǒng)中各種主要電力設備(每種電力設備已統(tǒng)一外觀的)，并能規(guī)范定義這些設備的圖像特征。目前，可用于圖像識別及特征數(shù)據(jù)建模的電力設備包括：

1) 一次領(lǐng)域：變壓器、高壓線、斷路器、刀閘、開關(guān)柜、環(huán)網(wǎng)柜；

2)二次領(lǐng)域：故障指示器、配變終端FTU/DTU、線路保護裝置類、主變保護裝置類；

3)計量領(lǐng)域：電能表類、數(shù)字化儀表類、集中器類、互感器類、采集器類、電測表計。

2.3 通用數(shù)據(jù)模型的存儲方式

電力設備圖像特征的數(shù)據(jù)模型可以采用可擴展標記語言(Extensible Markup Language，XML)的形式進行存儲。XML是一種用于標記電子文件使其具有結(jié)構(gòu)性的標記語言，XML被廣泛用作跨平臺之間交互數(shù)據(jù)的形式，主要針對數(shù)據(jù)的內(nèi)容[10-11]。所設計的描述電力設備圖像特征的數(shù)據(jù)模型主要由特征屬性項組成，非常適合使用XML文件的形式進行存儲。

此外，此數(shù)據(jù)模型還可以采用電網(wǎng)行業(yè)內(nèi)的電力系統(tǒng)數(shù)據(jù)模型描述語言E進行存儲。E語言繼承自電力系統(tǒng)公用數(shù)據(jù)模型(Common Information Madel，CIM)和XML，能夠高效地描述電力系統(tǒng)中大部分數(shù)據(jù)模型和數(shù)據(jù)交換格式。E語言所描述的數(shù)據(jù)量越大，其效率就越高。當描述同一個100節(jié)點的數(shù)據(jù)時，E語言可比XML效率高13.6倍[12-13]。

智能巡檢設備每一次任務都會拍攝大量圖片素材，這些圖片日積月累將形成巨大的數(shù)據(jù)信息量。因此，電力設備圖像特征信息具有數(shù)量龐大的特性，使用E語言存儲相較于XML更具有優(yōu)勢，可以更有效地處理巨大的電力設備圖像特征數(shù)據(jù)。

3 設計案例

以計量領(lǐng)域的集中器設備為例，集中器的設備外形如圖1。集中器的面板上含有大量的指示燈，從指示燈的狀態(tài)可以判斷集中器的某一模塊是否正常工作，進而判斷集中器是否存在故障以及確定故障原因。

圖1 集中器設備外觀圖

集中器的外形及各模塊功能由國家電網(wǎng)公司或南方電網(wǎng)公司企業(yè)標準統(tǒng)一規(guī)定(如國家電網(wǎng)企業(yè)標準QGDW-1375.2—2013[14])，具有普遍性。圖1中的集中器為Ⅰ型集中器，主要包含顯示屏、集中器指示燈模塊、GPRS模塊(遠程通信模塊)、載波通信模塊、設備條形碼編號和型號編號等。運行指示燈描述該集中器的運行狀態(tài)，集中器面板文字信息則描述該集中器的型號和編號等設備資產(chǎn)信息。這些信息在正常的智能巡檢過程中都需要被識別，以確定設備運行狀態(tài)的準確無誤。包含完整圖像特征的集中器類圖像特征數(shù)據(jù)模型如表2所示。

表2 集中器類圖像特征數(shù)據(jù)模型

同理，可以根據(jù)高壓線路、10 kV開關(guān)柜等電力設備的圖像特征，形成如表2的該類設備圖像特征數(shù)據(jù)模型。

4 應用效果

根據(jù)圖像識別技術(shù)的特點及電力設備的統(tǒng)一外觀特性所設計的電力設備圖像特征的通用數(shù)據(jù)模型，可用以解決圖像識別技術(shù)在電力行業(yè)中存在的存儲困難和難以規(guī)范性檢測等問題。

1)將采集后形成的電力設備圖像特征進行統(tǒng)一規(guī)范的數(shù)據(jù)建模，是形成電力設備圖像庫大數(shù)據(jù)的基礎(chǔ)，便于電力設備故障統(tǒng)計、提升電力設備智能識別的準確率，大幅提高電力設備運維效果，進一步保障電力系統(tǒng)的安全穩(wěn)定運行。

2)對AR穿戴設備、巡檢機器人等智能設備定期巡檢過程中采集的大量電力設備圖片進行識別后，將其中的圖像特征數(shù)據(jù)按數(shù)據(jù)模型形成設備該次圖像特征數(shù)據(jù)存儲起來。大量的特征數(shù)據(jù)形成大容量圖像數(shù)據(jù)庫，便于后期圖像運維大數(shù)據(jù)的挖掘分析。

3)支持多廠家多設備之間圖像特征數(shù)據(jù)的導入導出互操作。比如A智能采集設備完成圖像識別，識別出特征后以語言數(shù)據(jù)格式存儲并導出；B智能設備可以導入語言規(guī)范的數(shù)據(jù)格式數(shù)據(jù)，以此進行圖像檢索算法的實現(xiàn)。這樣就實現(xiàn)了多廠家多設備之間圖像特征數(shù)據(jù)的導入導出互操作，從而促進電力行業(yè)機器視覺類產(chǎn)品生態(tài)圈的發(fā)展。

4)電力設備圖像識別是量化的評判標準,便于電科院等相關(guān)電力檢測部門進行視覺檢測。檢測部門可以通過圖像識別后特征數(shù)據(jù)的導入導出一致性進行互操作測試，以及實現(xiàn)數(shù)據(jù)量化的視覺功能及精度檢測(即檢測人員根據(jù)待識別設備種類的特征屬性，各廠家設備識別后提交數(shù)據(jù)文件對結(jié)果進行評判)。例如某電力表計具有10個圖像特征，不同廠家巡檢機器人對這些特性進行圖像識別并輸出圖像特征數(shù)據(jù)模型表，檢測人員根據(jù)模型表中的參數(shù)即可快速有效地辨別不同廠家巡檢機器人的性能質(zhì)量。

5 結(jié) 語

所設計的描述電力設備圖像特征的通用數(shù)據(jù)模型將電力設備圖片的特征提取轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，并采用XML格式存儲，大大“壓縮”了圖像數(shù)據(jù)，方便了電力設備圖像信息數(shù)據(jù)庫的建立。通用數(shù)據(jù)模型具有統(tǒng)一性和規(guī)范性，可廣泛用于不同廠家同種設備的圖像數(shù)據(jù)提取，未來可作為電科院等相關(guān)電力檢測部門的電力圖像識別量化評判標準。