國(guó)網(wǎng)北京電力經(jīng)濟(jì)技術(shù)研究院 舒彬

國(guó)網(wǎng)白城供電公司 樸哲勇

寧夏大唐國(guó)際青銅峽風(fēng)電有限責(zé)任公司 侯寶立

英特爾亞太研發(fā)有限公司 孟祥宇 竺樹銘 王海濤 高紀(jì)明 史毅磊 張海亮 王愛喜

1.引言

紅外熱成像是以設(shè)備的熱狀態(tài)分布為依據(jù)，對(duì)設(shè)備運(yùn)行狀態(tài)良好與否進(jìn)行診斷，由于設(shè)備的熱像圖是設(shè)備運(yùn)行狀態(tài)下熱狀態(tài)及其溫度分布的真實(shí)描寫，而電力設(shè)備在運(yùn)行狀態(tài)下的熱分布正常與否，是判斷設(shè)備狀態(tài)良好與否的一個(gè)重要特征。因此，采用紅外成像技術(shù)可以通過對(duì)設(shè)備熱像圖的分析，診斷設(shè)備狀態(tài)以及是否帶有隱患。

目前的方案多數(shù)是手持紅外檢測(cè)設(shè)備以及特定時(shí)間點(diǎn)的紅外成像設(shè)備，造成電站維護(hù)人員的工作強(qiáng)度大，且數(shù)據(jù)分析效率低下，難以發(fā)揮紅外技術(shù)的優(yōu)勢(shì)。因此，進(jìn)一步研究紅外視頻測(cè)溫技術(shù)在電力系統(tǒng)設(shè)備故障檢測(cè)中的應(yīng)用，具有重大意義。

本文提出了一種基于Intel 5G MEC 架構(gòu)和OpenVINOTM的電力設(shè)備故障診斷系統(tǒng)，并將其應(yīng)用在電力系統(tǒng)設(shè)備故障檢測(cè)當(dāng)中，大幅度提升了故障診斷分析效率。

2.基于Intel 5G MEC 架構(gòu)和OpenVINOTM 的電力設(shè)備故障診斷系統(tǒng)

2.1電力設(shè)備紅外視頻診斷故障類型

在電力系統(tǒng)運(yùn)行過程中，載流導(dǎo)體會(huì)因?yàn)殡娏餍?yīng)產(chǎn)生電阻損耗，在理想情況下，輸電回路中的各種連接件、接頭或觸頭接觸電阻低于相連導(dǎo)體部分的電阻，然而一旦某些連接件、接頭或觸頭因連接不良，造成接觸電阻增大，該部位就會(huì)有更多的電阻損耗和更高的溫升，從而造成局部過熱。此類通常屬外部故障。外部故障局部溫升高，易通過紅外熱成像發(fā)現(xiàn)，如不能及時(shí)處理，情況惡化快，易形成事故，造成損失。外部故障占故障比例較大。

高電壓電氣設(shè)備的內(nèi)部故障，主要是指封閉在固體絕緣以及設(shè)備殼體內(nèi)部的電氣回路故障和絕緣介質(zhì)劣化引起的各種故障。由于這類故障出現(xiàn)在電氣設(shè)備的內(nèi)部，因此反映在設(shè)備外表的溫升很小。檢測(cè)這種故障對(duì)檢測(cè)設(shè)備的靈敏度要求較高。內(nèi)部故障比例小，溫升小，危害大，對(duì)檢測(cè)設(shè)備要求更高。

2.2 Intel OpenVINOTM

OpenVINOTM工具套件是英特爾推出的一款加速深度學(xué)習(xí)的推理及部署的軟件工具套件，用以加快高性能計(jì)算機(jī)視覺處理和應(yīng)用。該工具允許異構(gòu)執(zhí)行，支持Windows與Linux系統(tǒng)，以及Python/C++語言，能夠有效推進(jìn)計(jì)算機(jī)視覺技術(shù)在從智能攝像頭、視頻監(jiān)控、機(jī)器人，到能源電力物聯(lián)網(wǎng)、智能交通、智能醫(yī)療等領(lǐng)域的深入應(yīng)用。

OpenVINOTM工具套件強(qiáng)化了計(jì)算機(jī)視覺解決方案的作用，并縮短了開發(fā)時(shí)間，簡(jiǎn)化了從英特爾提供的豐富硬件選項(xiàng)中獲得效益的途徑，而這些選項(xiàng)可以提高性能、降低功耗，并最大化硬件利用率，可讓用戶以低資源獲得高收益，且為新的產(chǎn)品設(shè)計(jì)提供個(gè)性化空間。

2.3 基于Intel 5G MEC架構(gòu)的故障診斷系統(tǒng)

如圖1所示，該系統(tǒng)整體由前端視頻監(jiān)控系統(tǒng)、視頻數(shù)據(jù)傳輸通道、數(shù)據(jù)中心三大部分組成。前端視頻監(jiān)控探頭負(fù)責(zé)紅外視頻拍攝，中間傳輸通道將所測(cè)信息以數(shù)字的方式通過網(wǎng)絡(luò)傳輸至Intel 5G MEC 邊緣云；基于Intel 軟硬件的5G MEC邊緣云，可以利用強(qiáng)大的計(jì)算能力和來自各視頻采集點(diǎn)的豐富數(shù)據(jù)，根據(jù)實(shí)際電力監(jiān)控運(yùn)行場(chǎng)景需要進(jìn)行集中化的模型搭建?；贗ntel 的OpenVINOTM數(shù)據(jù)分析模塊部署在5G MEC邊緣云，主要包括推理服務(wù)器、模型管理器以及模型倉庫等組件，用于較重模型的推理，并將推理結(jié)果推送至電力設(shè)備故障檢測(cè)系統(tǒng)中。

2.4 Intel裝備軟硬件架構(gòu)整體優(yōu)勢(shì)

國(guó)家電網(wǎng)有限公司旗下的國(guó)網(wǎng)信通產(chǎn)業(yè)集團(tuán)（簡(jiǎn)稱國(guó)網(wǎng)信通）為積極響應(yīng)國(guó)家“新基建”戰(zhàn)略，應(yīng)對(duì)自動(dòng)化、智能化設(shè)備所需的大量信息傳輸和數(shù)據(jù)處理需求，正基于5G MEC（Multi-access Edge Computing）解決方案支持5G 電力應(yīng)用，將數(shù)據(jù)從公網(wǎng)轉(zhuǎn)移到內(nèi)網(wǎng)進(jìn)行傳輸與處理，以保障數(shù)據(jù)安全，并充分結(jié)合5G 網(wǎng)絡(luò)高帶寬、低延時(shí)、大連接的特性，在邊緣就近實(shí)施業(yè)務(wù)卸載和高速處理，進(jìn)而實(shí)現(xiàn)出色的云邊協(xié)同能力，以提升業(yè)務(wù)效率。

圖1 基于Intel的故障診斷系統(tǒng)架構(gòu)

為高效地推進(jìn)這一方案的構(gòu)建與部署，國(guó)網(wǎng)信通攜手英特爾等合作伙伴，通過引入第二代英特爾?至強(qiáng)?可擴(kuò)展處理器、英特爾?FlexRAN 參考架構(gòu)，以及開放式網(wǎng)絡(luò)邊緣服務(wù)軟件（Open Network Edge Services Software，OpenNESS）等一系列先進(jìn)產(chǎn)品與技術(shù)，在5G 白盒一體化小站設(shè)計(jì)、統(tǒng)一邊緣應(yīng)用管理，以及高性能計(jì)算處理等方面為新方案提供助力。

作為通信與信息領(lǐng)域的創(chuàng)新引領(lǐng)者之一，英特爾一直致力于以先進(jìn)軟硬件產(chǎn)品與技術(shù)驅(qū)動(dòng)5G 和MEC 技術(shù)的發(fā)展。如圖2所示，在國(guó)網(wǎng)信通5G MEC方案的構(gòu)建上，英特爾也在5G 白盒一體化小站設(shè)計(jì)、統(tǒng)一邊緣應(yīng)用管理，以及高性能計(jì)算等方面提供了一系列助力。

圖2 英特爾產(chǎn)品與技術(shù)助力5G MEC方案構(gòu)建

在5G場(chǎng)景下，智能終端設(shè)備具有便攜、移動(dòng)等特性，使得未來網(wǎng)絡(luò)接入環(huán)境逐漸走向無線接入。為了讓5G MEC方案更方便地結(jié)合豐富的云（云計(jì)算）網(wǎng)（5G網(wǎng)絡(luò)）應(yīng)用能力，將業(yè)務(wù)下沉到邊緣，英特爾為方案提供了英特爾?FlexRAN參考架構(gòu)。這一架構(gòu)以第二代英特爾?至強(qiáng)?可擴(kuò)展處理器、英特爾?現(xiàn)場(chǎng)可編程門陣列（Field Programmable Gate Array，F(xiàn)PGA）等作為計(jì)算處理核心，并通過數(shù)據(jù)平面開發(fā)套件（Data Plane Development Kit，DPDK）等技術(shù)的加入，對(duì)無線接入網(wǎng)的全面虛擬化提供能力，且對(duì)網(wǎng)絡(luò)切片技術(shù)有著良好支持?；谶@一靈活、開放的參考架構(gòu)，5G MEC 方案可以在通用x86 架構(gòu)服務(wù)器平臺(tái)中實(shí)現(xiàn)傳統(tǒng)無線接入網(wǎng)BBU 的性能，為電力企業(yè)在不同應(yīng)用場(chǎng)景中提供高吞吐、低延時(shí)的5G無線連接。

其次，5G MEC 電力解決方案通過將計(jì)算資源與業(yè)務(wù)應(yīng)用下沉到邊緣平臺(tái)從而獲得高效能，而邊緣與核心的架構(gòu)差異導(dǎo)致應(yīng)用軟件無法直接遷移，由此帶來的開發(fā)與部署工作十分繁重。為幫助5G MEC 方案在公網(wǎng)、專網(wǎng)的異構(gòu)網(wǎng)絡(luò)環(huán)境下獲得統(tǒng)一的應(yīng)用開發(fā)、托管環(huán)境，從而讓電力企業(yè)更方便地將智能應(yīng)用遷移、部署至邊緣。英特爾為之提供了開源的OpenNESS（Smart Edge Open）軟件平臺(tái)，該平臺(tái)能與Kubernetes 相互協(xié)同，支持邊緣平臺(tái)服務(wù)編排，并通過為邊緣平臺(tái)預(yù)配資源，實(shí)現(xiàn)應(yīng)用性能加速；同時(shí)該平臺(tái)也通過提供便捷接入方式獲取應(yīng)用終端數(shù)據(jù)，并支持身份驗(yàn)證。通過OpenNESS 平臺(tái)，電力企業(yè)能夠有效規(guī)避不同網(wǎng)絡(luò)底層架構(gòu)差異帶來的影響，直接開發(fā)和部署邊緣智能應(yīng)用，大幅降低方案推廣門檻。

而在關(guān)鍵的基礎(chǔ)硬件設(shè)施構(gòu)建上，來自英特爾的第二代英特爾?至強(qiáng)?可擴(kuò)展處理器、英特爾?以太網(wǎng)服務(wù)器適配器XL710 系列以及英特爾?FPGA等，都為方案提供了強(qiáng)有力的硬件性能。尤其在計(jì)算力的選擇上，方案采用了更適于邊緣環(huán)境使用的英特爾?至強(qiáng)?金牌6252N 處理器，其具備的英特爾?SST-BF 技術(shù)可在不增加整體功耗的情況下，提升處理器某一核心的主頻。這一特性能有效應(yīng)對(duì)5G MEC 場(chǎng)景中的大規(guī)模用戶面數(shù)據(jù)轉(zhuǎn)發(fā)需求，當(dāng)處理器某個(gè)核心用于高速用戶面數(shù)據(jù)轉(zhuǎn)發(fā)時(shí)，英特爾?SST-BF 技術(shù)可以提升該核心的工作主頻，從而帶來更大處理能力。這種靈活的調(diào)節(jié)能力，不僅能有效提升方案中關(guān)鍵工作負(fù)載的處理效率，也可降低整體能耗水平。

2.5 電力設(shè)備綜合故障診斷系統(tǒng)的AI模型訓(xùn)練與推理

2.5.1 YoloV3模型。

在電力設(shè)備視頻測(cè)溫與故障檢測(cè)系統(tǒng)中，YoloV3是被廣泛使用的AI 算法模型之一。該模型可用于完成實(shí)時(shí)目標(biāo)識(shí)別，能有效地幫助監(jiān)測(cè)設(shè)備，在電力場(chǎng)景中，能精準(zhǔn)地定位出現(xiàn)故障的電力設(shè)備。

圖3 YoloV3目標(biāo)溫度檢測(cè)結(jié)果

2.5.2 Darknet神經(jīng)網(wǎng)絡(luò)框架。

在眾多實(shí)現(xiàn)YoloV3 算法模型的框架中，Darknet 是被使用最多的開源神經(jīng)網(wǎng)絡(luò)框架，代碼輕量簡(jiǎn)潔，安裝簡(jiǎn)便，執(zhí)行效率高，同時(shí)支持XPU的異構(gòu)計(jì)算。

1）模型訓(xùn)練。

當(dāng)Darknet軟件安裝完成之后，我們便可以使用電網(wǎng)特定的數(shù)據(jù)集對(duì)Yolov3 算法模型進(jìn)行訓(xùn)練，例如輸入如下命令便可以使用電網(wǎng)變壓器數(shù)據(jù)集訓(xùn)練Yolov3模型。

$./darknet detector train cfg/transformer.data cfg/yolov3-voc.cfg darknet53.conv.74

當(dāng)訓(xùn)練中斷時(shí)，可以使用如下命令，在中斷處繼續(xù)開始訓(xùn)練。

$./darknet detector train cfg/transformer.data cfg/yolov3-voc.cfg backup/yolov3-voc.backup

圖4 變壓器紅外視頻故障檢測(cè)驗(yàn)證結(jié)果圖

2）模型驗(yàn)證與評(píng)估。

平均精度均值（簡(jiǎn)稱mAP）是我們?cè)谛畔z索系統(tǒng)中最常用的性能指標(biāo)。該指標(biāo)也被用來評(píng)估目標(biāo)識(shí)別算法，該值越大代表目標(biāo)檢測(cè)效果越好，mAP值的表達(dá)式為：

式中，P為準(zhǔn)確率，R為召回率。

在Darknet中我們可以直接使用內(nèi)置的detector功能生成驗(yàn)證數(shù)據(jù)集，并對(duì)mAP值進(jìn)行計(jì)算。

使用內(nèi)置detector功能生成數(shù)據(jù)驗(yàn)證集：

$./darknet detector valid cfg/transformer.data cfg/yolov3-voc.cfg backup/yolov3-voc.backup

計(jì)算mAP值，利用computeMAP.py計(jì)算mAP值評(píng)估算法經(jīng)過訓(xùn)練之后的檢測(cè)性能：

python computeMP.py

通過訓(xùn)練可以看到，Darknet-YoloV3 的AI模型能夠清晰地展現(xiàn)變壓器溫度區(qū)域分布，為變壓器故障診斷提供視覺依據(jù)，更適合于電網(wǎng)變壓器室外故障檢測(cè)場(chǎng)景。

3）綜合故障診斷系統(tǒng)的紅外視覺融合方案。

在傳統(tǒng)變電站設(shè)備故障診斷方案中，常使用TensorFlow RBF 與Adaptive Boost Framework 的解決方案來診斷電力設(shè)備故障。

但傳統(tǒng)模式已難以進(jìn)一步提升識(shí)別率與效率來滿足日益增加的電網(wǎng)設(shè)備需求，因此基于TensorFlow RBF與Adaptive Boost Framework 傳統(tǒng)診斷模式融合基于Darknet-YoloV3 視覺診斷模式的新融合方案配合5G MEC 的大數(shù)據(jù)高速通信，正在互相補(bǔ)足提升日常電力設(shè)備診斷與巡檢的準(zhǔn)確率和效率。

2.5.3 OpenVINO YoloV3模型轉(zhuǎn)換與推理。

OpenVINOTM工具套件也針對(duì)YoloV3 算法模型做了許多工作，包括算法硬件優(yōu)化；FPGA，顯卡，Movidius 多硬件組件支持；推理例程代碼編寫，幫助開發(fā)者更加便捷地轉(zhuǎn)換Darknet-YoloV3算法模型，并開始AI推理應(yīng)用。

1）算法模型轉(zhuǎn)換。

輸入算法模型轉(zhuǎn)換指令，OpenVINO便會(huì)將Darknet-YoloV3算法模型轉(zhuǎn)換為OpenVINO所需要的XML網(wǎng)絡(luò)模型文件以及Bin權(quán)重文件。

圖5 綜合故障診斷系統(tǒng)的紅外視覺融合方案

2）推理。

在OpenVINO 的眾多例程中，Intel 已經(jīng)編寫了object_detection_demo_yolov3_ansync 推理程序，開發(fā)者可以直接使用該程序?qū)Σ杉降臄?shù)據(jù)和圖像進(jìn)行推理，識(shí)別視頻或圖像中的物體特征。

3.運(yùn)行效果

基于Intel 的電力設(shè)備故障診斷后臺(tái)分析系統(tǒng)在某變電站部署完成之后，對(duì)站內(nèi)主變進(jìn)行了重點(diǎn)觀測(cè)，圖6為某時(shí)刻該主變的紅外成像圖。在系統(tǒng)后臺(tái)可以方便直觀地觀察主變各個(gè)部位的溫度情況。相比傳統(tǒng)故障分析系統(tǒng)，該系統(tǒng)能夠在后臺(tái)進(jìn)行特定點(diǎn)定時(shí)觀察并記錄溫度變化曲線（見圖7），并且，溫度分析過程很快，故障點(diǎn)判斷準(zhǔn)確，大大提升了電力設(shè)備故障診斷效率。

4.結(jié)論

基于Intel OpenVINOTM的Darknet-YoloV3的AI模型能夠清晰地展現(xiàn)變壓器溫度區(qū)域分布，為變壓器故障診斷提供視覺依據(jù)。利用基于Intel 5G MEC架構(gòu)和OpenVINOTM的電力設(shè)備綜合故障診斷系統(tǒng)，生產(chǎn)人員能準(zhǔn)確方便地發(fā)現(xiàn)和測(cè)量電力設(shè)備溫度變化，對(duì)于消除電力設(shè)備的安全隱患，及時(shí)發(fā)現(xiàn)、處理、預(yù)防重大事故的發(fā)生起到關(guān)鍵作用。

圖6 變壓器局部某時(shí)刻紅外成像

圖7 變壓器選定點(diǎn)某時(shí)段溫度變化曲線