[发明专利]基于目标检测模型的智能变电站继电保护硬压板校核方法

说明书

本发明公开了一种基于目标检测模型的智能变电站继电保护硬压板校核方法，具体为：下载工作任务对应的基准文件，扫描屏柜二维码与基准文件建立联系；在完成拍照后，将同步进行YOLOv4‑tiny模型的调用与基准文件的解析，并最终展示给工作人员校核后的结果；若没有漏检与误检情况的发生，工作人员便可直接保存本次记录到本地；若发生漏检或误检现象，工作人员需对相应的硬压板进行更正即可。本发明无需对保护屏柜进行额外的改造，将现场拍摄的硬压板图片用于制作数据集，研究使用数据增强算法对数据集进行扩充，并进一步解决以往发明中出现漏检错检等问题，拥有更高的普适性和鲁棒性。

技术领域

本发明属于电网运维技术领域，尤其涉及一种基于目标检测模型的智能变电站继电保护硬压板校核方法。

背景技术

智能电网是电网发展的必然趋势，如文献1：张瑶,王傲寒,张宏.中国智能电网发展综述[J].电力系统保护与控制,2021,49(5):180-.与文献2：余贻鑫.智能电网实施的紧迫性和长期性[J].电力系统保护与控制,2019,47(17):1-5.所述。而继电保护方面是比较薄弱的环节，尤其是保护硬压板的巡检工作。该项工作是变电二次运维的重要组成部分，一旦发生误投、漏投的情况，就可能引起事故发生，因此该工作要求很高的可靠性，导致其智能化水平很难提高。以至于现阶段仍以人工巡检为主，但是由于工作量大，精力耗费甚巨，不可避免的会造成视觉疲劳，工作效率低下。为了提高智能化水平，降低运维班组的工作量，尽可能避免因误操作引起的事故，各方研究者们对该问题陆续展开了研究。

从硬件层面入手，有研究者提出了电动压板的概念，如文献3：姚庆华,董林会,周磊,等. 智能远方投退电动压板的设计与应用研究[J].电力系统保护与控制,2015,43(20):143-149.也有的研究者提出了智能压板的思路，如文献4：牛志刚,贾腾飞,徐庆录,等.智能压板系统在齐齐哈尔冯屯500kV变电站中的应用[J].电力系统保护与控制,2010,38(23):219-222+245. 但是这种方式对设备的改造无疑会增加其复杂性。因此，有研究者借助计算机技术提出了图像处理的方法，如文献5：潘成成,卢泉,胡立坤,等.基于颜色分离与形态特征分析的保护压板定位及状态识别研究[J/OL].电测与仪表:1-8[2021-03-07].http://kns.cnki.net/kcms/detail/23.1202.TH.20201127.1043.010.html.、文献6：付文龙,谭佳文,吴喜春,等.基于图像处理与形态特征分析的智能变电站保护压板状态识别[J].电力自动化设备,2019,39(07):203-207.、文献7：吕志宁,宁柏锋,周子强.基于图像处理的保护压板定位及状态识别研究[J].数字技术与应用,2018,36(06):82-83.这种方式需要先对采集的图像进行预处理(普遍采用的是形态学处理)，以达到某一标准，然后文献5采用颜色分离、文献6采用形态特征分析、文献7采用HOG+SVM的方式对压板状态进行辨识，但是这种方法对图像的要求比较高，在标准化的过程中，很多阈值的选择很难具有普适性。由于近几年人工智能的兴起，有的研究者尝试从该领域寻找新的方法，其中使用图像识别方法的居多，如文献8：虞勇,阮浩洁,沈罡,等.人工智能AI技术在保护压板状态识别的应用[J].集成电路应用,2020,37(06):122-123.、文献9：吕家伟,刘瑞荣.基于颜色模版匹配的继电保护压板投退状态识别设计[J].机电信息,2018(36):115-116.、文献10：程志秋,彭永健,李正强.配网自动化开关硬压板自动扫描识别技术研究[J].粘接,2020,43(07):78-81.文献11：任俊杰,蒋岚.电力系统继电保护压板图像识别系统[J].北京联合大学学报(自然科学版),2004(02):60-64.、文献12：邓应松,段秦刚,宋小松.基于图像识别的保护压板投退状态辨识方法[J].陕西电力, 2015,43(10):49-53+67.与文献13：阮浩洁,王春亚,王辉,等.基于图像识别的保护压板状态识别技术研究与应用[J].电力设备管理,2020(01):139-140.但是图像识别的第一步仍需要图像预处理，尽管文献9又增加了概率霍夫变换、文献10则借助了AdaBoost等算法，但识别率还是较低。也有研究者选择聚类算法，如文献14：许超,陈昊,刘少情,等.基于模型聚类匹配和形态特征识别的保护压板状态辨识技术[J].陕西电力,2017,45(01):32-36+85.与文献15：梁辰,孙建文,王兰玉,等.应用聚类和证据理论实现变电站保护压板状态校核[J].电网技术, 2020,44(06):2343-2349.。但这种方法是通过颜色进行匹配，而通过颜色区分的方法文章曾经也尝试过。在采集图像的过程中，发现有很多硬压板的颜色与屏柜颜色十分接近，都是类驼色，这会使得硬压板与背景难以区分。也有研究者尝试深度学习的方法，比如：文献16：吴迪,汤小兵,李鹏,杨增力,文博,黎恒烜.基于深度神经网络的变电站继电保护装置状态监测技术 [J].电力系统保护与控制,2020,48(05):81-85.DOI:10.19783/j.cnki.pspc.190516.采用了卷积神经网络+特征变换；文献17：王伟,张彦龙,翟登辉,等.基于OpenCV+SSD深度学习模型的变电站压板状态智能识别[J/OL].电测与仪表:1-10[2020-09-13]. http://kns.cnki.net/kcms/detail/23.1202.TH.20200827.1838.052.html.与文献18：周克,杨倩文,王耀艺,等.一种改进的压板状态识别SSD算法[J/OL].电测与仪表:1-10[2020-09-17]. http://kns.cnki.net/kcms/detail/23.1202.TH.20200917.1717.002.html.采用了SSD目标检测模型；文献19：冷从林.基于机器视觉的变电站压板开关状态识别系统研究[D].武汉理工大学,2019. 采用了YOLOv3目标检测模型，但是其模型精度均低于文章的模型。也有的研究者另辟蹊径，文献20：简学之,刘子俊,文明浩,等.AR增强现实技术在变电站二次设备运检中的应用[J]. 电力系统保护与控制,2020,48(15):170-176.将AR增强现实技术应用在运检中，文献21：许根养,翁士状,孙长翔,等.基于相位特征的保护压板状态的准确识别方法[J].安徽大学学报 (自然科学版),2020,44(03):38-42.还有的提出了一种基于相位竞争编码的压板状态识别方法，以及文献22：高元生,陈强,熊小伏,等.继电保护压板的智能校核方法[J].重庆大学学报,2015,38(06):91-98.与文献23：张曼,冯凝,刘颖彤,等.500kV智能变电站压板状态监测及智能校核技术[J].电工技术,2018(24):89-90+93.提出了相对特殊的智能校核方法，但总的来说这些方法均难以推广，实用性稍有欠缺。