技术特征：
1.一种用于变电站的智能感知巡检系统，其特征在于，包括：边缘端数据采集及分析子系统、站端管理子系统以及云端人工智能子系统，其中，所述边缘端数据采集及分析子系统，与所述站端管理子系统通讯连接，用于接收所述站端管理子系统下发的巡检任务，基于所述巡检任务采集变电站中的目标巡检对象的目标巡检数据，并基于与所述目标巡检数据对应的人工智能模型对所述目标巡检数据进行边缘分析，得到巡检分析结果，并将所述目标巡检数据和所述巡检分析结果发送给所述站端管理子系统；所述站端管理子系统，与所述云端人工智能系统通讯连接，用于生成并下发巡检任务，以及，接收并管理所述目标巡检数据和所述巡检分析结果，以及，根据所述目标巡检数据生成与目标巡检对象对应的原始样本集，并将所述原始样本集上传至云端人工智能子系统，以及，接收云端人工智能子系统下发的人工智能模型，并将所述人工智能模型下发至所述边缘端数据采集及分析子系统；所述云端人工智能子系统，用于接收所述原始样本集，并根据原始样本集以及原始样本集对应的标注结果构建训练样本集，以及，根据训练样本集对人工智能模型进行模型训练及优化迭代，并将所述人工智能模型下发至所述站端管理子系统；其中，所述边缘端数据采集及分析子系统包括变电站部署的终端采集装置、视频跟踪装置和沉浸式显示装置，所述终端采集装置包括双目云台监控设备，其中，所述双目云台监控设备，用于采集作业现场的双目视频信息，将所述双目视频信息传输给所述视频跟踪装置；所述视频跟踪装置，与所述沉浸式显示装置通讯连接，用于接收所述双目云台监控设备传输的双目视频信息，并对所述双目视频信息进行目标检测，确定出所述双目视频信息中的待跟踪对象，对检测出的待跟踪对象进行实时跟踪，并将所述待跟踪对象的跟踪信息突出显示于所述双目视频信息中，并将所述双目视频信息发送给所述沉浸式显示装置；其中，所述待跟踪对象包括所述作业现场的作业人员和电力设备；所述沉浸式显示装置，配置有头戴显示设备，用于接收所述视频跟踪装置发送的双目视频信息，并将所述双目视频信息，分别显示在所述头戴显示设备的左右显示器中。2.根据权利要求1所述的用于变电站的智能感知巡检系统，其特征在于，所述终端采集装置包括巡检无人机、巡检机器人、监控摄像头和红外线探测设备中的至少一种巡检设备。3.根据权利要求1所述的用于变电站的智能感知巡检系统，其特征在于，所述边缘端数据采集及分析子系统包括变电站部署的边缘分析装置；其中，所述终端采集装置，与所述边缘分析装置通讯连接，用于接收所述站端管理子系统下发的巡检任务，确定与所述巡检任务对应的至少一台巡检设备，基于所述巡检设备采集与所述巡检任务对应的设备运行数据和/或人员作业数据，并将采集到的所述设备运行数据和/或所述人员作业数据发送给所述边缘分析装置；所述边缘分析装置，用于接收所述设备运行数据和/或所述人员作业数据，并确定与接收到的所述设备运行数据和/或所述人员作业数据对应的人工智能模型，并基于确定出的人工智能模型对所述设备运行数据和/或所述人员作业数据进行人员行为检测、设备状态检测以及设备缺陷识别分析，得到与巡检任务对应的巡检分析结果，以及，将所述设备运行数据和/或所述人员作业数据及其对应的巡检分析结果发送给站端管理子系统。
4.根据权利要求3所述的用于变电站的智能感知巡检系统，其特征在于，所述边缘分析装置包括人员行为分析模块；其中，所述双目云台监控设备，还用于将所述双目视频信息传输给所述人员行为分析模块；所述人员行为分析模块，用于根据所述双目视频信息中的左目视频信息和右目视频信息获取的人员关键点的平面坐标，利用双目立体几何算法，获取作业人员的人员关键点的三维空间坐标，构建人员关键点在三维坐标下的人员特例序列，并根据所述双目视频信息以及双目立体几何算法确定出设备空间坐标信息，根据所述人员特例序列和所述设备空间坐标信息确定所述作业人员的行为状态，并确定所述行为状态是否符合预设作业规范。5.根据权利要求1所述的用于变电站的智能感知巡检系统，其特征在于，所述双目云台监控设备包括双目模块、云台模块以及云台控制模块，所述双目模块设置于所述云台模块上，具备红外与可见光双摄像头，其中，所述云台控制模块，用于接收用于控制所述云台模块的云台运动控制指令，并根据所述云台运动控制指令控制所述云台模块在预设方向上运动，以使所述双目模块随所述云台模块运动而运动。6.根据权利要求1所述的用于变电站的智能感知巡检系统，其特征在于，所述边缘端数据采集及分析子系统还包括机器人交互装置，其中，巡检机器人交互模块，用于接收用于控制所述巡检机器人的机器人运动控制指令，并根据巡检机器人运动控制指令控制巡检机器人的运动轨迹。7.根据权利要求2所述的用于变电站的智能感知巡检系统，其特征在于，所述站端管理子系统，还用于接收用户输入的巡检方案的方案配置信息，根据方案配置信息生成与所述巡检方案，以及，向所述边缘端数据采集及分析子系统下发包含有巡检方案的巡检任务，其中，所述巡检方案包括目标巡检对象、目标巡检设备和目标巡检方式，所述目标巡检对象包括作业人员和电力设备，所述目标巡检方式包括采用单个巡检设备进行巡检的方式和采用多个巡检设备进行联合巡检的方式。8.根据权利要求7所述的用于变电站的智能感知巡检系统，其特征在于，所述终端采集装置，用于接收所述站端管理子系统下发的包含有巡检方案的巡检任务，确定与所述巡检任务对应的目标巡检设备，从各个未处于工作状态的备用巡检设备中确定出巡检执行设备，并基于目标巡检方式控制所述巡检执行设备采集与所述巡检任务对应的设备运行数据和/或人员作业数据，并将采集到的所述设备运行数据和/或所述人员作业数据发送给所述边缘分析装置。9.根据权利要求1所述的用于变电站的智能感知巡检系统，其特征在于，所述站端管理子系统，还用于对不同巡检设备采集的目标巡检数据进行融合分析，实现对目标检测对象的检测，以及，对不同巡检设备采集的目标巡检数据及其对应的巡检分析结果进行数据挖掘，并将所述目标巡检数据及其对应的巡检分析结果存储于以时间维度和空间维度两个维度建立的数据库中，以及，对目标巡检数据及其对应的巡检分析结果执行预设数据操作，其中，预设数据操作包括增加操作、删除操作、修改操作、压缩操作、加密操作、解密操作及查询操作中的至少一种。10.根据权利要求1所述的用于变电站的智能感知巡检系统，其特征在于，所述边缘端数据采集及分析子系统，还用于当接收到定时触发的常规巡检指令时，建立用于对变电站中的各设备表和各类绝缘设备进行巡检的第一常规任务，将所述第一常规任务发送至巡检
机器人，以及，建立用于对所述变电站中的各类油枕、变压器和开关设备进行巡检的第二常规任务，将所述第二常规任务发送至巡检无人机。11.根据权利要求1所述的用于变电站的智能感知巡检系统，其特征在于， 所述云端人工智能子系统包括人体姿态识别模型、隔离开关状态识别模型、继电器状态识别模型、设备缺陷识别模型、设备状态检测模型、地面油污语义识别模型中、硅胶桶检测模型以及硅胶变色检测模型的至少一种。12.根据权利要求11所述的用于变电站的智能感知巡检系统，其特征在于，所述云端人工智能子系统，具体用于获取与作业人员的作业过程对应的训练样本集，基于所述训练样本集中的作业巡检图像对卷积神经网络进行训练，以得到人体姿态识别模型，以及，基于更新后的训练样本集对所述人体姿态识别模型进行优化，以及，将所述人体姿态识别模型下发至所述站端管理子系统；所述站端管理子系统，用于将所述人体姿态识别模型下发至所述边缘端数据采集及分析子系统；所述边缘端数据采集及分析子系统，用于采集电力施工现场中作业人员作业过程的作业图像，基所述人体姿态识别模型确定所述作业图像中所述作业人员的人体关键点和各所述人体关键点之间的关联关系，确定与所述人体关键点和所述关联关系对应的所述作业人员的作业行为，将所述作业行为与预先设定的违规行为进行对比，确定所述作业人员是否存在违规行为。13.根据权利要求11所述的用于变电站的智能感知巡检系统，其特征在于，所述云端人工智能子系统，具体用于获取与隔离开关状态识别对应的训练样本集，基于所述训练样本集中的隔离开关图像对深度学习网络进行训练，以得到隔离开关状态识别模型，以及，基于更新后的训练样本集对隔离开关状态识别模型进行优化，以及，将所述隔离开关状态识别模型下发至所述站端管理子系统；所述站端管理子系统，用于将所述隔离开关状态识别模型下发至所述边缘端数据采集及分析子系统；所述边缘端数据采集及分析子系统，用于采集隔离开关图像，基于所述隔离开关状态识别模型，确定所述隔离开关图像中是否包含与隔离开关两端连接的刀闸臂对应的两条直线，若否，则确定所述隔离开关的状态为分开状态，若是，则计算所述两条直线之间的夹角，确定所述夹角是否小于预设角度阈值，若小于，则确定所述隔离开关的状态为闭合状态，若大于，则确定所述隔离开关的状态为未合好状态。14.根据权利要求11所述的用于变电站的智能感知巡检系统，其特征在于，所述云端人工智能子系统，具体用于获取与继电器状态识别对应的训练样本集，基于所述训练样本集中的继电器图像对深度学习网络进行训练，以得到继电器状态识别模型，以及，基于更新后的训练样本集对继电器状态识别模型进行优化，以及，将所述继电器状态识别模型下发至所述站端管理子系统；所述站端管理子系统，用于将所述继电器状态识别模型下发至所述边缘端数据采集及分析子系统；所述边缘端数据采集及分析子系统，用于采集隔离开关图像，对所述继电器图像进行预处理操作，得到所述继电器图像中的目标字符，基于所述继电器识别模型，确定所述目标
字符是否为分字符，若是分字符，则确定所述继电器的状态为分开状态，其中，所述继电器识别模为最邻近分类模型。15.根据权利要求11所述的用于变电站的智能感知巡检系统，其特征在于， 所述云端人工智能子系统，具体用于获取与待检测的变电站设备对应的训练样本集，基于所述训练样本集中的设备样本图像对卷积神经网络进行训练，以得到设备缺陷识别模型，以及，基于更新后的训练样本集对设备缺陷识别模型进行优化，以及，将所述设备缺陷识别模型下发至所述站端管理子系统，其中，所述卷积神经网络包括并联的卷积模块与全连接模块，所述卷积模块包括至少一个卷积层和与所述卷积层串联的至少一个全连接层，所述全连接模块包括至少一个全连接层组成的全连接模块；所述站端管理子系统，用于将所述设备缺陷识别模型下发至所述边缘端数据采集及分析子系统；所述边缘端数据采集及分析子系统，用于获取待检测的变电站设备的目标设备图像，并将所述目标设备图像发送至所述设备缺陷识别模型，将所述目标设备图像输入至所述设备缺陷识别模型中，得到变电站设备缺陷的缺陷区域和缺陷类型。16.根据权利要求11所述的用于变电站的智能感知巡检系统，其特征在于，所述云端人工智能子系统，具体用于获取与待检测的变电站设备对应的训练样本集，基于所述训练样本集中的设备巡检图像和设备标准图像对卷积神经网络进行训练，以得到设备状态检测模型，以及，基于更新后的训练样本集对设备状态检测模型进行优化，以及，将所述设备状态检测模型下发至所述站端管理子系统；所述站端管理子系统，用于将所述设备状态检测模型下发至所述边缘端数据采集及分析子系统；所述边缘端数据采集及分析子系统，用于获取待检测电力设备的设备巡检图像以及设备标准图像，并确定所述设备巡检图像和所述设备标准图像的图像相似度，如果所述图像相似度不满足预设的设备状态正常条件，则根据所述设备巡检图像和设备标准图像确定待检测图像，将所述待检测图像输入至所述设备状态检测模型中，得到所述待检测电力设备的设备状态检测结果。17.根据权利要求11所述的用于变电站的智能感知巡检系统，其特征在于，所述云端人工智能子系统，具体用于获取与目标变电站的待检测的原始地面对应的训练样本集，基于所述训练样本集中的地面图像对全卷积神经网络及残差网络进行训练，以得到地面油污语义识别模型，以及，基于更新后的训练样本集对地面油污语义识别模型进行优化，以及，将所述地面油污语义识别模型下发至所述站端管理子系统，其中，所述地面油污语义识别模型中的模型参数基于随机权值平均方法确定；所述站端管理子系统，用于将所述地面油污语义识别模型下发至所述边缘端数据采集及分析子系统，以及，如果所述目标地面图像标注有至少一处地面油污，则生成地面油污提示信息，并展示所述地面油污提示信息；所述边缘端数据采集及分析子系统，用于获取目标变电站的待检测的原始地面图像，将所述原始地面图像输入至所述地面油污语义识别模型中，得到目标地面图像，并将所述目标地面图像发送至所述站端管理子系统。18.根据权利要求11所述的用于变电站的智能感知巡检系统，其特征在于，所述云端人
工智能子系统，具体用于获取目标变电站内的变压器呼吸器对应的训练样本集，基于所述训练样本集中的呼吸器硅胶图像和硅胶桶标注图像对构建的初始硅胶桶模型进行训练，以得到硅胶桶检测模型，以及，基于更新后的训练样本集对所述硅胶桶检测模型进行优化，以及，将所述硅胶桶检测模型下发至所述站端管理子系统，其中，所述硅胶桶标注图像中包括至少一个硅胶桶区域，所述初始硅胶桶模型基于残差网络以及自注意力模块构建；所述云端人工智能子系统，具体用于获取目标变电站内的变压器呼吸器对应的训练样本集，基于所述训练样本集中的硅胶桶标注图像和硅胶变色标注图像对构建的初始变色检测模型进行训练，以得到硅胶变色检测模型，以及，基于更新后的训练样本集对所述硅胶变色检测模型进行优化，以及，将所述硅胶变色检测模型下发至所述站端管理子系统， 其中，所述硅胶变色标注图像中包括所述硅胶桶区域中的变色区域和/或不变色区域，所述初始变色检测模型基于残差网络以及自注意力模块构建；所述站端管理子系统，用于将所述硅胶桶检测模型和所述硅胶变色检测模型下发至所述边缘端数据采集及分析子系统；所述边缘端数据采集及分析子系统，用于获取目标变电站内的变压器呼吸器的呼吸器硅胶图像，将所述呼吸器硅胶图像输入至所述硅胶桶检测模型中，确定硅胶桶标注图像，针对所述硅胶桶标注图像中的每一个硅胶桶区域，基于所述硅胶变色检测模型，对所述硅胶桶区域进行检测，确定硅胶变色标注图像。19.根据权利要求1所述的用于变电站的智能感知巡检系统，其特征在于，所述边缘端数据采集及分析子系统与所述站端管理子系统之间的数据传输以及所述站端管理子系统与所述云端人工智能子系统之间的数据传输，传输数据经过数据加密处理，并通过有线通讯方式或无线通信方式进行传输。20.一种用于变电站的智能感知巡检方法，其特征在于，应用于用于变电站的智能感知巡检系统，所述用于变电站的智能感知巡检包括边缘端数据采集及分析子系统、站端管理子系统以及云端人工智能子系统，所述站端管理子系统分别与所述边缘端数据采集及分析子系统和所述云端人工智能子系统通信连接，所述边缘端数据采集及分析子系统包括变电站部署的终端采集装置、视频跟踪装置和沉浸式显示装置，所述终端采集装置包括双目云台监控设备，所述沉浸式显示装置配置有头戴显示设备，其中，所述用于变电站的智能感知巡检方法包括：通过边缘端数据采集及分析子系统，接收所述站端管理子系统下发的巡检任务，基于所述巡检任务采集变电站中的目标巡检对象的目标巡检数据，并基于与所述目标巡检数据对应的人工智能模型对所述目标巡检数据进行边缘分析，得到巡检分析结果，并将所述目标巡检数据和所述巡检分析结果发送给所述站端管理子系统；通过所述站端管理子系统生成并下发巡检任务，以及，接收并管理所述目标巡检数据和所述巡检分析结果，以及，根据所述目标巡检数据生成与目标巡检对象对应的原始样本集，并将所述原始样本集上传至云端人工智能子系统，以及，接收云端人工智能子系统下发的人工智能模型，并将所述人工智能模型下发至所述边缘端数据采集及分析子系统；通过所述云端人工智能子系统根据原始样本集以及原始样本集对应的标注结果构建训练样本集，以及，根据训练样本集对人工智能模型进行模型训练及优化迭代，并将所述人工智能模型下发至所述站端管理子系统；其中，
通过所述双目云台监控设备采集作业现场的双目视频信息，将所述双目视频信息传输给所述视频跟踪装置；通过所述视频跟踪装置接收所述双目云台监控设备传输的双目视频信息，并对所述双目视频信息进行目标检测，确定出所述双目视频信息中的待跟踪对象，对检测出的待跟踪对象进行实时跟踪，并将所述待跟踪对象的跟踪信息突出显示于所述双目视频信息中，并将所述双目视频信息发送给所述沉浸式显示装置；其中，所述待跟踪对象包括所述作业现场的作业人员和电力设备；通过所述沉浸式显示装置接收所述视频跟踪装置发送的双目视频信息，并将所述双目视频信息，分别显示在所述头戴显示设备的左右显示器中。
技术总结
本发明公开了一种用于变电站的智能感知巡检系统及方法，涉及电力系统巡检技术领域。该系统包括：边缘端数据采集及分析子系统、站端管理子系统以及云端人工智能子系统，其中，边缘端数据采集及分析子系统用于基于巡检任务采集目标巡检数据，并基于人工智能模型对目标巡检数据进行边缘分析，得到巡检分析结果；站端管理子系统用于生成并下发巡检任务，管理巡检相关数据，生成用于训练和优化人工智能模型的原始样本集；云端人工智能子系统用于根据原始样本集训练和优化人工智能模型及下发人工智能模型。通过对变电站现有设备复用和智能化装备部署，实现对变电站的智能化及自动化巡检，节省人工运维成本，实现高质量运维。实现高质量运维。实现高质量运维。
技术研发人员：王万国 王琦 王振利 张斌 郭锐 孙志周 许荣浩 李振宇 郭修霄 刘海波 张海龙 杨月琛 张志
受保护的技术使用者：国网智能科技股份有限公司
技术研发日：2022.05.19
技术公布日：2022/6/24