一种基于AR技术的数字化变电站计量运检辅助方法与流程

本发明涉及一种基于ar技术的数字化变电站计量运检辅助方法，属于变电站巡检方法技术领域。

背景技术：

数字化（智能）变电站，由于采用光纤数字化通讯，整个计量装置相比传统变电站，相关设备及运检维护工作已经发生较大变化，当前计量专业人员面临诸多困难。目前，少数企业仍停留在以人工的方式方法登记、统计设备信息来进行管理工作的状态，部分企业正在使用较高级的电子pda手持设备进行巡检，这就会造成以下几个问题：

（1）出现漏检，巡检过程工作量非常巨大，设备漏检及数据管理差错缺失不可避免；

（2）数据实时性差，巡检人员无法实时获得巡检标准信息，更难定位缺陷，管理部门无法及时得到巡检的统计分析结果，不能保证管理的准确性和连贯性；

（3）数据孤立，缺乏关联，巡检过程中产生大量数据，但是巡检数据孤立，没有智能化关联分析，不能有效的预防式管理安全隐患；

（4）人员素质要求过高，随着数字化（智能）变电站的普及，电力运检难度进一步加大，对现场运检人员专业知识要求更高，使运检人工成本提高和错误率增加。

技术实现要素：

本发明要解决的技术问题是：提供一种基于ar技术的数字化变电站计量运检辅助方法，实现自动采集信息并处理给出故障诊断和排查意见、辅助运检人员检查参数信息并上传后台分析出结果和检查信息汇总后台便于管理人员查看。解决了因数字化（智能）变电站采用光纤数字化通讯，整个计量装置相比传统变电站，相关设备及运检维护工作已经发生较大变化导致当前计量专业人员面临诸多的困难，改变当前计量巡检工作方式，辅助计量人员完成工作，提升安全主动警示，规范了现场操作和数据汇总，提高计量运检效率。

本发明采取的技术方案为：一种基于ar技术的数字化变电站计量运检辅助方法，该方法为：工作人员在数字化变电站运检过程中，穿戴ar智能眼镜，通过采集现场设备二维码、现场设备照片和视频、现场设备参数和工作人员语音信息发送至手机运检app终端离线分析，或手机运检app终端上传至web后台系统进行网络云分析得出解决方案，再下发指令到ar智能眼镜指导工作人员进行故障处理和下一步运检工作。

工作人员穿戴的ar智能眼镜和手机运检app终端通过有线连接方式，手机运检app终端用于供电和书籍传输，实现数据信息交互，减少无线连接数据传输的延迟问题和数字化变电站信号弱问题；有线连接方式还让智能手机充当ar智能眼镜的电源功能，解决了眼镜自带电池穿戴沉重问题和电池发热影响用户体验问题；ar智能眼镜用于指导工作人员运检工作通过语音下达指令和眼镜投射手机运检app端界面。

采集设备图片分析故障：采集设备图片分析故障：采集至少5000张设备上的目标样本图片，包括所有故障图片和正常情况图片，进行数据清洗和框选类别标注，利用图像以及标注框训练yolo深度神经网络模型，模型训练完成后对运维现场传来的图像进行运维设备上目标的检测，给出目标包围框，根据常见运维故障及运维数据和经验，建立专家知识库进行存储，再通过计算机语言和逻辑判断将各类故障编码和解决方案建立数据映射，手机运检app终端离线分析采集图片的设备故障是将训练后的图像识别库下载到app中，在app本地素材库里找到配置文件进行解析，然后进行向导式的故障运维知识指导和流程跳转，若本地没有素材，则去云端下载更新到本地服务器，采集到的数字化变电站内互感器、采集单元、合并单元、交换机、电能表、测试仪器的图片，找出故障所在。

深度神经网络检测模型在训练阶段，深度网络在三种不同的尺度上进行检测，对于输入图像，先归一化到416×616的大小，深度网络在三个尺度等级上进行预测，深度网络是通过分别将输入图像的尺寸下采样32、16和8倍精确地给出，网络的基本组件为卷积、批量归一化和带泄露的截断线性单元，第一次检测由第82层进行，图像由网络前81层下采样，得到13×13×255的检测特征图，然后，来自层79的特征经过几个卷积层2倍上采样到26×26的大小并且与来自层61的特征映射深度连接产生26×26×255的检测特征图，进行第二次检测，第三次检测在第106层进行，采用第二次检测方法得到特征图的尺寸为52×52×255。

运维对象的故障诊断：app扫描设备条形码开始工单排查，后台接口收到app上传图像识别通知，接口上传的信息包括：客户端及其链路socketid、图片信息和检测类别；后台接口调用图像识别检测动态库，传递需要检测的图片信息及检测类别，图像检测动态里根据故障检测模型detectconfig.xml找到相应检测场景下的方法method做处理，异步回调返回结果；回调返回结果：图像识别检测动态库检测出结果会保存更新至结构体，在yolo检测算法进程里调用java回调函数返回结构体；结构体中包含每次检测的结果。

采集语音信息为：工作人员在完成一项检测任务后，系统询问该项任务是否完成，工作人员通过语音与ar眼镜实施交互执行到下一步检测工作，省去在手机运检app端的操作，以解放双手给现场工作提供便利。在无网络情况下，识别工作人员的语音指令是通过与安装在手机运检app中的语音包进行比对识别，或将语音发送至web后台系统通过云端语音库识别语音指令，在云端识别时识别度会更高。

一种基于ar技术的数字化变电站计量运检辅助方法，具体步骤如下：

步骤（a），工作人员来到运检现场后通过手机运检app端登录个人用户信息；

步骤（b），ar智能眼镜通过语音和影像投射先提醒工作人员做好测试前准备和安全预警（包括哪些危险点分析）；

步骤（c），工作人员穿戴ar智能眼镜扫描待测现场设备二维码，设备信息和待测工作显示在手机运检app端上并将影像投射至ar智能眼镜显示端；

步骤（d），在ar眼镜语音提示下拍摄设备外观照片发送至手机运检app端并上传web后台系统进行图像分析出故障后，指导现场工作人员进行处理；

步骤（e），处理完上一步骤后，ar眼镜指导工作人员进行设备参数检查，在步骤提示下工作人员将工频实验电压、持续时间、比差、角差的设备参数值通过语音或手机输入方式采集到手机运检app中再上传至web后台系统，web后台系统将采集到的参数值与正确标准值做比对分析是否正确，若有误，通过反向推理的方式确定故障所在并指导现场工作人员去处理故障点；

步骤（f），在完成测试后，语音输入“测试结束”，ar眼镜会提示整理好现场设备，在整理完成后离开现场。

步骤（b）测试前准备为工作员在开始检查测试前将本次检测的任务分工、验收内容、进度要求、作业标准、安全注意事项通过ar眼镜语音提示和影像投射告知。

步骤（b）安全预警为揉合在运检过程步骤里的：扫描某个设备二维码开始检查工作时，巡检步骤里提示有哪些设备和端子不能动，以及按键不能操作，不进行测距，只是提示安全距离、操作安全和周边环境安全。

步骤(c)获取设备信息为通过导入某个变电站里的icd形成scd，或者直接导入scd文件，解析scd文件后，建立计量设备（mu、电表、测控、互感器）的信息台账，保存虚端子信息入库（需要在web端和app端在线或离线都需要展示虚端子图），再通过二维码信息将待检测设备匹配到该设备信息下。

本发明的有益效果：与现有技术相比，本发明实现自动采集信息并处理给出故障诊断和排查意见、辅助运检人员检查参数信息并上传后台分析出结果和检查信息汇总后台便于管理人员查看，解决了因数字化（智能）变电站采用光纤数字化通讯，整个计量装置相比传统变电站，相关设备及运检维护工作已经发生较大变化导致当前计量专业人员面临诸多的困难，改变当前计量巡检工作方式，辅助计量人员完成工作，提升安全主动警示，规范了现场操作和数据汇总，提高计量运检效率。

附图说明

图1为本发明系统框图。

图2为本发明ar眼镜机构示意图。

图3为本发明流程示意图。

具体实施方式

下面结合附图及具体的实施例对本发明进行进一步介绍。

实施例1：如图1-3示，一种基于ar技术的数字化变电站计量运检辅助方法，该方法为：工作人员在数字化变电站运检过程中，穿戴ar智能眼镜，通过采集现场设备二维码、现场设备照片和视频、现场设备参数和工作人员语音信息发送至手机运检app终端离线分析，或手机运检app终端上传至web后台系统进行网络云分析得出解决方案，再下发指令到ar智能眼镜指导工作人员进行故障处理和下一步运检工作。

工作人员穿戴的ar智能眼镜和手机运检app终端通过有线连接方式，手机运检app终端用于供电和书籍传输，实现数据信息交互，减少无线连接数据传输的延迟问题和数字化变电站信号弱问题；有线连接方式还让智能手机充当ar智能眼镜的电源功能，解决了眼镜自带电池穿戴沉重问题和电池发热影响用户体验问题；ar智能眼镜用于指导工作人员运检工作通过语音下达指令和眼镜投射手机运检app端界面。

采集设备图片分析故障：采集设备图片分析故障：采集至少5000张设备上的目标样本图片，包括所有故障图片和正常情况图片，进行数据清洗和框选类别标注，利用图像以及标注框训练yolo深度神经网络模型，模型训练完成后对运维现场传来的图像进行运维设备上目标的检测，给出目标包围框，根据常见运维故障及运维数据和经验，建立专家知识库进行存储，再通过计算机语言和逻辑判断将各类故障编码和解决方案建立数据映射，手机运检app终端离线分析采集图片的设备故障是将训练后的图像识别库下载到app中，在app本地素材库里找到配置文件进行解析，然后进行向导式的故障运维知识指导和流程跳转，若本地没有素材，则去云端下载更新到本地服务器，采集到的数字化变电站内互感器、采集单元、合并单元、交换机、电能表、测试仪器的图片，找出故障所在。

深度神经网络检测模型在训练阶段，深度网络在三种不同的尺度上进行检测，对于输入图像，先归一化到416×616的大小，深度网络在三个尺度等级上进行预测，深度网络是通过分别将输入图像的尺寸下采样32、16和8倍精确地给出，网络的基本组件为卷积、批量归一化和带泄露的截断线性单元，第一次检测由第82层进行，图像由网络前81层下采样，得到13×13×255的检测特征图，然后，来自层79的特征经过几个卷积层2倍上采样到26×26的大小并且与来自层61的特征映射深度连接产生26×26×255的检测特征图，进行第二次检测，第三次检测在第106层进行，采用第二次检测方法得到特征图的尺寸为52×52×255。

运维对象的故障诊断：app扫描设备条形码开始工单排查，后台接口收到app上传图像识别通知，接口上传的信息包括：客户端及其链路socketid、图片信息和检测类别；后台接口调用图像识别检测动态库，传递需要检测的图片信息及检测类别，图像检测动态里根据故障检测模型detectconfig.xml找到相应检测场景下的方法method做处理，异步回调返回结果；回调返回结果：图像识别检测动态库检测出结果会保存更新至结构体，在yolo检测算法进程里调用java回调函数返回结构体；结构体中包含每次检测的结果。

采集语音信息为：工作人员在完成一项检测任务后，系统询问该项任务是否完成，工作人员通过语音与ar眼镜实施交互执行到下一步检测工作，省去在手机运检app端的操作，以解放双手给现场工作提供便利。在无网络情况下，识别工作人员的语音指令是通过与安装在手机运检app中的语音包进行比对识别，或将语音发送至web后台系统通过云端语音库识别语音指令，在云端识别时识别度会更高。

变电站巡检是保证变电站安全运行，提高供电可靠性、安全性的一项基础工作。目前ar技术与变电站巡检能够做到可靠性与安全性统一，ar头盔相当于照相机、摄像机、对话机、红外测温仪、测距仪、手机、移动作业设备等一系列设备，通过ar设备开展变压器检修，已实现输变配设备状态信息全景展示与运行维护操作动态交互，一方面通过可视化的路径规划，能提高检修维护的标准化操作水平，大幅降低安全生产的隐患；另一方面通过远程实时通讯与即时后台咨询，可显著提高检修的工作效率。

一种基于ar技术的数字化变电站计量运检辅助方法，具体步骤如下：

步骤（a），工作人员来到运检现场后通过手机运检app端登录个人用户信息；

步骤（b），ar智能眼镜通过语音和影像投射先提醒工作人员做好测试前准备和安全预警（包括哪些危险点分析）；

步骤（c），工作人员穿戴ar智能眼镜扫描待测现场设备二维码，设备信息和待测工作显示在手机运检app端上并将影像投射至ar智能眼镜显示端；

步骤（d），在ar眼镜语音提示下拍摄设备外观照片发送至手机运检app端并上传web后台系统进行图像分析出故障后，指导现场工作人员进行处理；

步骤（e），处理完上一步骤后，ar眼镜指导工作人员进行设备参数检查，在步骤提示下工作人员将工频实验电压、持续时间、比差、角差的设备参数值通过语音或手机输入方式采集到手机运检app中再上传至web后台系统，web后台系统将采集到的参数值与正确标准值做比对分析是否正确，若有误，通过反向推理的方式确定故障所在并指导现场工作人员去处理故障点；

步骤（f），在完成测试后，语音输入“测试结束”，ar眼镜会提示整理好现场设备，在整理完成后离开现场。

步骤（b）测试前准备为工作员在开始检查测试前将本次检测的任务分工、验收内容、进度要求、作业标准、安全注意事项通过ar眼镜语音提示和影像投射告知。

步骤（b）安全预警为揉合在运检过程步骤里的：扫描某个设备二维码开始检查工作时，巡检步骤里提示有哪些设备和端子不能动，以及按键不能操作，不进行测距，只是提示安全距离、操作安全和周边环境安全。

步骤(c)获取设备信息为通过导入某个变电站里的icd形成scd，或者直接导入scd文件，解析scd文件后，建立计量设备（mu、电表、测控、互感器）的信息台账，保存虚端子信息入库（需要在web端和app端在线或离线都需要展示虚端子图），再通过二维码信息将待检测设备匹配到该设备信息下。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应以所述权利要求的保护范围为准。