基于AR技术的变电站机房的智能巡检系统及方法

摘要

本发明公开了一种基于AR技术的变电站机房的智能巡检系统及方法，包括数据处理传输端和AR终端，数据处理传输端包括5G基站、MEC边缘云、电力5G核心网和电力云，AR终端采集的信息经过5G网络，传输到MEC边缘云，由其内的智能AR系统处理，将处理结果再传回AR终端进行信息显示，AR终端包括远程协助模块、定位模块、设备状态识别模块、数据管理模块以及智能巡检模块，将采集的信息传输给数据管理模块，数据管理模块根据采集的信息和历史数据信息，并结合电力巡检操作规程指定巡检计划；本发明使用AR技术，利用云端完成数据计算，利用5G完成数据的传输，能够减少网络延迟，提供数据存储能力和计算分析能力，有效节省人力和时间成本，提高工作效率和电力安全生产水平。

说明书

技术领域：

本发明涉及变电站机房巡检技术领域，特别是涉及一种基于AR技术的变电站机房的智能巡检系统及方法。

背景技术：

随着信息技术水平的不断提高，AR技术、5G技术，云计算技术等得到了迅速的发展，为我国各行各业的发展都提供了有力的技术支撑。在电力行业中，变电站机房的如何能高效地实现智能巡检一直都是热点的研究问题。并且随着电力系统设备的不断增加，给运维人员的工作管理带来的极大的挑战。虽然AR技术在变电站巡检中有一定的应用，但由于受到数据计算和数据传输方面的局限性，存在着网络延迟、数据存储和处理方面等问题一直没有得到很好的解决。同时，利用AR技术进行巡检中，传统的巡检方法是按照一成不变的路径和思路进行巡检，缺乏效率性，不能对一些关键设备的信息进行动态检查和巡检，可能造成不能及时发现设备隐患，进而已发电力生产的安全事故。

发明内容：

本发明所要解决的技术问题是：克服现有技术的不足，提供一种使用AR技术，依靠AR终端设备完成变电站内设备信息图像的采集，通过5G上传至部署的云端，在云端对数据进行智能分析，能够有效的节省人力成本、时间成本和提高工作效率的基于AR技术的变电站机房的智能巡检系统及方法。

本发明的技术方案是：一种基于AR技术的变电站机房的智能巡检系统，包括数据处理传输端和AR终端，其特征是：所述数据处理传输端和AR终端通过无线双向连通，AR终端包括远程协助模块、定位模块、设备状态识别模块、数据管理模块以及智能巡检模块，所述远程协助模块、定位模块和设备状态识别模块与所述数据管理模块连接，所述数据管理模块与所述智能巡检模块连接，所述数据处理传输端包括5G基站，MEC边缘云、电力5G核心网和电力云，所述AR终端通过所述5G基站的中转与所述MEC边缘云连通，所述MEC边缘云通过所述电力5G核心网与所述电力云连通；远程协助模块包括远程会诊、远程培训、新技术信息推送子模块，将进行远程协助的内容进行备份上传给所述数据管理模块；所述设备状态识别模块包括设备台账信息、设备运维检修记录、设备内部结构、技术参数、工作原理等设备信息，还包括状态识别模块。

进一步的，所述MEC边缘云采用传统的LaaS，PaaS，SaaS的分层式架构，边缘基础设施层采用轻量级的架构。

一种基于AR技术的变电站机房的智能巡检方法，其特征是：步骤一、通过AR终端内的设备状态识别模块对变电站机房设备状态信息进行采集，并通过5G网络与部署在MEC边缘云的智能AR系统进行对接；

步骤二、智能AR系统根据接收到的设备状态信息和历史数据信息，并结合电力巡检操作规程指定巡检计划进行处理，并把处理结果返回AR终端内的数据管理模块，由数据管理模块将巡检实时路线下发给智能巡检模块进行显示；

步骤三、人员根据显示画面获得相应的指导，执行该次巡检计划；

步骤四、在巡检中，通过AR终端通过远程会诊、远程培训和新技术信息推送获取远程协助，同时将进行远程协助的内容在内部数据管理模块进行备份；

步骤五、AR终端中的定位模块对其位置进行实时精确定位，并辅助记录在巡检过程中需要重点标注和关注的仪器设备的位置，及时给出最优的巡检路线，并对巡检计划进行更新。

进一步的，设备状态信息包括设备信息和状态信息，设备信息包括设备台账基本信息、设备运维检修记录、设备内部结构、技术参数、试验参数和工作原理，状态信息则通过状态识别模块来实现。

进一步的，所述状态识别模块为在变电站机房进行巡检时，对变电站中机房的压板、空气开关、指示灯和设备仪表、温湿度信息进行自动批量识别，对于异常的信息进行提前预警，并能记录设备温湿度、仪表的数值，并进行储存，在云端对每次记录的数据进行分析并绘制数据变化趋势图，对可能出现的设备数据异常进行提前预警。

进一步的，所述状态信息的获取，按照以下步骤进行：

步骤1：开关图像采集，利用摄像头采集空气开关等设备图像信息, 将图像进行处理之后，再经解码芯片和笛卡儿坐标采样法二次处理, 根据数字视频标准, 将信号转换为数字色差信号然后再进行数字信号进行处理；

步骤2：开关图像定位，考虑到采集到图像周围可能有干扰物的存在，为减少干扰因素，提高图像识别效果, 采用图像配准领域的尺度不变特征变换算法对采集的图像进行定位；

步骤3：开关图像进行灰度化和二值化处理，为提高计算效率，首先将24位彩色图像转化为灰度图像, 同时，对于YUV格式图片，采用提取Y分量，忽略UV分量的方法，将亮度值作为图像的灰度值，进而实现图像的灰度化；然后设置二值化全局阈值, 即拿灰度化后的图像像素点的灰度值与阈值进行大小比对, 小于阈值的设置灰度为0, 反之为255，完成二值化处理；

步骤4：开关开合识别，应用霍夫变换算法对处理后的设备信息图像进行直线检测识别, 根据检测到直线的位置，来确定设备开关信息的状态。

进一步的，历史数据信息为储存在数据管理模块中的远程协助模块、定位模块、设备状态识别模块和智能巡检模块每次采集使用的数据。

进一步的，MEC边缘云上的5G UPF提供分流功能，根据用户配置，把一定范围内的设备状态信息经电力5G核心网传输到电力云终端进行数据处理的存储，电力云对边缘云内部的全部数据进行储存备份，并进行高级的AR渲染和AI训练。

进一步的，远程协助的实现通过控制类模块和逻辑类模块来实现，逻辑类模块用于远程协助中邀请用户请求协助、专家远程接收并协助、新技术信息推送邀请用户协助的实现，控制类模块用于远程协助中远程专家信息获取、远程专家的选择、远程专家的接收的实现。

进一步的，在进行远程专家会诊、培训和新技术信息推送远程协助时，远程协助信息传送到AR终端中的数据管理模块对其进行备份和数据分析处理，若后续有相同的远程协助需求，直接从数据管理模块中调取相应的远程协助信息进行推送。

本发明的有益效果是：

1、本发明使用的AR技术，依靠AR终端设备完成变电站内设备信息图像的采集，通过5G上传至部署的云端，在云端对数据进行智能分析，能够有效的节省人力成本、时间成本和提高工作效率。

2、本发明利用5G技术进行数据传输，AR终端采集的数据信息的计算分析在云端进行，能够有效减少网络延迟，提升数据存储能力，提高数据计算分析能力，为利用AR技术进行智能巡检提供了技术支撑。

3、本发明利用AR技术完成设备状态信息的采集和分析，包括历史数据和变电站内设备的状态参数，通过数据分析结合设备的定位信息，能自动生成智能巡检路线，显著的提高运维人员对仪器设备进行重点巡检的效率，进而提高电力安全生产水平。

附图说明：

图1 本发明的网络传输结构示意图。

图2 本发明的AR终端结构示意图。

具体实施方式：

实施例：参见图1和图2，图中，1-AR终端，2- MEC边缘云，3-电力云，4-5G网络，5-5G核心网，11-远程协助模块，12-定位模块，13-设备状态识别模块，14-数据管理模块，15-智能巡检模块。

基于AR技术的变电站机房的智能巡检系统及方法，包括数据处理传输端和AR终端，数据处理传输端包括5G基站，MEC边缘云、电力5G核心网和电力云，AR终端采集的信息经过5G网络，传输到MEC边缘云，在MEC边缘云的部署的智能AR系统负责信息的处理，然后将处理的结果再传输会AR终端，进行信息显示，根据电力用户配置，选择是否把数据经电力5G核心网传输到电力云终端进行数据的存储， AR终端包括远程协助模块、定位模块、设备状态识别模块、数据管理模块以及智能巡检模块，远程协助模块、定位模块和设备状态识别模块将采集的信息传输给数据管理模块，数据管理模块根据其采集的数据信息和历史数据信息，并结合电力巡检操作规程指定巡检计划，并将计划下发给智能巡检模块，执行该次巡检计划；本发明使用AR技术，利用云端完成相关的数据计算，利用5G完成数据的传输，能够减少网络延迟，提供数据存储能力和计算分析能力，有效节省人力和时间成本，提高工作效率和电力安全生产水平。

下面结合附图和实施例对本申请进行详细描述。

如图1所示，一种基于AR技术的变电站机房的智能巡检系统及方法，包括 AR终端1，网络传输介质5G网络 4，MEC（Mobile Edge Computing）边缘云2，5G核心网5，电力云3.在本实施例中，在对变电站的机房进行巡检的时候，运维巡检人员通过在现场佩戴AR终端1，例如AR眼睛等设备实现对变电站机房设备信息的采集，并通过5G网络4等接入方式，与部署在MEC边缘云2的智能AR系统进行对接，数据将会传送到MEC边缘云2上的智能AR系统进行处理，并通过人工智能计算、分析并得出结论，信息经过AR处理后返回并显示在AR终端1设备上，运维巡检人员可以根据显示画面获得相应的指导，实现协作和辅助的功能。MEC边缘云2上的5G UPF同时提供分流能力，可根据用户配置处理数据是否传输至电力云3。智能AR系统的中心云部署在国网公司建设的的5G核心网5侧，对经过分流处理后抵达的数据进行处理，并提供对边缘云及其基础设施、Paas、应用的管理。MEC边缘云2采用传统的LaaS，PaaS，SaaS的分层式架构，边缘基础设施层采用轻量级的架构，提供给AR智能系统的计算、存储与网络加速能力。电力云3提供计算和管理两个功能，计算功能同样采用云计算的三层架构，提供较边缘云更高级的处理能力，以处理边缘云由于轻量级架构可能不满足的较高要求的计算能力。同时，电力云3还可以为数据提供集中存储备份的功能，如果边缘云处理过程中出现故障或损坏等情况，存储在电力云3的数据不会丢失。

在本实施例中，图1具体阐述了AR智能终端在云端对数据处理的方案，图2将具体阐述在AR终端如何实现在变电站机房的智能巡检。如图2所示，在AR终端1主要包括远程协助模块11，定位模块12，设备状态识别模块13，数据管理模块14以及智能巡检模块15。远程协助模块11主要通过AR终端实现远程会诊、远程培训、新技术信息推送等功能，同时将进行远程协助的内容进行备份上传给数据管理模块。在远程协助功能模块11中主要通过设计控制类模块和逻辑类模块来实现，在逻辑类模块中的通过设计邀请用户请求协助，专家远程接收并协助，新技术信息推送邀请用户协助等，而控制类模块主要控制实现远程专家信息获取、远程专家的选择、远程专家的接收等功能。在进行远程专家会诊、培训和新技术信息推送等活动时，这些信息可以传送到数据管理模块14，并对其备份和数据分析处理，如果将来有类似的技术需求，可直接推送关键技术指导，提高处理缺陷的效率和人力成本。在本实施例中，定位模块12主要是对AR终端的实时位置进行精确的定位，并辅助记录在巡检过程中需要重点标注和关注的仪器设备的位置，以方便能及时给出最优的巡检路线，比如，上次出现异常的设备，在下次巡检过程中，会进行重点的指引，以免错漏。对于变电站机房内的设备状态信息，通过设备状态识别模块13进行识别，识别的信息主要分为设备信息和状态信息，设备信息主要包括设备台账基本信息、设备运维检修记录、设备内部结构、技术参数、试验参数，工作原理等设备信息，而状态信息则通过状态识别模块来实现。状态识别模块主要是在变电站机房进行智能巡检时，对变电站中机房的压板、空气开关、指示灯和设备仪表、温湿度等信息能过进行自动批量识别，对于异常的信息进行提前预警，并能记录设备温湿度、仪表的数值，并进行储存，在云端对每次记录的数据进行分析并绘制数据变化趋势图，对可能出现的设备数据异常进行提前预警。在本实施例中，对与压板等进行识别时，按照以下步骤进行：

步骤1：开关图像采集，利用摄像头采集空气开关等设备图像信息, 将图像进行处理之后，再经解码芯片和笛卡儿坐标采样法二次处理, 根据数字视频标准, 将信号转换为数字色差信号然后再进行数字信号进行处理；

步骤2：开关图像定位，考虑到采集到图像周围可能有干扰物的存在，为减少干扰因素，提高图像识别效果, 采用图像配准领域的尺度不变特征变换算法对采集的图像进行定位；

步骤3：开关图像进行灰度化和二值化处理，为提高计算效率，首先将24位彩色图像转化为灰度图像, 同时，对于YUV格式图片，采用提取Y分量，忽略UV分量的方法，将亮度值作为图像的灰度值，进而实现图像的灰度化；然后设置二值化全局阈值, 即拿灰度化后的图像像素点的灰度值与阈值进行大小比对, 小于阈值的设置灰度为0, 反之为255，完成二值化处理；

步骤4：开关开合识别，应用霍夫变换算法对处理后的设备信息图像进行直线检测识别, 根据检测到直线的位置，来确定设备开关信息的状态。

尺度不变特征算法是一种通过将图像生成尺度空间，然后通过寻找图像中的极值点和关键点，并计算出气关键点的方向和模值，然后与采集到图像的特征向量进行匹配的精准图像匹配算法。

霍夫变换是根据图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法。该方法可以把不连续的像素边缘点连接起来, 以达到直接检测已知形状的目的。

在本实施例中，为了使每次采集的数据能高效的利用起来，将远程协助模块11、定位模块12，设备状态识别模块13和智能巡检模块15每次采集使用的数据都将再次回传给数据管理模块14，这些数据将经过筛选分析，通过5G网络上传到云端，在云端结合历次设备仪器的历史数据、运维人员数量等因素计算并生成机房巡检路线，然后下发给数据管理模块14，由数据管理模块14将巡检实时路线下发给智能巡检模块15，指导运维人员进行变电站机房的巡检，实现高效率的智能巡检。同时，每次巡检记录的数据将上传云端，进行备份和记录，在下次巡检中，作为历史数据为智能巡检路线和方案的制定提供数据支撑。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。