直流换流站运维监控系统智能机器人设计方法
随着我国智能电网建设的快速发展，电网中各类电气设备的自动化程度越来越高，少人值守甚至无人值守的变电站将越来越多。然而，直流换流站设备数量巨大，控制系统和辅助系统十分复杂，因此，少人值守模式的发展势必依赖更加智能化的监控系统。
国网湖南省电力公司检修公司、长沙理工大学电气与信息工程学院的研究人员朱添益、戴逢哲、康文、毛志平、周展帆，在2020年第2期《电气技术》杂志上撰文，提出了一种适用于直流换流站运维监控系统的智能机器人设计方法，基于数据识别技术对智能扫描技术采集运维监控系统中的事件报警信息并进行分类，提取关键特征，通过云技术实现关键信息的通信。案例分析证明了本文所提方法的有效性。
近年来，随着我国智能电网的快速发展，电网中各类设备的自动化程度越来越高，为减少一线工作人员的工作强度、降低人力成本及发展“少人值守”变电站运行方式提供了必要基础。然而，超高压直流换流站与常规交流变电站存在着显著区别，前者设备类型多，数量大，控制系统和辅助系统十分复杂。可见，电网公司推进直流换流站“少人值守”的工作方式必须依赖其自动化、智能化水平的进一步发展。
直流换流站发挥着大电网可靠互联及大规模可再生能源外送的作用，是电网安全稳定运行的重要保障。因此，上级调度部门及电网管理者对直流换流站内设备的运行状态，尤其对站内设备缺陷、事件报警信息及故障处理情况尤为重视。
然而，上级管理者对设备运行关键信息的获取途径有限，不利于及时、准确掌握设备的实时运行状态。通常仍需直流换流站运行人员向本单位或上级管理部门负责人电话汇报各类故障信息及故障处理进度，这在一定程度上影响了事故处理速度，对电网可靠运行造成一定影响。
通过对国家电网公司某直流换流站的运行、维护现状调研发现：
1）直流换流站内的运行监控系统具有监控和报警功能，但对“故障/异常”处理过程的信息查询、分析、决策与实施完全依靠运行人员的经验知识，缺乏故障处理方案的辅助决策功能。
2）直流换流站各类异常报警信息种类繁多，现有监控系统并不具备信息筛选功能，事故处理方案的制定过程易受无效或低价值故障信息的影响。
3）直流换流站的上级调度部门及相关管理者对于站内“故障/异常”信息、处理进度的了解相对滞后，不利于直接管理层对直流换流站运行的宏观把握。
因此，设计并研发具有智能监测、智能分析和辅助决策功能的“监控系统智能机器人”，是直流换流站安全运行的重要保障措施，并且其对于提高直流换流站智能化水平、最终实现“少人值守”运行、优化基层企业科学化管理具有重要意义。
本文设计了“监控系统智能机器人”的基本结构框架，并详细分析了与之相关的关键技术，再通过具体案例验证了设计方案的可行性。
1 监控系统智能机器人的结构框架
1.1 整体框架
监控系统智能机器人的原理为：①通过智能识别技术采集直流换流站运维监控系统的故障/事件信息（智能获取），并基于数据识别技术对事件信息进行分类（智能识别），提取关键知识，实现智能报警功能；②经过云处理技术实现数据通信，通过故障信息分析系统制定故障处理预案；③采用云处理技术将故障信息分析系统的处理建议发送至手机客户端，为运行人员及管理者提供相关的决策参考。监控系统智能机器人硬件结构如图1所示。
1.2 机器手臂设计技术
直流换流站监控系统智能机器人的视觉扫描功能是通过一个机器手臂设计实现的，其硬件结构如图2所示。机器手臂本身有6个自由度，分别由手臂Ⅰ段、手臂Ⅱ段、手臂Ⅲ段组成；快速扫描摄像头被安装在机器手臂末端；机械手臂Ⅰ段底部被安装在金属底座上，其内部为控制硬件系统。在智能识别过程中，快速扫描摄像头能够迅速以图片形式记录显示屏的主要信息，将其传输至底座内的控制硬件系统，然后进行图像信息分析处理。
图1 监控系统智能机器人硬件结构
图2 机械手臂硬件结构图
2 监控系统智能机器人的关键技术
智能识别技术主要分为“快速扫描摄像头”采集关键信息和“控制硬件系统”分析信息两项。其中，控制硬件系统的最重要任务是对扫描到的故障/异常信息图片进行分析。系统测试过程中的某次故障/异常信息扫描原图如图3所示。
图3中所采集图片的信息包括拍摄图片原框、应用软件边框、红色告警信息和黄色告警信息。智能识别的关键便是对红色告警信息的获取与分析及对其他无用信息的删减。
图3 某次故障/异常信息扫描原图
2.1 关键信息的定位
关键信息定位是智能识别的基础，即从拍摄图片中定位有用信息，将复杂干扰信息进行分割，剔除无效信息（包括拍摄图片边框、应用软件边框和黄色告警信息）。在完成关键信息定位后，字符分割和识别功能才能够最终实现。具体步骤如下。
1）采用色度的差异性特征提取关键信息。如 图3中所示的红色告警信息与其他信息色彩存在较大差异，且范围较大，因此凭借该特征能够快速甄别“有用”与“无用”信息。
2）信息扫描原图的二值化处理。控制硬件系统采用最大类间方差法选取合适的阈值。若t为阈值，则依据t值将字符和红色背景进行分割，此时字符的像素个数占“信息扫描源图”比例为w1，平均灰度为u1。红色背景像素个数占“信息扫描源图”的比例为w2，平均灰度为u2，因此，“信息扫描源图”的平均灰度为
公式（1）
字符、数字和红色背景之间的方差为
公式（2）
当方差g取得最大值时，所需信息和红色背景的灰度差值是最大的、也是最为理想的灰度阈值。可以选择t作为“信息扫描原图”二值化的阈值，将“信息扫描原图”中灰度值小于t的像素灰度值设为0，将灰度值大于t的像素灰度值设为1。
2.2 关键信息的识别
关键信息识别就是将处理后的字符图片信息加工为信息匹配可用的字符信息，以方便“监控系统智能机器人”对关键信息进行编译加工。一般情况下，报警信息中的字符主要为数字和英文字母。因此，首先提取待识别数字和英文字母的特征信息，利用相应的算法对提取特征进行分析归类，然后找到与待识别字符特征相近的数字和英文字母。具体关键信息识别流程如图4所示。
图4 关键信息识别流程图
1）对数字和字母的特征提取。“监控系统智能机器人”采用左右轮廓特征的方法对数字和字母进行初步分类，然后通过密度特征对其细分。该方法的提取模型为
公式（3）
式中：left(t)、right(t)分别为字符图像第i行最左侧与最右侧边界点的位置；l_border、r_border分别为字符图像左、右两侧的边界。因此，可以将数字和字母扫描取样后，计算得到字符特征。
2）数字和字母的特征匹配。“监控系统智能机器人”的数据库已为每一个字符建立了一个标准模板，识别数字和字符后仅需对其逐个比较，根据相似度来决定待识别字符的信息即可。本系统采用欧式距离法，其基本原理为
公式（4）
式中：x、y分别为不同信息序列；d(x, y)为x和y之间的距离。
2.3 特征信息的匹配技术
完成识别关键字母和字符后，应对其所传递的关键信息进行“翻译”，以便直流换流站运行人员能够理解其真实信息。本系统中采用提取信息与故障数据库信息匹配的方式，通过关联模型将两者的因果关系按照大概率事件的模式展现出来。
其中，事件知识模型是从对象库中提取信息，将知识库中已经存储的各种可能的事件与“监控系统智能机器人”识别的信息按照因果关系表示出来。基于因果关系的故障信息匹配技术流程如图5所示。
图5 基于因果关系的故障信息匹配技术流程图
3 监控系统智能机器人的运行流程
监控系统智能机器人的总程序流程如图6所示。其中，由图2所示的“控制硬件系统”完成采集故障图片，并在上位机中接受该信息，然后完成故障图像处理及关键字符提取。
值得注意的是：①所采集的故障图片经过关键字符提取后可能出现重复现象，因此必须进行检测重复判断，若存在重复，则继续采集图片，否则保存并编码；②将提取关键信息与系统数据库中已有知识相匹配，并对故障类别作出判断；③给出数据库中已有的决策方案，实现对故障信息的智能采集与智能决策。
图6 总程序流程图
4 案例分析
以某特高压直流换流站内运行人员模拟系统进行系统性测试。通过“监控系统智能机器人”捕捉图片并处理后的数据信息见表1。提取故障日期和时间、事件点组、事件记录等信息，依据“AC Yard；WA.Z1.Q2 SF6 Pressure Faulty 1”及“AC Yard；WA.Z1.Q2 SF6 Pressure Faulty 2”等信息进行检索，发现数据库中已有故障典型案例。最后，翻译发送事件报文“5612开关SF6压力等级1、2报警。”
表1 事件描述信息重新构建
5 结论
本文提出了一种直流换流站监控系统智能机器人的设计方法，提出了机械手臂设计、智能定位和智能识别等关键技术，并介绍了系统的具体工作流程。相关研究成果适用于直流换流站内的“运维人员工作站”监控自动化程度的提升，特别对“少人值守、运维一体化”的换流站十分适用。
同时，本文提出的数据采集分析算法及图像模糊识别技术，具有良好的推广价值，能够应用于机器人、城市交通信号识别和智能家居等多个领域。今后将继续对软件系统进行优化，并对工程应用展开深入研究。