近年來，隨著我國智能電網的快速發展，電網中各類設備的自動化程度越來越高，為減少一線工作人員的工作強度、降低人力成本及發展“少人值守”變電站運行方式提供了必要基礎。然而，超高壓直流換流站與常規交流變電站存在著顯著區別，前者設備類型多，數量大，控制系統和輔助系統十分復雜?？梢姡娋W公司推進直流換流站“少人值守”的工作方式必須依賴其自動化、智能化水平的進一步發展。

直流換流站發揮著大電網可靠互聯及大規模可再生能源外送的作用，是電網安全穩定運行的重要保障。因此，上級調度部門及電網管理者對直流換流站內設備的運行狀態，尤其對站內設備缺陷、事件報警信息及故障處理情況尤為重視。

然而，上級管理者對設備運行關鍵信息的獲取途徑有限，不利于及時、準確掌握設備的實時運行狀態。通常仍需直流換流站運行人員向本單位或上級管理部門負責人電話匯報各類故障信息及故障處理進度，這在一定程度上影響了事故處理速度，對電網可靠運行造成一定影響。

通過對國家電網公司某直流換流站的運行、維護現狀調研發現：

• 1）直流換流站內的運行監控系統具有監控和報警功能，但對“故障/異常”處理過程的信息查詢、分析、決策與實施完全依靠運行人員的經驗知識，缺乏故障處理方案的輔助決策功能。
• 2）直流換流站各類異常報警信息種類繁多，現有監控系統并不具備信息篩選功能，事故處理方案的制定過程易受無效或低價值故障信息的影響。
• 3）直流換流站的上級調度部門及相關管理者對于站內“故障/異?！毙畔?、處理進度的了解相對滯后，不利于直接管理層對直流換流站運行的宏觀把握。

因此，設計并研發具有智能監測、智能分析和輔助決策功能的“監控系統智能機器人”，是直流換流站安全運行的重要保障措施，并且其對于提高直流換流站智能化水平、最終實現“少人值守”運行、優化基層企業科學化管理具有重要意義。

本文設計了“監控系統智能機器人”的基本結構框架，并詳細分析了與之相關的關鍵技術，再通過具體案例驗證了設計方案的可行性。

1 監控系統智能機器人的結構框架

1.1 整體框架

監控系統智能機器人的原理為：①通過智能識別技術采集直流換流站運維監控系統的故障/事件信息（智能獲取），并基于數據識別技術對事件信息進行分類（智能識別），提取關鍵知識，實現智能報警功能；②經過云處理技術實現數據通信，通過故障信息分析系統制定故障處理預案；③采用云處理技術將故障信息分析系統的處理建議發送至手機客戶端，為運行人員及管理者提供相關的決策參考。監控系統智能機器人硬件結構如圖1所示。

1.2 機器手臂設計技術

直流換流站監控系統智能機器人的視覺掃描功能是通過一個機器手臂設計實現的，其硬件結構如圖2所示。機器手臂本身有6個自由度，分別由手臂Ⅰ段、手臂Ⅱ段、手臂Ⅲ段組成；快速掃描攝像頭被安裝在機器手臂末端；機械手臂Ⅰ段底部被安裝在金屬底座上，其內部為控制硬件系統。在智能識別過程中，快速掃描攝像頭能夠迅速以圖片形式記錄顯示屏的主要信息，將其傳輸至底座內的控制硬件系統，然后進行圖像信息分析處理。

圖1 監控系統智能機器人硬件結構

圖2 機械手臂硬件結構圖

2 監控系統智能機器人的關鍵技術

智能識別技術主要分為“快速掃描攝像頭”采集關鍵信息和“控制硬件系統”分析信息兩項。其中，控制硬件系統的最重要任務是對掃描到的故障/異常信息圖片進行分析。系統測試過程中的某次故障/異常信息掃描原圖如圖3所示。

圖3中所采集圖片的信息包括拍攝圖片原框、應用軟件邊框、紅色告警信息和黃色告警信息。智能識別的關鍵便是對紅色告警信息的獲取與分析及對其他無用信息的刪減。

圖3 某次故障/異常信息掃描原圖

2.1 關鍵信息的定位

關鍵信息定位是智能識別的基礎，即從拍攝圖片中定位有用信息，將復雜干擾信息進行分割，剔除無效信息（包括拍攝圖片邊框、應用軟件邊框和黃色告警信息）。在完成關鍵信息定位后，字符分割和識別功能才能夠最終實現。具體步驟如下。

1）采用色度的差異性特征提取關鍵信息。如 圖3中所示的紅色告警信息與其他信息色彩存在較大差異，且范圍較大，因此憑借該特征能夠快速甄別“有用”與“無用”信息。

2）信息掃描原圖的二值化處理?？刂朴布到y采用最大類間方差法選取合適的閾值。若t為閾值，則依據t值將字符和紅色背景進行分割，此時字符的像素個數占“信息掃描源圖”比例為w1，平均灰度為u1。紅色背景像素個數占“信息掃描源圖”的比例為w2，平均灰度為u2，因此，“信息掃描源圖”的平均灰度為

公式（1）

字符、數字和紅色背景之間的方差為

公式（2）

當方差g取得最大值時，所需信息和紅色背景的灰度差值是最大的、也是最為理想的灰度閾值。可以選擇t作為“信息掃描原圖”二值化的閾值，將“信息掃描原圖”中灰度值小于t的像素灰度值設為0，將灰度值大于t的像素灰度值設為1。

2.2 關鍵信息的識別

關鍵信息識別就是將處理后的字符圖片信息加工為信息匹配可用的字符信息，以方便“監控系統智能機器人”對關鍵信息進行編譯加工。一般情況下，報警信息中的字符主要為數字和英文字母。因此，首先提取待識別數字和英文字母的特征信息，利用相應的算法對提取特征進行分析歸類，然后找到與待識別字符特征相近的數字和英文字母。具體關鍵信息識別流程如圖4所示。

圖4 關鍵信息識別流程圖

1）對數字和字母的特征提取。“監控系統智能機器人”采用左右輪廓特征的方法對數字和字母進行初步分類，然后通過密度特征對其細分。該方法的提取模型為

公式（3）

式中：left(t)、right(t)分別為字符圖像第i行最左側與最右側邊界點的位置；l_border、r_border分別為字符圖像左、右兩側的邊界。因此，可以將數字和字母掃描取樣后，計算得到字符特征。

2）數字和字母的特征匹配。“監控系統智能機器人”的數據庫已為每一個字符建立了一個標準模板，識別數字和字符后僅需對其逐個比較，根據相似度來決定待識別字符的信息即可。本系統采用歐式距離法，其基本原理為

公式（4）

式中：x、y分別為不同信息序列；d(x, y)為x和y之間的距離。

2.3 特征信息的匹配技術

完成識別關鍵字母和字符后，應對其所傳遞的關鍵信息進行“翻譯”，以便直流換流站運行人員能夠理解其真實信息。本系統中采用提取信息與故障數據庫信息匹配的方式，通過關聯模型將兩者的因果關系按照大概率事件的模式展現出來。

其中，事件知識模型是從對象庫中提取信息，將知識庫中已經存儲的各種可能的事件與“監控系統智能機器人”識別的信息按照因果關系表示出來。基于因果關系的故障信息匹配技術流程如圖5所示。

圖5 基于因果關系的故障信息匹配技術流程圖

3 監控系統智能機器人的運行流程

監控系統智能機器人的總程序流程如圖6所示。其中，由圖2所示的“控制硬件系統”完成采集故障圖片，并在上位機中接受該信息，然后完成故障圖像處理及關鍵字符提取。

值得注意的是：①所采集的故障圖片經過關鍵字符提取后可能出現重復現象，因此必須進行檢測重復判斷，若存在重復，則繼續采集圖片，否則保存并編碼；②將提取關鍵信息與系統數據庫中已有知識相匹配，并對故障類別作出判斷；③給出數據庫中已有的決策方案，實現對故障信息的智能采集與智能決策。

圖6 總程序流程圖

4 案例分析

以某特高壓直流換流站內運行人員模擬系統進行系統性測試。通過“監控系統智能機器人”捕捉圖片并處理后的數據信息見表1。提取故障日期和時間、事件點組、事件記錄等信息，依據“AC Yard；WA.Z1.Q2 SF6 Pressure Faulty 1”及“AC Yard；WA.Z1.Q2 SF6 Pressure Faulty 2”等信息進行檢索，發現數據庫中已有故障典型案例。最后，翻譯發送事件報文“5612開關SF6壓力等級1、2報警?！?/p>

表1 事件描述信息重新構建

5 結論

本文提出了一種直流換流站監控系統智能機器人的設計方法，提出了機械手臂設計、智能定位和智能識別等關鍵技術，并介紹了系統的具體工作流程。相關研究成果適用于直流換流站內的“運維人員工作站”監控自動化程度的提升，特別對“少人值守、運維一體化”的換流站十分適用。

同時，本文提出的數據采集分析算法及圖像模糊識別技術，具有良好的推廣價值，能夠應用于機器人、城市交通信號識別和智能家居等多個領域。今后將繼續對軟件系統進行優化，并對工程應用展開深入研究。