中國城市軌道交通協會發布的《中國城市軌道交通智慧城軌發展綱要》提出，要建立智能運維和安全保障體系，穩步提升運維智能化和安全運行水平。軌道交通變電所的日常巡檢內容包含設備的外觀（異響、異味、放電）、環境（溫濕度、異物進入、滲漏水）、設備運行方式、裝置運行情況、異常及故障信息等，其對軌道交通的供電安全意義重大。

目前，變電所的巡視模式仍是傳統的人工巡視，工作量大且瑣碎，容易出現錯誤及遺漏，需巡檢設備的龐大規模與運維人員數量及能力嚴重不足的矛盾日益突出。因此有必要結合新型傳感、物聯網、人工智能和大數據等技術，研究軌道交通變電所巡檢的數字化、智能化、遠程化、可視化相關技術，實現變電所的智能運維，提升變電所巡檢的質量與效率，減少運維人員工作量。

1 現狀分析

在城市軌道交通供電系統中，一般設有主變電所、牽引降壓混合變電所、降壓變電所、跟隨式降壓變電所等幾種類型變電所。供電管理部門為了掌握設備運行情況，在每個站點的變電所內部署了綜合監控系統，利用“三遙”（遙信、遙測、遙控）數據監控變電所供電設備的運行情況，可以利用該系統的操作員站，實現對供電設備的日常監測、控制與管理。綜合監控系統接入的供電設備信號類型見表1。

表1 信號類型表

這些信息并不能覆蓋運維人員日常巡視的全部內容，變電所的日常巡視內容一般包含設備外觀（異響、異味、放電）、環境（溫濕度、異物進入、設備房間滲漏水）、設備運行方式、設備氣壓數據、柜體開關位置指示、表計數據、保護運行情況及面板指示燈指示、設備本體計數器動作情況、變壓器運行溫度、各設備本體告警、異常及故障信息、設備本體表計電量數據信息核查等。

在目前人工巡視的模式下，運維人員工作量大且瑣碎，易出現錯誤遺漏，亟需用智能化、遠程化、自動化的手段去提質增效，強化設備運維的狀態感知、缺陷發現、設備管控、主動預警和應急處置能力，提升設備運維水平和效率，降低運維過程中人為因素導致的不確定性。

2 系統架構

圖1所示為系統架構。系統分為兩級架構，由車輛段智能巡視主站、變電所智能巡視子站兩部分組成，并可與地鐵公司云平臺進行數據交互。

車輛段智能巡視主站部署于車輛段，負責統籌管理整個車輛段各變電所的巡視策略制定，以及巡視任務管理，并對各變電所智能巡視子站下發巡視命令，采集各變電所智能巡視子站采集的視頻、圖片及其他相關數據，進行相關圖像識別分析；對在線監測數據進行挖掘分析，輔助運維人員掌握設備狀態信息。主要由各類型服務器、存儲設備、網絡通信設備等構成。

圖1 系統架構

在變電工班部署智能巡視工作站，用于一線運維人員掌握各自所管轄的變電所設備運行情況，各工班工程師站權限獨立，只有本轄區內變電所智能巡視系統操作權限，具有全車輛段變電所智能巡視系統查看權限。

變電所智能巡視子站部署在110kV主變電所、牽引降壓混合所、降壓所、跟隨所等，智能巡視子站由智能運維網關、網絡硬盤錄像機、網絡通信設備、各類型攝像機、紅外測溫攝像機、軌道機器人、聲紋采集終端等設備構成，實現數據采集、自動巡視、智能聯動功能。

智能運維網關是巡視子站的核心，接受巡視主站下發的巡視任務，并控制攝像機、機器人等執行任務，把采集到的數據上送至巡視主站，并同時負責處理子站端的智能聯動業務。

此外智能運維網關也與子站端外部系統進行數據接口，通過DL/T 860、104、Modbus等協議從綜合監控系統接入變電所供電設備運行數據、火災消防信息、環境信息、門禁信息，從在線監測系統獲取設備狀態數據，用于進行智能聯動及綜合分析。

3 關鍵技術

實現軌道交通變電所智能運維需要大量人工智能、新型傳感器、機器人、虛擬現實和信息安全等領域的新技術。

3.1 智能巡視與聯動技術

聯合高清視頻攝像機、紅外熱成像攝像機、巡檢機器人等前端采集設備，實現變電站全天候全覆蓋遠程智能巡視，包括例行巡視、熄燈巡視、特殊巡視、專項巡視、自定義巡視等多種巡視方式。

當遙控開關預置時、發生變位信號時、遙測越限告警時、保護動作時、發生火警時等各種情況下，都可以觸發聯動，自動執行巡視任務，由機器人或視頻進行復核。具體實現方式是，當智能聯動微服務程序檢測到觸發聯動邏輯的信號時，自動執行預設聯動策略，比如，檢測到火警信號時，可啟動火警特殊巡視任務，對發生火警的區域進行攝像頭監控掃描，通過AI技術判斷是否真的發生了火情。

智能聯動配置界面如圖2所示，對任務配置不同的觸發信號，即可實現對該任務的聯動觸發，具體巡視任務界面如圖3所示。

圖2 智能聯動配置界面

圖3 巡視任務界面

3.2 圖像識別與判別技術

相比于傳統方法，采用基于深度學習的圖像識別與判別技術能夠提供基于學習的特征表示，具有高效的自動學習和分類能力，在多領域的圖像處理問題中取得了接近甚至超越人類水平的效果。

通過采用Darknet深度學習框架，采用速度較快的YOLO（you only look once）算法、單次多盒檢測器（single shot multibox detector, SSD）目標檢測模型、圖像分割算法、HSV（hue, saturation, value）顏色追蹤算法等，實現對設備狀態識別、缺陷識別及異常變化的判別[11]。主要支持的圖像識別類型見表2。

表2 圖像識別類型表

YOLO訓練過程是通過計算損失函數，然后使用反向傳播算法，逐層向前反饋更新每一層的神經元參數，然后再進行前饋操作并反饋更新參數，最終達到損失值收斂的結果。

激活函數使用Leaky ReLU，它是一種改進的ReLU激活函數，ReLU是將所有負值都置為0，而Leaky ReLU將所有負值都乘以一個介于0～1的參數，既不使負值的作用完全消失，又弱化了負值對輸出的影響。

Leaky ReLU激活函數為

式（1）中：xi為輸入；yi為輸出。

圖像識別效果如圖4所示，系統能夠根據輸入的圖片自動識別切換把手、指示燈的當前狀態，并輸出識別結果。

圖4 圖像識別效果圖

3.3 紅外診斷與分析技術

紅外診斷與分析技術是利用帶電設備的致熱效應，采用專用設備獲取從設備表面發出的紅外輻射信息，進而判斷設備狀況和缺陷性質的一門綜合技術。紅外診斷與分析技術常用的分析方法有熱譜圖分析法、表面溫度判斷法、同類比較判斷法、圖像特征判斷法、溫差判斷法、檔案分析判斷法、實時分析判斷法等。

根據多年積累的上百萬張設備缺陷紅外熱譜圖，建立帶電設備紅外診斷專家知識庫，以人工智能的方式深度學習，實現對主要電氣設備（變壓器為主）進行自動分析診斷，結合所診斷設備在不同時期的歷史檢測數據，深度解析設備表面發出的紅外輻射信息及全像素溫度數據，進行智能診斷、智能告警，實時發現不同類型的設備缺陷，對一次設備的缺陷部位、可能的故障原因進行分析，輔助運維人員判斷問題性質，提高問題應對能力，縮短處理時間。

紅外測溫界面如圖5所示，紅外測溫結束之后，會顯示當前設備的溫度值，如果設備有異常會進行告警，如果正常，運行人員正常確認結果即可。

圖5 紅外測溫界面

3.4 三維實景與可視技術

通過激光掃描儀獲取變電所的三維全景點云數據，借助計算機輔助技術建立數字孿生體，由實入虛，將現實變電所進行虛擬數字化還原，生成虛擬數字映像。數字孿生體中會疊加系統采集的各維度的實時數據，包括開關位置、電流電壓、環境監測、在線監測、紅外測溫、設備臺賬等數字信息，攝像頭實時采集的局部視頻信息也可以再嵌入和融合到數字場景中，由虛入實，虛實融合，最終以全景全息可視化的方式呈現給運維人員。三維全息界面如圖6所示。

圖6 三維全息界面

3.5 狀態評估與預警技術

綜合監控采集的電力數據監控與采集系統（supervisory control and data acquisition, SCADA）數據可通過單向隔離裝置接入巡視系統進行跨區數據融合。系統通過從其他系統轉發接入、自主采集及通過智能巡視任務收集到的四遙、圖片、音頻、視頻、圖譜和波形等多源數據進行統計、分析、檢索、學習、專家判斷、模式識別等深入挖掘隱藏信息，提煉出變電站設備運行特征，再結合人工智能技術，實現設備健康狀態評價及潛在風險分析，發現隱患并自動預警，進而自動生成診斷分析報告。

3.6 安全加固與探針技術

為保證系統的安全性，系統采用國產安全操作系統，使用國密算法進行數據加密，采用“口令+數字證書”雙因子認證方式進行身份認證，并按原生安全的理念，通過面向切面編程（aspect oriented programming, AOP）模式保證應用層微服務不含有用戶機密信息。平臺層完成信息加密、數字簽名等功能，確保通信鏈路可信。

系統在車輛段巡視主站部署安全監測服務，通過在每個變電所智能運維網關上部署的安全探針軟件對設備安全情況進行實時監測，發現安全事件及時告警。安全探針軟件可實時感知串口訪問、USB訪問、網口訪問、光驅訪問、文件訪問、用戶登錄等安全事件。告警信息界面如圖7所示。

圖7 系統告警信息界面

4 應用情況

該系統已經在青島地鐵8號線大洋站試點使用。系統首頁如圖8所示，大洋站實際設備布點如圖9所示，系統即將在青島地鐵4號線和8號線全線進行推廣。

圖8 系統主頁圖

圖9 大洋站設備布點圖

5 結論

綜上所述，借助物聯網、人工智能為核心的智能運維新技術，通過軌道交通變電所信息的全面感知，獲取運行狀態、設備信息、消防、環境、安防等全景數據，結合安全加固、安全探針、安全加密等信息安全技術，確保在信息安全的前提下，推進變電所運維的數字化轉型和智能化升級，實現狀態全面感知、缺陷自動發現、設備智能管控、缺陷主動預警、事故應急處置，使變電所運維從“人工經驗”轉向“數據驅動”，從“人力巡檢”轉向“智能運維”。

本文編自2021年第4期《電氣技術》，論文標題為“城市軌道交通變電所智能運維關鍵技術及其應用”，作者為張春曉、李國玉、葛歡。