水電站GIS設(shè)備內(nèi)部異物識別技術(shù)研究

馬飛越 牛勃 佃松宜 趙濤 倪輝 陳磊

摘要：GIS設(shè)備作為水電站內(nèi)電力送出的關(guān)鍵設(shè)備，其內(nèi)部異物引起絕緣擊穿是GIS設(shè)備占比最大的故障，直接影響著水電站的效益。由于GIS設(shè)備筒體較長，在設(shè)備安裝及開展檢修工作時，其內(nèi)部毫米級異物難以通過經(jīng)驗判斷。為了更加有效地檢查識別GIS管道內(nèi)的異物，對比分析了超聲波、電磁波、光學(xué)不同類型的識別方法對GIS內(nèi)部異物的有效性。研究了將光學(xué)敏感法和光影法相結(jié)合的異物識別方法，并設(shè)計了基于雙光源補(bǔ)光的異物識別算法，將其搭載在GIS設(shè)備內(nèi)部異物檢查機(jī)器人上實現(xiàn)了應(yīng)用。應(yīng)用結(jié)果表明：采用雙光源補(bǔ)光的異物識別方法，可有效準(zhǔn)確地識別出GIS腔體場景中的毫米級異物，準(zhǔn)確率可達(dá)95%以上。

關(guān) 鍵 詞：GIS設(shè)備; 異物識別; 光影法; 機(jī)器人; 水電站

中圖法分類號： TM622

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2021.12.026

0 引 言

截至2020年，中國常規(guī)水電裝機(jī)容量約為3.5億kW，年發(fā)電量為13 220億kW·h。水電站內(nèi)重要的一次設(shè)備主要包括水輪機(jī)、發(fā)電機(jī)、變壓器及氣體絕緣封閉開關(guān)設(shè)備（Gas Insulated Switchgear，GIS）等，其中，GIS設(shè)備主要由斷路器、互感器、隔離開關(guān)、接地開關(guān)、避雷器、母線、連接件和出線終端等元件組成，全部封閉在金屬接地外殼中的高壓裝置[1-3]。近年來，隨著水資源利用及建設(shè)步伐的加快，GIS設(shè)備裝用量迅速增長，GIS設(shè)備引發(fā)的故障占比也在逐年上升[4-6]。有學(xué)者對某系統(tǒng)近10 a來的GIS設(shè)備故障情況進(jìn)行了統(tǒng)計，發(fā)現(xiàn)2010～2019年設(shè)備故障年平均增長率為17.5%，共發(fā)生故障跳閘84次。其中，異物放電占比最高為50.0%，主要原因為罐體內(nèi)存在金屬異物或者雜質(zhì)引起放電;絕緣件缺陷（盆式絕緣子、絕緣拉桿和支撐絕緣子）占比次之，為23.8%;裝配及安裝工藝不良占比為13.1%[7-8]。

GIS設(shè)備內(nèi)部異物是指混入設(shè)備產(chǎn)品里的除GIS內(nèi)部材質(zhì)及部件以外的物質(zhì)。主要原因是在組合電器GIS產(chǎn)品的設(shè)備制造過程、廠內(nèi)裝配過程、運(yùn)輸過程和現(xiàn)場安裝過程中內(nèi)部異物清理不到位[9-12]，在GIS設(shè)備投入運(yùn)行之后，異物在機(jī)械振動及電場作用下逐漸暴露出來而導(dǎo)致GIS內(nèi)部閃絡(luò)、絕緣擊穿等故障[13-15]。在GIS設(shè)備中，常見的異物包括內(nèi)部安裝過程遺留物品、金屬碎屑、橡膠粒子、外部塑料、紙屑和環(huán)境灰塵、粉末等。GIS設(shè)備安裝及檢修階段的異物識別方法往往僅依賴于人工肉眼判斷，對于腔體內(nèi)存在一些細(xì)小微?；蚺c罐體底部顏色接近的顆粒，在可見光源下僅靠人工經(jīng)驗判斷難以發(fā)現(xiàn)異物。因此，本文主要研究了GIS設(shè)備內(nèi)部異物識別方法，對比不同方法的優(yōu)缺點(diǎn)，設(shè)計了基于雙光源補(bǔ)光的異物識別算法，并搭載在GIS設(shè)備內(nèi)部檢查機(jī)器人上實現(xiàn)了應(yīng)用，解決了GIS設(shè)備內(nèi)部異物難以識別發(fā)現(xiàn)的問題。

1 GIS設(shè)備內(nèi)部異物識別方法

異物識別技術(shù)是采用大量樣本訓(xùn)練得到良好的網(wǎng)絡(luò)模型，依賴實時數(shù)據(jù)得到預(yù)測的結(jié)果。也有一些常規(guī)的檢測方法例如顯著性檢測等，而識別技術(shù)的準(zhǔn)確度極大依賴于原始樣本數(shù)據(jù)的有效性。目前各行業(yè)研究的異物識別的方法多種多樣，但由于斷路器、隔離開關(guān)等GIS設(shè)備腔體中的異物多是毫米級別，而且腔體中內(nèi)壁光滑容易產(chǎn)生強(qiáng)反射，再加上異物的形狀、種類及材料不定，實現(xiàn)GIS設(shè)備內(nèi)部異物識別較為困難。為此，本文針對不同類型的波對于GIS腔體中異物成像效果的影響開展研究，比對聲波、超聲波及電磁波對GIS腔體內(nèi)部異物識別的特點(diǎn)，以達(dá)到獲取良好的GIS腔體內(nèi)部異物成像效果圖片，并顯著提升GIS內(nèi)部異物識別效果的目的[16-19]。通常，按照異物識別技術(shù)波的類型進(jìn)行分類，對于主要檢測方法分述如下。

1.1 超聲波法檢測異物

超聲波檢測主要是基于超聲波在被檢測工件中的傳播特性，對反射、投射和散射波進(jìn)行分析，從而確定被檢測工件的特性。本文設(shè)計了超聲波異物檢測模型，利用單束超聲波觀察是否對細(xì)小的異物形成反射，測量其對不同大小異物的檢測精度。超聲波模塊檢測原理如圖1所示。

實驗室設(shè)置了不同類型的異物，分別為2 mm×3 mm的漆皮、頭發(fā)絲以及直徑1～10 mm的鋼珠、10 cm×5 cm杯子及書本等。不斷調(diào)整超聲波檢測模塊與異物間的距離，從而得到實驗結(jié)果，如表1所列。

通過對實驗檢測的數(shù)據(jù)展開分析，發(fā)現(xiàn)對于漆皮、頭發(fā)絲及毫米級的鋼珠異物，由于表面積較小，異物不能有效地反射超聲波模塊發(fā)出來的超聲波，單束超聲波的精度不滿足要求，無法形成有效的圖像。通過對實驗數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)要形成反射回來的圖像，異物橫截面的面積至少在16 cm2左右?？梢姵暡ǚz測不符合現(xiàn)場GIS異物識別要求。

1.2 電磁波法異物檢測研究

電磁波法針對GIS腔體內(nèi)部小型異物的檢測，同樣是利用單束電磁波對小異物的反射信號來檢測，該項目采用TFmini激光雷達(dá)對其進(jìn)行測試驗證。TFmini激光雷達(dá)基于飛行時間（Time of flight，TOF）原理，采用850 nm紅外光源，配合獨(dú)特的光學(xué)、電學(xué)設(shè)計，實現(xiàn)穩(wěn)定、精確、高靈敏度和高速的距離測量功能。與超聲波成像測距相似，TFmini雷達(dá)檢測物體受到物體的反射表面積的影響[20]。TFmini雷達(dá)通過發(fā)射透鏡發(fā)射紅外激光，經(jīng)過物體表面的反射，由接收透鏡接收激光，通過反射時間、激光波長來計算距離。如果物體表面積小，激光很難反射回透鏡，則物體就很難被檢測到。通過搭建與超聲波檢測相似的平臺，書本、杯子不變，選擇1 cm大小的鋼珠及塑料碎屑，調(diào)整測試距離以對不同類型的異物進(jìn)行檢測，結(jié)果如表2所列。

實驗結(jié)果表明：書本、茶杯的反射面積足夠大，能夠很好地將激光反射回來，雷達(dá)就能檢測出其具體位置;鋼珠、塑料屑反射表面積較小，激光很難反射回來或者反射回來的激光不能由透鏡接收。電磁波檢測物體對物體的表面積要求很高，而GIS設(shè)備腔體中的異物都為微型異物，通過電磁波法很難對其進(jìn)行檢測。

1.3 光學(xué)法異物檢測

（1） 光學(xué)敏感法。

當(dāng)某種常溫物質(zhì)經(jīng)特定波長入射光（通常是紫外線或X射線）照射，吸收光能后進(jìn)入激發(fā)態(tài)，具有這種性質(zhì)的出射光就被稱之為熒光。另外有一些物質(zhì)在入射光撤去后仍能較長時間發(fā)光，這種現(xiàn)象稱為余輝[21-22]，常見的例子是物質(zhì)吸收紫外光，發(fā)出可見波段熒光。在GIS設(shè)備腔體內(nèi)，通過帶電檢測解體發(fā)現(xiàn)的主要內(nèi)部異物種類如圖2所示;利用內(nèi)部異物光學(xué)敏感異物熒光效應(yīng)，使得部分異物發(fā)出異于背景的顏色，獲得的圖片中異物亮度高于背景，容易區(qū)分，從而檢測出異物[23]，如圖3所示。這種檢測方法是利用異物對特定光線的敏感性，所以它也有一定的局限性，對熒光不敏感的異物則無法檢測。

（2） 光影法。

光影法是借助于不同物體在光源的照射下，受照射角度作用，會在設(shè)備內(nèi)部異物的背光面形成大小不一的光影，通過捕捉光影來判斷異物的情況[24-26]。由于物體微小，且當(dāng)光源照射在物體之上時，物體會反射光源，但是微小物體反射的光源面積較小，與背景的反射光區(qū)別不大，難以區(qū)分異物與背景。當(dāng)光源水平照射物體時，在物體背面將會形成一個陰影，此時如果圖像采集裝置垂直向下拍攝物體，就能夠看見陰影以及物體的部分輪廓，由此便能夠拍攝清楚異物的位置，如圖4所示。

當(dāng)白光傾角30°左右徑直照射時，可以形成良好的陰影，這樣有助于檢測;同時，鏡頭越靠近物體，微小物體拍的就越清楚。紫外光拍攝時，有部分物體會發(fā)出熒光現(xiàn)象，這些物體分別是紙屑、泡沫板碎屑、白色塑料扎帶、熱熔膠。在檢測過程中，需要保證光源與相機(jī)有一定的夾角，同時也需要保持光照均勻，而且覆蓋面足夠。所以，本文研究利用了光學(xué)敏感法與光影法互相結(jié)合方式開展GIS內(nèi)部異物識別研究，采用了LED白光+紫外光的補(bǔ)光方式;同時，也采用了長焦距鏡頭以獲得良好的異物與背景分開的圖像，并利用圖像識別算法來實現(xiàn)設(shè)備內(nèi)部異物識別。

2 GIS異物識別方法研究

為驗證采用LED白光+紫外光的補(bǔ)光方式下GIS設(shè)備內(nèi)部異物的有效性，本文在離線條件下捕捉異物圖像以開展異物識別算法研究。采用C++語言作為檢測算法的語言，其優(yōu)點(diǎn)是處理圖像的速度快，而且易于移植使用，便于與進(jìn)一步搭載圖像的裝置進(jìn)行集成;其圖像處理采用開源的OpenCV庫函數(shù)，該庫容易獲得資源且有廣泛的開源代碼可供使用。OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機(jī)視覺庫，可以運(yùn)行在Linux、Windows和Mac OS操作系統(tǒng)上。它是輕量級而且高效的，由一系列 C 函數(shù)和少量C++類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實現(xiàn)了圖像處理和計算機(jī)視覺方面的通用算法。異物識別算法流程如圖5所示。

2.1 基于YOLO算法異物特征提取

YOLO算法對提取特征進(jìn)行了上采樣、尺度拼接等操作，最后得到3個尺度的輸出特征圖，分別為13×13，26×26，52×52，每個尺度的特征圖負(fù)責(zé)檢測大小不同的物體，并進(jìn)行異物目標(biāo)預(yù)測。最終通過非極大值抑制方法篩選出最佳預(yù)測目標(biāo)并輸出目標(biāo)在圖像中的位置。圖6為基于YOLO算法的檢測流程圖。

針對存在的腔體外部機(jī)器人檢測環(huán)境視野偏大、機(jī)器人檢測環(huán)境比較單一帶來的問題，在設(shè)計訓(xùn)練模型時主要考慮了基于腔體外部機(jī)器人的模型訓(xùn)練，主要有以下2種改變：

（1） 修改網(wǎng)絡(luò)結(jié)構(gòu)中的Anchor等其他相關(guān)參數(shù)，使模型對于小目標(biāo)的檢測效果更加友好;

（2） 增加不同環(huán)境相關(guān)圖片到整體訓(xùn)練樣本中，增強(qiáng)模型的泛化能力。

經(jīng)過以上的改進(jìn)，算法檢測能力得到了明顯增強(qiáng)。經(jīng)實際腔體環(huán)境測試，基于YOLO的目標(biāo)檢測算法在機(jī)器人部署上運(yùn)行良好，相比傳統(tǒng)的機(jī)器視覺檢測算法，檢測準(zhǔn)確率有較大提升。

2.2 自適應(yīng)濾波

對于通過圖像采集裝置得到的腔體內(nèi)異物圖像，需要首先進(jìn)行圖像閾值化。閾值化的一般目的是從灰度圖像中區(qū)分目標(biāo)區(qū)域和背景區(qū)域，然而僅僅通過設(shè)定固定閾值很難達(dá)到理想的分割效果。在實際應(yīng)用中，本文通過某個像素的鄰域以某種方法確定這個像素具有的閾值，進(jìn)而保證圖像中各個像素的閾值會隨著周期圍鄰域塊的變化而變化。在灰度圖像中，灰度值變化明顯的區(qū)域往往是物體的輪廓，所以將圖像分成一小塊一小塊地去計算閾值往往會較好得出圖像的輪廓，而固定閾值的方法則無法達(dá)到良好的效果。異物識別算法選取固定的區(qū)域大小，求取均值，以減小偏移量為目標(biāo)作為閾值的濾波方法，其中自適應(yīng)濾波算法后像素賦值公式如下：

dst（x，y）value if src（x，y）>thresh0otherwise（1）

thresh=conv（blockSize（x，y），src（x，y））-offset（2）

式中：（x，y）表示圖像中某點(diǎn)的坐標(biāo);src（x，y）為圖像中某點(diǎn)的像素值;dst（x，y）為自適應(yīng)濾波后圖像中某點(diǎn)的像素值;value值可以根據(jù)實際情況進(jìn)行設(shè)置;blockSize（x，y）為一個高斯核函數(shù)，按照高斯函數(shù)進(jìn)行離散取值;conv表示對離散取值與實際像素值做卷積;offset表示偏移量，在不同的腔體中檢測，開始進(jìn)行初始化，默認(rèn)值offset取60;thresh為根據(jù)實際圖像狀態(tài)計算的動態(tài)閾值。

2.3 形態(tài)學(xué)處理

形態(tài)學(xué)處理是一個數(shù)學(xué)運(yùn)算。處理類型相當(dāng)于運(yùn)算函數(shù)，表示如何對圖像數(shù)據(jù)進(jìn)行變換，結(jié)構(gòu)元素好比函數(shù)自變量的取值范圍，在進(jìn)行形態(tài)學(xué)處理時，控制該點(diǎn)像素點(diǎn)的運(yùn)算，需要取出周圍的點(diǎn)進(jìn)行運(yùn)算。由于異物比較小，在尋找異物輪廓的時候容易造成整個輪廓分成無數(shù)的小輪廓，給后面的定位造成不準(zhǔn)和干擾。采取形態(tài)學(xué)的閉操作可以填充一些小空洞，減少后續(xù)尋找輪廓的干擾。

形態(tài)學(xué)處理的過程主要包括如下3個步驟。

（1） 形態(tài)學(xué)膨脹。在一個滑動的窗口內(nèi)，求取窗口中所有點(diǎn)最大的值，并且將這個最大的值給到滑動窗口的錨點(diǎn)處。

（2） 形態(tài)學(xué)腐蝕。在一個滑動的窗口內(nèi)，求取窗口中所有點(diǎn)最小的值，并且將這最小的值給到滑動窗口的錨點(diǎn)處。

（3） 形態(tài)學(xué)閉操作。通過形態(tài)學(xué)閉操作，在形態(tài)學(xué)膨脹操作之后再進(jìn)行形態(tài)學(xué)的腐蝕操作，可以濾除背景中細(xì)小的雜波點(diǎn)，同時能夠在不改變面積的情況下使得目標(biāo)物的外輪廓更加凸顯出來。

2.4 異物動態(tài)標(biāo)記

為了通過結(jié)果標(biāo)記準(zhǔn)確地找出異物的位置，需要定住外部的輪廓和輪廓的中心位置，然后用矩形框擬合。本文使用輪廓查找函數(shù)，先定位外部輪廓的點(diǎn)，然后使用旋轉(zhuǎn)矩形返回每一個矩形的中心和邊界的4個點(diǎn)，使其輪廓被旋轉(zhuǎn)矩形擬合。在光影法中，由于光影與實際異物的距離存在差異，采用根據(jù)面積和周長進(jìn)行設(shè)定系數(shù)動態(tài)調(diào)整的策略，對于面積和周長大的異物輪廓進(jìn)行標(biāo)記框的刪除，當(dāng)標(biāo)記有異物的時候用視頻記錄保存，等待檢測結(jié)束后人工查看。

3 機(jī)器人GIS內(nèi)部異物識別技術(shù)

由于GIS腔體兩手孔部位距離較遠(yuǎn)，單個筒體長度可達(dá)10 m，筒體內(nèi)部異物狀態(tài)難以通過人工進(jìn)行檢查[27]。本文設(shè)計了GIS設(shè)備內(nèi)部檢查機(jī)器人，并利用機(jī)器人本體搭載的可見光及紫外光源在雙光源補(bǔ)光條件下捕捉圖像進(jìn)行異物識別，實現(xiàn)GIS設(shè)備內(nèi)部異物的智能識別，機(jī)器人本體結(jié)構(gòu)如圖7所示。

GIS腔體檢查機(jī)器人頂蓋和底盤內(nèi)部主要布置有2塊主控電路板、1個主控電路板安裝架、4個驅(qū)動電機(jī)、2個攝像頭安裝架、2個前置攝像頭、內(nèi)置有4枚可重復(fù)充放電的鋰電池、4塊微型的電機(jī)驅(qū)動板、1塊電源板、1個電源板安裝架、1個尾部航插接頭、1個電源開關(guān)等。補(bǔ)光燈與前置相機(jī)并排布置于機(jī)器人底部，補(bǔ)光燈板可提供兩種光源：一種是高亮白光，另一種是紫外光。白燈光用于環(huán)境昏暗的情況下對GIS腔體內(nèi)部進(jìn)行補(bǔ)光，便于機(jī)器人的正常行進(jìn)與工作;紫燈光用于在GIS腔體內(nèi)給各種障礙或異物打光，便于進(jìn)行異物熒光反應(yīng)下的識別。

機(jī)器人系統(tǒng)在GIS設(shè)備腔體內(nèi)部行走檢查內(nèi)部情況時，前端視頻設(shè)備獲取腔體內(nèi)部信息和視頻圖像信息，并設(shè)置好采集窗口和視頻參數(shù)，然后開始捕獲一幀的視頻圖像，并將視頻圖像推送到本地的8080端口上，上位機(jī)獲取后進(jìn)行處理及應(yīng)用。當(dāng)機(jī)器人系統(tǒng)對GIS設(shè)備垂直段進(jìn)行檢測時，利用機(jī)器人的模塊化設(shè)計，可以將柔性臂搭載的圖像采集模塊與機(jī)器人本體分離，借助本體的光源進(jìn)行腔體內(nèi)照射，對柔性臂搭載的前端視頻設(shè)備獲取的信息進(jìn)行處理。采集傳輸流程如圖8所示。

機(jī)器人在GIS設(shè)備腔體內(nèi)部檢查過程中，對采集到的圖像進(jìn)行視覺檢測，檢測的內(nèi)容包括管道內(nèi)部異物、異色等，并將檢測到的圖像進(jìn)行放大顯示、存儲到本地磁盤。如圖8所示，通過小樣本特征提取與訓(xùn)練模型構(gòu)建模塊，實現(xiàn)在異物小樣本的條件下提取異物的特征，并根據(jù)提取到的特征信息構(gòu)建訓(xùn)練模型，以此來提高監(jiān)控系統(tǒng)提取異物特征的速度和準(zhǔn)確性。具體包括對異物整體、局部特征的提取，對不同類型、不同大小的異物進(jìn)行特征提取和分類，并根據(jù)這些特征信息構(gòu)建適用于GIS設(shè)備腔體內(nèi)部異物檢測的訓(xùn)練模型。隨著采集到的樣本數(shù)量的增加，訓(xùn)練模型越趨于完善，檢測準(zhǔn)確度與效率也逐漸提高。GIS內(nèi)部異物識別過程如圖9所示。

4 異物識別技術(shù)應(yīng)用

將異物識別技術(shù)搭載于GIS設(shè)備內(nèi)部檢查機(jī)器人，并在330 kV GIS分支母線模擬罐體內(nèi)部進(jìn)行試驗，試驗情況如圖10所示。

為了進(jìn)一步驗證雙光源補(bǔ)光的異物識別效果，分別使用不同類型不同尺寸的異物進(jìn)行檢測。在GIS試驗腔體內(nèi)部分別預(yù)置不同大小的異物顆粒，每種異物的擺放方向及位置均隨機(jī)放置。在識別過程中，發(fā)現(xiàn)機(jī)器人光源的角度對識別圖像影響較大，需要保證光源與相機(jī)有一定夾角，同時保持光照均勻，且覆蓋面足夠。當(dāng)白光傾角30°左右徑直照射時，可以形成良好的陰影，有助于檢測，同時鏡頭越靠近物體，微小物體拍得越清楚。紫外光拍攝時，有部分物體發(fā)出熒光，這些物體分別是紙屑、泡沫板碎屑、白色塑料扎帶、熱熔膠。檢測過程表明采用LED白光+紫外光的方式，可以獲得良好的異物與背景分開的圖像，易于檢測。對異物的識別效果如圖11所示。

由上述識別圖像可以看出：對1 mm以上的異物顆粒，可以通過雙光源異物識別算法進(jìn)行有效識別，并且隨著異物顆粒的增大，其識別的光斑同步增大。由標(biāo)記的結(jié)果可以看出，識別框中尺寸為20 mm的異物明顯大于5 mm和2 mm的異物，雙光源識別算法對異物的大小具有一定的魯棒性，對細(xì)小的異物有顯著的檢測效果。

分別對規(guī)則鋼珠、螺絲螺母、鐵屑、紙屑、焊錫絲、發(fā)絲等不同類型的異物進(jìn)行了識別，每種類型異物采集試驗樣本50組，異物識別率如表3所列。經(jīng)過多次實驗，GIS設(shè)備內(nèi)部智能檢查機(jī)器人在18幀/s的頻率下，異物識別算法能檢測出毫米級的異物，毫米級異物識別準(zhǔn)確率在95%以上，亞毫米級異物識別準(zhǔn)確率也可達(dá)80%。因此，本文GIS異物檢查機(jī)器人的異物識別技術(shù)可以滿足GIS設(shè)備腔體中異物檢測的要求。

本文采用方形異物、長條形異物作為識別對象，分別對本文識別方法與超聲波法、電磁波法異物識別情況進(jìn)行比對。檢測距離結(jié)合小車的視角和GIS腔體的實際情況持續(xù)調(diào)整，在對距離的持續(xù)調(diào)整過程中，如果能識別圖中的異物則為“能”，否則為“否”，比對結(jié)果如表4所列。由表4中識別方法的比對結(jié)果可以看出：超聲波法及電磁波法對于較小的異物難以發(fā)揮作用，雙光源法能夠識別出毫米級的異物，對小于1 mm的異物識別效果與異物類型密切關(guān)聯(lián)。

5 結(jié) 論

本文針對GIS設(shè)備內(nèi)部異物難以檢查的問題，分析了不同類型異物識別方法在GIS設(shè)備內(nèi)部異物識別的準(zhǔn)確性。設(shè)計了GIS設(shè)備內(nèi)部異物識別算法，研究了將光學(xué)敏感法和光影法相結(jié)合的識別方法，并搭載在GIS設(shè)備內(nèi)部檢查機(jī)器人上，實現(xiàn)了GIS設(shè)備罐體異物識別的實際應(yīng)用。

在機(jī)器人自動行進(jìn)過程中，以18幀/s的頻率采集GIS設(shè)備內(nèi)部的圖像，并將圖像上傳至上位機(jī)識別。采用雙光源補(bǔ)光的異物識別方法，可準(zhǔn)確地識別出GIS腔體場景中的毫米級異物，準(zhǔn)確率可達(dá)95%以上，

能夠在GIS設(shè)備關(guān)鍵點(diǎn)見證、現(xiàn)場安裝、設(shè)備檢修等環(huán)節(jié)推廣應(yīng)用。

參考文獻(xiàn)：

[1] 劉洪正.高壓組合電器[M].北京：中國電力出版社，2014.

[2] 馬飛越，劉威峰，李奇超，等.GIS交流耐壓試驗中超聲檢測自由顆粒缺陷的分析[J].人民長江，2018，49（6）：92-96.

[3] 申健.GIS金屬異物的工藝過程控制[J].河南科技，2018，12（12）：46-48.

[4] 李軍浩，韓旭濤，劉澤輝，等.電氣設(shè)備局部放電檢測技術(shù)述評[J].高電壓技術(shù)，2015，41（8）：2583-2601.

[5] 許淵，劉衛(wèi)東，陳維江，等.交流 GIS 絕緣子表面亞毫米級金屬顆粒的運(yùn)動和局部放電特性[J].中國電機(jī)工程學(xué)報，2019（14）：4315-4325.

[6] 盧斌先，馮啟琨，李曉，等.考慮金屬異物存在時220 kV緊湊型GIS內(nèi)電場分布精確分析[J].高電壓技術(shù)，2018，44（11）：3493-3501.

[7] 許淵，劉衛(wèi)東，陳維江，等.運(yùn)行工況下交流 GIS 絕緣子表面微金屬顆粒運(yùn)動誘發(fā)沿面閃絡(luò)的研究[J].電網(wǎng)技術(shù)，2020，44（4）：1596-1602.

[8] 李繼勝，趙學(xué)風(fēng)，楊景剛，等.GIS典型缺陷局部放電測量與分析[J].高電壓技術(shù)，2009，35（10）：2440-2445.

[9] 李娟，李明，金子惠，等.GIS設(shè)備局部放電缺陷診斷分析[J].高壓電器，2014（10）：85-90.

[10] 李秀廣，韓四滿，萬華，等.寧夏電網(wǎng)GIS設(shè)備缺陷分析及預(yù)防措施[J].電氣技術(shù)，2015（3）：107-110.

[11] 何寧輝，朱洪波，周秀，等.GIS內(nèi)部缺陷檢測及診斷分析技術(shù)研究[J].電測與儀表，2019，56（24）：86-91.

[12] 張凱，胡春江，孫亞明，等.一起750kV變電站GIS支柱絕緣子故障分析[J].電測與儀表，2015，52（1）：115-118.

[13] 李通，薛峰.UHF局放檢測技術(shù)在GIS故障診斷中應(yīng)用與分析[J].供用電，2018，35（12）：80-88.

[14] 繆金，王艷華.GIS組合電器典型故障分類和全周期維護(hù)策略研究[J].陜西電力，2017，45（2）：78-81.

[15] 夏天，吳彤，葉齊政，等.懸浮顆粒局部放電綜合作用機(jī)制的研究[J].廣東電力，2019，32（8）：101-108.

[16] 趙永生，徐海青，吳立剛，等.基于霍夫直線變換的輸電線路異物識別應(yīng)用研究[J].數(shù)字技術(shù)與應(yīng)用，2017，3（3）：127-130.

[17] 萬書亭，趙曉迪，肖珊珊，等.基于BP神經(jīng)網(wǎng)絡(luò)的GIS缺陷圖像識別系統(tǒng)的研究[J].電力科學(xué)與工程，2017，33（11）：73-78.

[18] 李寧，鄭仟，謝貴文，等.基于無人機(jī)圖像識別技術(shù)的輸電線路缺陷檢測[J].電子設(shè)計工程，2019，27（10）：102-106.

[19] 孫志鋒，孫志林.跳躍顆粒的計算機(jī)圖像識別[J].模式識別與人工智能，2000，13（3）：357-360.

[20] 李南忘.基于數(shù)據(jù)挖掘方法通過簡約參數(shù)建立水質(zhì)異常檢測及污染物識別系統(tǒng)的研究[D].上海：華東師范大學(xué)，2016.

[21] 韓仲志，劉杰，劉康煒，等.紫外/可見光下海洋溢油油種光譜識別方法[J].光學(xué)技術(shù)，2016，42（4）：337-341.

[22] 李拓.目標(biāo)紫外光譜散射特性研究[D].西安：西安電子科技大學(xué)，2012.

[23] 韓仲志，萬劍華，李永平，等.紫外誘導(dǎo)高光譜成像的海洋溢油及乳化探測方法[J].光學(xué)學(xué)報，2016，36（1）：2-6.

[24] 劉薇，蘇俊源，尚秋峰.基于彩色區(qū)域識別快速報警指針識別算法[J].電測與儀表，2014，51（20）：25-30.

[25] 王建元，郭威，劉洋，等.基于圖像識別的移動機(jī)器人自動完成充電[J].電測與儀表，2017，54（10）：103-107.

[26] 盧榮勝，吳昂，張騰達(dá)，等.自動光學(xué)（視覺）檢測技術(shù)及其在缺陷檢測中的應(yīng)用綜述[J].光學(xué)學(xué)報，2018，38（8）：2-28.

[27] 馬飛越，游洪，佃松宜，等.一種用于氣體絕緣開關(guān)設(shè)備異物清掃與檢測的機(jī)器人系統(tǒng)[J].計算機(jī)科學(xué)，2017，44（增2）：592-595.

（編輯：趙秋云）

Research on recognition technology of foreign matters in GIS equipment of hydropower station

MA Feiyue1，NIU Bo1，DIAN Songyi2，ZHAO Tao2，NI Hui1，CHEN Lei1

（1.Electric Power Research Institute of State Grid Ningxia Electric Power Co.，Ltd.，Yinchuan 750002，China; 2.College of Electrical Engineering，Sichuan University，Chengdu 610064，China）

Abstract：

GIS equipment is the key equipment for power transmission in hydropower stations.The insulation breakdown caused by internal foreign matters is the most common fault in GIS equipment，which directly affects the benefit of hydropower station.Due to the long barrel of GIS equipment，it is difficult to judge the internal millimeter-level foreign matters by experiences during the equipment installation and maintenance.Therefore，in order to check and identify the foreign matters in GIS pipelines more effectively，we analyzed the effectiveness of different types of identification methods such as ultrasonic wave，electromagnetic and optics wave on the internal foreign matters in GIS equipment.Then we proposed a method of foreign matters recognition combining optical sensitive method and light shadow method，designed a algorithm of foreign matters recognition based on dual light source filling light，and equipped with foreign matters detection robot in GIS equipment to realize the application，which solved the problem that it is difficult to identify and find the foreign matters in GIS equipment.The results showed that the foreign matters recognition method based on dual light source filling light can effectively and accurately identified the millimeter-level foreign matters in the GIS cavity scene，and the accuracy rate can reach more than 95%.

Key words：

GIS equipment;foreign matters recognition;light shadow method;robot;hydropower station