摘?要：為增強(qiáng)變電站高壓電氣設(shè)備易損性可視化效果，研究了基于視頻疊加算法的變電站高壓電氣設(shè)備易損性可視化監(jiān)控。利用改進(jìn)的α混合算法結(jié)合視頻背景色的反走樣，疊加可見光視頻以及紅外視頻，選取引導(dǎo)濾波器將視頻幀分為基礎(chǔ)層和細(xì)節(jié)層，利用改進(jìn)的自適應(yīng)加權(quán)二維主成分分析（W2DPCA）融合基礎(chǔ)層，選取細(xì)節(jié)層作為最終細(xì)節(jié)層，獲取最終融合幀，實(shí)現(xiàn)變電站高壓電氣設(shè)備易損性可視化監(jiān)控。實(shí)驗(yàn)結(jié)果表明，采用該方法所獲取監(jiān)控畫面可體現(xiàn)豐富的變電站高壓電氣設(shè)備細(xì)節(jié)，紋理色彩以及設(shè)備邊緣對比度有所強(qiáng)化，便于準(zhǔn)確判斷變電站高壓電氣設(shè)備易損性。

關(guān)鍵詞：視頻疊加算法;變電站;高壓;電氣設(shè)備;易損性;可視化監(jiān)控

中圖分類號：TM63??????文獻(xiàn)標(biāo)識碼：A

Visual?Supervision?of?Vulnerable?Highvoltage?Electrical

Equipment?in?Substation?Based?on?Video?Overlay?Algorithm

FU?Zhanwei

（Inner?Mongolia?EHV?Power?Supply?Bureau，Hohhot，?Inner?Mongolia?010080，China）

Abstract：In?order?to?enhance?the?visual?effect?of?vulnerability?of?high?voltage?electrical?equipment?in?substation，?visual?monitoring?of?vulnerability?of?high?voltage?electrical?equipment?in?substation?based?on?video?superposition?algorithm?is?studied.?Using?improved?α??the?hybrid?algorithm?combines?the?anti?aliasing?of?video?background?color，?superimposes?visible?video?and?infrared?video，?selects?the?pilot?filter?to?divide?the?video?frame?into?the?base?layer?and?the?detail?layer，?uses?the?improved?adaptive?weighted?twodimensional?principal?component?analysis?（W2DPCA）?to?fuse?the?base?layer，?and?selects?the?detail?layer?as?the?final?detail?layer?to?obtain?the?final?fusion?frame，?Visual?monitoring?of?vulnerability?of?high?voltage?electrical?equipment?in?substation?is?realized.?The?experimental?results?show?that?the?monitoring?images?obtained?by?this?method?can?reflect?rich?details?of?substation?highvoltage?electrical?equipment，?and?the?texture?color?and?edge?contrast?of?equipment?are?enhanced，?which?is?convenient?to?accurately?judge?the?vulnerability?of?substation?highvoltage?electrical?equipment.

Key?words：video?overlay?algorithm;?substation;?high?voltage;?electrical?equipment;?vulnerability;?visual?monitoring

變電站內(nèi)包含變壓器、斷路器、電壓互感器等眾多高壓電氣設(shè)備，是電力系統(tǒng)供配電的重要組成部分[1]。變電站遇到地震等嚴(yán)重振動情況時(shí)，高壓電氣設(shè)備受到破壞將造成電網(wǎng)失去供配電功能，停電狀況提升災(zāi)害后災(zāi)民安置困難性[2]。變電站高壓電氣設(shè)備易損性可應(yīng)用于設(shè)備地震風(fēng)險(xiǎn)評估中，設(shè)備狀態(tài)決定變電站輸配電系統(tǒng)運(yùn)行狀況[3]，將可視化監(jiān)控技術(shù)應(yīng)用于變電站高壓電氣設(shè)備易損性研究中，可有效提升電氣系統(tǒng)整體監(jiān)控需求。

以往針對變電站可視化監(jiān)控研究較多，陳濤研究基于自組網(wǎng)的變電站遠(yuǎn)程視頻監(jiān)控系統(tǒng)設(shè)計(jì)[4]，針對自組網(wǎng)變電站設(shè)計(jì)遠(yuǎn)程視頻監(jiān)控系統(tǒng)，可遠(yuǎn)程監(jiān)控變電站內(nèi)設(shè)備運(yùn)行狀態(tài);滕井玉等人研究基于視頻集成及智能分析的一鍵式程序化控制技術(shù)[5]，視頻集成技術(shù)與智能分析技術(shù)應(yīng)用于程序化控制電力系統(tǒng)中，提升電力系統(tǒng)眾多設(shè)備控制性能;朱紅岷等人研究基于圖像處理的變電站視頻智能分析[6]，將圖像處理技術(shù)應(yīng)用于變電站視頻智能分析中，提升變電站設(shè)備狀態(tài)分析性能，以上研究均將可視化技術(shù)應(yīng)用于變電站設(shè)備監(jiān)控中，并均取得一定成效?？梢姡谙嚓P(guān)可視化監(jiān)控研究中，多采用圖像融合技術(shù)，目前已有的圖像融合技術(shù)包括了多傳感器信息融合技術(shù)、多重灰度級圖像融合技術(shù)、基于小波變換的圖像融合技術(shù)等，但上述圖像融合技術(shù)應(yīng)用到變電站高壓電氣設(shè)備易損性監(jiān)控時(shí)會出現(xiàn)鋸齒和暗邊情況，因此，基于視頻疊加算法的變電站高壓電氣設(shè)備易損性可視化監(jiān)控，將視頻疊加算法應(yīng)用于變電站高壓電氣設(shè)備易損性研究中，實(shí)現(xiàn)變電站高壓電氣設(shè)備可視化監(jiān)控，提高電氣設(shè)備紋理色彩、邊緣對比度以及細(xì)節(jié)的豐富性，實(shí)現(xiàn)變電站高壓電氣設(shè)備易損性實(shí)時(shí)檢測。

1?高壓電氣設(shè)備易損性可視化監(jiān)控的實(shí)現(xiàn)

1.1?視頻疊加算法設(shè)計(jì)

將所采集的可見光變電站視頻以及紅外變電站視頻利用改進(jìn)的α混合算法結(jié)合背景色的反走樣實(shí)現(xiàn)疊加。所謂α混合算法，就是利用α混合向量值來混合處理源像素和目標(biāo)像素，從而使3D物件產(chǎn)生透明感，在本研究中引入α混合算法能使高壓電氣設(shè)備有三維立體感。α混合算法依據(jù)固定比例將視頻近景與遠(yuǎn)景加權(quán)求和公式如下：

計(jì)算技術(shù)與自動化2022年3月

第41卷第1期

付占威：基于視頻疊加算法的變電站易損高壓電氣設(shè)備可視化監(jiān)控技術(shù)研究

公式（1）中，α與1-α分別表示視頻內(nèi)近景權(quán)值以及相應(yīng)遠(yuǎn)景權(quán)值;Il與Ir分別表示近景像素點(diǎn)以及相應(yīng)遠(yuǎn)景像素點(diǎn)顏色;Ia表示采用α混合算法疊加視頻后輸出值。

依據(jù)圖元反走樣算法所獲取圖元點(diǎn)灰度、坐標(biāo)以及顏色對視頻遠(yuǎn)景相應(yīng)位置實(shí)施反走樣公式如下：

公式（2）中，Ib表示本體視頻畫面與遠(yuǎn)景上反走樣像素點(diǎn)顏色;Ie與Jg分別表示遠(yuǎn)景內(nèi)像素位于相同位置時(shí)近景相應(yīng)圖元顏色以及依據(jù)相應(yīng)反走樣獲取近景圖元像素點(diǎn)灰度等級。

通過公式（2）獲取新近景畫面，所獲取新畫面基于遠(yuǎn)景基礎(chǔ)實(shí)施反走樣，避免遠(yuǎn)景與近景出現(xiàn)黑邊以及圖元邊界鋸齒情況[7]。所獲取近景與遠(yuǎn)景可良好融合，但原畫面內(nèi)背景色與遠(yuǎn)景融合導(dǎo)致α通道無法利用背景色檢測混合，變換公式（2）如下：

公式（3）中，Ik為原視頻畫面背景色。

利用以上過程獲取混合通道α，反走樣于遠(yuǎn)景的本地視頻畫面實(shí)現(xiàn)α混合公式如下：

公式（4）中，Iout表示最終視頻疊加輸出值。

依據(jù)背景色判斷通道混合內(nèi)α通道，實(shí)施反走樣后遠(yuǎn)景畫面內(nèi)包含原有背景色以及新像素點(diǎn)[8]，新背景色同樣呈現(xiàn)于視頻畫面中。

通道判別內(nèi)可不判別位于圖元內(nèi)新背景色，可將公式（4）轉(zhuǎn)化為：

公式（5）中，Iout表示通道α混合的最終視頻疊加結(jié)果。

分析以上過程可知，采用該算法疊加視頻時(shí)，混合權(quán)值由固定值轉(zhuǎn)化為變混合參數(shù)，變混合參數(shù)相應(yīng)遠(yuǎn)景權(quán)值可依據(jù)各位置近景像素點(diǎn)灰度等級調(diào)整[9]，遠(yuǎn)景于混合內(nèi)權(quán)值在近景灰度等級越高時(shí)越小，遠(yuǎn)景于混合內(nèi)權(quán)值在近景灰度等級越低時(shí)越大，可得公式如下：

以上公式可以看出，該算法將修正函數(shù)η加入傳統(tǒng)α混合算法中，依據(jù)近景灰度等級設(shè)置混合權(quán)值補(bǔ)償修正值，令疊加后混合視頻不存在鋸齒感以及暗邊情況。

近景混合權(quán)值偏大而像素點(diǎn)灰度等級為固定，且參與疊加的混合像素灰度等級較低時(shí)，疊加后視頻畫面遠(yuǎn)景將被近景覆蓋，近景混合權(quán)值越大，鋸齒感與暗邊情況越明顯，此時(shí)需要加大修正量補(bǔ)償力度[10];近景疊加像素點(diǎn)灰度等級過低且混合權(quán)值固定時(shí)，疊加后圖元邊界處在遠(yuǎn)景混合權(quán)值非最大值時(shí)存在鋸齒感以及暗邊情況，近景像素點(diǎn)灰度等級與修正量呈負(fù)相關(guān)狀態(tài)。

將視頻疊加算法應(yīng)用于所建立變電站模型，即在視頻實(shí)現(xiàn)變電站高壓電氣設(shè)備易損性可視化監(jiān)控時(shí)，存在于RGB空間的近景畫面像素信息不具有灰度等級信息，利用YUV空間灰度等級信息展示RGB空間數(shù)據(jù)[11]，轉(zhuǎn)換公式如下：

1.2?基于引導(dǎo)濾波器和W2DPCA的融合算法

融合視頻疊加后的可見光視頻與紅外視頻獲取更高質(zhì)量的可視化監(jiān)控結(jié)果，令可視化監(jiān)控視頻不受周圍環(huán)境影響，將自適應(yīng)加權(quán)二維主成分分析（以下稱為自適應(yīng)W2DPCA算法）與引導(dǎo)濾波器相結(jié)合融合可見光視頻以及紅外視頻，該融合方法具有計(jì)算復(fù)雜度低的優(yōu)勢，能夠通過逐幀融合的手段獲取可見光視頻與紅外視頻融合的可視化監(jiān)控結(jié)果。融合算法總體結(jié)構(gòu)圖如圖1所示。

該融合方法主要包括利用引導(dǎo)濾波器劃分可視化監(jiān)控層次，獲取可見光幀與紅外幀監(jiān)控結(jié)果的基礎(chǔ)層與細(xì)節(jié)層，視頻分層所獲取基礎(chǔ)層與細(xì)節(jié)層選取不同規(guī)劃方法融合[12]，最終將融合后基礎(chǔ)層與細(xì)節(jié)層組合獲取最終變電站高壓電氣設(shè)備易損性可視化監(jiān)控結(jié)果。

1.2.1?引導(dǎo)濾波器的可視化監(jiān)控視頻幀分解

所采集變電站高壓電氣設(shè)備可見光監(jiān)控視頻中紋理較為豐富，而紅外視頻中容易丟失視頻中紋理細(xì)節(jié)，通過引導(dǎo)濾波器獲取視頻內(nèi)基礎(chǔ)層與細(xì)節(jié)層，視頻基礎(chǔ)層包含視頻整體強(qiáng)度變化[13]，視頻細(xì)節(jié)層包含所需展示圖像信息的紋理信息，引導(dǎo)濾波器處理后，視頻可保證融合過程中可見光紋理不影響紅外紋理信息。選取不同方法融合視頻基礎(chǔ)層與細(xì)節(jié)層，令融合后視頻包含紅外視頻幀內(nèi)熱物體以及可見光幀內(nèi)紋理細(xì)節(jié)信息。

利用引導(dǎo)濾波器分解紅外幀以及可見光幀獲取紅外幀以及可見光幀基礎(chǔ)層公式分別為：

以上公式中，G與r分別表示引導(dǎo)濾波函數(shù)以及濾波器半徑，Ii與Iv分別表示源紅外幀以及源可見光幀，ξ與IvB分別表示正則化參數(shù)以及可見光幀基礎(chǔ)層，IiB表示紅外幀基礎(chǔ)層。

利用源可見光幀以及源紅外幀所獲取可見光基礎(chǔ)層以及紅外基礎(chǔ)層之差獲取可見光幀以及紅外幀細(xì)節(jié)層[14]。所獲取紅外幀以及可見光細(xì)節(jié)層公式分別為：

通過以上過程所獲取基礎(chǔ)層與細(xì)節(jié)層分別保留源視頻內(nèi)存在較大方差區(qū)域以及紋理信息，紅外圖像內(nèi)目標(biāo)存在于視頻基礎(chǔ)層內(nèi)。

1.2.2?W2DPCA融合基礎(chǔ)層

通過基礎(chǔ)層融合令受環(huán)境影響的可見光視頻內(nèi)物體直觀清晰展示，視頻幀質(zhì)量直接影響圖像融合最終效果[15]，僅需要加入紅外熱圖像至高質(zhì)量可見光幀即可獲取最佳融合結(jié)果。利用自適應(yīng)W2DPCA算法融合可見光幀與紅外幀過程如下：

首先將W2DPCA算法實(shí)施于紅外幀與可見光幀基礎(chǔ)層上，紅外幀與可見光幀集合用矩陣P表示，獲取矩陣P協(xié)方差矩陣G公式如下：

公式（14）中，P1表示紅外幀，P2與μ分別表示可見光幀以及可見光幀和紅外幀平均值。

依據(jù)特征值λ大小通過降序方式排列協(xié)方差矩陣G的特征向量，矩陣最左側(cè)放置最大特征值相應(yīng)的特征向量，利用U表示特征提取矩陣，大小為n×d的特征提取矩陣由前d個(gè)特征向量組成，矩陣表達(dá)式如下：

特征圖像由紅外幀以及可見光幀前d個(gè)主成分組成。

不同幀權(quán)重隨著像素大小改變而有所改變?？梢姽鈳约凹t外幀權(quán)重利用尺寸較小的特征圖像計(jì)算可有效降低計(jì)算量。

融合過程中需要檢測可見光幀的邊緣區(qū)域與其他區(qū)域間對比度是否存在差異[16]，可見光質(zhì)量在較差的環(huán)境有所降低，但仍包含有用的紋理信息。充分考慮幀質(zhì)量在融合過程中獲取自適應(yīng)可見光權(quán)重，基于區(qū)域方差的可見光幀權(quán)重Wv公式如下：

公式（18）中，δ表示源圖像標(biāo)準(zhǔn)差。

紅外幀內(nèi)像素值較高以及較低區(qū)域分別表示較熱以及較冷區(qū)域，紅外幀全部像素灰度值在低溫情況下明顯低于高溫情況下，圖像內(nèi)熱物體灰度值明顯高于其他像素。融合過程中應(yīng)重點(diǎn)突出紅外熱物體，利用零均值操作獲取紅外權(quán)重Wi公式如下：

通過公式（19）可知，較大權(quán)重將被分配至較高像素部分。

利用加權(quán)平均方法獲取紅外幀以及可見光幀融合特征圖像QB，通過該方法獲取融合特征圖可保留可見光幀全部細(xì)節(jié)信息，融合特征圖公式如下：

利用以下公式近似重構(gòu)融合基礎(chǔ)層公式如下：

1.2.3?細(xì)節(jié)層融合

圖像內(nèi)真實(shí)的紋理信息可能破壞紅外幀細(xì)節(jié)層包含的大量無用信息，融合過程中可丟棄紅外幀圖像細(xì)節(jié)層，細(xì)節(jié)層融合公式如下：

1.2.4?最終融合視頻幀

融合后基礎(chǔ)層與融合后細(xì)節(jié)層最終融合公式如下：

通過公式（23）所獲取最終融合幀可有效體現(xiàn)紅外幀以及可見光幀所包含熱目標(biāo)以及紋理信息。

2?實(shí)例分析

為驗(yàn)證基于視頻疊加算法的變電站高壓電氣設(shè)備易損性可視化監(jiān)控對變電站高壓電氣設(shè)備易損性研究有效性，選取某國家電網(wǎng)構(gòu)成的電力系統(tǒng)作為實(shí)例分析對象，該地區(qū)具有工業(yè)用電多、人口密度大的特點(diǎn)。選取該地區(qū)共29個(gè)110?kV以上變電站作為高壓電氣設(shè)備易損性研究的統(tǒng)計(jì)分析樣本。其中500?kV、220?kV變電站分別為2座、8座，110?kV變電站19座。

設(shè)計(jì)一套變電站高壓電氣設(shè)備易損性可視化監(jiān)控系統(tǒng)，該系統(tǒng)利用紅外傳感器以及可見光傳感器的在線監(jiān)控裝置獲取變電站高壓電氣設(shè)備圖像源，利用上位機(jī)運(yùn)行系統(tǒng)采用本文方法處理采集圖像，通過C語言利用VS編譯平臺編程本文軟件，系統(tǒng)具有紅外圖像以及可見光圖像融合、紅外以及可見光成像信息互補(bǔ)、變電站高壓電氣設(shè)備易損性分析、人工操作等功能。

采用本方法監(jiān)控各變電站高壓電氣設(shè)備可視化監(jiān)控界面圖如圖2所示。

圖2可以看出，本方法可應(yīng)用智能視頻實(shí)時(shí)監(jiān)控變電站高壓電氣設(shè)備狀態(tài)。本方法采用視頻疊加方法疊加視頻，令所呈現(xiàn)視頻無鋸齒情況;可視化監(jiān)控視頻具有設(shè)備透視功能，可設(shè)置變電站內(nèi)各高壓電氣設(shè)備透明度，避免部分設(shè)備被遮擋導(dǎo)致無法準(zhǔn)確分析設(shè)備易損性。

從源變電站高壓電氣設(shè)備視頻中選取一對紅外幀以及可見光幀如圖3所示。

采用本方法對以上兩幅原始圖像進(jìn)行視頻疊加以及融合處理，獲取最終結(jié)果如圖4所示。融合前后圖像質(zhì)量的客觀指標(biāo)對比情況如表1所示。

通過圖4融合結(jié)果和表1中的指標(biāo)數(shù)據(jù)可以看出，本方法可良好融合室外變電站場景，融合后圖像可良好展示可見光視頻內(nèi)變電站高壓電氣設(shè)備紋理以及紅外視頻中設(shè)備信息，且邊緣表現(xiàn)較為自然，融合后視頻可視化效果相比未融合前具有明顯提升，高壓電氣設(shè)備陰影部分增強(qiáng)效果明顯，對比度有所提升，且融合結(jié)果中設(shè)備細(xì)節(jié)可有效強(qiáng)化，設(shè)備紋理色彩以及設(shè)備邊緣對比度有所增強(qiáng)，監(jiān)控視頻內(nèi)整體變電站高壓電氣設(shè)備細(xì)節(jié)更加豐富。

依據(jù)本文所建立變電站三維模型利用Matlab仿真軟件模擬某次真實(shí)發(fā)生的地震災(zāi)害，給定變電站信息采樣的節(jié)點(diǎn)數(shù)為200，日最大負(fù)荷為120?kW，變電站的有功功率為42?kW，設(shè)定模擬地震災(zāi)害等級為6.7級，模擬區(qū)域變電站均受到地震影響，由于不同地區(qū)受地震災(zāi)害與震源距離存在差異，不同地區(qū)變電站高壓電氣設(shè)備受破壞程度存在較大差異，以變電站與震源距離作為劃分標(biāo)準(zhǔn)，從短距離至長距離將所研究區(qū)域劃分為A-F六個(gè)地區(qū)，基于上述設(shè)定，得到各區(qū)域高壓電氣設(shè)備受破壞程度如表2所示。

通過表2結(jié)果可以看出，損壞設(shè)備數(shù)量隨著與震源距離的增加而有所降低，與現(xiàn)實(shí)相吻合，充分驗(yàn)證變電站高壓電氣設(shè)備模擬有效性。

依據(jù)可視化監(jiān)控界面可以看出，變電站內(nèi)除變壓器外的瓷柱型設(shè)備主要損壞狀態(tài)為斷裂損壞以及裂紋損壞。設(shè)備斷裂損壞影響設(shè)備使用，設(shè)備裂紋并不影響繼續(xù)使用，將設(shè)備出現(xiàn)裂紋設(shè)置為未破壞，將設(shè)備斷裂狀態(tài)歸屬于完全破壞。變壓器在地震中損壞狀態(tài)主要表現(xiàn)為輪軌固定裝置破壞、油枕破壞等部件損壞，可知變壓器具有較低的易損性。變壓器損壞可分為部件損壞以及部件未損壞兩種狀態(tài)，設(shè)部件損壞程度低于變壓器本身五分之一且不影響變壓器正常操作時(shí)為變壓器部件未損壞，否則為變壓器部件損壞。

3?結(jié)?論

將視頻疊加算法應(yīng)用于變電站高壓電氣設(shè)備易損性可視化監(jiān)控中，視頻疊加算法可避免所疊加視頻畫面內(nèi)近景的反走樣圖元邊界存在鋸齒感和暗邊情況，符合變電站高壓電器設(shè)備易損性監(jiān)控實(shí)際需求。所研究方法具有較高的三維可視化監(jiān)控性能，強(qiáng)化電氣設(shè)備細(xì)節(jié)，使其紋理色彩以及邊緣對比度增強(qiáng)，提高監(jiān)控視頻中電氣設(shè)備細(xì)節(jié)的豐富性，利用變電站可視化監(jiān)控精準(zhǔn)分析高壓電氣設(shè)備易損性，提升變電站安全運(yùn)行水平。

參考文獻(xiàn)

[1]?陳勇，?李勝男，?張麗，?等.?基于改進(jìn)Apriori算法的智能變電站二次設(shè)備缺陷關(guān)聯(lián)性分析[J].?電力系統(tǒng)保護(hù)與控制，?2019，?47（20）：135-141.

[2]?劉世丹，?袁亮榮，?曾耿暉，等.?基于區(qū)域虛擬變電站的區(qū)域保護(hù)性能提升方案[J].?電力科學(xué)與技術(shù)學(xué)報(bào)，?2019，?34（1）：154-159.

[3]?劉如山，?張中近，?熊明攀，等.?基于設(shè)施易損性的變電站地震經(jīng)濟(jì)損失快速評估[J].?應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，?2017，25（3）：604-614.

[4]?陳濤.?基于自組網(wǎng)的變電站遠(yuǎn)程視頻監(jiān)控系統(tǒng)設(shè)計(jì)[J].?電源技術(shù)，?2017，?41（1）：155-156.

[5]?滕井玉，?蔣正威，?杜奇?zhèn)ィ??基于視頻集成及智能分析的一鍵式程序化控制技術(shù)研究[J].?電力系統(tǒng)保護(hù)與控制，?2017，?45（17）：72-76.

[6]?朱紅岷，?戴道清，?李靜正.?基于圖像處理的變電站視頻智能分析研究[J].?計(jì)算機(jī)工程與應(yīng)用，?2018，54（7）：264-270.

[7]?朱富云，?戴相龍，?傅靖，等.?基于視頻監(jiān)控的變電站內(nèi)安全帽檢測算法研究[J].?電網(wǎng)與清潔能源，?2018，34（12）：71-76.

[8]?程永鋒，?朱祝兵，?盧智成，?等.?變電站電氣設(shè)備抗震研究現(xiàn)狀及進(jìn)展[J].?建筑結(jié)構(gòu)，?2019，49（S2）：356-361.

[9]?魯華永，?袁越，?郭泓佐，等.?基于正則表達(dá)式的變電站集中監(jiān)控信息解析方法[J].?電力系統(tǒng)自動化，?2017，41（5）：78-83.

[10]戴相龍，?朱富云，?胡廣，等.?基于視頻的變電站內(nèi)紅馬甲檢測系統(tǒng)的實(shí)現(xiàn)[J].?電網(wǎng)與清潔能源，?2018，34（10）：83-88.

[11]才爭野.基于FFmpeg與CUDA的YUV與RGB色彩空間轉(zhuǎn)換性能對比分析[J].廣東通信技術(shù)，2019，39（1）：21-24.

[12]王月月，?陳民鈾，?姜振超，等.?基于云理論的智能變電站二次設(shè)備狀態(tài)評估[J].?電力系統(tǒng)保護(hù)與控制，?2018，46（1）：71-77.

[13]張營，?魯守銀，?蘇建軍.?高壓變電站設(shè)備帶電水沖洗機(jī)器人系統(tǒng)研究[J].?高電壓技術(shù)，?2017，?43（4）：1326-1332.

[14]李丹丹，?董靜薇，?徐博，?等.?嵌入式智能視頻監(jiān)控技術(shù)的研究與OpenCV實(shí)現(xiàn)[J].?電視技術(shù)，?2017，?41（Z3）：96-100.

[15]張翠，?高新勤，?李楠.?基于ARM與DSP的箱式變電站智能遠(yuǎn)程監(jiān)控系統(tǒng)[J].?電子技術(shù)應(yīng)用，?2019，45（3）：104-107，112.

[16]劉焱，?崔博源，?王寧華，等.?1100?kV特高壓交流變電站開關(guān)設(shè)備低溫應(yīng)對措施[J].?高壓電器，?2019，55（5）：220-225.