变电站监控系统电气主接线图图像识别算法研究
图像识别技术在电力系统中的应用研究
图像识别技术在电力系统中的应用研究第一章：绪论随着科技的快速发展，图像识别技术在各个领域得到了广泛地应用。
其中，在电力系统中，图像识别技术也开始发挥重要作用，可以通过图像识别技术对电力系统进行监测、预测等操作。
本文将就图像识别技术在电力系统中的应用进行深入探讨。
第二章：图像识别技术在电力系统监测中的应用电力系统中，各种设备以及线路随时都可能发生故障，多数故障在发生之前都有相关的信号，可以通过图像识别技术检测出来，从而达到监测的目的。
另外，电力系统中的设备往往十分复杂，通过人工监测来保证系统的健康运行的成本较高，可以采用图像识别技术来监测系统，降低成本并提高精度。
第三章：图像识别技术在电力系统预测中的应用在电力系统中，预测相关的信息对于保证系统稳定运行非常必要。
图像识别技术可以通过对预测数据的分析和处理，对电力设备进行预测，从而达到保护系统的目的。
第四章：图像识别技术在电力系统维护中的应用在电力系统中，设备维护非常重要。
通过图像识别技术可以检测设备是否存在故障，可以在发现设备存在故障时及时进行维护，降低维护成本。
第五章：图像识别技术在电力系统中的优越性相对于传统的手动监测和维护方式，图像识别技术有很多优越性：检测速度快，精度高，成本低等等。
通过图像识别技术可以对电力系统进行多种操作，大大提高系统的安全性以及稳定性。
第六章：图像识别技术在电力系统中的应用实例电力系统是一个复杂的系统，图像识别技术在其中的应用也十分广泛。
以变电站监测为例，电力系统中的变电站数量非常多，需要对其进行监测，以保证系统的正常运行。
利用图像识别技术可以快速高效地检测变电站中是否存在异常情况。
第七章：图像识别技术在电力系统中的发展方向图像识别技术在电力系统中的应用也在不断地发展，未来将会有更多的技术应用到其中，例如人工智能、大数据等等。
这些技术将会带来更加精确和高效的操作。
第八章：结论综上所述，图像识别技术在电力系统中的应用前景十分广阔。
变电站图像智能监控系统的探讨
变电站图像智能监控系统的探讨摘要：根据智能电网建设要求及变电站运行特点，提出变电站自动化“四遥”以外新的“遥视”远程智能图像监控系统解决方案。
关键词：变电站；图像监控；智能目前，随着电力系统信息化网络技术的发展，依靠图像监控系统的建设，大部分变电站都可以实现无人值守。
但现有变电站图像监控系统还只是用于防火防盗、安全保卫、主控室内场景监控等，随着变电站在线检测系统的发展和智能变电站的建设，对图像监控系统提出了新的要求。
随着调度监控一体化建设的推进，集中远控的时机已经成熟，但对于就地设备的状态（例如刀闸刀口位置情况）等重要信息还需要人工现场确认，大大制约了变电站智能控制的发展，因此有必要对变电站运行设备图像智能监控进行研究，实现一、二次设备远程可视化操作控制，形成一体化的智能调度监控体系。
加强变电站图像智能监控的设置和可视化智能监控技术的研究可增强对就地设备状态（例如刀闸刀口位置情况）的监视，满足大电网实时运行控制的要求，实现对电网运行信息的形象、直观和集成展示；进一步加强基础数据管理，实现多维度一体化的调度信息和实时数据的分布式共享；实现一、二次设备远程控制和监视，形成一体化的智能调度监控体系，达到减员增效、缩短故障排除时间、提高供电可靠性、加速智能电网建设的目的。
1 图像智能监控系统配置原则变电站图像智能监控系统在满足原安防、保卫、图像监控功能的同时，为适应未来智能调度监控系统发展的需要，其应满足以下要求：①统一性。
依据国际、国内规范化标准，统一规范建设、管理，确保整个系统的各种软件、硬件达到服务的规范化和管理的高效性。
②开放性。
图像监控系统与其他系统之间的通信接口，应符合开放系统互联标准和协议，支持多种网络协议，实现各系统间的数据共享。
③可扩展性。
软、硬件平台应具有良好的可扩展能力，能够方便地进行系统升级和更新，以适应各种不同业务的不断发展。
④可靠性。
具有较强的容错、抗干扰能力和良好的恢复能力，主要设备应采用双机或镜像备份工作方式，保证系统稳定运行。
变电站智能巡检系统的图像识别及处理技术
摘 要智能电网的建设对电力系统各个环节的可靠性和安全性提出了更高的要求，巡检制度是保证变电站内关键设备安全稳定运行的主要措施之一。
智能巡检系统较传统人工作业可大幅度地提高巡检效率和作业的实时性与可靠性，节省运营成本。
图像识别算法是智能巡检系统的核心要素。
本文主要实现了智能巡检系统中的指针式仪表读数、数码管示数、保护压板状态的图像识别方法，并对不同的方法进行了对比。
指针式仪表主要通过提取到的特征点与模板图像进行匹配来完成表盘区域定位，然后二值化处理图像后后采用细化的操作得到指针骨架，探测其角度后再利用比例关系求解仪表示数。
数码管的识别中通过使用建模时标定的模板图像与样本图像进行匹配，间接地定位每个显示屏，然后对显示屏区域进行二值化操作，使用“三线扫描法”对每个数字进行识别。
保护压板的识别是根据预先设置的颜色和阈值范围，对图像进行二值化操作，进行形态学处理以得到连通区域，提取边缘并根据周长和面积淘汰掉噪声引起的短边缘，再画出边缘的最小面积外接矩形，最后根据外接矩形的倾斜角来判断各个保护压板的状态。
根据目前所得的测试样本图像及其畸变处理后的图像，指针式仪表读数的精确度和准确率已达到了电网公司的验收标准，符合工程项目应用。
当前数码管示数算法的研究虽已成熟，但由于缺乏相关的样本图像，本项目中的测试条件尚不充分，得出的结果不太具备可对比性。
目前保护压板状态的识别方法高度依赖于其种类，在当前的样本图像中已取得不错的效果，但算法的泛化性不强，仍需进一步改进。
关键词：变电站；巡检；图像识别；仪表读数AbstractGreater demands are being placed on the reliability and safety of all aspects owing to Smart Grid. Inspection is one of the most important ways to ensure the safety and stability of key equipments in the substation. Intelligent inspection can improve a lot in inspection efficiency and real-time operation than traditional manual ways, and it saves more operating costs. The methods of image recognition is pivotal element in intelligent inspection system.The recognition methods of dial instrument, digitron and protective strap in substation are implemented, and the methods are described in this thesis. The dial instrument is located by matching the feature points in target image with those of template image. Pointer skeleton can be get by thinning the binarized image, and the reading of the instrument will be calculated by angle of pointer skeleton and labeled pointes in final. The screen is located by matching with template image, reading numbers will be recognized by Three-line Scanning Method with binarized image. The image of protective strap is binarized by the pre-set color and thresholds, the edge is detected by morphological processed connected area, the status of each strap is judged by the angle of edge’s minimum area external bounding rectangle.Image recognition method’s accuracy of dial instrument reached the acceptance criteria of Power Corporation according to the sample images and their distorted derivation. Image recognition method of digitron is widely used in other fields, but it performs not well in our poor samples, the result is lack of stringency. The image recognition method of protective strap performs well in samples which obtain only one type, the method is highly dependent on the type of strap, it should be optimized to improve the degree of generalization.Keywords: S ubstation; Inspection; Image Recognition; Instrument Readout目 录摘要 (I)Abstract ............................................ I I 目录 ............................................. I II 1绪论 . (1)1.1研究背景及其意义 (1)1.2国内外研究现状及发展趋势 (2)1.3论文的结构安排 (5)2项目设计概况 (6)2.1智能巡检系统简介 (6)2.2项目开发环境 (9)2.3系统的设计方案 (10)2.4本文中的设计方案 (11)2.5本章小结 (13)3指针式仪表读数的识别方法 (14)3.1仪表的建模 (15)3.2仪表读数的识别 (32)3.3实验结果 (34)3.4本章小结 (37)4数码管示数的识别方法 (39)4.1显示屏的定位 (39)4.2示数的识别 (41)4.3实验结果 (44)4.4本章小结 (45)5保护压板状态的识别方法 (46)5.1保护压板状态的识别 (46)5.2实验结果 (57)5.3本章小结 (57)6总结与展望 (58)6.1论文总结 (58)6.2未来展望 (58)致谢 (60)参考文献 (61)1绪论1.1研究背景及其意义近年来国内经济快速增长，社会对电能的需求量也大幅攀升，电力供应从总体来说仍呈现短缺的局面。
基于图像识别技术在变电站设备监测中的应用
图１ 是模板匹配的示意图 ，假设源 图像 ｆ （ ｘ ， ）和模
板 图像 ｔ （ 』 ， ｋ ）的原 点 都 在 左 上 角。 对 于 任 意 源 图 像
ｆ（ ｘ ， ）中的 像 素 （ ， ． ｙ ） ， 由式 （ ３ ） 都 可 得 出 一 个 Ｒ（ ， ）。当像素（ ， ） 位置发生变化 ， ｔ （ ， ｋ ） 在源图像
关键 词 变 电站 设 备 图像 识 别 模 板 匹配 编 码 快 速 匹配
中图
随着 图像识别技术的不 断发展 ，逐渐 出现 四类具有代 表性的理论和方法——结构 图像识别方法 、统计 图像识别 方法 、人工智能识别方法 、模糊 图像识别方法＿ 】 ］ 。很多学
并且不会产生误差 ，仅使用第二项进行图像 匹配 ，当第二 项取最大值时，认为模板匹配了源 图像 中的 目标图像。但 是假设第一项为常数时会产 生误差 ，并且严重 的误差将会 导致 匹配失败 ，此时可使用归一化互相关作 为误差平方和
函数 ，即 ：
Ｊ －Ｉ Ｋ ＿１
对 比得到不同图像之间的相似度 。但是 ，由于不同因素的
区域 中移 动 时 ，可 得 出 Ｒ（ ， ） 所 有 值 。 当 Ｒ（ ， ） 取 最 大 值 时 ，该 位置 是 源 图像 与 模 板 图像 匹配 的最 佳 位 置 ，在
图像 中找到目标图像 ，确定其位置并提取该区域。 模板 匹配 中采用 的评价函数是模板与源图像对应 区域 的误差平方 和。假设 ｆ （ ｘ ， ） 为 Ｍ ＸＮ 的源 图像 ，ｔ （ ５ ， 是 ） 为Ｊ ×Ｋ（ ， ≤Ｍ ， Ｋ≤Ｎ） 的模板 图像 ，则误差平方 和 函数
度值 的排 列关 系进行 编码 ，最后 对每个子 图像的编码值进行 比较 ，实现 图像 的 匹配。在 图像 匹配过 程 中，只
变电站图像监控系统中编码技术的研究
况 ，监测 电力设 备发热 程度 ，及时 发现 、处 理事 故，有助 于提 高 电力 系统 的安全 性和 可 靠性 ，并 提 供 事 后 分析 事 故 的 有 关 图像 资
料 。 因 此 远 程 图 像 监 控 系 统 是 电 力 系 统 自动
高 的压缩 比 ，很 好地解 决 了压 缩 比和 图像 质 量之问 的矛盾 。Ｒ Ｉ Ｏ 编码技术 可以解决 图像 交 互处 理、远 程医疗 、远 程教育 、远 程测量 ，
等情 况 ，也
图ｌ变 电站的图像监控 对象示意图
到 变 电站 图 像 监 控 系 统 中 去 ，应 用 中 实 现 了 高 度 的 灵 活 性 ， 用 户 可 以根 据 带 宽 情 况 以 及 所 需 图 像 某 一 区 域 内 容 的价 值 选 定 感 兴 趣 区 域 ， 按 自 己 需 求 进 行 处 理 ， 然 后 在 用 户 可 以 根 据 不 同 的 质 量 生 成 图 像 ， 在 编 码 压 缩 时 可 以根 据 具 体 情 况 选 择 有 损 压 缩 和 无 损 压 缩 的
化发展 的方 向 ， 它将 把 电力 系统 的安全性 ， 可靠性和智能化提 高到一个新的水平。 远程 图像监 控 系统 中 ， 图像 的数 据 是非 常庞大 的 ，因此 图像 的传 输技术 是 该系统 的 关键技 术 ；对 于大量 的变 电站增 设遥 视功 能 后 ，使通 信 网络 的阻 塞 问题 日益 突 出。解决 这 一 问题 的途径 有两 条 ，一 是投 资建设 新 的
Ｃ０ ｉ ＪＰ ２０ Ｊ］ ｇｎ ｉ ｇ ｄ ｎ ｎ Ｇ ０［ ．Ｓｉ １ Ｅ ０ ａ
Ｐｒｏｃｅｓｓｉ Ｉ Ｃｏｍｍｕｎｉ ａｔｉ ｎｇ： ｍａｇｅ ｃ Ｏｎ，
目前 的 Ｊ Ｅ 静 止 图 像压 缩 标 准 在 中 高 ＰＧ 速率 上压缩 效果较 好 ，然而在 低码 率的情 况
基于图像识别的变电设备监控系统设计
Modern Scientific Instruments现代科学仪器N o.6 D e c. 2019第6期2019年12月·57·变电设备的发展进程急速加快，对变电设备的监控能力也提出了可更高的要求。
图像识别主要以图像的决定性特征为识别条件，每个图像都具有其自身的决定性特征[1]。
比如字母B 的决定性特征为两个圈；字母M 的决定性特征为两个顶尖相连会形成V 字形；而字母W 的决定性特征则是字母M 的倒映等。
通过对图像识别过程中眼动的视线锁定研究表明，视线总是会锁定在图像的决定性特征上，也就是会被图像轮廓曲度最大以及轮廓方向突然改变的地方所吸引。
由此可知，这些吸引视线的地方特征最为明确、信息量最大。
在图像识别过程中，会自动排除图像中的多余信息，识别出图像中的关键信息。
变电设备故障出现的情况多种多样，并且在不确定的环境中受外界干扰因素多。
即使是变电设备出现一个小小的故障也有可能导致整个运输电路停止工作，对于变电设备监控是保障运输电路稳定工作的重要手段。
变电设备一旦发生故障，不但会造成极大的经济损失，还会对变电设备自身产生一定程度上的伤害。
图像识别技术在变电设备监控系统中的应用，可以大幅度提高变电设备监控性能。
因此，本文进行基于图像识别的变电设备监控系统设计。
1 基于图像识别的变电设备监控系统设计1.1 硬件设计本文设计的变电设备传感器型号为AMC62100538，内置MPU-20180316监控芯片。
MPU-20180316监控芯片作为一个封装的集成电基于图像识别的变电设备监控系统设计邱志钊（广东电网有限责任公司佛山供电局 广东佛山 528000）摘 要 由于传统的变电设备监控系统，在变电设备监控时对图像识别特征分析不准确，无法实现对变电设备精准监控。
为此，设计基于图像识别的变电设备监控系统。
在原有系统硬件基础上，选用型号AMC62100538变电设备传感器；进行卷积层采样、图像识别子采样层处理、服务器层接收；设计仿真实验。
变电站视频监控系统中的智能图像识别预处理技术应用
工业技术科技创新导报 Science and Technology Innovation Herald951 技术现状和不足基于图像识别的视频检测系统已经取得了技术上的突破，在其他行业也进行了初步的应用，如文字识别技术在远程调用上的应用、指纹识别识别技术在签到系统上的应用、人物识别技术在安保上的应用、产品检测技术在化工方面的应用、军事侦察分析技术等。
目前笔者所在局已经安装了视频监控系统，但仅仅实现了监视变电站现场设备、控制远程摄像球机运动以及视频录像存储上送等功能。
但这些视频监控系统只有视频监视功能而没有视频图像识别功能。
存在的问题主要体现在以下三个方面。
1.1 覆盖范围及容量不足笔者所在局已安装的变电站视频监控系统是将特定的图像经监控球机和采集卡输入到视频分站，对数据进行经压缩后传输到系统运行部监控主站处，主站同时显示多个变电站的实时图像。
这种方式数据传输量极大，对网络带宽、服务器存储能力及数据处理能力要求极高，同时在出现灾害情况下，网络传输收到袭扰就无法工作，这导致现有的变电站视频监控系统难以普及且在关键时刻无法发挥作用。
1.2 系统厂家众多、兼容性较差目前电力系统内有数家不同视频监控设备厂商提供服务，虽然大部分遵循统一的视频监控标准，但存在大部分分站设备无法接入监控主站，进而无法实现远方监控的目的。
1.3 功能简单变电站视频监控系统设计伊始使即为了除了配合远动“四遥”及时上传图像外，作为独立的系统，拥有远动系统所不具有的前端图像信息。
通过这些信息可以远程掌握变电站环境、设备、人员等详细运行状态，主动发现“四遥”发现不了的问题，前置无人值班变电站问题的发现点。
但当前已经建设的变电站视频监控系统却没有赋予远程监控系统独立发现问题的“大脑”，即缺乏了图像智能分析功能而无法实施主动前置的发现问题。
2 研究思路、研究内容及关键技术2.1 研究思路(1)图像预处理算法的研究：以图像的边缘检测为核心，以图像分割方面为突破点，在图像变换、图像增强、图像恢复上进行深入剖析和建模，使其吻合变电站工作的特定环境，提高预处理的效果和准确性。
基于图像识别的智能变电站检测预警技术研究
92丨电力系统装备 2020.211 概述在智能变电站中，各个关键设备系统更加复杂与抽象化，许多与电压相关的热扰动都由低温升高，这在单一的红外热像图中是看不到的，传统的红外测温检测难以满足更加复杂的检测需求。
因此，本文提出基于图像识别的检测技术，不仅实现了变电站设备故障的自动检测识别，还提高了检测效率与精度，大幅减轻了运维人员的维护巡检压力，对变电站智能化发展具有重要的意义。
2 基于图像识别的红外图像特征处理2.1 图像识别概念图像识别最基本的是对所识别的图形进行特征提取，也就是特征识别。
每个图像都具有独特的属性，例如字母B 具有两个圆，而字母P 则只有一个圆。
根据这些图像不同的特征属性就可以完成图像识别工作。
本文提出的图像识别检测就是在传统红外检测基础上运用神经网络完成检测故障分类，实现智能化的检测识别。
2.2 红外图像处理流程在红外图像处理流程中，根据变电站不同设备类型，现有的方式是比较多。
但很多研究方法仅局限于一种设备，不具有一定范围内的适用性。
如在对智能变电站中高压隔离开关进行检测时，需要通过区域标记法完成图像特征信息的确定，然后再对确定标记区域进行红外图像检测，这样就把一些微观不同的特征放大，进而完成原图像背景的比较，如图1所示。
在图1中，从行外图像原图采集到最后的S9原图标记过程，再对检测设备装置图像优化的步骤为S5、S6、S8，而为了检验本次提出方案的可行性，下面以220kV 的高压隔离开关为例，对图像识别红外技术进行应用分析。
2.3 选取目标矩形区域如图2所示，M ×N 尺寸的绿色线标记为目标区的4个顶点上的检测区域，而这个区域是相关点的闭合矩形。
图2 目标矩形区域为了从原始图像中提取目标区域，本文将RGB （红、绿、蓝）颜色的棕色表示转化为HSV （Hue ，Saturation ，Value ）颜色空间，在图像色彩提取上，通常以饱和度S 为依据进行参考，在相应光谱的色彩分析上，饱和度取值范围是[0，1]。
图像识别在智能变电站一键顺控操作中的应用研究
图像识别在智能变电站一键顺控操作中的应用研究摘要：随着我国经济的迅速发展，对电网建设与运行提出了更高的安全和效能要求。
要保障电网调度和控制的安全，首先要保证变电站的运行安全，在变电站运行过程中避免误操作是其中之关键，倒闸操作是变电站日常运行中最重要的运维之一，倒闸操作的成功与否直接关乎到电网的安全运行。
然而变电站传统倒闸操作的智能化程度不高、误操作风险大，由于站内现有的智能化设备，对隔离开关(刀闸)和断路器(开关)状态识别的成功率很难达到要求，以至于很多具备自动化控制系统和顺序控制模块智能变电站都无法完全实现无人化操作。
本文研究图像识别在智能变电站一键顺控操作中的应用，通过图像识别技术，实现一键式顺序控制操作为变电站运行提供了一种更加智能化和安全的操作方式。
关键字：图像识别；视频；智能变电站；一键顺控；应用1.“一键顺控”的内涵与特点1.1“一键顺控”的定义“一键顺控”是指智能变电站的高级应用功能中利用智能变电站的顺控功能，将变电站的常见操作根据一定的五防逻辑在智能变电站的监控后台上编制成操作模块按钮，操作人员在操作时不需要编制内容复杂的操作票，只需要操作任务名称调用“一键顺控”按钮对应的操作票进行操作即可完成目的操作。
1.2一键顺控系统构成及原理在变电站部署监控主机、独立智能防误主机和I区运检网关机，独立智能防误主机与监控系统内置防误逻辑实现双套防误校核，I区运检网关机为远方一键顺控提供通道。
图1所示为变电站一键顺控系统构架图。
图1 视频比对双确认方式一键顺控系统构架图1.2“一键顺控”实际特点当变电站应用“一键顺控”技术后，变电站设备具备了程序化操作功能，调度员仅需下调度令至计算机操作系统，通过系统将设备状态改至“冷备用态”，随后调度员与变电站现场变电运维人员即可完成“冷备用状态移交”，即“冷备用状态移交”概念成为可能。
后续设备状态可根据变电检修人员工作要求，对一、二次设备“检修态”操作，较大提高了变电站整体年检效率。
变电站巡视中的图像识别技术应用
变电站巡视中的图像识别技术应用摘要：变电站中的电气设备的安全运行与保证电网能够安全、高效运行是电网公司的生命线。
将智能视频图像识别技术应用于变电站巡视中，自动识别设备状态和异常事件，以机器的巡视的方式替代人工巡视工作，对事故现场的报警信息实时监控，实现了智能巡检、智能维护及智能监管，不但降低了劳动成本，还提升了运维效率。
关键词：视频识别；图像识别；变电站巡视；帧间变化；模板匹配0 引言随着社会经济的发展，各行业对电力供应的要求越来越高，变电站的稳定运行对于提供稳定可靠的电力供应起到了至关重要的作用。
为了完成对变电站内设备的监控，需要对变电站的设备进行定期的检查和维护。
检查和维护的方式为人工巡视，不仅耗费大量的人力，而且也浪费时间，最重要的是依靠人工巡视往往会导致巡视不清楚或者巡检完不成进而导致变电站设备出现故障不能及时发现，造成连锁事故。
同时，由于变电站内有很多高压设备，人工巡视危险性很高。
而运用视频监控系统的智能图像识别技术代替人工巡视将成为变电站巡视的发展趋势[1]。
图像识别功能在智能视频监控系统的出现与应用使得智能视频监控系统更加智能，也是视频监控系统发展的重要标志。
图像识别算法的实现和选择是智能视频监控技术中的关键点。
视频监控系统一般是采用服务器+客户端模式来设计的，在视频数据的采集与传输中是采用基于达芬奇技术的嵌入式客户端实现的，在视频中图像目标的智能检测和识别是采用基于OpenCV库的算法在服务器中进行来实现的。
通过视频图像采集到视频传输，再到计算每一帧Harr-Like特征的视频图像的积分图像，目标的检测定位通过检测率基本能够满足识别需要的Adaboost算法设计级联分类器来实现，采用主成分分析法将提取出来的目标的统计特征进行降维，最后目标的识别功能通过支持向量机算法设计多分类器来实现。
1 系统组成及各部分主要功能如图1所示，本智能视频监控系统采用服务器+客户端模型来设计与搭建的，远程客户端、网络硬盘录像机、视频数据采集端组成智能视频监控系统的三大部分，其中网络硬盘录像机在功能上就相当于监控主机和网络视频服务器的结合。
基于图像处理的电力设备检测与识别方法研究
基于图像处理的电力设备检测与识别方法研究1. 引言近年来，随着电力行业的不断发展，电力设备的数量和种类也在不断增多。
为了确保电力系统的安全运行，及时检测和准确识别电力设备的状态成为一项重要任务。
图像处理技术作为一种有效的方法，已经被广泛应用于电力设备检测与识别方面。
本文将对基于图像处理的电力设备检测与识别方法进行研究。
2. 图像获取图像获取是基于图像处理的电力设备检测与识别的第一步。
目前，常见的图像获取方法有两种：传感器获取和图像采集设备获取。
传感器获取是一种通过传感器获取电力设备的图像，如红外传感器、雷达等。
而图像采集设备获取是通过使用相机或摄像机对电力设备进行拍摄或录制，获取设备的图像。
根据实际需求，选择适合的图像获取方法非常重要。
3. 图像预处理在图像处理的过程中，由于电力设备常常受到各种噪声和干扰，需要进行图像预处理来提取出更有效的信息。
图像的预处理包括图像去噪、图像增强、图像分割等步骤。
图像去噪是通过一些滤波方法去除图像中的噪声，如中值滤波、均值滤波等。
图像增强是通过一些算法和技术改善图像的质量，如直方图均衡化、锐化滤波等。
图像分割是将图像分成不同的部分，提取出感兴趣的目标区域，比如通过基于阈值的方法来分割图像。
4. 特征提取特征提取是电力设备检测与识别的核心步骤。
通过对图像进行分析和处理，提取出具有代表性的特征，用于后续的分类和识别。
常见的特征提取方法有形状特征、纹理特征、颜色特征等。
形状特征是通过计算目标物体的形状参数，如周长、面积、凸度等来描述目标物体的特征。
纹理特征是通过计算目标物体的纹理信息，如灰度共生矩阵、小波变换等来描述目标物体的特征。
颜色特征是通过计算目标物体的颜色直方图、颜色矩等来描述目标物体的特征。
5. 分类与识别在特征提取完成后，需要进行分类与识别。
分类与识别是将目标物体进行归类和识别的过程。
常见的分类与识别方法有支持向量机、神经网络、决策树等。
这些方法可以根据提取到的特征对电力设备进行分类和识别。
变电站视频监控系统中的智能图像识别预处理技术应用
变电站视频监控系统中的智能图像识别预处理技术应用摘要：随着全球能源危机的席卷，智能电网建设已被纳入中国电力发展的战略组成部分，电网规模的扩大将不可避免地导致无人值守变电站的增加。
然而，近年来，发生了许多事故，严重威胁了电网的稳定运行。
为了解决这一问题，准确分析其运营风险并采取相应的防范措施是非常必要的。
关键词：变电站；视频监控系统；智能图像识别预处理技术；应用1.智能变电站的特点智能电网作为一个新的概念，具有许多独特的特征。
首先，作为一个智能系统，与其他手动系统相比，它更值得我们信任。
当然，这也是智能系统的必要条件。
其次，它是高度互动的，我们可以用它来传递很多信息，这也是智能系统的基础。
我们需要能够随时了解它的当前状态，以便我们能够方便地控制它。
任何一件事，我们都不想让它脱离我们的控制。
只有对其充分理解，我们才能更好地利用它。
用电的人数很多，我们需要高度的互动来控制它，所以这就是它必须具备的。
第三点是智能系统是高度集成的产物。
随着科学技术的发展，我们的集成电路自然不会像第一台计算机那样大和无用。
智能系统必须高度集成，否则会造成很大的问题，这是我们现在做事应该尊重的标准。
2.视频监控技术概述视频监控就是实时地观测被监视场景中的运动目标，并且从各种指标分析描述其行为。
目标按数量或类型可以分为单目标或多目标，如人和车辆等。
而视频监控技术的研究内容主要涉及运动目标检测与提取，运动目标识别、跟踪，运动分析与运动理解，视频认证等方面的内容。
该项技术主要涉及到计算机视觉，模式识别，以及人工智能等领域。
目前，视频监控技术在商业、工业、国防军事上都有着广泛的应用需求。
如用于银行、超市、机场、停车场、政府重要部门、重要军事区域和公路上的车流量检测和速度检测等方面的无人值守场所。
视频监控系统由摄像装置、图像监视器、数字图像处理器、使用算法模块、机械传动伺候机构和其他应用装置组成。
3.图像预处理的概念监控中的图像预处理定义为应用一系列方法获取、校正、增强过缩压可视图像的技术。
基于卷积神经网络的变电站监控图像识别方法研究
基于卷积神经网络的变电站监控图像识别方法研究随着电力系统生产自动化水平的不断提高,越来越多的变电站实现了无人值守运行模式,采用数字图像处理技术对监控图像进行分析与识别,大大提高了无
人值守变电站运行的安全性和可靠性。
为了实现对变电站监控图像智能识别的任务,采用深度学习技术为解决该问题提供了一个重要的方向。
深度学习模仿人脑的视觉机制来学习样本数据之间的内在规律和表示层次,能够深刻表达数据的本质特征,是机器学习领域中一个备受关注的研究方向。
卷积神经网络是深度学习模型中最为高效的一种图像识别技术,可以直接将原始图像作为网络的输入,对于识别具有旋转、平移、缩放或者其他扭曲不变形式的物体有很好的鲁棒性。
本文在对卷积神经网络进行深入理论研究的基础上,将其应用于变电站监控图像的异常识别中。
本文基于线性修正函数和柔性光滑函数的优点,提出了一种使用非线性修正函数作为神经元激励的方法,非线性修正函数不仅具备稀疏表达的能力,而且将大于零的数据进行了非线性映射,加快了网络收敛速度,并且提高了识别准确率;根据矩阵的奇异值分解对于图像的几何失真具有高度不变性的原理,考虑到图像信息的主要能量集中于奇异值中较大的几个,提出一种基于矩阵
2-范数的池化方法,它是将卷积层的特征图划分为若干个互不重叠的子块图像,
然后分别计算子块图像矩阵的奇异值,将矩阵的最大奇异值作为池化区域统计结果,该方法将图像的能量信息作为下一层网络传播的特征,仿真结果表明该方法
具有更高的识别率,可以反映隐含在图像中的能量信息特征;通过构建人员闯入、误入限制或者危险区域的变电站监控图像异常状况的卷积神经网络模型,验证了本文方法的可行性和很好的适应性,对于电网智能化建设有较高的工程应用价值。
变电站视频图像自动识别技术的研究
变电站视频图像自动识别技术的研究发表时间：2018-08-10T15:25:35.177Z 来源：《科技中国》2018年4期作者：赵雅婷[导读] 摘要：本文研究探索变电站视频图像自动识别技术，实现人员及物体的闯入、异动等情况的实时预警、视频推送等智能化辅助研判功能，降低了监控人员的工作量，提升了电网监控运行辅助决策水平，进一步优化资源配置，提升运维效率和精益化水平，提高变电设备运行的安全性和可靠性，产生良好的经济效益和社会效益。
摘要：本文研究探索变电站视频图像自动识别技术，实现人员及物体的闯入、异动等情况的实时预警、视频推送等智能化辅助研判功能，降低了监控人员的工作量，提升了电网监控运行辅助决策水平，进一步优化资源配置，提升运维效率和精益化水平，提高变电设备运行的安全性和可靠性，产生良好的经济效益和社会效益。
关键字：变电站；视频图像；自动识别；SCADA1 研究必要性随着电力行业的快速发展和技术的进步，电力系统内各种输变电设备数量越来越多、分布范围越来越广，相应的运行维护量也变得越来越大，因此变电站无人值班，调度侧集中设备监控按调控一体化管理运行已成为了常态。
同时，各种贵重的变电设备放在无人值守工作站里也容易被不法之徒破坏或偷窃，轻的造成财产损失，重的则造成设备和人身安全事故，给电网安全运行造成重大威胁。
本着安全第一、预防为主的宗旨，变电视频监控系统作为运行监控人员视觉的延伸的电子眼在无人值守和少人值守变电站建设中发挥了重要的作用。
从目前的变电站视频监控工作开展情况来看，变电站视频监视系统一般靠人工监视：在监控中心上千路图像在大屏幕轮寻显示，视频图像完全依靠人工肉眼察看，常态检修监视和非常态安全事件也完全依靠人工发现。
为了克服视频监视系统“只监不控”“轮换查询漏检”“人工滞后判断”等现状，避免在实际应用中延误电力系统故障处置时机。
同时,也为规范检修操作,要求工作人员操作时必须处于规定安全区域内,并严格禁止无关人员进入变电站内。
面向变电站监控界面自动测试的画面识别算法
面向变电站监控界面自动测试的画面识别算法
赵娜;刘文彪;王连涛;王梦如;任振兴
【期刊名称】《计算机与现代化》
【年(卷),期】2022()6
【摘要】对变电站监控系统人机界面进行测试验证时,通常采用对比人眼观察到的监控画面与测试指令发送的信息是否一致的方式评估监控软件是否达标,而人眼观察繁杂多变,监控信息的准确率和效率均得不到保证。
为了实现变电站监控的自动测试,研究利用图像处理和机器学习技术识别变电站监控画面信息的方法。
提出一种基于最佳图元的模板匹配方法解决画面中不同尺寸电气图元的自动定位问题;针对监控画面中拓扑特点提出FHOG算子并提高监控画面和图元状态的识别速度;针对汉字左右体结构分离和告警信息画面中的字符粘连等问题,提出分割识别协同的算法定位字符,并使用深度卷积神经网络进行识别。
经线下实验验证了各个单元算法在实际变电站监控图像上的有效性。
设计一套测试系统,经线上测试总体图元识别准确率达到96.04%。
【总页数】8页(P96-103)
【作者】赵娜;刘文彪;王连涛;王梦如;任振兴
【作者单位】中国电力科学研究院有限公司;南京国电南自电网自动化有限公司;河海大学物联网工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.变电站监控系统电气主接线图图像识别算法研究
2.雷达对抗侦察装备自动测试中的界面识别研究
3.智能变电站监控系统雪崩自动测试系统的开发及应用
4.基于全景仿真的变电站设备监控信息自动测试模式研究
5.面向安防监控场景的低分辨率人脸识别算法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
基于深度学习算法的变电站开关柜操作机器人图像识别算法的研制
基于深度学习算法的变电站开关柜操作机器人图像识别算法的研制摘要：变电站机器人是目前电力系统应用领域研究的重点方向之一。
基于深度学习算法，可大大提升机器人的操作精准度。
只需通过在远端平台对机器人下达操作/巡检指令后，通过机器人摄像头对现场传输回的图像数据进行检测，可准确判定待操作对象是否正确，检测对象状态是否正确（包括压板/手车/闸刀）。
基于深度学习算法的图像识别检测精准率高、检测速度快、模型的泛化性好，可以保证机器人准确完成操作命令，提高了变电站机器人操作的可靠性。
关键词：深度学习算法；图像识别；操作机器人；操作可靠性。
中图分类号：TM63文献标识码：A引言变电站操作机器人是目前电力系统应用较广的新兴技术之一，但如果保证操作的准确性是研究的难点之一。
现有机器人无法对开关柜的按钮进行精密识别，导致识别有误时无法实现开关柜的紧急倒闸、合闸、分闸操作。
如何有效提高变电站操作机器人图像识别的精度，进而提高机器人操作的准确度，对于全面提升电网设备状态管控能力、保障电网的安全可靠运行有着显著的意义。
1传统图像识别存在的问题1.1模型简单传统图像识别多是基于Hog特征的图像识别算法，原理为使用滑动窗口在图像上进行滑动，之后使用方向梯度直方图（HOG）计算和统计图像局部区域的梯度方向直方图构成物体的特征，从而检测出压板、旋钮等开合状态，提取的特征量较为简单，识别精度较低。
1.2检测速率低传统图像识别在图像采集数据量大的情况下采集速度、处理速度较慢，约200ms/张，难以满足新型变电站繁多、复杂的数据要求。
新兴的智能图像识别算法往往可以达到100ms/张以上的识别速度，更适合胜任开关柜操作要求。
1.3检测精度低，抗干扰能力弱传统图像识别算法受图像采集角度以及光线影响极大。
在灯光昏暗或者较为狭小的角度下，基于传统图像算法的机器人都难以准确完成对于开关柜状态的识别，受外部环境干扰较大。
2基于深度学习的平台图像识别检测功能的研制2.1数据的标注与处理使用labeling工具对获得的图像进行标注，如下图所示，共有5处压板是合的状态，使用矩形框标注压板、分合闸位置指示、手车操作孔、地道操作孔等信息。
基于图像识别技术的变电站视频监控系统设计
基于图像识别技术的变电站视频监控系统设计发布时间：2022-07-21T01:49:48.120Z 来源：《中国科技信息》2022年第33卷第3月5期作者：詹祖瞬[导读] 基于功能分布的传统变电站视频监控系统，可在视频采集终端和客户等多个硬件主机的作用下实现远程控制节点的统一管理。
但是，对于连续视频图像来说，詹祖瞬浙江华是科技股份有限公司浙江杭州 311122摘要：基于功能分布的传统变电站视频监控系统，可在视频采集终端和客户等多个硬件主机的作用下实现远程控制节点的统一管理。
但是，对于连续视频图像来说，识别系统信息的准确性相对较低，执行监控指令花费的时间太长，使得对变电站主控节点进行持续监控和管理变得困难。
为了解决上述问题，本文介绍了图像识别技术，设计了一种新型变电站视频监控系统。
通过支持外围监视主机等硬件设备，它完成了视频图像的灰度处理，从而大大减少了传输监视指令所需的运行时间。
本文主要分析了基于图像识别技术的变电站视频监控系统设计。
关键词：图像识别技术；C/S体系；ActiveX 控件；周界主机；图像灰度化；数据库表引言图像识别是一种新型实用应用软件，可按计算机设备分析、处理和理解图像数据。
它通常是一种与深层学习算法相关的基本表达式形式，可以同时处理多个不同的应用程序对象或目标。
在变电站基础设施施工现场，图像识别技术可用于视频数据的初步处理，通常需要进行图像采集、图像预处理和特征提取等多种处理过程。
在变电站监控视频中，要识别的图像只能保持分散分布，这需要多个整体规划过程来聚合信息参数。
1、系统软件设计在相关设备的支持下，根据监控图像分类、视频图像灰度处理和数据库表的建立过程，构建了系统的软件运行环境，并设计了基于侦察技术的变电站视频监控系统。
1.1监控图像分类监控图像分类是变电站视频监控系统设计中的必要处理环节。
它可以确定图像数据设置的应用范围，同时根据既定的识别原则，在每个区域中输入图像节点，然后计算与持续监视的视频对象相关的处理权重，从而提高图像块中所有像素的平均透明度，并实现以下目标通常，处理后的视频图像数据具有更强的完整表达能力，可以直接描述该区域中节点组织的平均传输概率，因此主监视主机可以直接选择具有近似重算结果的视频图像节点。
图像识别技术在输电线路视频监控中的研究与应用
图像识别技术在输电线路视频监控中的研究与应用发布时间：2022-01-19T09:05:23.195Z 来源：《新型城镇化》2021年24期作者：雷婕[导读] 随着监控站点数量的增多以及视频像素质量的提高，需要上传的数据急剧增加，使得服务器不堪重负；同时这种对于数据不加处理直接上传到服务器的方式，也是对通信资源的一种浪费。
国网大同市云州区供电公司山西大同 037300摘要：随着监控站点数量的增多以及视频像素质量的提高，需要上传的数据急剧增加，使得服务器不堪重负；同时这种对于数据不加处理直接上传到服务器的方式，也是对通信资源的一种浪费。
本文针对输电线路所处位置的特殊性，利用异物侵入识别算法，对前端抓拍到的图像进行异物识别，将有异物侵入的图像上传到服务器。
正常图像则保存在前端内，通过说明标签进行说明，方便工作人员的后期查看。
通过异物识别算法可以将大部分的图像筛选出来，只需要将有异物侵入的图像上传，节约了数据传输的资源，保证了输电线路的稳定运行。
关键词：图像识别技术；输电线路；视频监控；应用1输电线路视频监控系统的架构输电线路视频监控系统是将输电线路作为主要的监控点，主要有三个部分：前端图像采集、无线传输、后台监控中心。
与普通的网络视频监控系统不同，输电线路视频监控系统前端加入了相应的异物侵入识别算法。
输电线路视频监控图像识别的工作原理及过程：首先将视频监控前端架设在对应的输电线路杆塔上，前端摄像头抓拍到目标区域的图像，通过加入到前端的图像识别算法对抓拍到的图像进行识别，如识别算法没有识别到异物入侵则将图像进行保存；当识别算法识别到异物侵入时，系统将异物入侵的图像通过无线网络上传到服务器。
前端设备中的摄像头模组完成对输电线路的图像采集，主板卡主要功能便是利用异物侵入识别算法对采集到的图像进行异物识别，同时主板片的供电由前端充电蓄电池进行提供，蓄电池由太阳能电池板经过电源板对其进行充电，电源板和主板卡之间由电源控制板相连，通过电源控制板对主板卡的供电过程进行控制，完成一系列的功能，如主板卡的休眠模式和分级负载模式；电源控制板也会对电源板的充电过程进行控制，如过压、欠压保护和电池的自动浮充功能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
围已开始 向边 缘 学科 和工 业技 术方 面发 展 。 作 为一 门交 叉学 科 的科学 ，数 学形 态 学 的理 论
简称 马 氏距 离分类 器 ） ， 不仅计 算速度 快 ， 分类 准 确率也很高。 将 电力 系 统 主 接 线 图 的设 备 类 型 识 别 出来 并 记 录 该 位置 ， 再 用 变 电站监 控 系统 对应 的设 备 类 型 进行替换 ， 最 后 把 横 竖 连 接 线恢 复 ， 便 可将 设 计 院 提 供 的 主 接 线 图 转 换 成 变 电站 监 控 系统 所 对 应 的 主接 线 图 。 本文 先将 图像 进行 形 态学处 理 ， 经过 腐蚀 、 顶 帽 变换 ｌ ｌ ４ Ｉ 、 闭 运算 之后 ， 得 出各 种设 备 的 图像 矩 阵 ， 将 图像 矩 阵归一 化然 后进 行 奇异值 分 解 ，由奇 异值 前 四个 值作 为设 备 的特征 向量 ，最后 将特 征 向量输 入 到马 氏距 离分 类器 以实现 对不 同设 备 的识别 。
图像 进行 Ｇ ａ ｂ ｏ ｒ 小 波 变换 ，以 ４个 不变 矩 作 为特 征 向量 ， 能 较好 地解 决 目标 检测 中 的遮 挡 问题 ， 但小 波 变换算 法 比较复 杂 。 文献 【 ６ 】 提出 Ｓ Ｉ Ｆ Ｔ （ Ｓ ｃ ａ ｌ ｅ Ｉ ｎ ｖ ａ ｒ ｉ ａ ｎ ｔ Ｆ ｅ ａ ｔ ｕ ｒ ｅ Ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ） 算法 ， 该算法对旋 转 、 尺度缩放 、
第 ３ ４卷 第 １ 期
２ ０ １ ５年 ２ 月
红水河
Ｈｏ ｎ ｇ Ｓ ｈ ｕ ｉ Ｒｉ ｖ ｅ ｒ
Ｖｏ １ ． ３４． Ｎｏ． １ Ｆｅ ｂ． ２ ０１ ５
变电站监控系统电气主接线图图像识别算法研究
覃 思 师
（ 中国能源建设集 团广西 电力设计研究 院有 限公 司， 广西 南宁 ５ ３ ０ ０ ２ ３ ）
基础 颇 为艰深 ， 但 是其 理 论概 念却 比较 简单 。 其核 心
运算是膨胀和腐蚀 ，其余各种形态学运算都是基于 这两 个运 算 而来 的 。 在形态学运算中， 模板的选取是非常重要的， 其 尺寸 、 形状的选择是能否有效提取信息的关键 。 以下
作者简介： 覃 思师（ １ ９ ８ ７ 一） ， 男（ 壮族 ） ， 广 西宜州人 ， 硕士 ， 主要研 究方向： 智能算 法， 电能质 量分析 ， 继电保护 ， Ｅ － ｍａ ｉ ｌ ： ｊ ａ ｓ ７ ４ ４ ２ ０ ０ ３ ＠１ ６ ３ ． ｃ ｏ ｎ。 ｒ
摘
要： 给 出基 于数 学形 态学、 奇异值 分解和马哈 利诺 贝斯距 离分类器的 图像 识另 Ｉ 】 算法。将 电力 系统主接 线图进行数
学形态学运 算 ， 提取 出不 同设备 类型（ 文 中设备类型 包括 变压器、 开关、 刀 闸及手车 ） 的图像矩 阵， 经归一化之后 ， 通过
奇异值 分解 ， 取前 四个奇异值作 为设备 类型的特征 向量 ， 把这些特征向量输入到马哈 利诺 贝斯距 离分类器以实现 对
不 同设备 类型的识别。 实验结果表明 ， 该方法对图像 中各 种设备 类型均能准确 、 快速地识别。
关键词 ： 变 电站 ； 电气 主接 线 图 ； 图像 识 别
中 图分 类 号 ： Ｔ Ｍ７ ４
文 献标 识 码 ： Ａ
文章编号： １ ０ ０ １ — ４ ０ ８ Ｘ （ ２ ０ １ ５ ） ０ １ — ０ ０ ３ １ — ０ ４
杂 。本 文 采用 的 马哈 利诺 贝 斯距 离 分 类 器 【 （ 下文
要将图像进行转换 ， 首先得把图像 中各种设备 类 型 识别 并 提取 出来 。 目前 ， 图像 识 别算 法 主要有 ：
Ｈ ａ ｒ ｒ ｉ ｓ 角点 检测 算法 【 Ｉ ｌ 、 Ｓ Ｕ Ｓ Ａ Ｎ角 点检 测 Ｉ ３ Ｊ 、 数 学形 态 学『 ４ １ 、 Ｇ ａ ｂ ｏ ｒ 小 波变 换 ｌ ５ 】 和射 影 不 变量 ＿ ７ Ｊ 等 。文 献 【 ５ ］ 对
１ 基于数学形态学 的图像分 割
１ ． １ 数 学 形态 学简 介 数学形态学（ Ｍａ ｔ ｈ ｅ ｍａ ｔ ｉ ｃ ａ ｌ Ｍｏ ｒ ｐ ｈ ｏ ｌ ｏ ｇ ｙ ） 是 一 种 应
亮度变化保持不变性 ， 对视觉变化 、 仿射变换 、 噪声 也保 持 一定 的稳 定性 ， 但 Ｓ Ｉ Ｆ Ｔ特征 提 取需 要 在各 个 尺度上进行计算 ，时间复杂度相对较 高 。本文 以 Ｓ Ｖ Ｄ分 解 的奇 异 值 作 为不 变 量 进行 图像 识 别 ， 该 方 法 计算 简 单 ， 而且 能 很好 地应 用 于 电力 系 统 主接 线 图的 图像 识 别 。 将 不 同设 备 提取 出来 之 后 ，就 要 进 行 分 类 以 确 定 设 备 类 型 。模 式 识 别 方 法 有 支 持 向量 机 嗍、 模 板 匹配 【 ９ ｌ 、 决策树ｌ ｌ ０ ｌ 、 聚类 方 法 【 ｌ １ 】 等 。支 持 向量 机 算 法 比较 复杂 ， 核 函数不易选择 ； 决 策树法需对每种 属性构建一种 规则 ， 若 数据集很大 ， 规 则 就 会 很 复
０ 引 言
随着 变 电站 的建 设 ， 变 电站监 控 系统 的应 用 越 来 越 广泛 。变 电站监 控 系统 的 主接线 图由现 场服 务 人 员 根 据设 计 院提 供 的 主接 线 图绘 出 ， 若 能 将设 计 院提供 的主接 线 图 自动转 换成 监 控 系统 所用 的 主接 线 图， 则 能减 少很 多 工作 量 ， 因 而在工 程 中具 有较 大 的应 用价 值 。