基于深度检测网络的配网工程动态缺陷检测进展_李运硕.pdf

电 力 信 息 与 通 信 技 术Electric Power Information and Communication TechnologyVol.21 No.2Feb.2023第 21 卷 第 2 期2023 年 2 月基于深度检测网络的配网工程动态缺陷检测进展李运硕1，段祥骏1，李佳1，林奕夫2，任敬飞3，杨婷4（1.中国电力科学研究院有限公司，北京市 海淀区 100192；2.国网福建省电力有限公司经济技术研究院，福建省 福州市 350001；3.国网山东省电力公司电力科学研究院，山东省 济南市 250002；4.南京工程学院电力工程学院，江苏省 南京市 211167）Progress of Dynamic Defect Detection in Distribution Network Engineering Based on Deep Detection NetworkLI Yunshuo1,DUAN Xiangjun1,LI Jia1,LIN Yifu2,REN Jingfei3,YANG Ting4(1.China Electric Power Research Institute,Haidian District,Beijing 100192,China;2.Economic and Technological Research Institute of State Grid Fujian Electric Power Co.,Ltd.,Fuzhou 350001,Fujian Province,China;3.State Grid Shandong Electric Power Research Institute,Jinan 250002,Shandong Province,China;4.Nanjing Institute of Technology,School of Electric Power Engineering,Nanjing 211167,Jiangsu Province,China)摘要：配网工程中大量的安全质量潜在缺陷给配网运行带来了极大的安全隐患。将深度检测网络应用于配网工程动态缺陷检测可加强配网工程管理、减少人工运维工作量，达到提质增效的目的。文章首先对配网工程缺陷种类进行梳理分类；然后，针对典型深度检测网络及其在配网工程动态缺陷检测领域的应用现状开展深入研究，并对现有研究成果进行详细综述；再次，总结深度检测网络应用于配网工程动态缺陷检测的关键问题及其解决方案。最后，对该领域的研究方向进行展望，期望为后续研究工作提供有益参考。关键词：深度检测网络；配网工程动态缺陷；目标检测；机器视觉；模型部署ABSTRACT:A large number of potential safety and quality defects have brought great potential safety hazards to the operation of distribution network.Applying the deep detection network to the dynamic defect detection of distribution network engineering could strengthen the management,reduce the workload of manual operation,and achieve the purpose of improving quality and efficiency.Firstly,the types of defects of distribution network engineering are classified.Secondly,the advanced deep detection network and its application in the field of dynamic defect detection in distribution network engineering are researched and analyzed in-dept,and the existing research achievements are reviewed in detail.Then,the key issues and its solutions of deep detection network applied to dynamic defect detection of distribution network engineering are summarized.Finally,the research direction is prospected in order to provide a valuable reference for the follow-up research.KEY WORDS:deep detection network;dynamic defect detection of distribution network engineering;target detection;machine vision;model deployment0引言近年来，深度检测网络在电网运行状态监测1、电力系统故障自动判别2、负荷预测3、电力设备部件识别4以及电力设备故障诊断5中已有一些应用。目前，针对基于深度检测网络的配网工程动态检测与告警技术研究大多局限于算法架构、人脸识别以及安全帽简单标识物等检测，缺少在配网工程质量安全领域的系统性研究和工程应用方面的论述6。不论配电网新建或者改造工程，均具有工期紧任务重、政府社会与用户关注度高等特点。尤其是随着配网新建与改造工程任务逐年增多，配网工程呈现出点多面广、施工环境复杂等特点，相关工程安全质量管理难度高、工作量大。基于深度检测网络的机器视觉识别是人工智能领域最重要、最活跃的领域之一7，通过引入机器视觉等先进技术，对配网中图分类号：TM63 文献标志码：A 文章编号：2095-641X(2023)02-040-13 DOI：10.16543/j.2095-641x.electric.power.ict.2023.02.05著录格式：李运硕，段祥骏，李佳，等基于深度检测网络的配网工程动态缺陷检测进展J 电力信息与通信技术，2023，21（2）：40-52基金项目：国家电网有限公司总部科技项目资助“基于机器视觉深度学习的配网工程强化管控技术研究”(5400-202116141A)。第 21 卷 第 2 期电 力 信 息 与 通 信 技 术施工过程中可能存在的隐患问题进行智能识别、异常检测以及提前预警8，保证配网工程安全可控、顺利开展，减少人工运维工作量，提高现场管理效率，辅助配网工程项目管理与安全建设质量管控，达到配网工程建设安全、优质以及高效的目标。文章首次将配网施工现场多种潜在隐患的智能分类与异常识别，归纳为配网工程动态缺陷检测问题。首先从配网工程现场常见的安全质量问题出发，对配网工程缺陷进行梳理分类；然后，立足于配网工程动态缺陷检测的技术需求，系统论述基于深度检测网络的配网工程动态缺陷检测的技术路线；其次，从深度检测网络在目标检测领域的发展趋势出发，回顾深度检测网络在配网工程缺陷检测中的应用现状和研究进展，总结归纳配网工程缺陷检测所面临的挑战及其解决方案；最后，针对配网工程动态缺陷检测研究工作的研究方向进行讨论和展望，期望为该领域快速工程化部署以及后续相关研究工作提供有价值的参考。1配网工程动态缺陷分类配网工程动态缺陷是指在配网工程建设施工现场包含的大量的潜在隐患。这些隐患不仅包括人员组织或管理部分，还包括施工过程中设备或部件安装不规范引起的实际施工与设计方案存在的差异。配网工程动态缺陷的分类维度并不唯一，从质量与安全管理的角度，可将其分为质量缺陷与安全缺陷；按照配网施工场景，可将质量类缺陷进一步细分为站房类、配变类、电缆类以及架空线路类；按照被检测目标类型可分为文本类、人员类、设备类以及工艺类。通过对配网大量工程现场多种缺陷进行梳理，常见配网工程动态缺陷分级分类如表1所示，其中，质量缺陷关注配网电力设备或组件安装隐患，而安全缺陷关注现场工作人员操作隐患。以 质 量 缺 陷 站 房 工 程 中 的 开 关 柜(switch cabinet，SC)安装缺陷为例，进一步细分后的工程缺陷包括并不仅限于如设备命名标识不齐全(文本类)、人员行为不规范(人员类)、设备未接地(设备类)、母排存在异物(设备类)、电缆接头缺相序标识(工艺类)以及设备未封堵(设备类)等。配网工程缺陷细分种类多、范围广，仅依靠人工现场核查存在易忽视、难发现的问题。且配网工程受外界环境干扰因素较多，存在现场安全风险防控难、依靠人工监管难度大等突出问题，为配网工程埋下安全质量隐患。2配网工程动态缺陷检测技术概述针对配网工程广泛存在的动态缺陷进行识别与检测，需依托配网工程现场监控设备(如无人机、智能巡检仪、视频监控以及移动拍摄设备等)的分布式机器视觉，通过部署先进深度检测网络对动态缺陷图像特征进行智能检测，识别缺陷的类别与严重程度，如图1所示。动态检测体现于3个方面：配网施工现场视频数据为实时动态图像；无人机等巡检设备处于动态监测状态中；无人机、智能巡检仪以及本地视频监控设备等具备一定算力的边缘设备，通过搭载轻量级检测算法可实时得到检测结果。配网工程动态缺陷的检测识别本质上可归纳为机器视觉中的图像识别与目标检测在配网工程特定场景中的应用，其技术需求可归纳为快速、高效以及准确的识别不同类型配网工程动态缺陷，该研究领域具有跨专业、多学科交叉融合的特点。其关键技术可归纳为：广泛搜集配网施工工程动表1配网工程动态缺陷分类Table 1Schematic diagram of dynamic defect classification of distribution network engineering大类质量缺陷安全缺陷细分站房工程配变工程电缆工程架空线路安全防护其他部件SC、IT、GCK等PMT、JP柜、EP电杆、OL、CA、IW等CB、CL、CHMJ、SS等SW、SPP、Wire、LP等SD、SBS、SF、TM等Crane、梯子、抽烟、IS等缺陷细节标识是否齐全、设备是否封堵等设备是否封堵、安装是否规范等绝缘是否破裂、安装是否规范、标识是否齐全等安装是否规范、设备组件是否缺失、是否接地等安全帽、工装、绝缘手套、安全绳以及安全带等是否正常佩戴，是否加装围栏等是否有人监护、是否严格禁烟等是否佩戴安全帽线夹是否加装绝缘护套人员行为是否规范横担是否倒装拉线是否装设绝缘子配网施工现场机器视觉若干算法模型缺陷检测结果 图1配网工程动态缺陷检测Fig.1Dynamic defect detection of distribution network engineering41李运硕等：基于深度检测网络的配网工程动态缺陷检测进展Vol.21 N态缺陷图像数据集，构建良好的标注样本库；通过技术提取动态缺陷图像特征并进行识别，研究提高图像识别精确度与异常检测准确率的算法与网络模型。建立包含多种缺陷完备信息特征的配网工程动态缺陷样本模型库是实现配网工程动态缺陷智能检测与识别的前提条件，高质量与数据量丰富的图像样本不仅可以提高缺陷检测模型的泛化能力，还可以提高缺陷检测的识别精度。数据的来源可利用配网施工现场的视频监控设备或网络资源，通过广泛搜集多种类、多状态、多角度以及多时段的工程现场照片，完成图像样本的初步搜集。依据动态缺陷分类，对初步搜集的图像进行进一步细分，并针对缺陷特征确立差异化样本标注方案，建立样本库。由于单个算法模型只能实现某种或某一类型的配网工程动态缺陷检测，因此需根据不同缺陷种类部署若干个深度检测网络模型。深度检测网络是机器学习中具有深层结构的神经网