中国城市轨道交通协会发布的《中国城市轨道交通智慧城轨发展纲要》提出，要建立智能运维和安全保障体系，稳步提升运维智能化和安全运行水平。轨道交通变电所的日常巡检内容包含设备的外观（异响、异味、放电）、环境（温湿度、异物进入、渗漏水）、设备运行方式、装置运行情况、异常及故障信息等，其对轨道交通的供电安全意义重大。

目前，变电所的巡视模式仍是传统的人工巡视，工作量大且琐碎，容易出现错误及遗漏，需巡检设备的庞大规模与运维人员数量及能力严重不足的矛盾日益突出。因此有必要结合新型传感、物联网、人工智能和大数据等技术，研究轨道交通变电所巡检的数字化、智能化、远程化、可视化相关技术，实现变电所的智能运维，提升变电所巡检的质量与效率，减少运维人员工作量。

1 现状分析

在城市轨道交通供电系统中，一般设有主变电所、牵引降压混合变电所、降压变电所、跟随式降压变电所等几种类型变电所。供电管理部门为了掌握设备运行情况，在每个站点的变电所内部署了综合监控系统，利用“三遥”（遥信、遥测、遥控）数据监控变电所供电设备的运行情况，可以利用该系统的操作员站，实现对供电设备的日常监测、控制与管理。综合监控系统接入的供电设备信号类型见表1。

表1 信号类型表

这些信息并不能覆盖运维人员日常巡视的全部内容，变电所的日常巡视内容一般包含设备外观（异响、异味、放电）、环境（温湿度、异物进入、设备房间渗漏水）、设备运行方式、设备气压数据、柜体开关位置指示、表计数据、保护运行情况及面板指示灯指示、设备本体计数器动作情况、变压器运行温度、各设备本体告警、异常及故障信息、设备本体表计电量数据信息核查等。

在目前人工巡视的模式下，运维人员工作量大且琐碎，易出现错误遗漏，亟需用智能化、远程化、自动化的手段去提质增效，强化设备运维的状态感知、缺陷发现、设备管控、主动预警和应急处置能力，提升设备运维水平和效率，降低运维过程中人为因素导致的不确定性。

2 系统架构

图1所示为系统架构。系统分为两级架构，由车辆段智能巡视主站、变电所智能巡视子站两部分组成，并可与地铁公司云平台进行数据交互。

车辆段智能巡视主站部署于车辆段，负责统筹管理整个车辆段各变电所的巡视策略制定，以及巡视任务管理，并对各变电所智能巡视子站下发巡视命令，采集各变电所智能巡视子站采集的视频、图片及其他相关数据，进行相关图像识别分析；对在线监测数据进行挖掘分析，辅助运维人员掌握设备状态信息。主要由各类型服务器、存储设备、网络通信设备等构成。

图1 系统架构

在变电工班部署智能巡视工作站，用于一线运维人员掌握各自所管辖的变电所设备运行情况，各工班工程师站权限独立，只有本辖区内变电所智能巡视系统操作权限，具有全车辆段变电所智能巡视系统查看权限。

变电所智能巡视子站部署在110kV主变电所、牵引降压混合所、降压所、跟随所等，智能巡视子站由智能运维网关、网络硬盘录像机、网络通信设备、各类型摄像机、红外测温摄像机、轨道机器人、声纹采集终端等设备构成，实现数据采集、自动巡视、智能联动功能。

智能运维网关是巡视子站的核心，接受巡视主站下发的巡视任务，并控制摄像机、机器人等执行任务，把采集到的数据上送至巡视主站，并同时负责处理子站端的智能联动业务。

此外智能运维网关也与子站端外部系统进行数据接口，通过DL/T 860、104、Modbus等协议从综合监控系统接入变电所供电设备运行数据、火灾消防信息、环境信息、门禁信息，从在线监测系统获取设备状态数据，用于进行智能联动及综合分析。

3 关键技术

实现轨道交通变电所智能运维需要大量人工智能、新型传感器、机器人、虚拟现实和信息安全等领域的新技术。

3.1 智能巡视与联动技术

联合高清视频摄像机、红外热成像摄像机、巡检机器人等前端采集设备，实现变电站全天候全覆盖远程智能巡视，包括例行巡视、熄灯巡视、特殊巡视、专项巡视、自定义巡视等多种巡视方式。

当遥控开关预置时、发生变位信号时、遥测越限告警时、保护动作时、发生火警时等各种情况下，都可以触发联动，自动执行巡视任务，由机器人或视频进行复核。具体实现方式是，当智能联动微服务程序检测到触发联动逻辑的信号时，自动执行预设联动策略，比如，检测到火警信号时，可启动火警特殊巡视任务，对发生火警的区域进行摄像头监控扫描，通过AI技术判断是否真的发生了火情。

智能联动配置界面如图2所示，对任务配置不同的触发信号，即可实现对该任务的联动触发，具体巡视任务界面如图3所示。

图2 智能联动配置界面

图3 巡视任务界面

3.2 图像识别与判别技术

相比于传统方法，采用基于深度学习的图像识别与判别技术能够提供基于学习的特征表示，具有高效的自动学习和分类能力，在多领域的图像处理问题中取得了接近甚至超越人类水平的效果。

通过采用Darknet深度学习框架，采用速度较快的YOLO（you only look once）算法、单次多盒检测器（single shot multibox detector, SSD）目标检测模型、图像分割算法、HSV（hue, saturation, value）颜色追踪算法等，实现对设备状态识别、缺陷识别及异常变化的判别[11]。主要支持的图像识别类型见表2。

表2 图像识别类型表

YOLO训练过程是通过计算损失函数，然后使用反向传播算法，逐层向前反馈更新每一层的神经元参数，然后再进行前馈操作并反馈更新参数，最终达到损失值收敛的结果。

激活函数使用Leaky ReLU，它是一种改进的ReLU激活函数，ReLU是将所有负值都置为0，而Leaky ReLU将所有负值都乘以一个介于0～1的参数，既不使负值的作用完全消失，又弱化了负值对输出的影响。

Leaky ReLU激活函数为

式（1）中：xi为输入；yi为输出。

图像识别效果如图4所示，系统能够根据输入的图片自动识别切换把手、指示灯的当前状态，并输出识别结果。

图4 图像识别效果图

3.3 红外诊断与分析技术

红外诊断与分析技术是利用带电设备的致热效应，采用专用设备获取从设备表面发出的红外辐射信息，进而判断设备状况和缺陷性质的一门综合技术。红外诊断与分析技术常用的分析方法有热谱图分析法、表面温度判断法、同类比较判断法、图像特征判断法、温差判断法、档案分析判断法、实时分析判断法等。

根据多年积累的上百万张设备缺陷红外热谱图，建立带电设备红外诊断专家知识库，以人工智能的方式深度学习，实现对主要电气设备（变压器为主）进行自动分析诊断，结合所诊断设备在不同时期的历史检测数据，深度解析设备表面发出的红外辐射信息及全像素温度数据，进行智能诊断、智能告警，实时发现不同类型的设备缺陷，对一次设备的缺陷部位、可能的故障原因进行分析，辅助运维人员判断问题性质，提高问题应对能力，缩短处理时间。

红外测温界面如图5所示，红外测温结束之后，会显示当前设备的温度值，如果设备有异常会进行告警，如果正常，运行人员正常确认结果即可。

图5 红外测温界面

3.4 三维实景与可视技术

通过激光扫描仪获取变电所的三维全景点云数据，借助计算机辅助技术建立数字孪生体，由实入虚，将现实变电所进行虚拟数字化还原，生成虚拟数字映像。数字孪生体中会叠加系统采集的各维度的实时数据，包括开关位置、电流电压、环境监测、在线监测、红外测温、设备台账等数字信息，摄像头实时采集的局部视频信息也可以再嵌入和融合到数字场景中，由虚入实，虚实融合，最终以全景全息可视化的方式呈现给运维人员。三维全息界面如图6所示。

图6 三维全息界面

3.5 状态评估与预警技术

综合监控采集的电力数据监控与采集系统（supervisory control and data acquisition, SCADA）数据可通过单向隔离装置接入巡视系统进行跨区数据融合。系统通过从其他系统转发接入、自主采集及通过智能巡视任务收集到的四遥、图片、音频、视频、图谱和波形等多源数据进行统计、分析、检索、学习、专家判断、模式识别等深入挖掘隐藏信息，提炼出变电站设备运行特征，再结合人工智能技术，实现设备健康状态评价及潜在风险分析，发现隐患并自动预警，进而自动生成诊断分析报告。

3.6 安全加固与探针技术

为保证系统的安全性，系统采用国产安全操作系统，使用国密算法进行数据加密，采用“口令+数字证书”双因子认证方式进行身份认证，并按原生安全的理念，通过面向切面编程（aspect oriented programming, AOP）模式保证应用层微服务不含有用户机密信息。平台层完成信息加密、数字签名等功能，确保通信链路可信。

系统在车辆段巡视主站部署安全监测服务，通过在每个变电所智能运维网关上部署的安全探针软件对设备安全情况进行实时监测，发现安全事件及时告警。安全探针软件可实时感知串口访问、USB访问、网口访问、光驱访问、文件访问、用户登录等安全事件。告警信息界面如图7所示。

图7 系统告警信息界面

4 应用情况

该系统已经在青岛地铁8号线大洋站试点使用。系统首页如图8所示，大洋站实际设备布点如图9所示，系统即将在青岛地铁4号线和8号线全线进行推广。

图8 系统主页图

图9 大洋站设备布点图

5 结论

综上所述，借助物联网、人工智能为核心的智能运维新技术，通过轨道交通变电所信息的全面感知，获取运行状态、设备信息、消防、环境、安防等全景数据，结合安全加固、安全探针、安全加密等信息安全技术，确保在信息安全的前提下，推进变电所运维的数字化转型和智能化升级，实现状态全面感知、缺陷自动发现、设备智能管控、缺陷主动预警、事故应急处置，使变电所运维从“人工经验”转向“数据驱动”，从“人力巡检”转向“智能运维”。

本文编自2021年第4期《电气技术》，论文标题为“城市轨道交通变电所智能运维关键技术及其应用”，作者为张春晓、李国玉、葛欢。