Page 137 - 电力与能源2024年第四期

陈 涛，等：变电站视频确认方式一键顺控系统与建设研究 531

的亮度平均值，作为该图像中像素点的灰度值。
4 视频确认方式一键顺控系统建设相关
加权平均法：根据人眼对三原色敏感程度的
研究
不同，赋予红色、绿色、蓝色 3 种色彩不同的权值，
进行加权平均计算。 4.1 存在的建设问题

最大值法：将红色、绿色、蓝色色彩分量中亮 （1）现阶段一键顺控系统建设以改造现有设
度最大的值作为该像素点的灰度。 备为主，存在停电空窗期短、现有设备存量大的突
3.3 景象匹配算法 出特点，因此在安排设备改造时间时存在困难，难
景象匹配算法分别处理基准图像和目标图 以对现有设备进行全链路的传动试验。

像，提取图像中的特征点，并将提取出来的共同特 （2）各种深度神经网络模型通常都需要利用
［6］
征实施匹配。对于经过灰度化处理的图像，根据 大量人工标注的样本进行训练 。例如在图像识
特征点构建描述符，对描述符进行特征匹配，并删 别领域，深度学习模型通常需要上万个人工标注
除误匹配的数据，以此达到对一次设备视频位置 的图像样本。这导致现场进行视频识别确认的周
期过长，甚至识别失败。如现场实际传动试验显
的识别判断。
3.4 卷积神经网络算法 示，单张图片的识别时间最长可达到 60 s，虽然整
卷积神经网络（CNN）的灵感源于针对猫视 体运行效率高于现场操作，但仍低于理想预期。
4.2 相关建设问题思考
觉皮层的研究。目前，流行的深度神经网络及其
对于一键顺控系统的改造，建议遵循“新建必
变体主要有循环神经网络（RNN）、卷积神经网络
有，存量压减”的策略，即对于满足条件的新建变
（CNN）、深度 Q 学习网络（DQN）和生成式对抗网
电站应当一体化配置一键顺控系统，同时对于存
络（GAN）等 ［4-5］ 。
量变电站应逐步进行改造，改造过程应提前谋划，
卷积神经网络在整体上由隐藏层、输入层和
在设备停电窗口期前完成设备安装，并在窗口期
输出层 3 个部分组成。与普通的神经网络相比，
内进行全链路传动试验，以减少停电时间。
它多了隐藏层。隐藏层作为卷积神经网络的核心
一键顺控系统中视频主机的图像识别确认算
组成部分，主要是由卷积层、池化层和全连接层 3
法对整体的运行效率影响显著，建议设备厂商在
个结构所组成。卷积层的存在是为了使网络能够
设备进场前，对一次设备进行大量的前期图形识
提取出输入数据的有关特征，它由许多卷积核组
别训练，同时建议视频识别算法能够在本地进行
成。每一个卷积核中都存在大量的神经元，同一
迭代升级，以提高系统整体运行效率。
个卷积核中的神经元存在着相同的权值。池化层
可以在大幅度减少网络参数数量的同时，保持原 5 结语
始数据的一些重要图像特征，一般情况下有最大
基于当前较为成熟的一键顺控系统架构，分
池化和均值池化两种池化方式。在卷积神经网络
析了现阶段视频确认方式一键顺控系统的架构及
中，经过卷积和池化处理后的图像特征会被传递
其视频识别确认算法。结合上海地区一键顺控系
给全连接层，它可以将这些处理后的图像特征通
统项目改造经验，探索了影响当前改造过程的主
过非线性变换进行概率输出。
要因素，并提出了见解和思考，以期对后续一键顺
在图像识别领域，神经网络能自动从高维特
控系统改造实施过程提供有益的参考和帮助。
征空间中进行特征提取，与传统的手工设计特征
收稿日期：2024-04-11
提取方法相比有着巨大的性能优势。 (本文编辑：赵艳粉）