電力對于經(jīng)濟發(fā)展、民生生活、工程建設(shè)等方面來說都是不可或缺的重要元素，電力系統(tǒng)的穩(wěn)定運行具有極其重要的意義。而電力設(shè)備一旦出現(xiàn)故障，會很大程度上地影響電力系統(tǒng)的安全和穩(wěn)定運行，甚至導(dǎo)致地區(qū)電力中斷。

正所謂千里之堤毀于蟻穴，往往這些“大危機”都是由“小缺陷”造成的，電力行業(yè)的設(shè)備規(guī)模龐大、種類繁多，在投運的那一刻開始就注定著將時常與缺陷相伴，正是靠著電力巡檢人員的火眼金睛，才讓這些缺陷無處可藏，缺陷的及時發(fā)現(xiàn)和處理，讓設(shè)備重新煥發(fā)活力。所以實行電力設(shè)備缺陷管理具有十分重大且必要的意義。

一、缺陷是什么？

電力設(shè)備缺陷指的是設(shè)備在使用過程中發(fā)生異?；蛘叽嬖陔[患，這些隱患有可能會引起供電系統(tǒng)發(fā)生故障。它不僅會對設(shè)備本身和使用者造成安全傷害，這些缺陷也會影響設(shè)備的使用壽命和電路的安全運行，所以當(dāng)電力設(shè)備發(fā)生故障時應(yīng)該立即處理，否則會造成設(shè)備損壞和重大事故。

缺陷的起因不盡相同，如設(shè)備制造工藝不良、檢修試驗過程中的維護不當(dāng)、電氣設(shè)備長期運行引起的絕緣老化、外力破壞以及不可抗的自然災(zāi)害等。

在輸變電領(lǐng)域，設(shè)備缺陷按照缺陷的嚴(yán)重程度可以分為危急缺陷、嚴(yán)重缺陷和一般缺陷。

危急缺陷是指在輸變電設(shè)備發(fā)生直接影響電網(wǎng)安全的缺陷時，及時地采取相關(guān)措施對其進行處理，危急缺陷發(fā)生時必須在二十四小時內(nèi)解決；嚴(yán)重缺陷是指設(shè)備還可以堅持使用，但是不及時處理的話還是會造成事故，重大事故對電網(wǎng)和設(shè)備本身存在著很大的威脅，例如變壓器冷卻系統(tǒng)風(fēng)扇停轉(zhuǎn)、風(fēng)扇電機故障等數(shù)量超過風(fēng)扇總數(shù)的1/3會造成主變油溫明顯上升；一般缺陷在短時間內(nèi)不會轉(zhuǎn)化為嚴(yán)重缺陷或者是危急缺陷，但是對設(shè)備的運行還是會有影響的，例如變電設(shè)備的外殼脫漆和輕微銹蝕都是設(shè)備的一般缺陷，一般缺陷應(yīng)該在半年內(nèi)進行解決。

雙碳政策背景下，國民用電需求日益增長，對電網(wǎng)安全性的要求也越來越嚴(yán)格，為了提高供電設(shè)備的運行穩(wěn)定性，需要電力公司加強對輸變電設(shè)備的缺陷識別，提高設(shè)備隱患排查能力，全面提高設(shè)備管理水平。

二、常見缺陷

對于變電站內(nèi)的設(shè)備來說，常見缺陷主要集中在變壓器、高壓斷路器、刀閘、母線、電壓互感器、電流互感器、電容式電壓互感器、耦合電容器、阻波器、電容器、電抗器、直流系統(tǒng)、繼電保護及自動裝置，乃至廠房、構(gòu)架、場地等，線路部分也包括架空送電線路、送電電纜線路的各種損傷和問題。

幾乎所有設(shè)備都會存在各種各樣的缺陷，這也就是為什么變電站的巡檢人員一次巡檢作業(yè)就有上百項內(nèi)容需要檢查。

下面我們就“淺看”一些常見缺陷以及它們會帶來的“大問題”。

一、變壓器本體滲漏油

圖|法蘭密封件老化引起的滲漏油

圖|變壓器箱體焊縫引起的滲漏油

導(dǎo)致滲漏油的原因多種多樣，可能是螺釘未緊固或不均勻；有砂眼或電焊裂縫；密封件破損或已老化或是密封圈的壓縮量不夠。變壓器滲漏油不僅會給電力企業(yè)帶來較大的經(jīng)濟損失、環(huán)境污染，還會影響變壓器的安全運行，可能造成不必要的停運甚至變壓器的損毀事故。

二、變壓器呼吸器硅膠變色

圖|呼吸器硅膠變色

圖|呼吸器硅膠筒破損

呼吸器硅膠受潮失效會發(fā)生變色（由藍(lán)色變成粉色、由橙色變成綠色，當(dāng)硅膠受到污染顏色還會變深）。

呼吸器是變壓器氣室與外界進行氣體交換的必經(jīng)屏障，它對進入變壓器的氣體起干燥過濾作用，其作用至關(guān)重要。當(dāng)呼吸器發(fā)生堵塞或內(nèi)裝硅膠發(fā)生較大程度潮解時，會對變壓器的安全運行帶來威脅。

三、隔離開關(guān)觸頭接合處發(fā)熱

圖|隔離開關(guān)觸頭接合處發(fā)熱

電流致熱型缺陷通常由導(dǎo)電回路接觸面氧化、存在污穢或機械壓力不夠?qū)е陆佑|不良，從而引起導(dǎo)電回路電阻增大造成發(fā)熱，電流致熱型缺陷有時會造成30℃以上的溫升。

如果連接部位接觸不良，造成接觸電阻增大，就會產(chǎn)生更多的電阻損耗發(fā)熱，從而造成導(dǎo)體連接部位過熱。引起接觸電阻增大的原因有導(dǎo)體的材質(zhì)、結(jié)構(gòu)、工藝、腐蝕、氧化、外部機械力破壞等，長期發(fā)熱會對設(shè)備造成較大的安全隱患。因此，在紅外測溫中通過大電流的設(shè)備需要更加關(guān)注，尤其是那些容易由發(fā)熱造成損壞的設(shè)備。

四、絕緣子劣化自爆

圖|絕緣子破損

如絕緣子制造質(zhì)量不符合規(guī)范要求，或是外力破壞（如射擊、打靶)，都有可能造成此缺陷。一旦有絕緣子破損，就會喪失絕緣功能，繼而或?qū)е鹿╇娭袛?，?yán)重時甚至造成電網(wǎng)解裂。

三、電力設(shè)備缺陷遇上人工智能

隨著技術(shù)的進步與發(fā)展，越來越多的電力公司開始采用無人機、巡檢機器人、固定攝像頭、全景采集等圖像采集設(shè)備對電力設(shè)備進行圖像采集。圖像采集設(shè)備采集到大量的電力設(shè)備圖像后，再由工程師根據(jù)經(jīng)驗判斷是否存在缺陷，這種方法的識別效果受限于工程師的技術(shù)水平和工作經(jīng)驗，且識別效率與工程師數(shù)量和工作時長相關(guān)。長時間進行人工識別，不僅使工程師精神疲勞，導(dǎo)致識別精度降低、效率下降，還易對工程師的身體健康造成傷害。

01）傳統(tǒng)圖像識別模式

隨著采集到的圖像數(shù)量越來越多，將圖像識別技術(shù)應(yīng)用于電力設(shè)備缺陷識別中，已經(jīng)成為缺陷識別的發(fā)展方向之一。在圖像識別技術(shù)中，特征提取是關(guān)鍵步驟。傳統(tǒng)圖像識別算法由人工根據(jù)先驗知識和對任務(wù)的理解提取圖像特征，如根據(jù)電力設(shè)備的特點，提取邊緣、梯度、顏色、紋理等特征，包括尺度不變特征變換（scale invariant feature transform, SIFT）特征、方向梯度直方圖（histogram of oriented gradient, HOG）特征等。

但傳統(tǒng)的電力設(shè)備圖像缺陷識別算法對圖像特征提取的能力不足，擴展性也較差，無法很好地利用低層特征數(shù)據(jù)，無法提取深層特征，需要人工設(shè)計特征。人工設(shè)計的特征往往針對給定的設(shè)備類型，因而識別種類少，數(shù)據(jù)規(guī)模小，泛化能力差，難以滿足復(fù)雜場景下的多種類電力設(shè)備缺陷識別要求。

02） 深度學(xué)習(xí)缺陷識別的研究進展

深度學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域的一個方向，近年來在圖像識別領(lǐng)域取得突出成果。基于深度學(xué)習(xí)的電力設(shè)備缺陷識別的主要任務(wù)在于對電力設(shè)備巡檢圖像進行圖像識別，判斷圖像中存在的缺陷并對其進行分類、定位和語義理解。經(jīng)過多年發(fā)展，較為典型的深度學(xué)習(xí)模型包括深度信任網(wǎng)絡(luò)模型、自編碼網(wǎng)絡(luò)模型及卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks, CNN）模型。

基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法于2012年取得突破性進展，在基于公共圖像數(shù)據(jù)集的分類任務(wù)中取得良好的效果。近年來，越來越多的研究者將卷積神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于電力設(shè)備缺陷識別中，相較于傳統(tǒng)的圖像識別算法取得了更佳的識別精度、更強的泛化能力和更快的識別速度。卷積神經(jīng)網(wǎng)絡(luò)是一種包含卷積運算仿照生物視覺機制構(gòu)建的深層前饋型神經(jīng)網(wǎng)絡(luò)，基于經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測模型主要分為兩類，一類是以R-CNN為代表的two-stage,一類是以YOLO為代表的one-stage。

圖|計算機視覺應(yīng)用圖譜

一般目標(biāo)檢測模型無法直接適配電力設(shè)備缺陷識別任務(wù)，為了進一步提高深度學(xué)習(xí)的電力設(shè)備缺陷識別效果，研究者還將級聯(lián)網(wǎng)絡(luò)、遷移學(xué)習(xí)、生成對抗網(wǎng)絡(luò)（generative adversarial nets, GANs）、注意力機制、網(wǎng)絡(luò)剪枝等技術(shù)與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合使用，取得了較好的效果。

基于全景監(jiān)控和聯(lián)合巡檢，對變電站可見光場景分為3大類25個小類，基于巡檢圖像優(yōu)化后的目標(biāo)檢測模型，缺陷識別檢出率超過85%。

圖|變電站常見缺陷識別場景

挑戰(zhàn)與展望

1.深度學(xué)習(xí)缺陷識別面臨的挑戰(zhàn)

盡管卷積神經(jīng)網(wǎng)絡(luò)在圖像目標(biāo)檢測中可以發(fā)揮較好的作用，在缺陷圖像檢測中亦有良好表現(xiàn)，但從電力設(shè)備缺陷管理的角度出發(fā)，對于缺陷的識別不能僅滿足于圖像層面的目標(biāo)識別，更應(yīng)該實現(xiàn)對圖像內(nèi)容的理解和知識推理。如何結(jié)合電力行業(yè)相關(guān)的專業(yè)知識，利用好行業(yè)專家的知識和經(jīng)驗，進一步提高缺陷識別的專業(yè)性和智能化，亦是當(dāng)前提高缺陷識別效果、完善缺陷數(shù)據(jù)善后管理、增強其實用性的一大挑戰(zhàn)。

2. 展望

隨著我國電力系統(tǒng)建設(shè)力量不斷加大，對電力設(shè)備維護的要求也越來越高，利用人工智能等先進技術(shù)提高缺陷管理效率已成為行業(yè)內(nèi)的共識。

前沿的人工智能技術(shù)發(fā)展迅速，新的思路、算法和技術(shù)也會逐漸應(yīng)用于電力系統(tǒng)維護之中，從而進一步提高缺陷識別的精確度、效率和智能化水平。通過自動機器學(xué)習(xí)、構(gòu)建電力行業(yè)樣本數(shù)據(jù)庫和電力知識圖譜等技術(shù)進一步推動人工智能在電力行業(yè)的融合應(yīng)用。我們相信隨著我國產(chǎn)業(yè)超大規(guī)模精細(xì)化發(fā)展進程地加快，視覺AI能夠在電力巡檢缺陷分析領(lǐng)域中發(fā)揮更大的價值。