覆盖广
以“计量设备类型/故障代码/厂家”的分层分类方式构建计量设备故障智能诊断处置模型,并逐步形成面向多厂家、多装置、覆盖全面的专家运维知识库,方便客户应对实际现场的复杂运维需求。
易用性
现场运维人员无需具备完善的运维知识及经验,通过本智能运维系统的AR智能交互、深度学习及图像识别、云端专家系统快速定位设备故障种类,实现将后台专家知识库数据与现场场景的叠加呈现,实时作业指导,快速完成故障处理。
规范性
本系统将工作任务处理流程、处理结果、现场与后台实时互动等全流程管控机制紧密结合,建设完善的运维闭环管理体系,运维工作指导流程符合电网系统对计量设备的运维要求,确保了现场作业的电子化、规范化、标准化。
扩展性
系统构架足够灵活,功能升级和扩展方便。随着智能运维设备种类及运维数据的扩充,专家知识库逐渐庞大、图像深度学习训练样本丰富、图像识别更加准确。本系统可灵活扩展至基于机器学习与图像识别的电力设备故障运维领域,例如:电站一二次设备巡检、电力设备模拟故障培训系统、增强现实辅助工作平台等。
AR眼镜技术参数:
n 光学结构:折反式一体棱镜
n 拍照像素:1300万有效像素
n 显示分辨率:640x400
n 流媒体支持:3x (16:9) HD 720p @30fps
n 数字麦克风:双数字麦克风
n 扬声器:单扬声器
n 可视角度(FOV):20°
n 电池:8~10小时续航
n 穿戴:大师级人机工学,佩戴舒适
软件系统技术参数:
n 系统年可用率 ≥99.9%
n 专家知识检索正确率 ≥99%
n 系统平均无故障时间(MTBF) ≥87600小时
n 高并发响应:不小于1000台AR终端和APP同时接入
n App适配主流Android终端(Android 6.0及以上)
n 支持多人专家远程AR协助(平板、手机、PC), 指导过程全程可追溯
n 可定制化SOP标准化专家知识库
n 基于Qt开发的自主化图像深度学习标记配置及训练工具
n 深度学习训练算法支持Darknet、TensorFlow等
1. 符合电力要求的运维专家知识库
根据电力设备运维作业的标准化及安全性要求,我们建立低压集抄计量终端SOP标准化知识库。通过知识收集整理和优化,形成知识收集、知识入库、知识共享、知识应用、知识更新为一体的专家知识库管理体系,为低压集抄运维故障消缺提供技术支撑,通过人工智能、仿真视觉和语音识别技术分析故障现象与专家库的相关性,提高故障诊断及修复能力,规范现场作业。
2. 深度学习及图像识别自主化
电力设备的图像特征数据属于比较重要的电力数据,基于数据安全原则,我们采用C/C++、Qt等独立自主开发了一套用于图像深度学习的配置及训练工具。通过工具导入大量的现场设备图像素材,对每张图片进行标记特征(厂家名称、型号、电源灯、运行灯、液晶屏幕、条形码等),待全部标记工作完成后进行训练形成深度学习库。图像深度学习训练样本越丰富,图像识别越准确。
3. 运维工单电子化、标准化
智能运维APP接收到新工单消息时,极光推送提醒。运维人员可以通过工单地图导航快速准确的到达故障现象。智能运维APP提供了手机排查/AR排查两种方式,工单排查全程语音交互,解放双手提高工作效率,运维工作结束后提交工单及结果数据,形成运维闭环管理。后台系统可实时跟踪运维工单的最新进度及运维现场画面。
4. 运维数据智能呈现
待APP/AR上传故障设备图片后,后台专家系统进行图像识别定位故障类别,将故障运维知识数据反馈至APP/AR终端。故障设备排查流程及辅助信息将以增强现实(AR)的形式呈现,信息样式丰富,包括图像、文字、视频、音频等,降低现场工作人员的技术依赖和工作量,提升人员工作效率和作业自动化和安全水平。
5. 多人远程AR协助
对于复杂场景的疑难运维,运维人员还可通过智能穿戴设备摄像头以第一视角将现场情景直接传送到远程专家处,专家可通过平板、手机、PC 等设备随时随地进行援助,由于获得是现场第一视角,就如亲临现场,远程专家通过语音和增强现实电子白板,直观的将数字信息远程直接叠加在运维人员视野中的操作对象上,犹如获得现场专家的指导一样处理棘手问题,极大的减少了沟通和交流成本。