一种感算一体结构的放电检测系统及方法与流程

摘要: 本发明属于电力设备状态监测与计算机视觉,具体涉及一种感算一体结构的放电检测系统及方法,适用于变电站、输电线路等场景的实时在线监测。背景技术:1、电力系统中的放电...
一种感算一体结构的放电检测系统及方法与流程

本发明属于电力设备状态监测与计算机视觉,具体涉及一种感算一体结构的放电检测系统及方法,适用于变电站、输电线路等场景的实时在线监测。

背景技术:

1、电力系统中的放电现象(包括电晕放电、沿面放电、火花放电等)是绝缘劣化、设备故障的重要先兆特征。及时准确地检测放电现象,对于预防电力设备故障、保障电网安全运行具有重要意义。近年来,随着计算机视觉与深度学习技术的快速发展,基于图像分析的放电检测方法逐渐成为研究热点,并开始在实际电力场景中得到应用。

2、传统基于图像的放电检测方法通常采用“图像传感器+后端处理器”的架构。在该架构中,图像传感器持续采集监测场景的视频流数据,并将采集到的原始图像或视频数据通过有线或无线通信链路,全部传输至后端处理中心(如边缘服务器、云端平台等)。后端处理器部署有预先训练好的深度学习模型,对接收到的图像数据进行逐帧或抽帧分析,最终输出放电事件的检测结果。

3、然而,上述传统技术方案在实际部署应用中存在以下技术缺陷:

4、前端设备功耗过高的问题。在典型的电力设备监测场景中,放电事件的发生具有显著的偶发性特征。统计数据显示,在正常运行状态下,放电事件发生的概率通常低于0.1%。这意味着,在99.9%以上的时间内,图像传感器采集的图像中并不包含放电事件。然而,传统方案要求图像传感器持续工作,同时数据传输模块也处于连续工作状态,导致前端设备功耗居高不下。对于缺乏稳定供电条件的监测点位(如输电线路杆塔、偏远变电站等),这种高功耗特性严重限制了设备的部署可行性,往往需要配备大容量蓄电池或太阳能光伏板,显著增加了系统成本与维护难度。

5、数据传输带宽与存储压力问题。以1080p分辨率、30帧/秒的视频流为例,原始数据码率可达约1.5 gbps。即便采用h.264或h.265等标准视频压缩编码,压缩后的码率仍维持在2-8 mbps量级。在多点部署的监测网络中,多路视频流的同时传输对通信带宽提出了极高要求。同时,大量不包含放电事件的无效数据被持续存储,造成了存储资源的严重浪费。在采用无线公网通信的场景中,高额的数据流量费用也成为制约大规模部署的重要因素。

6、实时性与计算资源的矛盾。为实现较高的放电检测准确率,深度学习模型通常具有较大的参数量和计算复杂度。这类模型难以在前端低功耗嵌入式设备上直接部署运行。因此,传统方案只能将全部计算任务交由后端处理。这种集中式处理模式虽然能够保证检测精度,但引入了数据传输延迟,降低了系统的实时响应能力。同时,后端服务器需要持续处理来自多个前端设备的海量数据流,对计算资源提出了极高的要求,增加了系统的运营成本。

7、能效与精度的失衡问题。近年来,部分研究尝试在前端部署轻量化神经网络以实现端侧放电检测。然而,受限于前端设备的计算能力与功耗约束,轻量化网络的检测精度往往难以满足实际应用需求。若单纯依赖后端高精度模型,则无法解决功耗与带宽问题;若单纯依赖前端轻量化模型,则无法保证检测准确率。现有技术方案中,缺乏一种能够有效平衡能效与精度的系统性解决方案。

8、综上所述,现有基于图像分析的放电检测方法在功耗、带宽、实时性与检测精度等方面存在明显不足,亟需一种创新的技术方案来解决上述问题。

技术实现思路

1、为解决现有技术中存在的不足,本发明提供一种感算一体结构的放电检测系统及方法,解决现有技术中无法在无源或弱供电场景下部署放电检测设备,全时传输原始图像导致带宽与存储压力大,高精度模型无法在前端部署,依赖后端集中处理引入延迟,以及缺乏兼顾能效与精度的系统性架构功耗高、数据冗余大、实时性与能效难以兼顾等多种问题。

2、本发明采用如下的技术方案。

3、本发明一方面提出了一种感算一体结构的放电检测系统,包括:通过通信链路连接的前端智能传感器层和后端分析处理层,常态下,前端智能传感器层处于工作状态,后端分析处理层处于休眠状态;前端智能传感器层包括图像传感器和前端神经网络处理单元,图像传感器将采集的图像数据通过直连数据通路传输至前端神经网络处理单元,直连数据通路上不设置图像信号处理器;前端神经网络处理单元利用特征编码模块和轻量化网络提取特征数据和输出疑似事件置信度,特征编码模块与轻量化网络通过特征缓存和地址指针连接;疑似事件置信度大于预设置信度阈值时,后端分析处理层接收到前端智能传感器层发送的特征数据而被唤醒,判别放电事件类型,累计假阳性事件和漏检事件的统计量,当假阳性事件量超过预设的假阳性阈值时生成轻量化网络置信度阈值的上调指令,当漏检事件量超过预设的漏检阈值时生成轻量化网络置信度阈值的下调指令,上调指令或下调指令回传至前端智能传感器层。

4、优选地,前端智能传感器层部署于放电监测现场的,后端分析处理层部署于边缘网关、现场服务器或云端平台的;低带宽通信链路支持有线或无线通信方式。

5、优选地,前端神经网络处理单元包括:raw读出端口、片上帧环形缓存;

6、图像传感器与前端npu之间建立的直连数据通路包括:raw域直连数据通路;

7、图像传感器的raw数据输出端输出的raw像素流,通过raw域直连数据通路连接前端npu的raw读出端口,raw读出端口将接收到的raw像素流写入片上帧环形缓存。

8、优选地,前端神经网络处理单元还包括:差分/梯度计算单元、特征缓存;

9、差分/梯度计算单元按帧地址指针从片上帧环形缓存中读取当前帧与历史帧,采用像素级算术运算,计算相邻帧间的差分图和连续三帧的时序梯度图,差分图与时序梯度图均写入特征缓存中。

10、优选地,前端神经网络处理单元还包括:中断/封包控制单元前端;npu内部集成有特征编码模块和轻量化网络;

11、特征编码模块从特征缓存中读取差分图和/或时序梯度图,特征编码模块输出的特征数据写入特征缓存中,轻量化网络从特征缓存中按地址指针直接读取特征数据进行推理,得到疑似事件置信度,当疑似事件置信度不小于预设的置信度阈值时,轻量化网络向中断/封包控制单元发送硬件中断的触发信号。

12、优选地,中断/封包控制单元接收到触发信号时,将触发信号写入前端神经网络处理单元的中断寄存器以触发前端神经网络处理单元硬件中断,并且冻结片上帧环形缓存,将特征缓存中的瞬态脉冲时空特征数据按照预定数据格式封装为疑似事件特征包,通过低带宽通信链路将疑似事件特征包发送至后端分析处理层。

13、优选地,后端分析处理层包括后端神经网络处理单元,后端神经网络处理单元在接收到前端智能传感器层通过低带宽通信链路发送的疑似事件特征包后被唤醒,后端神经网络处理单元内部集成有高精度网络、结果输出模块;

14、高精度网络输入疑似事件特征包,输出放电事件类型;结果输出模块将放电事件类型转换为标准格式后输出。

15、优选地,后端神经网络处理单元还包括反馈控制模块;

16、反馈控制模块累计前端智能传感器层发送的疑似事件中的假阳性事件和漏检事件的统计量;

17、当假阳性事件量超过预设的假阳性阈值时生成轻量化网络置信度阈值的上调指令,当漏检事件量超过预设的漏检阈值时生成轻量化网络置信度阈值的下调指令,上调指令或下调指令回传至前端智能传感器层的前端神经网络处理单元。

18、本发明另一方面还提出了一种感算一体结构的放电检测方法,包括:

19、步骤1,当前端智能传感器层处于工作状态、后端分析处理层的状态处于休眠状态,且前端智能传感器层和后端分析处理层通过低带宽通信链路正常通信时,启动放电检测系统;

20、步骤2,图像传感器实时采集监测场景的图像数据,图像数据通过直连数据通路传输至前端神经网络处理单元;前端神经网络处理单元利用特征编码模块和轻量化网络提取特征数据和输出疑似事件置信度;当疑似事件置信度不小于预设的置信度阈值时,前端智能传感器层向后端分析处理层发送特征数据;

21、步骤3,后端分析处理层接收到前端智能传感器层发送的特征数据时被唤醒,判别放电事件类型,累计假阳性事件和漏检事件的统计量,当假阳性事件量超过预设的假阳性阈值时生成轻量化网络置信度阈值的上调指令,当漏检事件量超过预设的漏检阈值时生成轻量化网络置信度阈值的下调指令,上调指令或下调指令回传至前端智能传感器层。

22、步骤2中,图像传感器以固定帧率连续采集监测场景的图像像素数据,形成raw像素流;图像传感器的raw数据输出端输出的raw像素流,通过raw域直连数据通路连接前端npu的raw读出端口,raw读出端口将接收到的raw像素流写入片上帧环形缓存,形成图像帧序列{、、、……},其中为时刻索引。

23、步骤2中,对于相邻的两帧图像帧和,差分/梯度计算单元首先计算差分图,如下式所示:

24、

25、式中,为时刻的差分图;

26、对于连续的三帧图像帧、、,差分/梯度计算单元计算时序梯度图,如下式所示:

27、

28、式中,为时刻的梯度图,为历史帧图像。

29、本发明还是一种终端,包括处理器及存储介质;存储介质用于存储指令;处理器用于根据指令进行操作以执行方法的步骤。

30、本发明还是计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现方法的步骤。

31、与现有技术相比,本发明具有以下技术效果:

32、本发明提出的检测系统中,仅将前端智能传感器层部署于放电监测现场,而将后端分析处理层部署于边缘网关、现场服务器或云端平台,并且前端智能传感器层中通过图像传感器与前端npu的芯片级集成、raw域直连数据通路以及片内零拷贝闭环消费,实现了“传感即计算”的感算一体架构,消除了传统方案中数据传输、格式转换和外部存储访问等环节的功耗与延迟开销;前端npu以毫瓦级功耗持续运行,后端npu仅在事件触发时唤醒,整体平均功耗为传统方案的15%-25%,因此低功耗的前端智能传感器层能够长期部署于放电监测现场,有效解决了无源或弱供电场景下的放电检测装置的部署难题。

33、本发明提出的检测系统中,通过前端智能传感器层完成特征提取与事件预筛选,因此仅传输疑似事件时刻的特征数据,而非连续视频流或原始图像,将日均数据传输量从传统方案的数gb级降低至数十mb级,压缩比超过95%,显著降低了对通信带宽的要求和流量成本,解决了全时传输原始图像导致带宽与存储压力大的问题。

34、此外,本发明实现了能效与精度的最优平衡,前端智能传感器层负责毫瓦级功耗的快速事件预筛选,保证了对潜在放电的及时响应;后端分析处理层负责高精度确认,保证了检测准确率;两者协同实现了“快筛慢检”的能效-精度平衡机制,在保证99.5%以上检测准确率的同时,使系统整体能效提升4-6倍。