基于电力物联网的变电站多维度场景管控系统

刘故帅，王世坤，孙磊，刘达，尹蒙蒙

（国网山东省电力公司淄博供电公司，山东 淄博 255000）

摘 要：在电力物联网背景下，电力系统将在能量层和信息层中扮演更加重要的角色，变电站不再只是电能汇集与分配的节点。利用图像采集模块、边缘分析终端、5G通信技术和云边协同平台建立变电站多维度场景管控系统，实现变电站现场作业安全实时管控、运行环境及设备主动预警、门禁安全智能管控和主辅助设备可视化协同等功能。以山东某市供电公司为例，从社会效益、安全效益和经济效益3个方面详细分析该管控系统的应用成效，结果表明该管控系统具有一定的普适性和实用性，有利于提升变电站内人员、环境和设备的全面管控能力。

关键词：电力物联网；变电站；深度感知；场景管控；云边协同

中图分类号：TM71 文献标志码：A DOI：10.19421/j.cnki.1006-6357.2021.03.007

0 引言

变电站是电力网络中的重要组成部分，承担着变换电压、汇集电流和分配电能的重要作用。变电站运维工作主要是保证站内设备时刻保持在一个稳定且安

了实时监控作业人员是否存在危险行为。文献［10］利用卷积神经网络提高了智能巡检机器人的自动巡检效率和准确度。在变电站内信息去冗余及重构方面，文献［11］利用机器学习避免了传统人力梳理信息中的不精确和低效率，为分析变电站内信息上传和故障

全的工作状态。随着图像采集技术、边缘分析技术、信息分析提供了研究思路。但是上述文献均未实现变5G通信技术及云计算技术等新兴科学技术的发展，完电站运维作业的单平台垂直管控。全依赖人力巡视每座变电站的传统运维管理方式已经成为提质增效的重要阻碍［1-5］。如何利用先进的智能技术提升变电站运维管理的效率成为当前众多学者的研究重点。在场景模拟方面，文献［6］利用数字化三维建模技术实现了变电站的定位及地图构建，能够远程实现变电站设计、建设和验收的空间联动。文献［7］利用三维激光雷达等技术感知变电站实景，实现了监测变电站内物体的移动和设备实时特征的目标。文献［8］基于增强现实技术为变电运维人员提供了更加逼真的沉浸式培训模拟平台。在现场作业管控方面，文献［9］基于OpenPose人体姿态识别技术，实现

基金项目：国网山东省电力公司淄博供电公司科技项目（SGSDZB00AJJS2000381）。

Supported by State Grid Zibo Power Supply Company（SGSDZB00AJJS2000381）.

本文基于电力物联网技术对变电站内运维工作进行多维度场景管控，利用图像采集模块实现对变电站、开关等主设备的定时巡视，利用边缘分析终端提升变电站自主分析能力，利用5G通信技术和云计算技术实现快速决策判断，最终实现变电站现场作业安全实时管控、运行环境及设备主动预警、门禁安全智能管控和辅助设备可视化协同等功能，提高了变电站运检作业的效率，提升了对变电设备的管理水平。

1 变电站运维管控存在的问题

目前，国家电网有限公司（简称国网公司）已全面推行变电站无人值守工作模式，变电运维管理在地理上呈现出“站多人少、分布分散”的特征［12-13］。变电设备种类多，巡视周期长，致使变电运维管理难度

［引文信息］刘故帅，王世坤，孙磊，等．基于电力物联网的变电站多维度场景管控系统［J］．供用电，2021，38（3）：45-51．LIU Gushuai，WANG Shikun，SUN Lei，et al．Multi-dimensional scenario management and control system for substations based on electric internet of things［J］．Distribution & Utilization，2021，38（3）：45-51．供用电

第38卷 第3期

2021345

运维人员…信息层巡视计划数据获取检修人员…数据管理控制中心调度人员…数据分析中心作业安全实时管控控制安监人员方案视频+AI电能质量1电力物联网检测智能门禁系统控制中心检修用能管理方案云计算数据分析运行环传感层境监控主动预警大，变电站的消防、安防等工作形势严峻，依靠人VR图像采集虚拟5G通信力较难实现变电站的实时有效管控，主要存在以下技术边缘计算低频低压减载模块巡视多维度场景管控2.2 电力物联网背景下的变电站

在万物互联的发展趋势下，变电站也逐渐呈现出智能运维和主动预警的特征，电力物联网下的变电站发展示意如图2所示，基于图像采集模块、边缘分析终端、5G通信技术和云计算等新兴科学技术，将变电站设备状态视频化智能管控、现场作业安全实时管控、运行环境监控、设备主动预警、门禁安全智能管控和辅助设备可视化协同等多种功能融合在一起，形成变电站多维度场景管控系统。

数据处理煤分布式1）国网公司所管辖的绝大多数变电站虽然安装变电站1变电站N储能传统…热发电厂了部分监控摄像头，但是布设点位不全，光线条件不能量层光风冷价值流信息流［14］新能源水足，图像识别率低，存在较大的监控盲区。天然发电厂…气变电站问题：5G2）由于没有边缘处理系统，导致采集的数据占用大量的上传带宽，并且无法自动识别海量视频中有价值的数据，造成人力、物力的极大浪费［15］。

3）站内信息传输主要依靠有线传输方式，布线杂乱，施工难度大，传输受限制。

4）随着技改大修工作的深入开展，变电站内作业人员多、工作任务多、施工车辆多，尚无法对每一位作业现场的检修人员和外委施工队伍进行实时有效的安全管控。

2 电力物联网概述

2.1 电力物联网背景下的电力系统

电力物联网背景下的电力系统示意如图1所示，设备与信息深度融合，能量层与信息层通过传感层紧密连接在一起，其中能量层以变电站作为能源路由器将传统电厂、新能源、分布式能源、废热及天然气等能源连接起来［16］，基于5G等通信技术通过传感层将实时信息上传至云端信息层，信息层将所收集到的信息实时加工，对数据进行科学管理和分析，实现对能量层的实时调度与管控。电力物联网背景下的电力系统不再仅仅只对电能进行调度，而是对所有可以造福人类的能源进行综合利用，能源的综合应用由市场这

17］

只“无形的手”同步给出购售决策［。

图2 电力物联网下的变电站发展示意

Fig.2 Schematic diagram of substation development under the EIoT

有效数据信息在各类技术之间流通形成价值流，有效信息在人与设备之间的传递及执行形成信息流，需要特别说明的是，运维、检修、调度及各类管理人员都可以从这个系统中获取自身所需的数据信息，其中数据中心的选址需要综合考虑各个变电站的地理位置、运维难度等因素［18］。

3 多维度场景管控系统

变电站多维度场景管控系统利用电力物联网技术的深度感知和自动识别能力，结合变电站视频监控系统，搭建变电站智能监控分析平台，自动分析变电站的设备状态、缺陷异常、人员行为、环境信息等内容［19］，实现设备状态全景化、数据分析智能化、设备管理精益化的目标。3.1 架构分析

变电站多场景管控系统架构如图3所示，由图像采集模块、边缘分析终端、5G通道和云化协同平台构成。

1）在站侧，各类摄像头作为图像采集装置，采集变电站设备、人员、环境等可视化数据，上送至边缘分析终端。

图1 电力物联网背景下的电力系统示意

Fig.1 Schematic diagram of power system in the context of the EIoT46

第38卷 第3期

202132）边缘分析终端作为云边融合前置服务器，向下接入站内视频监控系统，自动提取视频监控系统中

供用电

地市公司/省检修公司云边协同平台云化协同平台电力物联网

热成像双光应用客户端谱球机全智能警戒摄像机1

运维班1−N控区域下的视频监控点，从视频硬盘录像机获取实时感知图像信息，并将采集的图像信息传递至人工智能计算终端。变电站多维度场景管控系统能够兼容现存的所有摄像头，只要能够输出网络视频流，通过云端协同进行场景分析处理，都能有效进行智能识别，降低了现场改造难度。

边缘分析终端5G通道变换机传感器x变电站1−N· · ·安全Ⅳ区传感器y· · ·视频终端x上送地市视频监控服务器及视频统一平台图像数据及控制信号视频监控主机按钮视频终端y视频联动信号辅助设备监控主机边缘分析终端交换机硬盘录像机…硬盘录像机图像采集模块双光谱高清球机高清云台高清筒机摄像机图4 变电站内先进视频终端

Fig.4 Advanced video terminal in substation

3.2.2 边缘分析终端

边缘分析终端在变电站中的应用模型如图5所示。在变电站部署边缘分析终端，能够就地处理实时性要求比较高且现场复杂度较低的场景图像，提高识别分析效率，只需要将分析结果上传至云边协同平台即

图3 变电站多场景管控架构

Fig.3 Multi-scenario management and control architecture of substation

可，不再长时间占用信道，可以大幅降低由于数据回传造成的网络负担与堵塞［21］。将边缘分析终端与云边协同平台相结合，能够有效解决数据实时性与准确性的矛盾，云边协同平台集中有限处理空间来处理实时性要求比较低且识别复杂度较高的场景图像，能够显著提高系统整体的通信效率。

所有摄像头的可视化数据，在变电站内实现场景检索分类、对象自适应识别、巡视策略配置、巡视业务执行、视频边缘分析处理、就地存储、5G通道接入等功能。边缘分析终端基于华为ATLAS平台方案，可根据现场需求增配处理板卡，能够为变电站侧提供充足的算力支持［20］。

3）5G通道作为云边融合关键链路，连接变电站内边缘分析终端与云边协同平台，提供低延时、高带宽的数据通路，保障识别框架的执行效率。

4）云边协同平台作为整个系统的核心，接收各边缘分析终端的分析业务请求，并提供强大的硬件算力和识别算法支撑。同时，平台提供对外应用服务，用户可通过客户端实现平台提供的智能应用服务。3.2 核心技术3.2.1 图像采集模块

目前，变电站设备的感知主要依靠各种传感器进行监测，但是人员行为、外观缺陷等无法依靠传感器监测。本项目将变电站运维监测手段扩展到“视频监测”层面，丰富了现场的感知手段，扩大了现场的感知范围，深化了感知深度。变电站内先进视频终端如图4所示。通过安装高清黑光摄像机、热成像双光谱球机、全智能警戒摄像机等设备，定时巡视变电站监

供用电

图5 边缘分析终端在变电站中的应用模型

Fig.5 Application model of edge analysis terminal in substation

3.2.3 5G通信技术

5G通信技术已经成形，无线传输速度快、延时低，可实现变电站区域全覆盖。安装在变电站内的5G通信模块如图6所示。利用5G网络，能够极大地提高变电站视频出站带宽，5G基站无线传输通道下行速率峰值可

第38卷 第3期

2021347

1

电力物联网

达到800 Mbit/s，通道上行速率峰值可达到160 Mbit/s［22］。架构及算力支撑。华为ATLAS方案是基于华为昇腾通过部署5G基站设备及接入模块，可为云计算提供高带宽、低延时的数据通道，实现可视化数据共享，打通云边协同平台与站端设备的数据链路。

系列AI处理器，打造的面向“端、边、云”的全场景AI基础设施方案。通过部署华为ATLAS异构服务器及AI训练机，搭建云边协同平台硬件基础；部署华为ATLAS500小站，搭建边缘分析终端硬件基础，为系统提供灵活可配置的AI架构及算力支撑。通过AI容器技术对多种AI框架及算法进行深度融合，利用算法堆栈实现对设备状态、缺陷异常、人员行为、运行环境的算法整合应用，达到设备状态研判、人员作业管控与环境报警联动的效果。3.3 功能分析

1）实现变电站现场作业安全实时管控。变电站现场作业时，通过全智能警戒摄像头实时捕捉现场作

图6 安装在变电站内的5G通信模块

Fig.6 5G communication module installed in a substation

业情况，通过边缘分析终端实时分析，对作业人员安全帽和工作服穿戴、人员行为以及作业区域进行识别，分析工作人员意外触电倒地、进入带电区域等异常行为，并对现场违章行为进行告警提示，实现变电站安全智能管控。

2）实现变电站运行环境异常预警。通过云边协同分析来识别现场渗水、烟火、墙面破损，以及门窗、漂浮物等环境信息，及时发现变电站辅助设施隐患。

3）实现变电站门禁安全智能管控。依靠人脸识别技术，确认作业人员身份，同时可依托工作票设置安全权限的有效时段，联动门禁管理，实现变电站人

4）实现变电主辅助设备可视化监控。通过集成变电站在线监测、视频监控、消防、安全防范、环境监测、SF6监测、照明控制等子系统，当站内发生设备故障、火灾等情况，站内主辅助设备智能联动，同

5）实现变电故障主动预警智能决策。通过“视频+AI”技术，将变电设备状态信息进行云边协同分析，利用神经网络深度学习对设备的全景状态进行建模，实现对设备运行状态的全面体检，判断状态量是否异常，缺陷是否发展，及时向运行人员推送预警和运维决策信息，实现主动运维。

3.2.4 云边协同平台

云边协同平台能够有效解决实时性与准确性的矛盾，提高变电站整体智能运维水平。基于云端算法模型训练及更新的云边协同技术使变电站智能监控分析系统进行持续学习训练，实现站端和云端的模型开发、训练和模型部署联动配置［23］。

变电站多维度场景管控中心如图7所示，在运维班等用户端部署用户图形操作界面，为作业人员提供人工智能的高级应用，可实现对变电设备表计、开关破损、锈蚀、发热等设备缺陷的可视化识别。同时，云边协同平台搭建变电站虚拟现实模型沙盘，利用5G低延时、高带宽特点，将变电站智能感知结果空间投影到虚拟变电站模型中，达到设备状态全景可视化呈实现沉浸式设备巡视。

位置、分合指示、告警灯状态等设备状态以及漏油、员、车辆出入的精准管控。

现、数据告警动态穿透的效果。系统可借助VR设备，时对应点位摄像机对异常情况进行全程跟踪。

4 实施效果

国网山东某市供电公司变电运维室现有员工103人，负责山东某地市电网126座变电站的运行维护工

图7 变电站多维度场景管控中心

Fig.7 Multi-dimensional scene management center of substation

作，变电总容量18 129.9 MVA，其中220 kV变电站29座，110 kV变电站82座、35 kV变电站15座，2019年7月成立变电站多维度场景管控中心，发展至今获得公

本文首次在变电领域使用华为ATLAS方案，提

供灵活可配置的人工智能（artificial intelligence，AI）司领导和工作人员的一致好评。

48

第38卷 第3期

20213供用电

周六　09∶54∶31电力物联网

1

本文收集了山东省某市供电公司2019年第三、四季度变电站运维管控相关数据，并与未执行本文管控系统

的2018年同期数据进行比较，从社会效益、安全效益和

220 kV GIS楼西南角经济效益3个方面分析了该管控体系的实际应用成效。

由表2可知，执行变电站多维度场景管控系统，可以明显降低作业人员的行为性违章次数，由于视频监控系统巡视和智能巡检机器人的辅助作用，使得缺陷数量和隐患数量分别提升了60.5%和113.3%，巡检效率提升显著。

3）经济效益。按照运行规程规定，需要对不同视，该市供电公司每天派出巡视人员约30人次，2019年共计开展高考、博览会等各类变电站保电工作约75次，出动724人次，按照单人巡视成本200元/人次计算，经济效益实际应用指标分析如表3所示。

表3 经济效益实际应用指标分析

Table3 Analysis of practical benefits of economic benefits

指标未执行本管控系统已执行本管控系统

特巡成本/万元14.480

日常巡视/(万元•天-1)0.60

全年累计/万元233.480

1）社会效益。该成果已在山东某地市公司126座变电站进行推广，采用站内现有视频和新装视频相结人员行为、环境信息等内容的主动识别和监测，由于该成果不需要停电作业加装设备，缩短了变电站设备停电时长，通过实时监测、全景监控、智能决策、主辅智能联动，提高了变电站设备的供电可靠性，保证了用户的可靠供电，具有很高的社会效益，社会效益实际应用指标分析如表1所示。

表1 社会效益实际应用指标分析

Table1 Analysis of practical benefits of social benefits

指标设备故障诊断率/%供电可靠率/%运行环境满意度/%

已执行本管控系统9999.9699

未执行本管控系统7899.9175

指标增益270.0532

合的监控模式，实现变电站内设备状态、缺陷异常、电压等级的变电站按照一定的巡视周期进行日常巡

由表3可知，执行变电站多维度场景管控系统后，在满足巡视相关规程要求的前提下，能够实时监控变电站运行环境中的异常情况，并能够将告警信号同步上传，不再需要人工到站巡视，每年为该市供电公司节约233.48万元的巡视费用，经济效益显著。变电站运行环境监测烟火告警实例如图8所示。

由表1可知，执行变电站多维度场景管控系统后126座变电站的设备故障诊断率和运行环境满意度均得到显著提升，其中设备故障诊断率的提升得益于场景管控系统中快速的5G通信和丰富的视频监控系统，使得设备专家不必再奔赴现场便可以指导检修。运行环境满意度包括变电站内消防措施落实情况、工作人员行为的文明情况和站树矛盾（变电站外树木过高影响架空线路出线的安全净距离，需要定时修剪树木）等环境类指标。其中供电可靠率是关系到用户满意度的重要经济指标，执行本管控系统后，该项指标增益0.05%。

2）安全效益。通过全智能警戒摄像头实时捕捉现场作业情况，对作业人员安全帽和工作服穿戴、人员行为以及作业区域进行识别，分析各类异常情况，并对现场违章行为进行告警提示，实现变电站安全智能管控，具有很高的安全效益和推广价值，安全效益实际应用指标分析如表2所示。

表2 安全效益实际应用指标分析

Table2 Analysis of practical benefits of safety benefits

指标行为性违章次数发现缺陷数量发现隐患数量

已执行本管控系统3次69个32个

未执行本管控系统35次43个15个

指标增益91.4%60.5%113.3%

图8 变电站运行环境监测烟火告警实例

Fig.8 Examples of pyrotechnic alarms in substation operating

environment monitoring

5 结语

电力物联网背景下，电力系统的设备与信息深度融合，信息层可通过传感层实现对能量层的实时调度与管控。在万物互联的背景下，变电站呈现出深度感知、智能运维和主动预警的发展趋势。变电站多维度场景管控系统实现了现场作业安全实时管控、运行环境及设备主动预警和主辅助设备可视化监控等功能，在实际应用中效果显著。

第38卷 第3期

20213供用电

49

1

电力物联网

目前，变电站多维度场景管控系统对于设备运行状态判断不够稳定，误报率较高，原因包括现场设备表面油污、图像识别算法未考虑到所有场景和轨道机器人的抖动等，在进一步工作中，将对后台算法和轨道平滑度进行改善，从而降低该系统的误报率。

参考文献

［1］冯智慧，王乐希，梁文勇，等．基于无人机的输电线路典型设备图像信

息采集方法研究［J］．电瓷避雷器，2016（4）：22-26．

FENG Zhihui，WANG Lexi，LIANG Wenyong，et al．Study on the typical equipment image information acquisition method of transmission line based on UAV［J］．Insulators and Surge Arresters，2016（4）：22-26．［2］王廷凰，余江，许健，等．基于5G无线通信的配电网自适应差动保护技

术探讨［J］．供用电，2019，36（9）：18-21，27．

WANG Tinghuang，YU Jiang，XU Jian，et al．Discussion on adaptive differential protection technology of distribution network based on 5G wireless communication［J］．Distribution & Utilization，2019，36（9）：18-21，27．

［3］陈皓勇，李志豪，陈永波，等．基于5G的泛在电力物联网［J］．电力系统保

护与控制，2020，48（3）：1-8．

CHEN Haoyong，LI Zhihao，CHEN Yongbo，et al．Ubiquitous power internet of things based on 5G［J］．Power System Protection and Control，2020，48（3）：1-8．

［4］杨延昊．基于云计算的智能电网调度系统设计研究［J］．电网与清洁能

源，2019，35（9）：7-11．

YANG Yanhao．Design of intelligent grid scheduling system based on cloud computing ［J］．Power System and Clean Energy，2019，35（9）：7-11．［5］宋伶俐，邓长虹，吴耀文，等．基于相关性分析法的电网设备运行效率

评价指标［J］．中国电力，2012，45（9）：85-90．

SONG Lingli，DENG Changhong，WU Yaowen，et al．Evaluation index of power grid equipment operation efficiency based on correlation analysis［J］．Electric Power，2012，45（9）：85-90．

［6］马益平，朱元彪，陈玄俊，等．基于实景三维模型的变电站应用研究［J］．

地理信息世界，2019，26（4）：117-123．

MA Yiping，ZHU Yuanbiao，CHEN Xuanjun，et al．Substation application based on real 3D model［J］．Geomatics World，2019，26（4）：117-123．

［7］黄金魁．智能变电站三维实景无人值守感知系统的应用研究［J］．电测

与仪表，2020，57（4）：87-92．

HUANG Jinkui．Research on the application of three-dimensional real-scene unattended sensing system in intelligent substation［J］．Electrical Measurement & Instrumentation，2020，57（4）：87-92．

［8］王廷凰，简学之，刘子俊，等．基于虚拟现实技术的智能变电站运维培

训系统的实现与应用［J］．南方电网技术，2018，12（10）：61-65．WANG Tinghuang，JIAN Xuezhi，LIU Zijun，et al．Implementation and application of intelligent substation operation and maintenance training system based on virtual reality technology［J］．Southern Power System Technology，2018，12（10）：61-65．

［9］朱建宝，许志龙，孙玉玮，等．基于OpenPose人体姿态识别的变电站危

险行为检测［J］．自动化与仪表，2020，35（2）：47-51．

ZHU Jianbao，XU Zhilong，SUN Yuwei，et al．Detection of dangerous behaviors in power stations based on open pose multi-person attitude recognition［J］．Automation & Instrumentation，2020，35（2）：47-51．［10］ 王尤河，游日晴，郑力勇，等．基于卷积神经网络的智能巡检机器人

场景识别［J］．信息技术，2020，44（2）：58-61．

WANG Youhe，YOU Riqing，ZHENG Liyong，et al．Scene recognition of substation intelligent patrol robot based on convolutional neural network［J］．Information Technology，2020，44（2）：58-61．

［11］ 吴小康，范俊秋，袁龙，等．基于机器学习的变电站信息清洗与重构

的研究［J］．电子测试，2020（4）：69-70，7．

WU Xiaokang，FAN Junqiu，YUAN Long，et al．Research on cleaning and reconstruction of substation information based on machine learning［J］．Electronic Test，2020（4）：69-70，7．

［12］ 金芬兰，王昊，范广民，等．智能电网调度控制系统的变电站集中监

控功能设计［J］．电力系统自动化，2015，39（1）：241-247．

JIN Fenlan，WANG Hao，FAN Guangmin，et al．Design of centralized substation monitoring functions for smart grid dispatching and control systems［J］．Automation of Electric Power Systems，2015，39（1）：241-247．

［13］ 胡斌，郭亚飞，杨彬，等．智能变电站技术的现状与发展趋势研究［J］ ．

智慧电力，2018，46（3）：87-90．

HU Bin，GUO Yafei，YANG Bin，et al．Research on status and development trend of smart substation technology［J］．Smart Power，2018，46（3）：87-90．

［14］ 王刘旺，周自强，林龙，等．人工智能在变电站运维管理中的应用综

述［J］．高电压技术，2020，46（1）：1-13．

WANG Liuwang，ZHOU Ziqiang，LIN Long，et al．Review on artificial intelligence in substation operation and maintenance management［J］．High Voltage Engineering，2020，46（1）：1-13．

［15］ 周华良，郑玉平，姚吉文，等．面向智能变电站二次设备的网络报文

管控技术［J］．电力系统自动化，2015，39（19）：96-100，131．ZHOU Hualiang，ZHENG Yuping，YAO Jiwen，et al．Network packet control technology for secondary equipments in smart substation［J］．Automation of Electric Power Systems，2015，39（19）：96-100，131．

［16］ 张忠会，刘故帅，谢义苗．基于博弈论的电力系统供给侧多方交易决

策［J］．电网技术，2017，41（6）：1779-1785．

ZHANG Zhonghui，LIU Gushuai，XIE Yimiao．A game theory approach to analyzing multi-party electricity trading on supply side［J］．Power System Technology，2017，41（6）：1779-1785．

［17］ 肖云鹏，王锡凡，王秀丽，等．面向高比例可再生能源的电力市场研

究综述［J］．中国电机工程学报，2018，38（3）：663-674．

XIAO Yunpeng，WANG Xifan，WANG Xiuli，et al．Review on electricity market towards high proportion of renewable energy［J］．Proceedings of the CSEE，2018，38（3）：663-674．

［18］ 傅质馨，李潇逸，袁越．泛在电力物联网关键技术探讨［J］ ．电力建

设，2019，40（5）：1-12．

FU Zhixin，LI Xiaoyi，YUAN Yue．Research on key technologies of ubiquitous power Internet of Things［J］．Electric Power Construction，2019，40（5）：1-12．

［19］ 刘志斌，赵桂军，梁雪梅．基于实时定位技术的变电站智能安全管理

系统［J］．电力系统及其自动化学报，2013，25（6）：138-142．LIU Zhibin，ZHAO Guijun，LIANG Xuemei．Intelligent safety management system of substations based on real-time location technology［J］．Proceedings of the CSU-EPSA，2013，25（6）：138-142．

［20］ 张宁，杨经纬，王毅，等．面向泛在电力物联网的5G通信：技术原理

与典型应用［J］．中国电机工程学报，2019，39（14）：4015-4025．ZHANG Ning，YANG Jingwei，WANG Yi，et al．5G communication for the ubiquitous internet of things in electricity：technical principles and typical applications［J］．Proceedings of the CSEE，2019，39（14）：4015-4025．

［21］ 赵诣，侯英洒，曹文东．边缘计算在超高压变电站综自系统中的应用

探究［J］．电力大数据，2019，22（3）：44-48．

ZHAO Yi，HOU Yingsa，CAO Wendong．Study on application of edge computing in EHV substation SCADA system［J］．Power Systems and Big Data，2019，22（3）：44-48．

［22］ 李耕，邱智勇，饶丹，等．基于SPCD的智能变电站虚实链路映射方案

研究［J］．电力工程技术，2020，39（1）：124-129．

LI Geng，QIU Zhiyong，RAO Dan，et al．Scheme for mapping between virtual and real link in smart substation based on SPCD［J］．Electric Power Engineering Technology，2020，39（1）：124-129．

［23］ 白昱阳，黄彦浩，陈思远，等．云边智能：电力系统运行控制的边缘计

50

第38卷 第3期

20213供用电

电力物联网

算方法及其应用现状与展望［J］．自动化学报，2020，46（3）：397-410．BAI Yuyang，HUANG Yanhao，CHEN Siyuan，et al．Cloud-edge intelligence：status quo and future prospective of edge computing approaches and applications in power system operation and control［J］．Acta Automatica Sinica，2020，46（3）：397-410．

1

作者简介：

刘故帅（1990—），男，硕士，工程师，研究方向为电力系统自

动检测与控制及电力系统规划。

王世坤（1984—），男，硕士，高级工程师，研究方向为电力系统检修及高压运维。

收稿日期：2020-04-19；修回日期：2020-05-28

Multi-dimensional Scenario Management and Control System for Substations Based on Electric

Internet of Things

LIU Gushuai，WANG Shikun，SUN Lei，LIU Da，YIN Mengmeng（State Grid Zibo Power Supply Company，Zibo 255000，China）

Abstract：In the context of the electric Internet of things (EIoT), the power system will play a more important role in the energy layer and the information layer. Substations are no longer just nodes for energy collection and distribution. In this paper, an image acquisition module, edge analysis terminal, 5G communication technology, and cloud-side collaboration technology are used to establish a multi-dimensional scene management and control system of the substation, realizing the functions of real-time operation and control of substation field operations, active early warning of operating environment and equipment, intelligent control of access control security, and visualization of main and auxiliary equipment collaboration and other functions. Taking a company in Shandong Province as an example, the application effectiveness of the management and control system is analyzed in detail from three aspects of social benefits, safety benefits, and economic benefits. The results show that the management and control system has certain universality and practicability, which is conducive to upgrading personnel in the substation, environment, and equipment.Key words：electric internet of things；substation；deep perception；scene management and control；cloud-side collaboration

供用电

第38卷 第3期

2021351