背景

      隔离刀闸是变电站的一种主要设备。在长期运行中，各种原因可能导致合闸不到位。现有的合闸到位判别主要依靠隔离开关自带的辅助接点，传动部分异常会导致分合位置误判，上传错误信号，威胁设备安全与生命周期。 传统采用巡检人员肉眼判别合闸不到位故障。这种人工双重检测方法耗用了大量的人力，实时性差，是变电站实现全自动化的短板，存在一定的危险性，巡检人员要近距离观察，合闸不到位时高压隔离开关发热，有可能产生放电火花甚至爆炸。 开发自动识别合闸不到位故障的双重校验方法极为必要，国网和南网都下发了相关通知。目前已有各种方法在研究中，如红外法、激光法、姿态传感器等，这些方法如今尚未达预期效果，亟需开发更好的双重校验方法。

目的

      卷积神经网络结合激光雷达相关技术进行刀闸识别，提高三类刀闸的识别率和精度，精确识别合闸不到位的情况，从而避免相关的安全风险，为刀闸双重校验提供可靠的手段。

实施方案

      激光雷达和工业摄像头通过LASER雷达私有协议接入智能前端网关设备，三台智能网关占用空间为1U，三台网关设备接入到一台服务器中，服务器占用面积1U，网关和服务器占用机柜空间为2U。服务器通过GB/T28181协议传输信息到数变配电平台。