随着经济和社会的不断发展,电网的规模不断增大,传统变电站运维方式不断受到挑战,运维难度与风险系数不断增大。建设和普及智能变电站成为构建智能电网的发展趋势,而用无人化智能巡检逐步取代人工巡检是其中重要的一环。为此,南方电网公司提出了《中国南方电网智能技术在生产技术领域应用路线方案》,在此规划的指引下,广东电网公司佛山供电局正在建设具备“数据集成化、巡视无人化、操作程序化、安防智能化”特征的智能技术综合应用示范区。作为广东电网公司佛山供电局建设的智能技术综合应用示范变电站的基础项目,本论文研发了一套以图像识别为核心的变电站远程巡检系统,以巡视无人化、操作程序化为目标,应对实际工程应用中存在的恶劣天气、环境光线等因素的干扰影响,重点研究了变电站表计读数识别算法以及变电站内设备位置状态识别算法。针对变电站内表计读数识别算法,本文分析表计读数识别的难点和技术方案。以SF6气压表识别为例,研究读数识别算法中模板制作、基于SURF特征的模板匹配、指针识别以及表计读数的实现方法。该算法对待测图像中表计的尺寸变化以及旋转角度变化具有良好的鲁棒性。同时,实施方案可移植性强,可针对不同待识别表计的特点制作对应的模板图像和制定指针筛选方法。针对变电站内刀闸位置指示、10k V开关柜屏柜上开关分合位置指示、开关小车的位置指示、远方/就地选控开关、压板等设备状态识别算法。在分析设备位置状态识别的难点和常用目标检测算法的原理和不足的基础上,提出了基于Mobile Net-v3轻量化网络学习的两步式设备状态识别方案,研究了样本图像的准备与扩充、卷积神经网络的设计、分类模型训练的方法。上述算法已在松厦运检中心投入测试,经过验证,表计读数识别算法计算消耗时间为300ms,准确率达到96.5%,设备位置状态识别算法平均耗时5-6ms,占用显存550M左右,准确率高达98.99%。远程巡检系统在松厦运检中心进行了100天的功能和稳定性运行测试,测试结果表明,系统运行稳定,满足实际远程巡视的工程需求,具有较高的实用性。预计能替代25.5%的人工作业。作为智能技术综合示范应用,本文研发的远程巡检系统具有较高的可推广性,可应用于其他已建成的变电站。