CN107977531B - 一种基于图像处理和数学模型的接地电阻软测量方法 - Google Patents
一种基于图像处理和数学模型的接地电阻软测量方法 Download PDFInfo
- Publication number
- CN107977531B CN107977531B CN201711384561.6A CN201711384561A CN107977531B CN 107977531 B CN107977531 B CN 107977531B CN 201711384561 A CN201711384561 A CN 201711384561A CN 107977531 B CN107977531 B CN 107977531B
- Authority
- CN
- China
- Prior art keywords
- image
- data
- ground resistance
- pool
- wetland
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013178 mathematical model Methods 0.000 title claims abstract description 29
- 238000000691 measurement method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 36
- 239000002689 soil Substances 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000013480 data collection Methods 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 16
- 238000010606 normalization Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000013024 troubleshooting Methods 0.000 abstract description 2
- 241001269238 Data Species 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像处理和数学模型的接地电阻软测量方法，通过温湿度传感器搜集接地电阻所在土壤不同位置的温湿度数据；将采集的温湿度数值进行降噪预处理和归一；通过图像采集接地电阻所在区域的地表图像，通过OpenCV对图像中水塘、湿地、干地进行边缘、位置、颜色及尺寸进行提取；将温湿度数值和图像地表数据统一分别计算95％的置信区间作为检测模型；对于待检测的实时数据集按照前述方法进行处理；将处理的新数据分别跟对应的到检测模型中，将计算结果进行加权求和，并将求和结果和***异常指标进行比较，则得到一个关于当前数据故障或者正常的判断，帮助运维人员迅速查找干旱点、水涝点，缩短故障查找时间，提高工作效率。
Description
技术领域
本发明属于接地极电阻的软测量监测方法，特别是涉及到一种基于图像处理的接地电阻过程数据建模和故障检测方法。
背景技术
电力***中的电气装置、设施的某些导电部分，经过接地线连接至接地极，接地极地处高原山区，雷雨大风等特殊天气较多。
由于接地极设备长期不带电压，受外力破坏概率高，致使接地极故障率偏高，检修人员查找故障费时费力，严重影响了供电的可靠性。同时，检查环境恶劣，尤其是对检测井和渗水井的定期检查工作量大，若不能及时发现接地极地表干燥，泥土枯焦等情况，及时注水，让干旱的土壤恢复湿度将严重影响接地极可靠性。
发明内容
本发明目的是旨在提供了一种基于图像处理和数学模型的接地电阻软测量方法，通过温湿度传感器及地表图像数据进行在线建模，并根据模型对接地电阻进行软测量和故障预警，帮助运维人员迅速查找干旱点、水涝点，缩短故障查找时间，提高工作效率。
为实现上述技术目的，本发明采用的技术方案如下：
一种基于图像处理和数学模型的接地电阻软测量方法，包括如下步骤：
(1)通过温湿度传感器搜集接地电阻所在土壤不同位置的温湿度数据，作为原始数据集X0；
(2)将采集的温湿度数值进行降噪预处理和归一化，作为模型基础数据集；
(3)通过图像采集接地电阻所在区域的地表图像，通过OpenCV对图像中水塘、湿地、干地进行边缘、位置、颜色及尺寸提取，作为原始数据集X1；
(4)将同一时间采集的多个角度图像的多个维度结果作为独立数据组，进行降噪预处理和归一化，作为模型基础数据集；
(5)将经过降噪预处理和归一化的温湿度数值和图像地表数据统一分别计算95％的置信区间作为检测模型；
(6)对于待检测的实时数据集按照步骤(1)到步骤(4)的方法进行处理，包括不同位置土壤本身的温湿度值及表面图像数据；
(7)将处理的新数据分别对应到检测模型中，将计算结果进行加权求和，并将求和结果和***异常指标进行比较，则得到一个关于当前数据故障或者正常的判断。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的一种优选，步骤(7)后还包括步骤(8)将实时采集的数据集作为历史数据集，通过BP神经网络算法优化检测模型中的参数。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的另一种优选,建模过程包括基于历史数据的模型和待检测的实时数据模型，同时实时数据将不断作为历史数据集丰富到历史数据库中进行优化初始模型。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的又一种优选,步骤(1)中的温湿度数据采集是通过在接地电阻所在土壤的区域内的多个位置部署多个传感器，分别记录距离中心不同坐标处的温湿度值,所有温湿度及对应的坐标位置作为原始数据集X0。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的再一种优选,所述的降噪预处理和归一化是指去除过程中噪声影响较大或者搜集有错误的数据，并使得各个过程变量的均值为零，方差为1。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的另一种优选,对水塘、湿地、干地的颜色进行识别的具体方法为：
首先，通过cvtColor方法将普通RGB模型的图像转换到HSV空间；
其次，将HSV模型的图像进行直方图均衡化，通过对图像的非线性拉伸，实现归一化图像亮度的同时增强图像的对比度，从而更容易区分出图像中的湿地、水塘等模块，直方图的映射公式如下，其中，n是图像中像素的总和，nj是当前灰度级的像素个数，L是图像中的灰度级总数；
然后，分别根据湿地、干地和水塘各自对应的颜色范围区域作为颜色阈值，对图像中的所有元素进行阈值过滤，对于在颜色阈值范围内的元素设为1，否则设为0，则分别获取到了图像中湿地、干地、水塘的HSV图像像素的二值图像；
最后，分别对湿地、干地、水塘的二值图像进行形态学的开操作，用于去除图像中的零星散点和噪声，然后再对图像执行闭操作，用于将相邻的区域进行连通，最终将原始视频的图像帧分别转换为具有整块湿地、干地和水塘的二值图像。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的又一种优选,水塘、湿地、干地进行边缘、尺寸和位置特征的提取包括如下步骤：
首先，标注各类地表信息的边缘，经过高斯滤波器进行图像的平滑滤波后，直接通过Canny边缘检测算子，则可以识别出的不同土壤外形,并对图像中的区域进行边缘标注；
其次，设定轮廓的阈值后，提取图像中各区域的边缘轮廓信息；
然后，计算湿地、干地和水塘在图像上的面积和位置，对所有的边缘轮廓的连续光滑曲线进行折线化，从而将边缘信息近似为一个多边形形状，最后分别计算出所有湿地、干地、水塘的面积，进而，根据所在位置的图像坐标值，通过算数平均值得到物体所在位置的像素坐标值；
最后，计算对于湿地、干地和水塘的实际尺寸和位置，根据图像跟真实世界的比例尺关系，按等比例将图像尺寸放大为真实值，将多张图像的尺寸数据进行算术平均则可以近似求解出实际尺寸；而对于位置坐标信息，除了需要进行比例尺的放大，还需要根据图像拍摄方向将的图像空间信息进行对应角度的旋转，旋转角度为摄像头拍摄时，摄像头成像表面映射到水平方向时，左右两边跟现实东西方向形成的夹角，乘以夹角的余弦值得到各区域的实际坐标值。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的另一种优选,将从图像中提取的边缘、位置、颜色及尺寸特征根据拍摄的时间以小时进行分组，以小组为单位对数据进行归一化和去噪处理。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的再一种优选,对于在线采集的实时数据，分别对各维度经过检测模型进行计算，然后对各维度计算结果进行加权求和，然后将求和值跟***异常指标进行比较，如果超出历史模型的统计限，则采集的实时数据为故障数据，否则为正常数据，从而得出当前时刻是否为故障样本的结论，实现在线故障监测。
作为本发明一种基于图像处理和数学模型的接地电阻软测量方法的又一种优选,将实时采集数据不断填充到历史数据中，通过BP神经网络算法对检测模型参数优化，来使得历史模型越来越准确的表达真实情况，如果模型的计算的结果跟实际的相背，则神经网络算法会对参数模型进行自迭代。
本发明的有效效果：
1.本发明主要提出了基于数据驱动的过程监控方法。该方法主要是依赖于接地电阻环境变量中的数据特征来挖掘其内在信息，不依赖于过程精确的数学模型和丰富的先验知识。利用统计学的置信区间方法建立过程的数学模型，描述过程的运行状态。因此，对于难以获得精确的数据模型和全面的过程知识的复杂过程，基于数据驱动的接地电阻软测量方法具有较大的优势。
2.本发明改善了对接地电阻的故障检测效果。使用多变量过程数据信息，利用统计分析方法，基于各维度数据的加权和作为统计量确定接地电阻是否存在故障，与传统的基于人工检测及单变量过程的监控方法相比，该方法能够更全面地获取过程信息，改善监控效果。
3.通过对接地极的环境数据进行***建模，***可以远程实时了解偏远山区的土壤情况、设备安防状态、接地极的工作状态，进而对于可能出现的潜在危险进行提前预警，并给出维修建议，在完成***功能的同时也可以对偏远地区的土质及气候情况有一定的监测效果。
附图说明
本发明可以通过附图给出的非限定性实施例进一步说明；
图1为本发明一种基于图像处理和数学模型的接地电阻软测量方法的流程示意图；
具体实施方式
为了使本领域的技术人员可以更好地理解本发明，下面结合附图和实施例对本发明技术方案进一步说明。
在本实施例中，用2周时间，间隔10秒共采集约12万组数据作为模型的原始样本集，记录模型的建模统计限以及模型参数。
如图1所示，一种基于图像处理和数学模型的接地电阻软测量方法，具体包括如下步骤：
1、为接地电极待监测区域安装在现场的传感器及数据采集、通信装置，主要实现对接地电极所在土壤的温度、湿度信息的采集，分别记录距离距离中心不同坐标处的温湿度值,所有温湿度及对应的坐标位置作为原始数据集X0，通过GPRS的无线通信模式传送至数据监督中心，数据监督中心将原始数据信息进行存储备份。
2、对各不同位置的温湿度数据进行预处理(去噪声点和异常点，选择平稳状态数据)，并进行数据归一化，使得每个变量的均值为0，方差为1,将结果作为土壤温湿度的模型基础数据集。
3、为待监测区域通过在不同方位的高处架设监控摄像头，主要实现实时对接地电极所在区域地表信息进行采集，并将采集的图像传回数据监督中心进行储存备份；
通过OpenCV对图像中水塘、湿地、干地进行边缘、位置、颜色及尺寸进行提取，作为原始数据集X1。其具体提取方法如下：
(1)读取采集视频流的图像帧，分别对每一帧图像进行颜色识别。虽然，对于湿地、干地、水塘等不同模块的颜色值范围不同，但对于不同颜色的识别方法是一致的。
首先，通过cvtColor方法将普通RGB模型的图像转换到HSV空间，图像的HSV模型分别是通过色调(Hue)、饱和度(Saturation)、亮度(Value)三个分量构成，其中色调一个分量基本可以确定颜色本身，而且HSV模型更接近于人眼的主观感受。
其次，将HSV模型的图像进行直方图均衡化，通过对图像的非线性拉伸，实现归一化图像亮度的同时增强图像的对比度，从而更容易区分出图像中的湿地、水塘等模块，直方图的映射公式如下，其中，n是图像中像素的总和，nj是当前灰度级的像素个数，L是图像中的灰度级总数；
然后，分别根据湿地、干地和水塘各自对应的颜色范围区域作为颜色阈值，对图像中的所有元素进行阈值过滤，对于在颜色阈值范围内的元素设为1，否则设为0，则分别获取到了图像中湿地、干地、水塘的HSV图像像素的二值图像；
最后，分别对湿地、干地、水塘的二值图像进行形态学的开操作，用于去除图像中的零星散点和噪声，然后再对图像执行闭操作，用于将相邻的区域进行连通，最终将原始视频的图像帧分别转换为具有整块湿地、干地和水塘的二值图像。
(2)对水塘、湿地、干地进行边缘、尺寸和位置特征的提取
首先，标注各类地表信息的边缘。由于之前图像处理的结果已经是二值图像，且经过了基本的噪声处理，所以经过高斯滤波器进行图像的平滑滤波后，直接通过Canny边缘检测算子，则可以识别出的不同土壤外形,，并对对图像中的区域进行边缘标注。
Canny(LandBlockImage,cannyImage,50,150,3)
其次，设定轮廓的阈值后，提取图像中各区域的边缘轮廓信息。
cvThreshold(cannyImage,cannyImage,50.0,255,CV_THRESH_BINARY)；
findContours(cannyImage,imageContours,0,CV_CHAIN_APPROX_SIMPLE)；
然后，计算湿地、干地和水塘在图像上的面积和位置。对所有的边缘轮廓的连续光滑曲线进行折线化，从而将边缘信息近似为一个多边形形状，最后分别计算出所有湿地、干地、水塘的面积。进而，根据所在位置的图像坐标值，通过算数平均值得到物体所在位置的像素坐标值。
approxPolyDP(Mat(contours[i]),approxContours[i],15,true)；
contourArea(approxContours[i])；
最后，计算对于湿地、干地和水塘的实际尺寸和位置。根据图像跟真实世界的比例尺关系，按等比例将图像尺寸放大为真实值，将多张图像的尺寸数据进行算术平均则可以近似求解出实际尺寸；而对于位置坐标信息，除了需要进行比例尺的放大，还需要根据图像拍摄方向将的图像空间信息进行对应角度的旋转，旋转角度为摄像头拍摄时，摄像头成像表面映射到水平方向时，左右两边跟现实东西方向形成的夹角，乘以夹角的余弦值得到各区域的实际坐标值。
4、将图像中提取的数据按小时进行分解。由于图像数据受光线的影响较大，而且一天中不同时间段以及不同天气情况的光线都有所有不同，为了尽可能保持数据的统计学对比性，将数据根据拍摄的时间以小时进行分组，以小组为单位对地表干湿地的位置、尺寸等数据进行归一化和去噪处理。
5、使用统计学的置信区间建立历史数据模型。对所有土壤温湿度数据和地表干湿地的图像数据，分别计算各自的均值和标准差，进而分别求解出所有数据95％的置信区间[αk，βk]，其中μ为均值，σ为标准差，N为对应数据的原始数据总数量，xki为第k组数据的第i个数，αkβk分别为第k组数据的置信水平的上下限边界值。
P{αk≤xk≤βk}＝0.95
6、对于待检测的实时数据集按照步骤(1)到步骤(4)的方法进行处理，包括不同位置土壤本身的温湿度值及表面图像数据。
7、将新采集实时的数据，经过各自对应的置信区间进行对比，如果数据不在置信区间内，则yk的值为1，如果在对应的置信区间，则yk结果为0，分别将所有土壤温湿度数据值和地表干湿地图像数据的4个维度数据(面积尺寸值、边缘长度值、中心位置的经度值、中心位置的维度值)，进行区间检测，然后对所有数值进行加权求和，其中ak为第k组检测结果对应数据的权重，Wt为***加权和。
8、将t时刻计算的***加权和跟***异常指标M进行对比，当Wt>M，则认为有接地电阻可能存在潜在的危险，则需要通知维护人员进行跟进查看，同时分别将yk对应为1的指标标识给相关人员作为判断参考，在***建立初期可能会存在误报警，则需要***建设人员将对应数据进行记录。
9.随着***的运行，将得到越来越多的真实数据，则定期使用所有历史对***的置信区间进行更新，使得区间更接近真实情况，同时对于***建立阶段出现的误报警情况作为原始数据模型，使用BP神经网络算法对***异常指标和各组数据权重进行优化，如果模型的计算的结果跟实际的相背，则神经网络算法会对参数模型进行自迭代。
10.软件***：为了能够实现故障检测，本发明采用微软公司的Visual Studio2012软件编程开发，对过程中采集到的实时数据送到计算机进行计算，当检测数据的加权和超过***异常指标时，即Wt>M，则该时刻的数据样本是故障的，当故障数据累计达到一定数值时，即表明***出现故障，需要工作人员及时查明情况，排除险情。
以上对本发明提供的一种基于图像处理和数学模型的接地电阻软测量方法进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,包括如下步骤：
(1)通过温湿度传感器搜集接地电阻所在土壤不同位置的温湿度数据，作为原始数据集X0；
(2)将采集的温湿度数值进行降噪预处理和归一化，作为模型基础数据集；
(3)通过图像采集接地电阻所在区域的地表图像，通过OpenCV对图像中水塘、湿地、干地进行边缘、位置、颜色及尺寸提取，作为原始数据集X1；
(4)将同一时间采集的多个角度图像的多个维度结果作为独立数据组，进行降噪预处理和归一化，作为模型基础数据集；
(5)将经过降噪预处理和归一化的温湿度数值和图像地表数据统一分别计算95％的置信区间作为检测模型；
(6)对于待检测的实时数据集按照步骤(1)到步骤(4)的方法进行处理，包括不同位置土壤本身的温湿度值及表面图像数据；
(7)将处理的新数据分别对应到检测模型中，将计算结果进行加权求和，并将求和结果和***异常指标进行比较，则得到一个关于当前数据故障或者正常的判断。
2.根据权利要求1所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,步骤(7)后还包括步骤(8)将实时采集的数据集作为历史数据集，通过BP神经网络算法优化检测模型中的参数。
3.根据权利要求2所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,建模过程包括基于历史数据的模型和待检测的实时数据模型，同时实时数据将不断作为历史数据集丰富到历史数据库中进行优化初始模型。
4.根据权利要求1所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,步骤(1)中的温湿度数据采集是通过在接地电阻所在土壤的区域内的多个位置部署多个传感器，分别记录距离中心不同坐标处的温湿度值,所有温湿度及对应的坐标位置作为原始数据集X0。
5.根据权利要求1所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,所述的降噪预处理和归一化是指去除过程中噪声影响较大或者搜集有错误的数据，并使得各个过程变量的均值为零，方差为1。
6.根据权利要求1所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,对水塘、湿地、干地的颜色进行识别的具体方法为：
首先，通过cvtColor方法将普通RGB模型的图像转换到HSV空间；
其次，将HSV模型的图像进行直方图均衡化，通过对图像的非线性拉伸，实现归一化图像亮度的同时增强图像的对比度，区分出图像中的湿地、水塘、干地模块，直方图的映射公式如下，其中，n是图像中像素的总和，nj是当前灰度级的像素个数，L是图像中的灰度级总数；
然后，分别根据湿地、干地和水塘各自对应的颜色范围区域作为颜色阈值，对图像中的所有元素进行阈值过滤，对于在颜色阈值范围内的元素设为1，否则设为0，则分别获取到了图像中湿地、干地、水塘的HSV图像像素的二值图像；
最后，分别对湿地、干地、水塘的二值图像进行形态学的开操作，用于去除图像中的零星散点和噪声，然后再对图像执行闭操作，用于将相邻的区域进行连通，最终将原始视频的图像帧分别转换为具有整块湿地、干地和水塘的二值图像。
7.根据权利要求6所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,水塘、湿地、干地进行边缘、尺寸和位置特征的提取包括如下步骤：
首先，标注各类地表信息的边缘，经过高斯滤波器进行图像的平滑滤波后，直接通过Canny边缘检测算子，则可以识别出的不同土壤外形,并对图像中的区域进行边缘标注；
其次，设定轮廓的阈值后，提取图像中各区域的边缘轮廓信息；
然后，计算湿地、干地和水塘在图像上的面积和位置，对所有的边缘轮廓的连续光滑曲线进行折线化，从而将边缘信息近似为一个多边形形状，最后分别计算出所有湿地、干地、水塘的面积，进而，根据所在位置的图像坐标值，通过算数平均值得到物体所在位置的像素坐标值；
最后，计算对于湿地、干地和水塘的实际尺寸和位置，根据图像跟真实世界的比例尺关系，按等比例将图像尺寸放大为真实值，将多张图像的尺寸数据进行算术平均则可以近似求解出实际尺寸；而对于位置坐标信息，除了需要进行比例尺的放大，还需要根据图像拍摄方向将的图像空间信息进行对应角度的旋转，旋转角度为摄像头拍摄时，摄像头成像表面映射到水平方向时，左右两边跟现实东西方向形成的夹角，乘以夹角的余弦值得到各区域的实际坐标值。
8.根据权利要求7所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,将从图像中提取的边缘、位置、颜色及尺寸特征根据拍摄的时间以小时进行分组，以小组为单位对数据进行归一化和去噪处理。
9.根据权利要求3所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,对于在线采集的实时数据，分别对各维度经过检测模型进行计算，然后对各维度计算结果进行加权求和，然后将求和值跟***异常指标进行比较，如果超出历史模型的统计限，则采集的实时数据为故障数据，否则为正常数据，从而得出当前时刻是否为故障样本的结论，实现在线故障监测。
10.根据权利要求3所述的一种基于图像处理和数学模型的接地电阻软测量方法，其特征在于,将实时采集数据不断填充到历史数据中，通过BP神经网络算法对检测模型参数优化，来使得历史模型越来越准确的表达真实情况，如果模型的计算的结果跟实际的相背，则神经网络算法会对参数模型进行自迭代。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711384561.6A CN107977531B (zh) | 2017-12-20 | 2017-12-20 | 一种基于图像处理和数学模型的接地电阻软测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711384561.6A CN107977531B (zh) | 2017-12-20 | 2017-12-20 | 一种基于图像处理和数学模型的接地电阻软测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107977531A CN107977531A (zh) | 2018-05-01 |
| CN107977531B true CN107977531B (zh) | 2019-11-22 |
Family
ID=62006942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711384561.6A Active CN107977531B (zh) | 2017-12-20 | 2017-12-20 | 一种基于图像处理和数学模型的接地电阻软测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107977531B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108881283B (zh) * | 2018-07-13 | 2021-08-20 | 杭州安恒信息技术股份有限公司 | 评估网络攻击的模型训练方法、装置及储存介质 |
| CN113485218B (zh) * | 2021-08-04 | 2022-06-07 | 广德绿巨人环境管理咨询有限公司 | 一种基于5g的智慧物联监管平台 |
| CN114328496A (zh) * | 2021-12-31 | 2022-04-12 | 广东泰迪智能科技股份有限公司 | 一种中央空调云-边双端数据的降噪处理方法与*** |
| CN117648612B (zh) * | 2024-01-30 | 2024-04-12 | 上海移视网络科技有限公司 | 并联电池组故障检测方法、装置、电子设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104715160A (zh) * | 2015-04-03 | 2015-06-17 | 天津工业大学 | 基于kmdb的软测量建模数据异常点检测方法 |
| CN105334811A (zh) * | 2014-08-06 | 2016-02-17 | 西安众智惠泽光电科技有限公司 | 基于ZigBee网络的电力线路杆塔无线监控方法 |
| CN106644162A (zh) * | 2016-10-12 | 2017-05-10 | 云南大学 | 基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9384560B2 (en) * | 2014-10-27 | 2016-07-05 | King Fahd University Of Petroleum And Minerals | Contamination level estimation method for high voltage insulators |
| CN104697943B (zh) * | 2014-11-10 | 2017-12-05 | 江苏大学 | 一种油菜水分胁迫的无损检测方法 |
| CN106407551A (zh) * | 2016-09-07 | 2017-02-15 | 天津工业大学 | 一种软测量建模方法 |
-
2017
- 2017-12-20 CN CN201711384561.6A patent/CN107977531B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105334811A (zh) * | 2014-08-06 | 2016-02-17 | 西安众智惠泽光电科技有限公司 | 基于ZigBee网络的电力线路杆塔无线监控方法 |
| CN104715160A (zh) * | 2015-04-03 | 2015-06-17 | 天津工业大学 | 基于kmdb的软测量建模数据异常点检测方法 |
| CN106644162A (zh) * | 2016-10-12 | 2017-05-10 | 云南大学 | 基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法 |
Non-Patent Citations (3)
| Title |
|---|
| A New Approach to Measure and Control Grounding Resistance;Ilhan GARIP 等;《16th International Power Electronics and Motion Control Conference and Exposition》;20141211;第1154-1158页 * |
| 基于NPE算法的环网柜故障检测方法研究;胡凡君 等;《自动化仪表》;20171020;第38卷(第10期);第69-73页 * |
| 基于数字图像处理和神经网络技术的45钢热处理温度软测量研究;龚恒 等;《西南大学学报(自然科学版)》;20130620;第35卷(第6期);第69-73页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107977531A (zh) | 2018-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107977531B (zh) | 一种基于图像处理和数学模型的接地电阻软测量方法 | |
| CN104112370B (zh) | 基于监控图像的停车场智能车位识别方法及*** | |
| CN103517042B (zh) | 一种养老院老人危险行为监测方法 | |
| CN110926430B (zh) | 一种空地一体化红树林监测***及控制方法 | |
| CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
| CN110929946A (zh) | 基于地表水文过程的农业洪涝灾害监测预报***及方法 | |
| Lai et al. | A real time video processing based surveillance system for early fire and flood detection | |
| CN106709903B (zh) | 基于图像质量的pm2.5浓度预测方法 | |
| CN115631421B (zh) | 耕地智慧保护方法及保护*** | |
| CN110012268A (zh) | 管网ai智能监控方法、***、可读存储介质和设备 | |
| CN114419431A (zh) | 一种蝗灾潜在高风险区识别方法、装置、设备及存储介质 | |
| CN103888731A (zh) | 枪机-球机混合视频监控的结构化描述装置及*** | |
| CN113484489A (zh) | 一种水体富营养化的远程监测与预警方法 | |
| CN109635717A (zh) | 一种基于深度学习的矿用行人检测方法 | |
| CN114792405A (zh) | 一种架空线路防异物入侵监测方法 | |
| CN113989086A (zh) | 一种基于植物绿化的荒漠生态修复方法及管理分析*** | |
| CN117152617A (zh) | 一种城市洪涝识别方法及*** | |
| CN117171533A (zh) | 一种地理测绘作业数据实时采集处理方法及*** | |
| CN117132894A (zh) | 一种基于时序遥感影像的露天煤矿区生态损伤区识别方法 | |
| CN104820818A (zh) | 一种移动物体的快速识别方法 | |
| CN113989509A (zh) | 基于图像识别的农作物虫害检测方法、检测***及设备 | |
| CN112819817A (zh) | 基于图计算的河流流速估计方法 | |
| CN113705442A (zh) | 一种户外大牌广告画面监控识别***及方法 | |
| CN117079221B (zh) | 抽蓄电站地下工程的施工安全监测方法及装置 | |
| CN116912702B (zh) | 杂草覆盖度确定方法、***、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240207 Address after: No. 29, Fenghuang Road, Wolong Street, Wenshan Zhuang and Miao Autonomous Prefecture, Wenshan City, Yunnan Province, 663000 Patentee after: YUNNAN POWER GRID Co.,Ltd. WENSHAN POWER SUPPLY BUREAU Country or region after: China Address before: 663000 No.1, HeXie Road, South District, Wenshan City, Wenshan Zhuang and Miao Autonomous Prefecture, Yunnan Province Patentee before: YUNNAN POWER GRID Co.,Ltd. WENSHAN POWER SUPPLY BUREAU Country or region before: China Patentee before: Kunming Disen Electric Co.,Ltd. |
|
| TR01 | Transfer of patent right |