CN111428629A - 变电站运行监测方法、状态确定方法及无人机巡检*** - Google Patents
变电站运行监测方法、状态确定方法及无人机巡检*** Download PDFInfo
- Publication number
- CN111428629A CN111428629A CN202010207441.4A CN202010207441A CN111428629A CN 111428629 A CN111428629 A CN 111428629A CN 202010207441 A CN202010207441 A CN 202010207441A CN 111428629 A CN111428629 A CN 111428629A
- Authority
- CN
- China
- Prior art keywords
- visible light
- light image
- unmanned aerial
- equipment
- aerial vehicle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000007689 inspection Methods 0.000 title abstract description 15
- 230000007547 defect Effects 0.000 claims abstract description 163
- 238000013021 overheating Methods 0.000 claims abstract description 130
- 230000003993 interaction Effects 0.000 claims abstract description 67
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 44
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 230000002452 interceptive effect Effects 0.000 claims description 12
- 230000001815 facial effect Effects 0.000 claims description 11
- 238000012806 monitoring device Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000002950 deficient Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000003331 infrared imaging Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种变电站运行监测方法、状态确定方法及无人机巡检***。变电站运行监测方法包括获取变电站的可见光图像;基于人工智能算法对可见光图像进行识别,确定可见光图像中是否存在硬件缺损信息;若可见光图像中存在硬件缺损信息,则获取与硬件缺损信息对应的设备位置,得到硬件缺损设备位置;获取变电站的红外图像;根据红外图像确定是否存在过热故障,若存在,则获取与过热故障对应的设备位置,得到过热故障设备位置;将可见光图像、硬件缺损设备位置、红外图像和过热故障设备位置发送至智能交互***,以使智能交互***确定变电站运行状况。本申请提供方法可以解决传统方案中无法及时获取变电站安全隐患的问题。
Description
技术领域
本申请涉及变电站维护技术领域,特别是涉及一种变电站运行监测方法、状态确定方法及无人机巡检***。
背景技术
近年来,随着我国智能电网建设的不断完善与电力传输技术的高速发展,电网设备不断更新换代,其运行可靠性将直接影响电网***的平稳运行。而变电站作为电力传输网络的枢纽,其设备运行状态的安全性至关重要,因此,对变电站设备的有效巡检是对变电站良好运行、以及对广大用户供电可靠性的重要保证。
但是,对于无人值班且地处偏远郊区的变电站,当出现恶劣天气或气象灾害后,运维检修人员无法及时赶赴变电站,不能第一时间了解现场设备运行状态,无法及时发现设备安全隐患,因此失去优先安排处理的机会,这将会危急电网的安全运行。
因此,传统方案存在无法及时获知变电站安全隐患的问题。
发明内容
基于此,有必要针对传统方案存在无法及时获取变电站安全隐患的问题,提供一种变电站运行监测方法、状态确定方法及无人机巡检***。
一种变电站运行监测方法,包括:
获取变电站的可见光图像;
基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息;
若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置;
获取变电站的红外图像;
根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。
本申请提供一种变电站运行监测方法,包括获取变电站的可见光图像。基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息。若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置。获取变电站的红外图像。根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置。将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。本申请提供的变电站运行监测方法可以对变电站是否存在设备缺损故障和设备过热故障进行检测,若确定存在故障,则通过所述智能交互***使工作人员及时获知,以便工作人员第一时间了解变电站现场设备运行状态,及时发现设备安全隐患。因此,本申请提供的变电站运行监测方法可以解决传统方案存在无法及时获取变电站安全隐患的问题。
其中一项实施例中,所述基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息之前,所述方法包括:
基于数据库建立所述人工智能算法,其中,所述数据库包括多个预存设备故障模式。
其中一项实施例中,所述方法还包括:
基于人脸识别算法确定所述可见光图像中是否存在非工作人员脸部特征信息;
若存在所述非工作人员脸部特征信息,则将所述可见光图像发送至所述智能交互***。
其中一项实施例中,所述方法还包括:
基于车牌识别算法确定所述可见光图像中是否存在非工作车牌信息;
若存在所述非工作车牌信息,则将所述可见光图像发送至所述智能交互***。
其中一项实施例中,所述获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置,包括:
获取与所述硬件缺损信息对应的设备类型和型号;
基于所述设备类型和型号确定与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置。
其中一项实施例中,所述获取与所述过热故障对应的设备位置,得到过热故障设备位置,包括:
获取与所述过热故障对应的设备类型和型号;
基于所述设备类型和型号确定与所述过热故障对应的设备位置,得到所述过热故障设备位置。
其中一项实施例中,还包括:
将自身状态监测数据发送至所述智能交互***,以使所述智能交互***生成飞行控制指令;
接收所述飞行控制指令,并基于所述飞行控制指令进行飞行。
一种变电站运行状态确定方法,包括:
获取无人机发送的变电站的可见光图像;
获取所述无人机发送的硬件缺损设备位置,其中,所述无人机若确定所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置;
获取所述无人机发送的变电站的红外图像;
获取所述无人机发送的过热故障设备位置,其中,所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
其中一项实施例中,所述方法还包括:
分别获取与所述可见光图像和所述红外图像对应的无人机的决策结果,所述决策结果是指基于人工智能算法确定所述可见光图像中是否存在所述硬件缺损信息,或是根据所述红外图像确定是否存在过热故障;
若与所述可见光图像对应的决策结果、和/或与所述红外图像对应的决策结果有误,则生成拍摄指令,并将所述拍摄指令发送至所述无人机;
获取所述无人机根据所述拍摄指令拍摄的可见光图像和红外图像,得到二次可见光图像和二次红外图像,并分别获取与所述二次可见光图像和所述二次红外图像对应的无人机的二次决策结果;所述二次决策结果是指基于人工智能算法确定所述二次可见光图像中是否存在所述硬件缺损信息,或是根据所述二次红外图像确定是否存在过热故障;
若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果无误,则存储所述可见光图像和所述红外图像。
其中一项实施例中,所述方法还包括:
若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果有误,则生成人工审查请求,并存储所述二次可见光图像和所述二次红外图像。
其中一项实施例中,所述方法还包括:
获取多个无人机发送的可见光图像和红外图像,以及分别多个与所述多个无人机发送的可见光图像和红外图像对应的决策结果,得到决策结果信息库;
根据所述多个无人机发送的可见光图像和红外图像,以及所述决策结果信息库,生成故障模式信息库,所述故障模式信息库包括变电站设备的多个类别的故障模式。
一种无人机电力巡检***,包括无人机和智能交互***,所述无人机用于执行如上所述的变电站运行监测方法,所述智能交互***用于执行如上所述的变电站运行状态确定方法。
一种变电站运行监测装置,包括:
可见光图像获取模块,用于获取变电站的可见光图像;
缺损信息确认模块,用于基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息;
设备位置确定模块,用于若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置;
红外图像获取模块,用于获取变电站的红外图像;
过热故障确认模块,用于根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
数据传输模块,用于将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。
一种变电站运行状态确定装置,包括:
可见光图像接收模块,用于获取无人机发送的变电站的可见光图像;
缺损设备位置接收模块,用于获取所述无人机发送的硬件缺损设备位置,其中,所述无人机若确定所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置;
红外图像接收模块,用于获取所述无人机发送的变电站的红外图像;
热故障设备位置接收模块,用于获取所述无人机发送的过热故障设备位置,其中,所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
运行状态确定模块,用于基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
一种计算机设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上所述的变电站运行监测方法和如上所述的变电站运行状态确定方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的变电站运行监测方法和如上所述的变电站运行状态确定方法的步骤。
附图说明
图1为本申请的一个实施例提供的变电站运行监测方法的流程示意图。
图2为本申请的另一个实施例提供的变电站运行监测方法的流程示意图。
图3为本申请的又一个实施例提供的变电站运行监测方法的流程示意图。
图4为本申请的一个实施例提供的变电站运行状态确定方法的流程示意图。
图5为本申请的一个实施例提供的变电站运行状态确定方法的流程示意图。
图6为本申请的一个实施例提供的变电站运行监测装置的示意图。
图7为本申请的一个实施例提供的变电站运行状态确定装置的示意图。
图8为本申请的一个实施例提供的计算机设备的内部结构图。
具体实施方式
传统方案存在无法及时获知变电站安全隐患的问题,基于此,本申请提供一种变电站运行监测方法、状态确定方法及无人机巡检***。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似改进,因此本申请不受下面公开的具体实施的限制。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
需要说明的是,本申请提供的变电站运行监测方法由无人机内置的处理器执行,所述无人机绕行于变电站区域,用于对变电站的运行状况进行监测。
请参见图1,本申请提供一种变电站运行监测方法,包括:
S100,获取变电站的可见光图像。
需要说明的是,变电站的巡检装置为无人机,也即本实施例提供的变电站运行监测方法的执行主体为无人机。所述无人机上设置有光电吊舱,所述光电吊舱用于采集所述可见光图像。需要说明的是,所述光电吊舱在所述无人机上的安装位置可以根据实际需要选择,本申请不做限定。所述可见光图像主要是对变电站设备的图像进行采集。需要说明的是,所述无人机在飞行过程中,安装于所述无人机上的光电吊舱采集到的图像是一个动态变化的过程。所述可见光图像可以包括杆塔可见光图像、电力线可见光图像和电力线走廊可见光图像等。
S200,基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息。
对所述可见光图像进行识别包括对所述可见光图像中是否存在硬件缺损信息进行识别。需要说明的是,所述硬件缺损信息指的是变电站的某个设备外形上出现硬件缺损,从而使无人机拍摄到的图像存在所述硬件缺损信息。
S300,若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置。
需要说明的是,首先可以通过人工智能算法通过所述可见光图像自动识别与所述可见光图像对应的设备类型和型号。基于所述设备对应的类型和型号,可以确定硬件缺损设备位置。
S400,获取变电站的红外图像。
需要说明的是,所述红外图像主要指的是变电站中输电线路设备上的红外成像,但是也包括变电站其他设备的红外成像。
S500,根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置。
需要说明的是,在通过所述红外图像确定存在过热故障之后,可以通过所述红外图像确定存在过热故障的设备对应的类型和型号。基于所述设备对应的类型和型号,可以确定所述过热故障设备位置。
S600,将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。
所述变电站运行状况指的是变电站中的某些设备是否存在硬件缺损、过热故障。需要说明的是,所述智能交互***可以获取硬件缺损设备位置、所述过热故障设备位置,以方便工作人员通过所述智能交互***及时获知硬件缺损设备位置和/或过热故障设备位置,并及时到达现场进行维修。
所述智能交互***,用于无人机飞行状态监测、定位导航、交互数据分析、故障决策等功能,包含两个子***:无人机遥控***和大数据***,所述无人机遥控***位于前端,用于无人机编队管理调度、实时数据交互。需要交互的数据有三类:第一类是给无人机下发的指令,包括巡检路线、巡检时间、故障指示等,出现异常时指示无人机纠正飞行参数或停飞停机坪。第二类是无人机飞行过程回传的自身状态监测数据,如巡航高度、定位数据、电量监测数据、风速等等。第三类是拍摄的光电影像数据,用于变电站设备的监测。
本实施例提供一种变电站运行监测方法,包括获取变电站的可见光图像。基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息。若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置。获取变电站的红外图像。根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置。将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。本申请提供的变电站运行监测方法可以对变电站是否存在设备缺损故障和设备过热故障进行检测,若确定存在故障,则通过所述智能交互***使工作人员及时获知,以便工作人员第一时间了解变电站现场设备运行状态,及时发现设备安全隐患。因此,本申请提供的变电站运行监测方法可以解决传统方案存在无法及时获取变电站安全隐患的问题。
在本申请的一个实施例中,S200之前,所述方法还包括:
S201,基于数据库建立所述人工智能算法,其中,所述数据库包括多个预存设备故障模式。
需要说明的是,所述数据库基于多个存在硬件缺损信息的可见光图像,以及基于多个存在过热故障的红外图像建立,可见光图像和红外图像的数量越大,基于所述数据库建立的所述人工智能算法的准确率越高。工作人员在程序中输入已设定好的设备故障模式以生成预存故障模式,其中,所述预存故障模式包括设备硬件缺损故障,对应的是设备存在所述硬件缺损信息;所述预存故障模式还包括设备过热故障,对应的是设备存在所述过热故障。可以理解的是,所述人工智能算法由工作人员根据所述数据库建立而成,目的是基于所述数据库计算、识别新的所述可见光图像中是否存在所述硬件缺损信息,以及识别新的所述过热图像中是否存在所述过热故障。
除此之外,还需要说明的是,在所述人工智能算法投入使用之前,需要判断所述人工智能算法的算法准确度是否达到预设准确度。举例说明,判断所述人工智能算法的算法准确度是否达到所述预设准确度的方法可以是输入大量已知存在硬件缺损信息的可见光图像和/或已知存在过热故障的红外图像等图像数据,并获取经过所述人工智能算法对所述图像数据的判断结果是否与已知的信息相同。通过获知大量的所述人工智能算法的判断结果,便可以确定所述人工智能算法的算法准确度。当所述人工智能算法的算法准确度达到所述预设准确度后,所述人工智能算法才可以投入使用。其中,所述预设准确度由工作人员进行设定。在考虑到实际应用影响,所述预设准确度的设定应该尽量高。
请参见图2,本申请提供的变电站运行监测方法还包括:
S700,基于人脸识别算法确定所述可见光图像中是否存在非工作人员脸部特征信息。
需要说明的是,S700之前,可以根据所述人工智能算法识别出所述可见光图像中包括哪些人脸图像,再基于人脸识别算法确定所述可见光图像中是否存在非工作人员脸部特征信息,即可疑人员。
S710,若存在所述非工作人员脸部特征信息,则将所述可见光图像发送至所述智能交互***。
若存在所述非工作人员脸部特征信息,工作人员可以通过所述智能交互***获知变电站周围存在可疑人员。
请参见图3,在本申请的一个实施例中,所述变电站运行监测方法还包括:
S800,基于车牌识别算法确定所述可见光图像中是否存在非工作车牌信息。
需要说明的是,S800之前,可以根据所述人工智能算法识别出所述可见光图像中包括哪些车牌图像,再基于车牌识别算法确定所述可见光图像中是否存在非工作车牌信息,即可疑车辆。
S810,若存在所述非工作车牌信息,则将所述可见光图像发送至所述智能交互***。
若存在所述非工作车牌信息,工作人员可以通过所述智能交互***获知变电站周围存在可疑车辆。
在本申请的一个实施例中,S300包括:
S310,获取与所述硬件缺损信息对应的设备类型和型号。
S320,基于所述设备类型和型号确定所述与所述硬件缺损信息对应的设备位置。
可以理解的是,变电站的类型和型号分别有对应的设备位置。基于所述设备类型和型号可以确定所述与所述硬件缺损信息对应的设备位置。
在本申请的一个实施例中,S500包括:
S510,获取与所述过热故障对应的设备类型和型号;
S520,基于所述设备类型和型号确定与所述过热故障对应的设备位置。
可以理解的是,变电站的类型和型号分别有对应的设备位置。基于所述设备类型和型号可以确定所述与所述硬件缺损信息对应的设备位置。
在本申请的一个实施例中,所述变电站运行监测方法还包括:
S900,将自身状态监测数据发送至所述智能交互***,以使所述智能交互***生成飞行控制指令;
S910,接收所述飞行控制指令,并基于所述飞行控制指令进行飞行。
所述飞行控制指令由所述智能交互***根据所述自身状态监测数据生成,用于控制无人机稳定飞行。例如,所述自身状态监测数据包括距离障碍物的距离信息,所述智能交互***根据所述距离信息生成所述飞行控制指令,此时所述飞行控制指令用于控制无人机避障。
请参见图4,本申请还提供一种变电站运行状态确定方法,所述变电站运行状态方法的执行主体为所述智能交互***。所述智能交互***,用于无人机飞行状态监测、定位导航、交互数据分析、故障决策等功能,包含两个子***:无人机遥控***和大数据***,所述无人机遥控***位于前端,用于无人机编队管理调度、实时数据交互。需要交互的数据有三类:第一类是给无人机下发的指令,包括巡检路线、巡检时间、故障指示等,出现异常时指示无人机纠正飞行参数或停飞停机坪。第二类是无人机飞行过程回传的自身状态监测数据,如巡航高度、定位数据、电量监测数据、风速等等。第三类是拍摄的光电影像数据,用于变电站设备的监测。
所述变电站运行状态确定方法包括:
S10,获取无人机发送的变电站的可见光图像。
所述可见光图像主要是对变电站设备的图像进行采集。需要说明的是,所述无人机在飞行过程中,安装于所述无人机上的光电吊舱采集到的图像是一个动态变化的过程。所述可见光图像可以包括杆塔可见光图像、电力线可见光图像和电力线走廊可见光图像等。
S20,获取所述无人机发送的硬件缺损设备位置,其中,所述无人机若确定所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置。
需要说明的是,所述硬件缺损信息指的是变电站的某个设备外形上出现硬件缺损,从而使无人机拍摄到的图像存在所述硬件缺损信息。需要说明的是,所述无人机首先可以通过人工智能算法通过所述可见光图像自动识别与所述可见光图像对应的设备类型和型号。基于所述设备对应的类型和型号,所述无人机可以确定硬件缺损设备位置。
S30,获取所述无人机发送的变电站的红外图像。
需要说明的是,所述红外图像主要指的是变电站中输电线路设备上的红外成像,但是也包括变电站其他设备的红外成像。
S40,获取所述无人机发送的过热故障设备位置,其中,所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置。
需要说明的是,所述无人机在通过所述红外图像确定存在过热故障之后,可以通过所述红外图像确定存在过热故障的设备对应的类型和型号。基于所述设备对应的类型和型号,可以确定所述过热故障设备位置。
S50,基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
所述变电站运行状况指的是变电站中的某些设备是否存在硬件缺损、过热故障。需要说明的是,所述智能交互***可以获取硬件缺损设备位置、所述过热故障设备位置,以方便工作人员通过所述智能交互***及时获知硬件缺损设备位置和/或过热故障设备位置,并及时到达现场进行维修。
本申请提供一种变电站运行状态确定方法,包括获取无人机发送的变电站的可见光图像;获取所述无人机发送的硬件缺损设备;获取所述无人机发送的变电站的红外图像;获取所述无人机发送的过热故障设备位置;基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。本申请提供的变电站运行状态确定方法可以方便工作人员第一时间了解变电站现场设备运行状态,及时发现设备安全隐患。因此,本申请提供的变电站运行状态确定方法可以解决传统方案存在无法及时获取变电站安全隐患的问题。
请参见图5,在本申请的一个实施例中,所述变电站运行状态确定方法还包括:
S60,分别获取与所述可见光图像和所述红外图像对应的无人机的决策结果,所述决策结果是指基于人工智能算法确定所述可见光图像中是否存在所述硬件缺损信息,或是根据所述红外图像确定是否存在过热故障。
可以理解的是,所述智能交互***可以获取无人机的决策结果。针对所述可见光图像,所述决策结果是指基于人工智能算法确定所述可见光图像中是否存在所述硬件缺损信息,此时,所述决策结果包括存在所述硬件缺损信息和不存在所述硬件缺损信息。针对所述红外图像,所述决策结果是指根据所述红外图像确定是否存在过热故障,此时,所述决策结果包括存在过热故障和不存在过热故障。
S61,若与所述可见光图像对应的决策结果、和/或与所述红外图像对应的决策结果有误,则生成拍摄指令,并将所述拍摄指令发送至所述无人机。
所述决策结果有误,指的是所述可见光图像中实际存在所述硬件缺损信息,但所述决策结果为所述可见光图像中不存在所述硬件缺损信息。相对应的,所述决策结果有误也指的是所述可见光图像中实际不存在所述硬件缺损信息,但所述决策结果为所述可见光图像中存在所述硬件缺损信息。所述决策结果有误也指的是所述红外图像中实际存在所述过热故障,但所述决策结果为所述红外图像中不存在过热故障。相对应的,所述决策结果有误也指的是所述红外图像中实际不存在所述过热故障,但所述决策结果为所述红外图像中存在过热故障。
若所述决策结果有误,则由所述智能交互***生成拍摄指令,所述拍摄指令用于所述无人机进行重新拍摄,所述无人机可以在重新拍摄之后重新进行决策。
S62,分别获取所述无人机根据所述拍摄指令拍摄的可见光图像和红外图像,得到二次可见光图像和二次红外图像,并分别获取与所述二次可见光图像和所述二次红外图像对应的无人机的二次决策结果;所述二次决策结果是指基于人工智能算法确定所述二次可见光图像中是否存在所述硬件缺损信息,或是根据所述二次红外图像确定是否存在过热故障。
在所述无人机根据所述拍摄指令进行重新拍摄之后,所述智能交互***需要再一次获取所述二次可见光图像和二次红外图像,并分别获取与所述二次可见光图像和所述二次红外图像对应的无人机的决策结果,即所述二次决策结果。
S63,若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果无误,则存储所述可见光图像和所述红外图像。
所述二次决策结果无误,指的是所述二次可见光图像中实际存在所述硬件缺损信息,且所述决策结果为所述二次可见光图像中存在所述硬件缺损信息,或者说所述二次可见光图像中实际不存在所述硬件缺损信息,且所述二次决策结果为所述二次可见光图像中不存在所述硬件缺损信息。所述二次决策结果无误也指的是所述二次红外图像中实际存在所述过热故障,且所述二次决策结果为所述二次红外图像中存在所述过热故障,或者说所述二次红外图像中实际不存在所述过热故障,且所述二次决策结果为所述二次红外图像中不存在所述过热故障。若所述二次决策结果无误,则存储所述可见光图像和所述红外图像。
在本申请的一个实施例中,S62之后,所述变电站运行状态确定方法还包括:
S64,若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果有误,则生成人工审查请求,并存储所述二次可见光图像和所述二次红外图像。
若所述智能交互***判断所述无人机在重新拍摄之后进行决策的结果依然有误后,则生成所述人工审查请求,所述人工审查请求用于指示工作人员进行无人机的审查。存储所述二次可见光图像和所述二次红外图像的目的是存储无人机的错误拍摄结果,以更利于工作人员分析所述无人机的工作失误。
在本申请的一个实施例中,所述变电站运行状态确定方法还包括:
S70,获取多个无人机发送的可见光图像和红外图像,以及分别多个与所述多个无人机发送的可见光图像和红外图像对应的决策结果,得到决策结果信息库;
S71,根据所述多个无人机发送的可见光图像和红外图像,以及所述决策结果信息库,生成故障模式信息库,所述故障模式信息库包括变电站设备的多个类别的故障模式。
本申请还提供一种无人机电力巡检***,包括无人机和智能交互***。所述无人机用于执行如上所述的变电站运行监测方法,所述智能交互***用于执行如上所述的变电站运行状态确定方法。所述无人机电力巡检***实现变电站运行监测和变电站运行状态确定方法的过程如下:
所述无人机获取变电站的可见光图像;
所述无人机基于数据库建立所述人工智能算法,其中,所述数据库包括多个预存设备故障模式;
所述无人机基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息;
若所述可见光图像中存在硬件缺损信息,则所述无人机获取与所述硬件缺损信息对应的设备类型和型号,基于所述设备类型和型号确定与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置;
所述无人机获取变电站的红外图像;
所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备类型和型号,基于所述设备类型和型号确定与所述过热故障对应的设备位置,得到过热故障设备位置;
所述无人机将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***;
所述智能交互***获取所述无人机发送的所述硬件缺损设备位置、所述变电站的红外图像和过热故障设备位置;
所述智能交互***基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
所述无人机基于人脸识别算法确定所述可见光图像中是否存在非工作人员脸部特征信息;
若存在所述非工作人员脸部特征信息,则所述无人机将所述可见光图像发送至所述智能交互***。
所述无人机基于车牌识别算法确定所述可见光图像中是否存在非工作车牌信息;
若存在所述非工作车牌信息,则所述无人机将所述可见光图像发送至所述智能交互***。
所述智能交互***分别获取与所述可见光图像和所述红外图像对应的无人机的决策结果,所述决策结果是指基于人工智能算法确定所述可见光图像中是否存在所述硬件缺损信息,或是根据所述红外图像确定是否存在过热故障;
若与所述可见光图像对应的决策结果、和/或与所述红外图像对应的决策结果有误,则所述智能交互***生成拍摄指令,并将所述拍摄指令发送至所述无人机;
所述无人机根据所述拍摄指令拍摄可见光图像和红外图像,并发送至所述智能交互***;
所述智能交互***分别获取所述无人机根据所述拍摄指令拍摄的可见光图像和红外图像,得到二次可见光图像和二次红外图像,并分别获取与所述二次可见光图像和所述二次红外图像对应的无人机的二次决策结果;所述二次决策结果是指基于人工智能算法确定所述二次可见光图像中是否存在所述硬件缺损信息,或是根据所述二次红外图像确定是否存在过热故障;
若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果无误,则所述智能交互***存储所述可见光图像和所述红外图像;
若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果有误,则所述智能交互***生成人工审查请求,并存储所述二次可见光图像和所述二次红外图像。
所述智能交互***获取多个无人机发送的可见光图像和红外图像,以及分别多个与所述多个无人机发送的可见光图像和红外图像对应的决策结果,得到决策结果信息库;
所述智能交互***根据所述多个无人机发送的可见光图像和红外图像,以及所述决策结果信息库,生成故障模式信息库,所述故障模式信息库包括变电站设备的多个类别的故障模式。
所述无人机将自身状态监测数据发送至所述智能交互***;
所述智能交互***根据所述自身状态监测数据生成飞行控制指令,并发送至所述无人机;
所述无人机接收所述飞行控制指令,并基于所述飞行控制指令进行飞行。
请参见图6,本申请提供一种变电站运行监测装置10,包括:
可见光图像获取模块110,用于获取变电站的可见光图像;
缺损信息确认模块120,用于基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息;
设备位置确定模块130,用于若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置;
红外图像获取模块140,用于获取变电站的红外图像;
过热故障确认模块150,用于根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
数据传输模块160,用于将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。
在一个实施例中,所述变电站运行监测装置10还包括算法建立模块170,所述算法建立模块170用于基于数据库建立所述人工智能算法,其中,所述数据库包括多个预存设备故障模式。
在一个实施例中,所述变电站运行监测装置10还包括人员识别模块180,用于基于人脸识别算法确定所述可见光图像中是否存在非工作人员脸部特征信息;若存在所述非工作人员脸部特征信息,则将所述可见光图像发送至所述智能交互***。
在一个实施例中,所述变电站运行监测装置10还包括车辆识别模块190,用于基于车牌识别算法确定所述可见光图像中是否存在非工作车牌信息;若存在所述非工作车牌信息,则将所述可见光图像发送至所述智能交互***。
在一个实施例中,所述缺损信息确认模块120具体用于获取与所述硬件缺损信息对应的设备类型和型号;基于所述设备类型和型号确定与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置。
在一个实施例中,所述过热故障确认模块150具体用于获取与所述过热故障对应的设备类型和型号;基于所述设备类型和型号确定与所述过热故障对应的设备位置,得到所述过热故障设备位置。
在一个实施例中,所述变电站运行监测装置10还包括状态监测模块192,用于将自身状态监测数据发送至所述智能交互***,以使所述智能交互***生成飞行控制指令;接收所述飞行控制指令,并基于所述飞行控制指令进行飞行。
以上提供的变电站运行监测装置10的结构如图6所示,所述变电站运行监测装置10的工作原理如所述变电站运行监测方法的实施例所述,在此不再赘述。
请参见图7,本申请提供一种变电站运行状态确定装置20,包括:
可见光图像接收模块210,用于获取无人机发送的变电站的可见光图像;
缺损设备位置接收模块220,用于获取所述无人机发送的硬件缺损设备位置,其中,所述无人机若确定所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置;
红外图像接收模块230,用于获取所述无人机发送的变电站的红外图像;
热故障设备位置接收模块240,用于获取所述无人机发送的过热故障设备位置,其中,所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
运行状态确定模块250,用于基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
在一个实施例中,所述变电站运行状态确定装置20还包括决策控制模块260,用于分别获取与所述可见光图像和所述红外图像对应的无人机的决策结果,所述决策结果是指基于人工智能算法确定所述可见光图像中是否存在所述硬件缺损信息,或是根据所述红外图像确定是否存在过热故障;若与所述可见光图像对应的决策结果、和/或与所述红外图像对应的决策结果有误,则生成拍摄指令,并将所述拍摄指令发送至所述无人机;分别获取所述无人机根据所述拍摄指令拍摄的可见光图像和红外图像,得到二次可见光图像和二次红外图像,并分别获取与所述二次可见光图像和所述二次红外图像对应的无人机的二次决策结果;所述二次决策结果是指基于人工智能算法确定所述二次可见光图像中是否存在所述硬件缺损信息,或是根据所述二次红外图像确定是否存在过热故障;若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果无误,则存储所述可见光图像和所述红外图像。
在一个实施例中,所述决策控制模块260还用于若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果有误,则生成人工审查请求,并存储所述二次可见光图像和所述二次红外图像。
在一个实施例中,所述变电站运行状态确定装置20还包括故障库生成模块270,用于获取多个无人机发送的可见光图像和红外图像,以及分别多个与所述多个无人机发送的可见光图像和红外图像对应的决策结果,得到决策结果信息库;根据所述多个无人机发送的可见光图像和红外图像,以及所述决策结果信息库,生成故障模式信息库,所述故障模式信息库包括变电站设备的多个类别的故障模式。
以上提供的变电站运行状态确定装置20的结构如图7所示,所述变电站运行状态确定装置20的工作原理如所述变电站运行状态确定方法的实施例所述,在此不再赘述。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种变电站运行监测方法和一种变电站运行状态确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取变电站的可见光图像;
基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息;
若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置;
获取变电站的红外图像;
根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取无人机发送的变电站的可见光图像;
获取所述无人机发送的硬件缺损设备位置,其中,所述无人机若确定所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置;
获取所述无人机发送的变电站的红外图像;
获取所述无人机发送的过热故障设备位置,其中,所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取变电站的可见光图像;
基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息;
若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置;
获取变电站的红外图像;
根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取无人机发送的变电站的可见光图像;
获取所述无人机发送的硬件缺损设备位置,其中,所述无人机若确定所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置;
获取所述无人机发送的变电站的红外图像;
获取所述无人机发送的过热故障设备位置,其中,所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (16)
1.一种变电站运行监测方法,其特征在于,包括:
获取变电站的可见光图像;
基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息;
若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置;
获取变电站的红外图像;
根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。
2.如权利要求1所述的方法,其特征在于,所述基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息之前,所述方法包括:
基于数据库建立所述人工智能算法,其中,所述数据库包括多个预存设备故障模式。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于人脸识别算法确定所述可见光图像中是否存在非工作人员脸部特征信息;
若存在所述非工作人员脸部特征信息,则将所述可见光图像发送至所述智能交互***。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
基于车牌识别算法确定所述可见光图像中是否存在非工作车牌信息;
若存在所述非工作车牌信息,则将所述可见光图像发送至所述智能交互***。
5.如权利要求1所述的方法,其特征在于,所述获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置,包括:
获取与所述硬件缺损信息对应的设备类型和型号;
基于所述设备类型和型号确定与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置。
6.如权利要求1所述的方法,其特征在于,所述获取与所述过热故障对应的设备位置,得到过热故障设备位置,包括:
获取与所述过热故障对应的设备类型和型号;
基于所述设备类型和型号确定与所述过热故障对应的设备位置,得到所述过热故障设备位置。
7.如权利要求1所述的方法,其特征在于,还包括:
将自身状态监测数据发送至所述智能交互***,以使所述智能交互***生成飞行控制指令;
接收所述飞行控制指令,并基于所述飞行控制指令进行飞行。
8.一种变电站运行状态确定方法,其特征在于,包括:
获取无人机发送的变电站的可见光图像;
获取所述无人机发送的硬件缺损设备位置,其中,所述无人机若确定所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置;
获取所述无人机发送的变电站的红外图像;
获取所述无人机发送的过热故障设备位置,其中,所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
9.如权利要求8所述的方法,其特征在于,所述方法还包括:
分别获取与所述可见光图像和所述红外图像对应的无人机的决策结果,所述决策结果是指基于人工智能算法确定所述可见光图像中是否存在所述硬件缺损信息,或是根据所述红外图像确定是否存在过热故障;
若与所述可见光图像对应的决策结果、和/或与所述红外图像对应的决策结果有误,则生成拍摄指令,并将所述拍摄指令发送至所述无人机;
分别获取所述无人机根据所述拍摄指令拍摄的可见光图像和红外图像,得到二次可见光图像和二次红外图像,并分别获取与所述二次可见光图像和所述二次红外图像对应的无人机的二次决策结果;所述二次决策结果是指基于人工智能算法确定所述二次可见光图像中是否存在所述硬件缺损信息,或是根据所述二次红外图像确定是否存在过热故障;
若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果无误,则存储所述可见光图像和所述红外图像。
10.如权利要求9所述的方法,其特征在于,所述方法还包括:
若与所述二次可见光图像对应的二次决策结果、和/或与所述二次红外图像对应的二次决策结果有误,则生成人工审查请求,并存储所述二次可见光图像和所述二次红外图像。
11.如权利要求9所述的方法,其特征在于,所述方法还包括:
获取多个无人机发送的可见光图像和红外图像,以及分别多个与所述多个无人机发送的可见光图像和红外图像对应的决策结果,得到决策结果信息库;
根据所述多个无人机发送的可见光图像和红外图像,以及所述决策结果信息库,生成故障模式信息库,所述故障模式信息库包括变电站设备的多个类别的故障模式。
12.一种无人机电力巡检***,其特征在于,包括无人机和智能交互***,所述无人机用于执行如权利要求1至7任一项所述的方法,所述智能交互***用于执行如权利要求8至11任一项所述的方法。
13.一种变电站运行监测装置,其特征在于,包括:
可见光图像获取模块,用于获取变电站的可见光图像;
缺损信息确认模块,用于基于人工智能算法对所述可见光图像进行识别,确定所述可见光图像中是否存在硬件缺损信息;
设备位置确定模块,用于若所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到硬件缺损设备位置;
红外图像获取模块,用于获取变电站的红外图像;
过热故障确认模块,用于根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
数据传输模块,用于将所述可见光图像、所述硬件缺损设备位置、所述红外图像和所述过热故障设备位置发送至智能交互***,以使所述智能交互***确定变电站运行状况。
14.一种变电站运行状态确定装置,其特征在于,包括:
可见光图像接收模块,用于获取无人机发送的变电站的可见光图像;
缺损设备位置接收模块,用于获取所述无人机发送的硬件缺损设备位置,其中,所述无人机若确定所述可见光图像中存在硬件缺损信息,则获取与所述硬件缺损信息对应的设备位置,得到所述硬件缺损设备位置;
红外图像接收模块,用于获取所述无人机发送的变电站的红外图像;
热故障设备位置接收模块,用于获取所述无人机发送的过热故障设备位置,其中,所述无人机根据所述红外图像确定是否存在过热故障,若存在,则获取与所述过热故障对应的设备位置,得到过热故障设备位置;
运行状态确定模块,用于基于所述可见光图像、所述硬件缺损设备位置、所述红外图像、所述过热故障设备位置确定变电站运行状态。
15.一种计算机设备,包括存储器及处理器,所述存储器中储存有计算机程序,其特征在于,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至11中任一项所述的方法的步骤。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至11中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010207441.4A CN111428629B (zh) | 2020-03-23 | 2020-03-23 | 变电站运行监测方法、状态确定方法及无人机巡检*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010207441.4A CN111428629B (zh) | 2020-03-23 | 2020-03-23 | 变电站运行监测方法、状态确定方法及无人机巡检*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111428629A true CN111428629A (zh) | 2020-07-17 |
CN111428629B CN111428629B (zh) | 2024-05-10 |
Family
ID=71548776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010207441.4A Active CN111428629B (zh) | 2020-03-23 | 2020-03-23 | 变电站运行监测方法、状态确定方法及无人机巡检*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428629B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131936A (zh) * | 2020-08-13 | 2020-12-25 | 华瑞新智科技(北京)有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
CN112466000A (zh) * | 2020-09-23 | 2021-03-09 | 国网上海市电力公司 | 一种基于电力巡检机器人的巡检***及巡检控制方法 |
CN112595730A (zh) * | 2020-11-13 | 2021-04-02 | 深圳供电局有限公司 | 电缆破损识别方法、装置和计算机设备 |
CN112767192A (zh) * | 2021-01-11 | 2021-05-07 | 广州图胜电力工程有限公司 | 电力设备智能维护方法 |
CN114063643A (zh) * | 2021-11-06 | 2022-02-18 | 山西东高舜博科技有限公司 | 变电站远程监控控制***及控制方法 |
WO2024021917A1 (zh) * | 2022-07-28 | 2024-02-01 | 华为技术有限公司 | 一种信号传输方法、相关模块、设备和网络 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105511495A (zh) * | 2016-02-15 | 2016-04-20 | 国家电网公司 | 电力线路无人机智能巡检控制方法和*** |
CN107015125A (zh) * | 2017-02-04 | 2017-08-04 | 国网河北省电力公司电力科学研究院 | 一种基于红外、紫外和可见光的一体化检测方法和装置 |
CN107992067A (zh) * | 2017-11-24 | 2018-05-04 | 贵州电网有限责任公司 | 基于集成吊舱和ai技术的无人机巡检故障诊断*** |
CN108008259A (zh) * | 2017-11-14 | 2018-05-08 | 国网江西省电力有限公司电力科学研究院 | 基于红外、紫外和可见光图像融合一体化的检测方法和装置 |
CN108527399A (zh) * | 2018-06-08 | 2018-09-14 | 国家电网公司 | 一种基于互联网的变电站智能巡检机器人监测*** |
CN108919821A (zh) * | 2018-06-12 | 2018-11-30 | 浙江大学 | 一种面向规模化集中式光伏电站的无人机自动巡检***及方法 |
CN109038821A (zh) * | 2018-08-10 | 2018-12-18 | 国网上海市电力公司 | 一种变电站智能分布式图像巡检*** |
CN109142935A (zh) * | 2018-10-15 | 2019-01-04 | 广东电网有限责任公司 | 巡检机器人 |
CN110274160A (zh) * | 2019-06-13 | 2019-09-24 | 咏峰(大连)科技有限公司 | 一种基于红外可见光融合图像的管道巡检*** |
CN110286684A (zh) * | 2019-07-17 | 2019-09-27 | 国网湖北省电力有限公司检修公司 | 一种变电站巡检机器人及变电站巡检*** |
CN110320926A (zh) * | 2019-07-24 | 2019-10-11 | 北京中科利丰科技有限公司 | 一种基于无人机的电站检测方法和电站检测*** |
CN110850890A (zh) * | 2019-11-20 | 2020-02-28 | 中山飞旋天行航空科技有限公司 | 光伏电站无人机巡检***及其控制方法 |
-
2020
- 2020-03-23 CN CN202010207441.4A patent/CN111428629B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105511495A (zh) * | 2016-02-15 | 2016-04-20 | 国家电网公司 | 电力线路无人机智能巡检控制方法和*** |
CN107015125A (zh) * | 2017-02-04 | 2017-08-04 | 国网河北省电力公司电力科学研究院 | 一种基于红外、紫外和可见光的一体化检测方法和装置 |
CN108008259A (zh) * | 2017-11-14 | 2018-05-08 | 国网江西省电力有限公司电力科学研究院 | 基于红外、紫外和可见光图像融合一体化的检测方法和装置 |
CN107992067A (zh) * | 2017-11-24 | 2018-05-04 | 贵州电网有限责任公司 | 基于集成吊舱和ai技术的无人机巡检故障诊断*** |
CN108527399A (zh) * | 2018-06-08 | 2018-09-14 | 国家电网公司 | 一种基于互联网的变电站智能巡检机器人监测*** |
CN108919821A (zh) * | 2018-06-12 | 2018-11-30 | 浙江大学 | 一种面向规模化集中式光伏电站的无人机自动巡检***及方法 |
CN109038821A (zh) * | 2018-08-10 | 2018-12-18 | 国网上海市电力公司 | 一种变电站智能分布式图像巡检*** |
CN109142935A (zh) * | 2018-10-15 | 2019-01-04 | 广东电网有限责任公司 | 巡检机器人 |
CN110274160A (zh) * | 2019-06-13 | 2019-09-24 | 咏峰(大连)科技有限公司 | 一种基于红外可见光融合图像的管道巡检*** |
CN110286684A (zh) * | 2019-07-17 | 2019-09-27 | 国网湖北省电力有限公司检修公司 | 一种变电站巡检机器人及变电站巡检*** |
CN110320926A (zh) * | 2019-07-24 | 2019-10-11 | 北京中科利丰科技有限公司 | 一种基于无人机的电站检测方法和电站检测*** |
CN110850890A (zh) * | 2019-11-20 | 2020-02-28 | 中山飞旋天行航空科技有限公司 | 光伏电站无人机巡检***及其控制方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131936A (zh) * | 2020-08-13 | 2020-12-25 | 华瑞新智科技(北京)有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
CN112131936B (zh) * | 2020-08-13 | 2023-07-21 | 华瑞新智科技(北京)有限公司 | 一种巡检机器人图像识别方法及巡检机器人 |
CN112466000A (zh) * | 2020-09-23 | 2021-03-09 | 国网上海市电力公司 | 一种基于电力巡检机器人的巡检***及巡检控制方法 |
CN112595730A (zh) * | 2020-11-13 | 2021-04-02 | 深圳供电局有限公司 | 电缆破损识别方法、装置和计算机设备 |
CN112767192A (zh) * | 2021-01-11 | 2021-05-07 | 广州图胜电力工程有限公司 | 电力设备智能维护方法 |
CN114063643A (zh) * | 2021-11-06 | 2022-02-18 | 山西东高舜博科技有限公司 | 变电站远程监控控制***及控制方法 |
WO2024021917A1 (zh) * | 2022-07-28 | 2024-02-01 | 华为技术有限公司 | 一种信号传输方法、相关模块、设备和网络 |
Also Published As
Publication number | Publication date |
---|---|
CN111428629B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428629B (zh) | 变电站运行监测方法、状态确定方法及无人机巡检*** | |
CN111311597B (zh) | 一种缺陷绝缘子的无人机巡检方法与*** | |
CN108957240A (zh) | 电网故障远程定位方法及*** | |
CN112381963B (zh) | 一种基于数字孪生技术的电力物联网智能巡检方法及*** | |
CN106584450B (zh) | 一种变电站巡检机器人集中监控***及方法 | |
CN110865917A (zh) | 基于ar技术的电力机房巡检作业方法、***及应用 | |
CN108510183A (zh) | 一种基于无人机的电力巡检*** | |
CN103576650A (zh) | 一种机场地面设备运行安全监控管理*** | |
CN112698618A (zh) | 一种基于机器视觉技术的服务器告警识别*** | |
CN207409918U (zh) | 一种输电线路的智能巡检装置 | |
CN113433971A (zh) | 一种高层建筑外墙数据采集方法、装置、设备及存储介质 | |
CN106656035A (zh) | 一种光伏电站故障检测方法 | |
CN115238366B (zh) | 一种ai智能电缆隧道的在线检测应急预警方法及*** | |
CN113313852A (zh) | 无人机巡检*** | |
CN116720242A (zh) | 一种高压电缆隧道数字孪生全景监测*** | |
CN113687661B (zh) | 无人值守变电站数据自动分析管理方法、装置及*** | |
CN116258980A (zh) | 一种基于视觉的无人机分布式光伏电站巡检方法 | |
CN114744756A (zh) | 一种基于机器视觉的输电线路智能巡检*** | |
CN114092279A (zh) | 全业务泛在可视化智慧电力运维*** | |
CN118011898A (zh) | 电力隧道管理控制***及方法、存储介质及电子设备 | |
WO2022082660A1 (zh) | 电站巡视***及电站巡视方法 | |
CN109218683A (zh) | 无人机监控***和电力场所监控*** | |
CN117811191A (zh) | 一种用于电化学储能电站辅助检修的智能头盔与决策*** | |
CN210199580U (zh) | 一种配电网巡检无人机 | |
CN111510685A (zh) | 一种基于三维模型的信息输出方法及装置 |
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 |