CN111523591A - 基于eim平台的多源刀闸状态判断方法 - Google Patents

基于eim平台的多源刀闸状态判断方法 Download PDF

Info

Publication number
CN111523591A
CN111523591A CN202010318236.5A CN202010318236A CN111523591A CN 111523591 A CN111523591 A CN 111523591A CN 202010318236 A CN202010318236 A CN 202010318236A CN 111523591 A CN111523591 A CN 111523591A
Authority
CN
China
Prior art keywords
disconnecting link
information
state
eim
platform
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
Application number
CN202010318236.5A
Other languages
English (en)
Other versions
CN111523591B (zh
Inventor
田静
黄军兆
林婧
林映玲
张启慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Jinyuan Technology Development Co ltd
Original Assignee
Guangzhou Jinyuan Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Jinyuan Technology Development Co ltd filed Critical Guangzhou Jinyuan Technology Development Co ltd
Priority to CN202010318236.5A priority Critical patent/CN111523591B/zh
Publication of CN111523591A publication Critical patent/CN111523591A/zh
Application granted granted Critical
Publication of CN111523591B publication Critical patent/CN111523591B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明提出了一种基于EIM平台的多源刀闸状态判断方法，包括以下步骤：获取EIM平台中所采集的刀闸相关监控信息，并对所述刀闸相关监控信息进行分类、编码及控制码设计；获取刀闸相关监控信息中的非结构化信息，并对非结构化信息进行预处理；根据数据属性及特征测定并预设阈值，分别设置刀闸状态判断标准；通过控制码选取三个以上类型的数据，根据所述刀闸状态判断标准的判断结果进行融合分析，得出刀闸状态判定结果。本发明结合多源数据融合的选择逻辑，实现多维度精准描述变电站刀闸的开合状态，从而准确判断刀闸状态。

Description

基于EIM平台的多源刀闸状态判断方法
技术领域
本发明涉及电力设备监测识别领域，具体涉及一种基于EIM平台的多源刀闸状态判断方法。
背景技术
变电站在电力***中负责电压和电流的交换，负责接受电能和分配电能，是电力***不可或缺的部分。在变电站中，大电流电路的接通与断开是通过刀闸控制的，而由于刀闸大多在户外使用，设备元件长期氧化，传动部位缺少润滑，导致传动机构生锈、卡涩，随着锈蚀严重、卡涩频繁，刀闸传动杆的旋转角度产生偏差，导致刀闸闭合不完全，造成了严重的安全隐患，甚至影响到整个电网的稳定运行，因此为了防止因刀闸开合不到位而引起事故，需要对刀闸设备进行巡检确认。
目前，传统的巡检工作主要是通过工作人员到现场用肉眼进行观察，对刀闸状态进行简单的判断和确认，但由于变电站数量多、分布广，且此方式存在主观因素较多，容易对刀闸状态判断失误，甚至漏检。因此，急需一种能基于EIM平台信息自动监测识别刀闸状态的方法。
发明内容
针对现有技术的不足，本发明提出一种基于EIM平台的能够监控准确且传输及时的多源刀闸状态判断方法，能够基于EIM平台所采集的信息自动监测识别刀闸状态。
本发明的技术方案是这样实现的：
一种基于EIM平台的多源刀闸状态判断方法，包括以下步骤：
获取EIM平台中所采集的刀闸相关监控信息，并对所述刀闸相关监控信息进行分类、编码及控制码设计；所述刀闸相关监控信息包括结构化信息和非结构化信息；
获取刀闸相关监控信息中的非结构化信息，并对非结构化信息进行预处理；
根据刀闸相关监控信息中各数据的属性及特征测定并预设阈值，分别设置刀闸状态判断标准；
通过控制码选取三个以上类型的数据，根据所述刀闸状态判断标准的判断结果进行融合分析，得出刀闸状态判定结果。
进一步的，所述对所述刀闸相关监控信息进行分类、编码及控制码设计的步骤包括：
根据信息结构将所获取的刀闸相关监控信息分为结构化信息Z1和非结构化信息Z2；
分别对结构化信息Z1和非结构化信息Z2进行编码，其中Z1＝{Aa、Bb、Cc...}，Z2＝{AA、BB、CC…}，Aa、Bb、Cc...分别表示一种类型的非结构化数据，AA、BB、CC...表示一种类型的结构化数据；
对每项数据进行控制码设计，所述控制码设计包括“不投入使用”和“强制选中”。
进一步的，所述结构化信息包括温度信息、触点压力信息，所述非结构化信息包括实时视频图像信息。
进一步的，所述获取刀闸相关监控信息中的非结构化信息，并对非结构化信息进行预处理的步骤包括：
通过SURF特征点提取方式提取实时图像及预设模板图像的SURF特征点和特征向量，然后对特征点进行匹配，从中选出匹配点数最多的图像作为匹配模板图像；
对所述匹配模板图像进行处理，从中获取刀闸区域图像；
通过Ostu算法对所述刀闸区域图像二值化；
通过Canny算法检测刀闸区域的边缘。
进一步的，所述对所述匹配模板图像进行处理，从中获取刀闸区域图像的步骤包括：
通过高斯核滤波器对匹配模板图像进行平滑处理；
通过直方图对匹配模板图像进行图像均衡化；
通过形态学滤波器对二值图像进行侵蚀与膨胀处理，将内孔填充，得到刀闸区域图像。
进一步的，所述根据数据属性及特征测定并预设阈值，并设置刀闸状态判断标准的步骤包括：
设置基于实时视频图像信息的刀闸状态判断标准；
设置基于温度信息的刀闸状态判断标准；
设置基于实时视频图像信息的刀闸状态判断标准。
进一步的，所述设置基于实时视频图像信息的刀闸状态判断标准的步骤包括：
选取某一时间段中的匹配模板图像，通过图像信息对刀闸区域的边缘进行概率Hough直线检测，根据左刀闸臂、右刀闸臂的上下边缘直线斜率计算出左刀闸臂、右刀闸臂的斜率差；
若斜率差的绝对值大于预设斜率阈值，则判定刀闸处于断开状态，标记为“0”；
若斜率差的绝对值小于或等于预设斜率阈值，则判定刀闸处于闭合状态，标记为“1”。
进一步的，所述设置基于温度信息的刀闸状态判断标准的步骤包括：
选取同一时段中的温度数据，经过转化形成温度曲线，得到温度数据走向：
若刀闸温度数据在预设误差范围内保持不变，则判定刀闸处于断开状态，标记为“0”；
若刀闸温度数据表现为平滑上升，则判定刀闸处于闭合状态，标记为“1”；
若刀闸温度数据表现为迅速上升，则判定刀闸状态不能确定，标记为“-”。
进一步的，所述设置基于触点压力信息的刀闸状态判断标准的步骤包括：
获取同一时段下的触点压力信息，确定刀闸边界状态下的触点压力值：
触电压力值大于或等于预设触电压力阈值，则判定刀闸处于闭合状态，标记为“1”；
触电压力值小于预设触电压力阈值，则判定刀闸处于断开状态，标记为“0”。
进一步的，根据所述刀闸状态判断标准的判断结果进行融合分析，得出刀闸状态判定结果的步骤包括：
当所选择信息按照刀闸状态判断标准得到的标记均为“0”时，判定刀闸状态为断开；
当所选择信息按照刀闸状态判断标准得到的标记均为“1”时，判定刀闸状态为闭合；
当所选择信息按照刀闸状态判断标准得到的标记不属于上述两种情况时，刀闸状态为不完全合闸。
与现有技术相比，本发明具有以下优点：本发明通过利用EIM平台上设备状态信息及在线监测数据集成的基础功能，对所采集的刀闸相关监控信息进行分类，并针对非结构化信息进行预处理，测定数据边界信息与刀闸开合状态的综合信息，结合多源数据融合的选择逻辑，实现多维度精准描述变电站刀闸的开合状态，从而准确判断刀闸状态。
本发明从多个维度综合判断确定刀闸的开合程度，在一定程度上屏蔽了坏数据，提高了判断结果的精确性及可信度；通过控制码的选择，有利于帮助确认故障点，为整个电力***的稳定运营提供支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于EIM平台的多源刀闸状态判断方法一实施方式的流程图；
图2为本发明中设置基于实时视频图像信息的刀闸状态判断标准的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，本发明实施方式公开了一种基于EIM平台的多源刀闸状态判断方法，包括以下步骤：
S1，获取EIM平台中所采集的刀闸相关监控信息，并对所述刀闸相关监控信息进行分类、编码及控制码设计；所述刀闸相关监控信息包括结构化信息和非结构化信息；
本发明实施方式中，刀闸相关监控信息主要包括实时视频图像信息、温度信息和触点压力信息。通过对刀闸相关监控信息进行分类，即对实时视频图像信息、温度信息和触点压力信息等进行划分，分为结构化信息和非结构化信息，然后再分别对实时视频图像信息、温度信息和触点压力信息等进行编码及控制码设计，通过选择相应的刀闸相关监控信息对刀闸状态进行判断。
具体的，步骤S1包括以下子步骤：
S101，根据信息结构将所获取的刀闸相关监控信息分为结构化信息Z1和非结构化信息Z2；
具体的，本发明实施方式中的温度信息、触点压力信息属于结构化信息，而实时视频图像信息属于非结构化信息。
S102，分别对结构化信息Z1和非结构化信息Z2进行编码，其中Z1＝{Aa，Bb，Cc...}，Z2＝{AA、BB、CC…}，Aa，Bb，Cc...分别表示一种类型的非结构化数据，AA，BB，CC...分别表示一种类型的结构化数据；
S103，对每项数据进行控制码设计，所述控制码设计包括“不投入使用”和“强制选中”。
通过控制码的在线人工设置，可实现在EIM平台选择相应项数据，从而临时改变选择的结果。例如，当在线运行时，如果想临时屏蔽某项数据，可以将该项数据的控制码设置为“不投入使用”，则此数据将不会被选中；当想临时指定使用某项数据，而非按规则选定的结果时，可将该项数据的控制码设置为“强制选中”。通过控制码的设置，可以选择所需要的相应项数据，对刀闸状态进行分析。
S2，获取刀闸相关监控信息中的非结构化信息，并对非结构化信息进行预处理；
本发明实施方式中，对非结构化信息进行预处理主要为对视频图像的预处理，包括实时图像与模板图像的匹配校准以及刀闸区域图像获取等，以检测刀闸区域的边缘。
具体的，步骤S2包括以下子步骤：
S201，通过SURF特征点提取方式提取实时图像及预设模板图像的SURF特征点和特征向量，然后对特征点进行匹配，从中选出匹配点数最多的图像作为匹配模板图像；
其中，预设模板图像为刀闸图像，通过与预设模板图像进行匹配，从而获取刀闸的实时图像。
S202，对匹配模板图像进行处理，从中获取刀闸区域图像；
具体的，步骤S202包括以下子步骤：
S2021，通过高斯核滤波器对匹配模板图像进行平滑处理；
S2022，通过直方图对匹配模板图像进行图像均衡化；
S2023，通过形态学滤波器对二值图像进行侵蚀与膨胀处理，将内孔填充，得到刀闸区域图像。
本发明实施方式中，通过对匹配模板图像进行降噪、增强对比度、填充等，从而获取刀闸区域图像。
S203，通过Ostu算法对所述刀闸区域图像二值化；
本发明实施方式中，通过Ostu算法对刀闸区域图像进行二值化，使刀闸区域的边缘清晰。
S204，通过Canny算法检测刀闸区域的边缘。
S3，根据刀闸相关监控信息中各数据的属性及特征测定并预设阈值，分别设置刀闸状态判断标准；
本发明实施方式中，根据每项数据的属性及特征，分别设置刀闸状态判断标准，通过每项数据中的相应参数与预设阈值相比，以得出相应项数据下的刀闸状态。本发明实施方式中的刀闸相关监控信息主要包括实时视频图像信息、温度信息和触点压力信息，因此分别设置刀闸状态判断标准包括设置基于实时视频图像信息的刀闸状态判断标准、设置基于温度信息的刀闸状态判断标准和设置基于实时视频图像信息的刀闸状态判断标准，具体的，
a，参阅图1，设置基于实时视频图像信息的刀闸状态判断标准包括：
S301 a，选取某一时间段中的匹配模板图像，通过图像信息对刀闸区域的边缘进行概率Hough直线检测，根据左刀闸臂、右刀闸臂的上下边缘直线斜率计算出左刀闸臂、右刀闸臂的斜率差；
S302 a，若斜率差的绝对值大于预设斜率阈值，则判定刀闸处于断开状态，标记为“0”；
S303 a，若斜率差的绝对值小于或等于预设斜率阈值，则判定刀闸处于闭合状态，标记为“1”。
具体可参阅图2，某个时间段内，假设计算出左刀闸臂、右刀闸臂的斜率差的绝对值为A，而预设斜率阈值为A’，若A’>A，则标记为“1”，若A’<A，则标记为“0”。
本发明实施方式中，通过图像信息对预设模板图像中刀闸区域的边缘进行概率Hough直线检测，根据左刀闸臂、右刀闸臂的上下边缘直线斜率计算出的平均斜率作为左刀闸臂、右刀闸臂的斜率，测定此时刀闸边界状态下左、右刀闸臂的斜率差的阈值，作为斜率阈值。
b，设置基于温度信息的刀闸状态判断标准包括：
S301 b，选取同一时段中的温度数据，经过转化形成温度曲线，得到温度数据走向：
S302 b，若刀闸温度数据在预设误差范围内保持不变，则判定刀闸处于断开状态，标记为“0”；
S303 b，若刀闸温度数据表现为平滑上升，则判定刀闸处于闭合状态，标记为“1”；
S304 b，若刀闸温度数据表现为迅速上升，则判定刀闸状态不能确定，标记为“-”。
本发明实施方式中，刀闸温度数据作为其中一个维度去描述刀闸状态，从而判断刀闸状态。
c，基于触点压力信息的刀闸状态判断标准的步骤包括：
S301 c，获取同一时段下的触点压力信息，确定刀闸边界状态下的触点压力值：
S302 c，触电压力值大于或等于预设触电压力阈值，则判定刀闸处于闭合状态，标记为“1”；
S303 c，触电压力值小于预设触电压力阈值，则判定刀闸处于断开状态，标记为“0”。
本发明实施方式中，分别通过实时视频图像信息、温度信息和触点压力信息这三个维度对刀闸状态进行判断时，所获取的实时视频图像信息、温度信息和触点压力信息均为处于同一时段下的。
S4，通过控制码选取三个以上类型的数据，根据所述刀闸状态判断标准的判断结果进行融合分析，得出刀闸状态判定结果。
本发明实施方式中，通过控制码选取三个以上类型的数据，即实时视频图像信息、温度信息、触点压力信息或其他类型数据，从中选取所需要的类型数据，通过步骤S3所设置的刀闸状态判断标准的判断结果进行融合分析，从而综合对刀闸状态进行判断，以准确得出刀闸状态。
具体的，根据所述刀闸状态判断标准的判断结果进行融合分析包括以下子步骤：
S401，当所选择信息按照刀闸状态判断标准得到的标记均为“0”时，判定刀闸状态为断开；
S402，当所选择信息按照刀闸状态判断标准得到的标记均为“1”时，判定刀闸状态为闭合；
S403，当所选择信息按照刀闸状态判断标准得到的标记不属于上述两种情况时，此刻刀闸状态为不完全合闸。
例如，当所选择的信息为实时视频图像信息、温度信息和触点压力信息这三个时，分别根据实时视频图像信息的刀闸状态判断标准、温度信息的刀闸状态判断标准、触点压力信息的刀闸状态判断标准进行判断时，得到的标记均为“0”时，判定刀闸状态为断开；而若得到的标记均为“1”时，判定刀闸状态为闭合，否则为不完全合闸。
当刀闸处于不完全合闸时，需要对刀闸在线监测信息进行进一步判断，可采用不断更新监测的所选信息，重新按照步骤S2、S3、S4进行逻辑判断，以判定平台监测数据采集中是否存在坏数据，也可通过选择不同数据进行组合，按照步骤S2、S3、S4进行判断，分析出可能存在的故障点等。
本发明实施方式可通过采用这种方式在一定程度上维护EIM平台的实时数据库，既保证了数据的可信度，对提高状态判断的质量也有很大帮助。
综上所述，本发明通过利用EIM平台上设备状态信息及在线监测数据集成的基础功能，对所采集的刀闸相关监控信息进行分类，并针对非结构化信息进行预处理，测定数据边界信息与刀闸开合状态的综合信息，结合多源数据融合的选择逻辑，实现多维度精准描述变电站刀闸的开合状态，从而准确判断刀闸状态。
本发明从多个维度综合判断确定刀闸的开合程度，在一定程度上屏蔽了坏数据，提高了判断结果的精确性及可信度；通过控制码的选择，有利于帮助确认故障点，为整个电力***的稳定运营提供支持。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于EIM平台的多源刀闸状态判断方法，其特征在于，包括以下步骤：
获取EIM平台中所采集的刀闸相关监控信息，并对所述刀闸相关监控信息进行分类、编码及控制码设计；所述刀闸相关监控信息包括结构化信息和非结构化信息；
获取刀闸相关监控信息中的非结构化信息，并对非结构化信息进行预处理；
根据刀闸相关监控信息中各数据的属性及特征测定并预设阈值，分别设置刀闸状态判断标准；
通过控制码选取三个以上类型的数据，根据所述刀闸状态判断标准的判断结果进行融合分析，得出刀闸状态判定结果。
2.如权利要求1所述基于EIM平台的多源刀闸状态判断方法，其特征在于，所述对所述刀闸相关监控信息进行分类、编码及控制码设计的步骤包括：
根据信息结构将所获取的刀闸相关监控信息分为结构化信息Z1和非结构化信息Z2；
分别对结构化信息Z1和非结构化信息Z2进行编码，其中Z1＝{Aa、Bb、Cc...}，Z2＝{AA、BB、CC...}，Aa、Bb、Cc...分别表示一种类型的非结构化数据，AA、BB、CC...分别表示一种类型的结构化数据；
对每项数据进行控制码设计，所述控制码设计包括“不投入使用”和“强制选中”。
3.如权利要求2所述基于EIM平台的多源刀闸状态判断方法，其特征在于，所述结构化信息包括温度信息、触点压力信息，所述非结构化信息包括实时视频图像信息。
4.如权利要求3所述基于EIM平台的多源刀闸状态判断方法，其特征在于，所述获取刀闸相关监控信息中的非结构化信息，并对非结构化信息进行预处理的步骤包括：
通过SURF特征点提取方式提取实时图像及预设模板图像的SURF特征点和特征向量，然后对特征点进行匹配，从中选出匹配点数最多的图像作为匹配模板图像；
对所述匹配模板图像进行处理，从中获取刀闸区域图像；
通过Ostu算法对所述刀闸区域图像二值化；
通过Canny算法检测刀闸区域的边缘。
5.如权利要求4所述基于EIM平台的多源刀闸状态判断方法，其特征在于，所述对所述匹配模板图像进行处理，从中获取刀闸区域图像的步骤包括：
通过高斯核滤波器对匹配模板图像进行平滑处理；
通过直方图对匹配模板图像进行图像均衡化；
通过形态学滤波器对二值图像进行侵蚀与膨胀处理，将内孔填充，得到刀闸区域图像。
6.如权利要求4所述基于EIM平台的多源刀闸状态判断方法，其特征在于，所述根据数据属性及特征测定并预设阈值，并设置刀闸状态判断标准的步骤包括：
设置基于实时视频图像信息的刀闸状态判断标准；
设置基于温度信息的刀闸状态判断标准；
设置基于实时视频图像信息的刀闸状态判断标准。
7.如权利要求6所述基于EIM平台的多源刀闸状态判断方法，其特征在于，所述设置基于实时视频图像信息的刀闸状态判断标准的步骤包括：
选取某一时间段中的匹配模板图像，通过图像信息对刀闸区域的边缘进行概率Hough直线检测，根据左刀闸臂、右刀闸臂的上下边缘直线斜率计算出左刀闸臂、右刀闸臂的斜率差；
若斜率差的绝对值大于预设斜率阈值，则判定刀闸处于断开状态，标记为“0”；
若斜率差的绝对值小于或等于预设斜率阈值，则判定刀闸处于闭合状态，标记为“1”。
8.如权利要求6所述基于EIM平台的多源刀闸状态判断方法，其特征在于，所述设置基于温度信息的刀闸状态判断标准的步骤包括：
选取同一时段中的温度数据，经过转化形成温度曲线，得到温度数据走向：
若刀闸温度数据在预设误差范围内保持不变，则判定刀闸处于断开状态，标记为“0”；
若刀闸温度数据表现为平滑上升，则判定刀闸处于闭合状态，标记为“1”；
若刀闸温度数据表现为迅速上升，则判定刀闸状态不能确定，标记为“-”。
9.如权利要求6所述基于EIM平台的多源刀闸状态判断方法，其特征在于，所述设置基于触点压力信息的刀闸状态判断标准的步骤包括：
获取同一时段下的触点压力信息，确定刀闸边界状态下的触点压力值：
触电压力值大于或等于预设触电压力阈值，则判定刀闸处于闭合状态，标记为“1”；
触电压力值小于预设触电压力阈值，则判定刀闸处于断开状态，标记为“0”。
10.如权利要求7所述基于EIM平台的多源刀闸状态判断方法，其特征在于，根据所述刀闸状态判断标准的判断结果进行融合分析，得出刀闸状态判定结果的步骤包括：
当所选择信息按照刀闸状态判断标准得到的标记均为“0”时，判定刀闸状态为断开；
当所选择信息按照刀闸状态判断标准得到的标记均为“1”时，判定刀闸状态为闭合；
当所选择信息按照刀闸状态判断标准得到的标记不属于上述两种情况时，刀闸状态为不完全合闸。
CN202010318236.5A 2020-04-21 2020-04-21 基于eim平台的多源刀闸状态判断方法 Active CN111523591B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010318236.5A CN111523591B (zh) 2020-04-21 2020-04-21 基于eim平台的多源刀闸状态判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010318236.5A CN111523591B (zh) 2020-04-21 2020-04-21 基于eim平台的多源刀闸状态判断方法

Publications (2)

Publication Number Publication Date
CN111523591A true CN111523591A (zh) 2020-08-11
CN111523591B CN111523591B (zh) 2024-01-23

Family

ID=71910679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010318236.5A Active CN111523591B (zh) 2020-04-21 2020-04-21 基于eim平台的多源刀闸状态判断方法

Country Status (1)

Country Link
CN (1) CN111523591B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509100A (zh) * 2011-10-26 2012-06-20 山东电力研究院 一种基于图像模式识别的刀闸分合可靠性识别方法
CN104377836A (zh) * 2014-12-09 2015-02-25 国家电网公司 变电站刀闸闭合状态在线监测辨识方法及***
CN106328143A (zh) * 2015-06-23 2017-01-11 中兴通讯股份有限公司 语音控制方法、装置和移动终端
CN106872884A (zh) * 2017-01-23 2017-06-20 杨志强 一种隔离开关的监测装置及监测方法
CN106885987A (zh) * 2017-04-13 2017-06-23 国网宁夏电力公司吴忠供电公司 一种基于模态分析法的高压隔离开关在线监测***
CN107257161A (zh) * 2017-06-20 2017-10-17 安徽南瑞继远电网技术有限公司 一种基于状态识别算法的变电站刀闸遥控辅助校核方法及***
CN107785194A (zh) * 2017-11-16 2018-03-09 国家电网公司 一种可识别接触状态的隔离开关分合位置判别装置及方法
CN109376732A (zh) * 2018-12-14 2019-02-22 朱明增 基于多特征模式匹配和模式分类的刀闸分合状态识别方法
CN109406999A (zh) * 2017-08-16 2019-03-01 云南电网有限责任公司保山供电局 刀闸状态检测方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509100A (zh) * 2011-10-26 2012-06-20 山东电力研究院 一种基于图像模式识别的刀闸分合可靠性识别方法
CN104377836A (zh) * 2014-12-09 2015-02-25 国家电网公司 变电站刀闸闭合状态在线监测辨识方法及***
CN106328143A (zh) * 2015-06-23 2017-01-11 中兴通讯股份有限公司 语音控制方法、装置和移动终端
CN106872884A (zh) * 2017-01-23 2017-06-20 杨志强 一种隔离开关的监测装置及监测方法
CN106885987A (zh) * 2017-04-13 2017-06-23 国网宁夏电力公司吴忠供电公司 一种基于模态分析法的高压隔离开关在线监测***
CN107257161A (zh) * 2017-06-20 2017-10-17 安徽南瑞继远电网技术有限公司 一种基于状态识别算法的变电站刀闸遥控辅助校核方法及***
CN109406999A (zh) * 2017-08-16 2019-03-01 云南电网有限责任公司保山供电局 刀闸状态检测方法及装置
CN107785194A (zh) * 2017-11-16 2018-03-09 国家电网公司 一种可识别接触状态的隔离开关分合位置判别装置及方法
CN109376732A (zh) * 2018-12-14 2019-02-22 朱明增 基于多特征模式匹配和模式分类的刀闸分合状态识别方法

Also Published As

Publication number Publication date
CN111523591B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
CN108765373B (zh) 一种基于集成分类器在线学习的绝缘子异常自动检测方法
US20120010830A1 (en) Systems and methods for classifying power line events
CN110728171B (zh) 一种刀闸状态精细化检测识别方法
Huang et al. Turnout fault diagnosis through dynamic time warping and signal normalization
CN112381796B (zh) 一种基于红外数据的导线缺陷识别及检测方法
CN104994334A (zh) 基于实时视频的变电站自动监控方法
CN110008278B (zh) 一种利用接地电流信号的配网电缆故障判别方法和***
CN112697798B (zh) 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置
CN112734698A (zh) 基于红外图像的电缆终端异常诊断方法和装置
CN110889441A (zh) 一种基于距离和点密度的变电设备数据异常识别方法
CN115358155A (zh) 一种电力大数据异常预警方法、装置、设备及可读存储介质
CN112529884A (zh) 一种基于压痕特征图像识别的焊点质量评价方法
CN116308300B (zh) 一种电力设备状态监测评价与指挥方法及***
CN112417763A (zh) 输电线路的缺陷诊断方法、装置、设备及存储介质
CN116704733A (zh) 铝合金电缆的老化预警方法和***
CN106355187A (zh) 视觉信息在电力设备监测中的应用
CN111523591B (zh) 基于eim平台的多源刀闸状态判断方法
CN113486535A (zh) 一种基于环境信息的电网信息检测分析方法
CN111861141B (zh) 一种基于模糊故障率预测的配电网可靠性评估方法
CN116776631A (zh) 一种基于数据分析的连接器性能评估方法及***
CN116430231A (zh) 电池异常监测方法、装置、服务器、介质及充换电***
Huang et al. Cluster Analysis Based Arc Detection in Pantograph‐Catenary System
CN114358165A (zh) 基于多源数据融合的预防光伏组件接地故障的检测方法
CN112750149A (zh) 基于运动目标检测的高压隔离开关故障监测方法
CN112381130A (zh) 一种基于聚类分析的配电房多元数据异常检测方法

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