CN113359829A - 一种基于大数据的无人机电厂智能巡检方法 - Google Patents
一种基于大数据的无人机电厂智能巡检方法 Download PDFInfo
- Publication number
- CN113359829A CN113359829A CN202110650069.9A CN202110650069A CN113359829A CN 113359829 A CN113359829 A CN 113359829A CN 202110650069 A CN202110650069 A CN 202110650069A CN 113359829 A CN113359829 A CN 113359829A
- Authority
- CN
- China
- Prior art keywords
- inspection
- unmanned aerial
- aerial vehicle
- equipment
- information
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 356
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000002354 daily effect Effects 0.000 claims description 17
- 238000007405 data analysis Methods 0.000 claims description 15
- 238000005265 energy consumption Methods 0.000 claims description 8
- 230000003203 everyday effect Effects 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 9
- 230000015654 memory Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的无人机电厂智能巡检方法，本发明属于人工智能领域，用于解决如何通过AI辅助技术快速定位发电厂区域内需要巡查的区域，有目标性的进行巡检，增加巡查效率的问题，包括，建立无人机站点，建立若干巡检区域内巡检设备的巡检高度层数据，将巡检高度层数据关联至任意的巡检无人机内，通过大数据分析得到每日巡检策略，并将每日巡检策略关联至任意的巡检无人机内，任意的巡检无人机内均设置有分流选择层，用于结合巡检高度层数据、每日巡检策略及无人机自身数据得出巡检路径。
Description
技术领域
本发明属于人工智能领域，涉及发电厂智能巡检技术，具体是一种基于大数据的无人机电厂智能巡检方法。
背景技术
发电厂智能巡检通常都是基于巡查员以及无人机进行巡查，无人机是一种通过无线信号控制或者既定程序进行控制、无人驾驶的飞行器的统称。随着电子与材料技术的快速发展，质量轻，效率高的无人机设备不断涌现，由于无人机能够在高空长航程下进行较为高效便捷的工作，因此它在军事、测绘、拍摄、监测等领域里得到了广泛的应用，无人机的特性以及其功能使得其与发电厂规划与巡检工作具有很好的契合性，发电厂规划巡检过程中需要主动规划区域准确的地表结构、发电厂设施位置等地理数据，这可以利用在无人机上搭载摄像机等遥感监测设备获取，之后通过图像识别等方式分析处理后获得可用的地理数据。而随着相应数据处理和设备的改进，实际上影响无人机在电力巡检等领域应用的主要问题在于无人机的持续工作能力，与大型的高空探测机器人体积大续航能力强不同，在电力巡检过程中，一般是从输电网基础设施包括输电线。变压器等上空飞过，为保证图片质量，飞行高度相对较低，同时需要较好的操控性以躲避输电线沿线存在的植被和建筑物，因此一般采用体积较小控制较为灵活的小型或中型无人机，但中小型无人机自身载重量有限，在加装了满足作业需求的遥感检测设备之后，无人机内部可用于装备电池的空间不足，因此自身持续工作能力有限，为解决上述问题，人们提出了利用输电网内部电能持续为无人机供电的技术，但如何使得无人机能够准确迅速地泊入供电位置尚没有较好的方法，常规方法是通过在输电网沿线设置充电泊点，并利用传感器、活动连接结构等实现停泊定位、连接、充电以及脱离等操作，但这也导致，在除了必要的充电设施之外，还需要在输电网沿线设置众多的支持和固定结构，更重要的是还需要在无人机上配套设置各类结构或设备来实现连接，进一步削弱了无人机的负载能力，因此有必要通过AI辅助技术快速定位发电厂区域内需要巡查的区域，有目标性的进行巡检，减轻巡查员以及巡查机器的巡查强度，增加巡查效率。
发明内容
本发明的目的在于提供一种基于大数据的无人机电厂智能巡检方法，用于解决如何通过AI辅助技术快速定位发电厂区域内需要巡查的区域，有目标性的进行巡检，减轻巡查员以及巡查机器的巡查强度，增加巡查效率的问题。
本发明的目的可以通过以下技术方案实现：
一种基于大数据的无人机电厂智能巡检方法，包括获取若干巡检区域、识别若干巡检区域内巡检设备和派遣巡检无人机进行巡检，还包括：
建立无人机站点，所述无人机站点内停放有若干巡检无人机，任意所述的巡检无人机均通过控制端控制；
建立若干巡检区域内巡检设备的巡检高度层数据；
将所述巡检高度层数据关联至任意所述的巡检无人机内；
通过大数据分析得到每日巡检策略，并将每日巡检策略关联至任意所述的巡检无人机内；
任意所述的巡检无人机内均设置有分流选择层，用于结合巡检高度层数据、每日巡检策略及无人机自身数据得出巡检路径。
进一步的，所述通过大数据分析得到每日巡检策略之前还包括：
收集若干巡检区域内巡检设备的故障信息，其中，所述故障信息包括以故障发生时间为节点的天气信息、温度信息、故障图像信息及设备高度层信息；
提取故障信息内各设备的唯一信息编号，并将相同唯一信息编号的故障信息进行汇总，并将相同故障发生时间内天气信息、温度信息均相同的数据标记为相同信息，但所述相同信息大于预设阈值时，则将相同信息对应的天气信息、温度信息及故障发生时间进行汇总，得到故障汇总表。
进一步的，所述收集若干巡检区域内巡检设备的故障信息包括:
收集唯一巡检区域内巡检设备的故障信息或/和收集任意巡检区域内巡检设备的故障信息。
进一步的，所述通过大数据分析得到每日巡检策略包括:
以小时为单位获取巡检区域内巡检设备的安装位置对应的天气信息及温度信息，并将以小时为单位获取的天气信息及温度信息对应关联至巡检设备上，生成外界巡检条件表；
获取巡检设备的唯一巡检编号，其中所述唯一巡检编号对应巡检设备的唯一信息编号；
获取所述唯一巡检编号相同的唯一信息编号对应的故障汇总表内的故障信息；
将所述外界巡检条件表与故障信息对比，
当所述外界巡检条件表对应同一时间下天气信息、温度信息均与故障信息内任意所述的同一时间节点对应的天气信息、温度信息相同时，即将外界巡检条件表内天气信息、温度信息对应的同一时间标记为巡检时间；
当所述外界巡检条件表对应同一时间下天气信息或温度信息均与故障信息内任意所述的同一时间节点对应的天气信息或温度信息相同时，即将外界巡检条件表内天气信息、温度信息对应的同一时间标记为辅助巡检时间；
将所述巡检时间与辅助巡检时间汇总后得到巡检设备对应的每日巡检策略。
进一步的，所述建立若干巡检区域内巡检设备的巡检高度层数据包括：
采集若干巡检区域的高清卫星图片，其中所述高清卫星图片的分辨率包括2*2或8*8；
预先设定巡检设备对应的高清卫星图片；
将所述巡检区域的高清卫星图片、巡检设备对应的高清卫星图片及巡检设备的安装高度输入深度神经网络学习，得到设备巡检模型；
其中，所述巡检设备对应的高清卫星图片包括巡检设备轮廓图像和阴影图像；
将每日更新的巡检区域的高清卫星图片输入设备巡检模型，得到巡检设备高度；
预设若干高度分层区间，当巡检设备高度满足高度分层区间时，生成巡检高度层数据。
进一步的，所述分流选择层包括：
电能消耗计算模块、剩余电能计算模块和充电电能计算模块；
所述电能消耗计算模块用于计算巡检无人机在巡检时间内到达巡检设备是需要消耗的电能；
所述剩余电能计算模块用于获取无人机剩余电能；
所述充电电能计算模块用于获取在巡检时间前巡检无人机的充电电能。
进一步的，还包括：
判断模块，所述判断模块用于判断巡检无人机在巡检时间内到达巡检设备后，执行完毕巡检任务后，剩余电量是否满足辅助巡检时间对应的巡检设备的巡检；
具体为，获取辅助巡检时间与巡检时间的时间间隔，
若所述时间间隔大于时间阈值时，巡检无人机返回无人机站点；
通过电能消耗计算模块得到巡检无人机飞行至助巡检时间对应的巡检设备时需要电能；
通过剩余电能计算模块得到巡检无人机的剩余电能；
获取巡检无人机到达无人机站点时的到达时间节点，通过所述充电电能计算模块计算达时间节点至辅助巡检时间之间充电电能；
若所述巡检无人机的剩余电能与充电电能之和大于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若所述巡检无人机的剩余电能与充电电能之和小于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若所述时间间隔小于时间阈值时，巡检无人机通过电能消耗计算模块得到巡检无人机飞行至助巡检时间对应的巡检设备时需要电能；
若所述巡检无人机的剩余电能大于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若所述巡检无人机的剩余电能小于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则不进行巡检，返回无人机站点。
进一步的，所述巡检包括拍摄寻巡检设备的巡检照片，通过所述设备巡检模型得到巡检设备的高度层数据。
进一步的，对比故障图像信息与巡检照片得出故障信息。
与现有技术相比，本发明的有益效果是：
通过设置巡检高度层数据，保证了无人机在巡检时可以针对不同的高度选择不同的巡检任务，保证巡检的准确性与无人机的安全性；
通过大数据分析得到每日巡检策略，使得巡检为动态巡检，同时通过大数据分析，可以精准的进行巡检分析，保证巡检效果，提升巡检的效率。
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为本发明原理框图。
具体实施方式
下面结合本发明实施例中的附图对本发明实施例进行描述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
传统的，在发电厂巡检过程中，多采用人工日常巡检，但存在巡检到位情况和记录数据无法把握其真实性；大量巡检信息保存不便、易丢失、耗工时；信息查询不便，无法有效利用数据对设备做缺陷分析、选型等作辅助决策。极少数采用SCADA远程监测，但SCADA远程监测也在存监控终端的工作条件苛刻；通讯***复杂多变不保证可靠传输；覆盖率低，造价昂贵等缺点。由于发电厂具有巡检的设备放置较密集、安全因素要求较高等特殊性，一般的巡检的***对此适应差，所以人们提出了利用无人机巡检的技术，但如何使得无人机可以更大范围的巡检，现有技术为，在发电厂内搭建大量的无人机供电位置，但无人机能够准确迅速地泊入供电位置尚没有较好的方法，常规方法是通过在输电网沿线设置充电泊点，并利用传感器、活动连接结构等实现停泊定位、连接、充电以及脱离等操作，但这也导致，在除了必要的充电设施之外，还需要在输电网沿线设置众多的支持和固定结构，更重要的是还需要在无人机上配套设置各类结构或设备来实现连接，进一步削弱了无人机的负载能力，因此有必要通过大数据辅助技术快速定位发电厂区域内需要巡查的区域，有目标性的进行巡检，减轻巡查员以及巡查机器的巡查强度，增加巡查效率。
针对上述技术问题，本申请提出了一种基于大数据的无人机电厂智能巡检方法：
包括获取若干巡检区域、识别若干巡检区域内巡检设备和派遣巡检无人机进行巡检，还包括：
建立无人机站点，无人机站点内停放有若干巡检无人机，任意的巡检无人机均通过控制端控制；
建立若干巡检区域内巡检设备的巡检高度层数据；
将巡检高度层数据关联至任意的巡检无人机内；
通过大数据分析得到每日巡检策略，并将每日巡检策略关联至任意的巡检无人机内；
任意的巡检无人机内均设置有分流选择层，用于结合巡检高度层数据、每日巡检策略及无人机自身数据得出巡检路径。
再具体实施中，发电厂由锅炉设备、汽轮机设备、电缆、配电变压器、开关设备、限流电器等发电设备及附属设施组成。
本申请实施例可以应用在个人电脑、智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑或者可穿戴设备等电子设备中，也可以应用在电子设备运行的多媒体播放应用(例如QQ音乐播放器)或者多媒体编辑应用(例如Au)中。
基于上述描述，本发明实施例提出一种如图1所示的一种基于大数据的无人机电厂智能巡检方法，通过大数据分析得到每日巡检策略之前还包括：
收集若干巡检区域内巡检设备的故障信息，其中，故障信息包括以故障发生时间为节点的天气信息、温度信息、故障图像信息及设备高度层信息；
在具体实施时，收集若干巡检区域内巡检设备的故障信息包括:
收集唯一巡检区域内巡检设备的故障信息或/和收集任意巡检区域内巡检设备的故障信息。
上述唯一巡检区域指同一个巡检区域，不同时间段对应的巡检设备的故障信息，任意巡检区域指不同的巡检区域，相同或不同时间段对应的巡检设备的故障信息；上述可以根据企业的需求进行选择；
提取故障信息内各设备的唯一信息编号，并将相同唯一信息编号的故障信息进行汇总，并将相同故障发生时间内天气信息、温度信息均相同的数据标记为相同信息，但相同信息大于预设阈值时，则将相同信息对应的天气信息、温度信息及故障发生时间进行汇总，得到故障汇总表。
通过汇编故障汇总表，可以为大数据分析提供数据支持，保证了大数据分析的可靠性，同时，也为发电厂巡检提供故障分析；
建立若干巡检区域内巡检设备的巡检高度层数据包括：
采集若干巡检区域的高清卫星图片，其中高清卫星图片的分辨率包括2*2或8*8；
预先设定巡检设备对应的高清卫星图片；
将巡检区域的高清卫星图片、巡检设备对应的高清卫星图片及巡检设备的安装高度输入深度神经网络学习，得到设备巡检模型；
其中，巡检设备对应的高清卫星图片包括巡检设备轮廓图像和阴影图像；
将每日更新的巡检区域的高清卫星图片输入设备巡检模型，得到巡检设备高度；
预设若干高度分层区间，当巡检设备高度满足高度分层区间时，生成巡检高度层数据。
再具体实施时，多数巡检设备都是安装在高空中的或远离地面的位置上，而巡检设备的高度对与巡检来说，人工无法很好地巡检，而通过无人机内置的高度传感器可以快速的探查到巡检设备的离地高度，通过与初始的安装位置进行对比，进而确定维修需求；
同时根据巡检高度层数据保证了无人机在巡检时可以针对不同的高度选择不同的巡检任务，保证巡检的准确性与无人机的安全性；
在具体实施时，通过大数据分析得到每日巡检策略包括:
以小时为单位获取巡检区域内巡检设备的安装位置对应的天气信息及温度信息，并将以小时为单位获取的天气信息及温度信息对应关联至巡检设备上，生成外界巡检条件表；
获取巡检设备的唯一巡检编号，其中唯一巡检编号对应巡检设备的唯一信息编号；
获取唯一巡检编号相同的唯一信息编号对应的故障汇总表内的故障信息；
将外界巡检条件表与故障信息对比，
当外界巡检条件表对应同一时间下天气信息、温度信息均与故障信息内任意的同一时间节点对应的天气信息、温度信息相同时，即将外界巡检条件表内天气信息、温度信息对应的同一时间标记为巡检时间；
当外界巡检条件表对应同一时间下天气信息或温度信息均与故障信息内任意的同一时间节点对应的天气信息或温度信息相同时，即将外界巡检条件表内天气信息、温度信息对应的同一时间标记为辅助巡检时间；
将巡检时间与辅助巡检时间汇总后得到巡检设备对应的每日巡检策略。
通过大数据分析得到每日巡检策略，使得巡检为动态巡检，同时通过大数据分析，可以精准的进行巡检分析，保证巡检效果，提升巡检的效率，避免定时巡检导致特定情况下导致的巡检设备损坏未被及时发现，造成经济损失。
在具体实施时，分流选择层包括：
获取无人机剩余电能；获取在巡检时间前巡检无人机的充电电能。
计算巡检无人机在巡检时间内到达巡检设备是需要消耗的电能；
判断巡检无人机在巡检时间内到达巡检设备后，执行完毕巡检任务后，剩余电量是否满足辅助巡检时间对应的巡检设备的巡检；
具体为，获取辅助巡检时间与巡检时间的时间间隔，
若时间间隔大于时间阈值时，巡检无人机返回无人机站点；
通过电能消耗计算模块得到巡检无人机飞行至助巡检时间对应的巡检设备时需要电能；
通过剩余电能计算模块得到巡检无人机的剩余电能；
获取巡检无人机到达无人机站点时的到达时间节点，通过充电电能计算模块计算达时间节点至辅助巡检时间之间充电电能；
若巡检无人机的剩余电能与充电电能之和大于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若巡检无人机的剩余电能与充电电能之和小于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若时间间隔小于时间阈值时，巡检无人机通过电能消耗计算模块得到巡检无人机飞行至助巡检时间对应的巡检设备时需要电能；
若巡检无人机的剩余电能大于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若巡检无人机的剩余电能小于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则不进行巡检，返回无人机站点。
在具体实施时，巡检包括拍摄寻巡检设备的巡检照片，通过设备巡检模型得到巡检设备的高度层数据，对比故障图像信息与巡检照片得出故障信息。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种基于大数据的无人机电厂智能巡检方法，包括获取若干巡检区域、识别若干巡检区域内巡检设备和派遣巡检无人机进行巡检，其特征在于，还包括：
建立无人机站点，所述无人机站点内停放有若干巡检无人机，任意所述的巡检无人机均通过控制端控制；
建立若干巡检区域内巡检设备的巡检高度层数据；
将所述巡检高度层数据关联至任意所述的巡检无人机内；
通过大数据分析得到每日巡检策略，并将每日巡检策略关联至任意所述的巡检无人机内；
任意所述的巡检无人机内均设置有分流选择层，用于结合巡检高度层数据、每日巡检策略及无人机自身数据得出巡检路径。
2.根据权利要求1所述的一种基于大数据的无人机电厂智能巡检方法，其特征在于，所述通过大数据分析得到每日巡检策略之前还包括：
收集若干巡检区域内巡检设备的故障信息，其中，所述故障信息包括以故障发生时间为节点的天气信息、温度信息、故障图像信息及设备高度层信息；
提取故障信息内各设备的唯一信息编号，并将相同唯一信息编号的故障信息进行汇总，并将相同故障发生时间内天气信息、温度信息均相同的数据标记为相同信息，但所述相同信息大于预设阈值时，则将相同信息对应的天气信息、温度信息及故障发生时间进行汇总，得到故障汇总表。
3.根据权利要求2所述的一种基于大数据的无人机电厂智能巡检方法，其特征在于，所述收集若干巡检区域内巡检设备的故障信息包括:
收集唯一巡检区域内巡检设备的故障信息或/和收集任意巡检区域内巡检设备的故障信息。
4.根据权利要求1所述的一种基于大数据的无人机电厂智能巡检方法，其特征在于，所述通过大数据分析得到每日巡检策略包括:
以小时为单位获取巡检区域内巡检设备的安装位置对应的天气信息及温度信息，并将以小时为单位获取的天气信息及温度信息对应关联至巡检设备上，生成外界巡检条件表；
获取巡检设备的唯一巡检编号，其中所述唯一巡检编号对应巡检设备的唯一信息编号；
获取所述唯一巡检编号相同的唯一信息编号对应的故障汇总表内的故障信息；
将所述外界巡检条件表与故障信息对比，
当所述外界巡检条件表对应同一时间下天气信息、温度信息均与故障信息内任意所述的同一时间节点对应的天气信息、温度信息相同时，即将外界巡检条件表内天气信息、温度信息对应的同一时间标记为巡检时间；
当所述外界巡检条件表对应同一时间下天气信息或温度信息均与故障信息内任意所述的同一时间节点对应的天气信息或温度信息相同时，即将外界巡检条件表内天气信息、温度信息对应的同一时间标记为辅助巡检时间；
将所述巡检时间与辅助巡检时间汇总后得到巡检设备对应的每日巡检策略。
5.根据权利要求1所述的一种基于大数据的无人机电厂智能巡检方法，其特征在于，所述建立若干巡检区域内巡检设备的巡检高度层数据包括：
采集若干巡检区域的高清卫星图片，其中所述高清卫星图片的分辨率包括2*2或8*8；
预先设定巡检设备对应的高清卫星图片；
将所述巡检区域的高清卫星图片、巡检设备对应的高清卫星图片及巡检设备的安装高度输入深度神经网络学习，得到设备巡检模型；
其中，所述巡检设备对应的高清卫星图片包括巡检设备轮廓图像和阴影图像；
将每日更新的巡检区域的高清卫星图片输入设备巡检模型，得到巡检设备高度；
预设若干高度分层区间，当巡检设备高度满足高度分层区间时，生成巡检高度层数据。
6.根据权利要求1所述的一种基于大数据的无人机电厂智能巡检方法，其特征在于，所述分流选择层包括：
取无人机剩余电能；获取在巡检时间前巡检无人机的充电电能
计算巡检无人机在巡检时间内到达巡检设备是需要消耗的电能。
7.根据权利要求6所述的一种基于大数据的无人机电厂智能巡检方法，其特征在于，还包括：
判断巡检无人机在巡检时间内到达巡检设备后，执行完毕巡检任务后，剩余电量是否满足辅助巡检时间对应的巡检设备的巡检；
具体为，获取辅助巡检时间与巡检时间的时间间隔，
若所述时间间隔大于时间阈值时，巡检无人机返回无人机站点；
通过电能消耗计算模块得到巡检无人机飞行至助巡检时间对应的巡检设备时需要电能；
通过剩余电能计算模块得到巡检无人机的剩余电能；
获取巡检无人机到达无人机站点时的到达时间节点，通过所述充电电能计算模块计算达时间节点至辅助巡检时间之间充电电能；
若所述巡检无人机的剩余电能与充电电能之和大于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若所述巡检无人机的剩余电能与充电电能之和小于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若所述时间间隔小于时间阈值时，巡检无人机通过电能消耗计算模块得到巡检无人机飞行至助巡检时间对应的巡检设备时需要电能；
若所述巡检无人机的剩余电能大于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则进行巡检；
若所述巡检无人机的剩余电能小于巡检无人机飞行至助巡检时间对应的巡检设备时需要电能，则不进行巡检，返回无人机站点。
8.根据权利要求1所述的一种基于大数据的无人机电厂智能巡检方法，其特征在于，所述巡检包括拍摄寻巡检设备的巡检照片，通过所述设备巡检模型得到巡检设备的高度层数据。
9.根据权利要求8所述的一种基于大数据的无人机电厂智能巡检方法，其特征在于，对比故障图像信息与巡检照片得出故障信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110650069.9A CN113359829B (zh) | 2021-06-10 | 2021-06-10 | 一种基于大数据的无人机电厂智能巡检方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110650069.9A CN113359829B (zh) | 2021-06-10 | 2021-06-10 | 一种基于大数据的无人机电厂智能巡检方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113359829A true CN113359829A (zh) | 2021-09-07 |
| CN113359829B CN113359829B (zh) | 2022-12-09 |
Family
ID=77533727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110650069.9A Active CN113359829B (zh) | 2021-06-10 | 2021-06-10 | 一种基于大数据的无人机电厂智能巡检方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113359829B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114995507A (zh) * | 2022-06-22 | 2022-09-02 | 中国人民公安大学 | 安全巡视方法、装置、设备及存储介质 |
| CN116631087A (zh) * | 2023-07-20 | 2023-08-22 | 厦门闽投科技服务有限公司 | 一种基于无人机的电力巡检*** |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107147710A (zh) * | 2017-05-04 | 2017-09-08 | 众芯汉创（北京）科技有限公司 | 一种电网无人机巡检管理控制装置 |
| CN108318002A (zh) * | 2017-12-13 | 2018-07-24 | 国家电网公司 | 一种无人机巡检方法以及装置 |
| JP2019164751A (ja) * | 2018-03-14 | 2019-09-26 | 栗田工業株式会社 | 無人移動ユニットおよび巡回点検システム |
| CN111552311A (zh) * | 2020-04-10 | 2020-08-18 | 安徽继远软件有限公司 | 巡检时间受限下的无人机多杆塔巡检优化方法和终端 |
| CN112327898A (zh) * | 2020-11-06 | 2021-02-05 | 日立楼宇技术（广州）有限公司 | 无人机的井道巡检导航方法、装置和无人机 |
| CN112327920A (zh) * | 2020-11-16 | 2021-02-05 | 国网新疆电力有限公司检修公司 | 一种无人机自主避障巡检路径规划方法及装置 |
| CN112363176A (zh) * | 2020-11-06 | 2021-02-12 | 日立楼宇技术（广州）有限公司 | 电梯井道巡检及建模方法、装置和巡检建模*** |
| CN112673330A (zh) * | 2020-03-30 | 2021-04-16 | 深圳市大疆创新科技有限公司 | 无人机下降的控制方法和装置、无人机 |
| CN112884931A (zh) * | 2019-11-29 | 2021-06-01 | 众芯汉创（北京）科技有限公司 | 一种用于变电站的无人机巡检方法及*** |
-
2021
- 2021-06-10 CN CN202110650069.9A patent/CN113359829B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107147710A (zh) * | 2017-05-04 | 2017-09-08 | 众芯汉创（北京）科技有限公司 | 一种电网无人机巡检管理控制装置 |
| CN108318002A (zh) * | 2017-12-13 | 2018-07-24 | 国家电网公司 | 一种无人机巡检方法以及装置 |
| JP2019164751A (ja) * | 2018-03-14 | 2019-09-26 | 栗田工業株式会社 | 無人移動ユニットおよび巡回点検システム |
| CN112884931A (zh) * | 2019-11-29 | 2021-06-01 | 众芯汉创（北京）科技有限公司 | 一种用于变电站的无人机巡检方法及*** |
| CN112673330A (zh) * | 2020-03-30 | 2021-04-16 | 深圳市大疆创新科技有限公司 | 无人机下降的控制方法和装置、无人机 |
| CN111552311A (zh) * | 2020-04-10 | 2020-08-18 | 安徽继远软件有限公司 | 巡检时间受限下的无人机多杆塔巡检优化方法和终端 |
| CN112327898A (zh) * | 2020-11-06 | 2021-02-05 | 日立楼宇技术（广州）有限公司 | 无人机的井道巡检导航方法、装置和无人机 |
| CN112363176A (zh) * | 2020-11-06 | 2021-02-12 | 日立楼宇技术（广州）有限公司 | 电梯井道巡检及建模方法、装置和巡检建模*** |
| CN112327920A (zh) * | 2020-11-16 | 2021-02-05 | 国网新疆电力有限公司检修公司 | 一种无人机自主避障巡检路径规划方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114995507A (zh) * | 2022-06-22 | 2022-09-02 | 中国人民公安大学 | 安全巡视方法、装置、设备及存储介质 |
| CN116631087A (zh) * | 2023-07-20 | 2023-08-22 | 厦门闽投科技服务有限公司 | 一种基于无人机的电力巡检*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113359829B (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112633535A (zh) | 一种基于无人机图像的光伏电站智能巡检方法及*** | |
| CN113359829B (zh) | 一种基于大数据的无人机电厂智能巡检方法 | |
| CN104331944B (zh) | 基于射频识别和gps定位的通信光缆巡检方法 | |
| CN111667230A (zh) | 一种无人机自主巡检作业监控分析***及方法 | |
| CN108109437A (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
| CN113204247B (zh) | 一种无人机巡检*** | |
| CN208705948U (zh) | 一种基于cors技术的电力巡检*** | |
| CN110887462A (zh) | 一种无人机巡检方法及***、输电线路巡检方法及*** | |
| CN107292507A (zh) | 充电设备的智能管理***和管理方法 | |
| CN115373403B (zh) | 一种建筑机械设备巡检服务*** | |
| CN110647170A (zh) | 一种基于无人机的航标巡检装置与方法 | |
| CN112432667A (zh) | 一种输电线路导线状态智能在线监测*** | |
| CN113867400A (zh) | 一种基于无人机的光伏发电设备巡查处理方法和*** | |
| CN113741510A (zh) | 一种巡检路径规划方法、装置以及存储介质 | |
| CN206497100U (zh) | 一种气体排放综合监测*** | |
| CN113486779A (zh) | 输电线路全景智能巡检*** | |
| CN210835732U (zh) | 一种基于无人机的航标巡检装置 | |
| CN116866512A (zh) | 一种光伏电站巡检***及其运行方法 | |
| CN114744756A (zh) | 一种基于机器视觉的输电线路智能巡检*** | |
| CN111596157B (zh) | 一种电力***故障情况预测方法、装置、***及存储介质 | |
| CN113256839B (zh) | 一种基于ai的配电网智能巡检*** | |
| CN116205381A (zh) | 光伏储能管理方法及相关设备 | |
| CN107194923B (zh) | 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 | |
| CN109902647A (zh) | 一种便携式在线鸟巢智能识别方法及*** | |
| CN115690505A (zh) | 光伏组件故障检测方法、装置、计算机设备及存储介质 |
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 |