CN114879679A - 一种变电站巡检方法和*** - Google Patents
一种变电站巡检方法和*** Download PDFInfo
- Publication number
- CN114879679A CN114879679A CN202210556447.1A CN202210556447A CN114879679A CN 114879679 A CN114879679 A CN 114879679A CN 202210556447 A CN202210556447 A CN 202210556447A CN 114879679 A CN114879679 A CN 114879679A
- Authority
- CN
- China
- Prior art keywords
- target
- inspection
- image
- equipment
- task
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 455
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000012545 processing Methods 0.000 claims description 44
- 238000013136 deep learning model Methods 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 238000012423 maintenance Methods 0.000 claims description 27
- 238000002955 isolation Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims 1
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000012549 training Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明实施例公开了一种变电站巡检方法和***。该方法包括:变电站终端基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象;变电站终端基于巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对目标巡检对象执行巡检操作的目标巡检设备;其中,备选巡检设备包括无人机和机器人;变电站终端将巡检任务发送至目标巡检设备,并接收目标巡检设备反馈的目标巡检对象的目标工作状态,对目标工作状态进行展示。本发明实施例的技术方案,可以对站内设备的全方位巡检,无需人工进行补充作业,提高了巡检效率和准确性,避免了资源浪费。
Description
技术领域
本发明实施例涉及变电站巡检技术领域,尤其涉及一种变电站巡检方法和***。
背景技术
变电站是电力***中对电压和电流进行变换,接受电能及分配电能的场所;为保证变电站的安全使用,需要定期对变电站进行巡检。
现有技术中,通常通过人工的方式,对变电站中各设备的工作情况进行检测,作业效率低且对人员素质要求高,极大的增大运维人员的工作负担和工作强度。在500kV及以上电压等级的变电站中,已在逐步推进巡检机器人巡检,来实现站内24小时多轮巡检。
但是在实际使用中,巡检机器人受设备主体高度、摄像头俯仰角度、机器停靠位等客观问题的限制,使得机器人巡检不能对站内设备进行全方位巡检,仍需要运维人员进行补充作业。
发明内容
本发明实施例提供了一种变电站巡检方法和***,以实现根据巡检任务的不同,在各备选巡检设备中确定出能完成该巡检任务的目标巡检设备,对站内设备进行的全方位巡检,无需人工进行补充作业,提高了巡检效率和准确性,避免了资源浪费。
第一方面,本发明实施例提供了一种变电站巡检方法,变电站终端基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象;
变电站终端基于所述巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对所述目标巡检对象执行巡检操作的目标巡检设备;其中,所述备选巡检设备包括无人机和机器人;
变电站终端将所述巡检任务发送至所述目标巡检设备,并接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态,对所述目标工作状态进行展示。
第二方面,本发明实施例还提供了一种变电站巡检***,所述变电站巡检***包括变电站终端和备选巡检设备,其中,所述变电站终端包括:
确定目标巡检对象模块,用于基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象;
确定目标巡检设备模块,用于基于所述巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对所述目标巡检对象执行巡检操作的目标巡检设备;其中,所述备选巡检设备包括无人机和机器人;
展示工作状态模块,用于将所述巡检任务发送至所述目标巡检设备,并接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态,对所述目标工作状态进行展示。
本发明实施例所提供的一种变电站巡检方法,可基于无人机和机器人联合自动巡检执行该方法,实现在实际使用中涉及到机器人无法检测到的设备,采用无人机完成;也可同时采用无人机和机器人共同对站内设备进行巡检,提高了对变电站巡检的全面性和完整性,无需人工进行补充作业,提高了巡检效率和准确性,避免了资源浪费;并提出目标巡检对象为隔离开关和继电器时,如何识别目标图像信息的工作状态;对一种刀闸分合状态进行前端化识别,通过直线拟合对刀闸闭合状态进行精准评估,并将识别方法进行设备前端化部署,有效提升设备的智能化水平,推动智能装备的实用化效果提升。此外,本发明所提供的种变电站巡检***与上述方法对应,具有同样的有益效果。
附图说明
为了更清楚地说明本发明实施例,下面将对实施例中所需要使用的附图做简单的介绍,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为本发明实施例提供的一种变电站巡检方法的流程图;
图2为本发明实施例提供的另一种变电站巡检方法的流程图;
图3为本发明实施例提供的一种隔离开关子区域的反色图像;
图4为本发明实施例提高的一种隔离开关子区域的细化图像;
图5为本发明实施例提高的一种隔离开关子区域的直线过滤图像;
图6为本发明实施例提供的一种变电站终端的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
实施例一
图1为本发明实施例提供的一种变电站巡检方法的流程图。该方法可以由变电站巡检***来执行,该***可以通过软件和/或硬件来实现,可配置于终端和/或服务器中来实现本发明实施例中的变电站巡检方法。
如图1所示,本实施例的方法具体可包括:
S101、变电站终端基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象。
在具体实施中,变电站终端可接收变电站控制平台发送的巡检指令。示例性的,巡检指令中可包括目标巡检对象、巡检时间和巡检任务等信息。巡检任务可为定期执行的常规巡检任务,也可为特殊情况下需要执行的特定巡检任务,如站内倒闸操作前的倒闸巡检任务。
具体的,可基于巡检指令,确定出需要被进行巡检的目标巡检对象。示例性的,目标巡检对象包括设备表、油枕、变压器、开关部件、隔离器和继电器中的至少一项。巡检任务可为查看油枕的油位数据、检测开关部件的开关状态等。
S102、变电站终端基于巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对目标巡检对象执行巡检操作的目标巡检设备。
可选的,备选巡检设备包括无人机和机器人。变电站终端基于巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对目标巡检对象执行巡检操作的目标巡检设备,包括:基于巡检指令中指定的巡检任务,确定任务要求信息;在各备选巡检设备中确定出满足任务要求信息的备选巡检设备作为目标巡检设备。
具体的,任务要求信息包括对执行所述巡检任务的巡检设备需要达到的高度信息、俯仰角度信息和停靠位置信息中的至少一项。基于巡检任务确定目标巡检设备时,可基于巡检任务对巡检设备要求达到的高度、俯仰角度和停靠位置等信息,确定执行该巡检任务的目标巡检设备。
示例性的,目标巡检设备可为机器人和/或无人机。当巡检任务要求巡检设备达到的高度大于机器人的高度时,可确定目标巡检设备为无人机。当巡检任务要求的停靠位置周围部署有其它设备时,可采用无人机作为目巡检设备,从空中飞行至目标巡检对象位置的上方对目标巡检对象进行检查。
进一步的,为提高巡检结果的准确度,目标巡检设备可为无人机和机器人,即同时采用无人机和机器人对同一个目标巡检对象执行巡检任务,实现对目标巡检对象的全方位的立体巡检。
进一步的,无人机和/或机器人还可对目标巡检对象从多个角度和多种停靠位置对同一个目标巡检对象进行检查,减少由于检测角度或位置不同而产生的误差。
可选的,当变电站终端接收到用于确定变电站的站内结构信息的定位指令时,可生成定位任务发送至无人机,以控制无人机根据定位任务在变电站的站内进行行驶,并控制搭载至无人机上的激光扫描设备处于启动状态;变电站终端接收激光扫描设备反馈的变电站激光信息,基于变电站激光信息和预先存储的变电站设计结构图,生成变电站对应的三维导航地图信息。
需要说明的是,为了提高无人机或机器人在巡检过程中的定位导航的准确性,可预先建立三维导航地图。具体的,当变电站终端接收到用于确定变电站的站内结构信息的定位指令时,可生成定位任务发送至无人机。无人机上搭载有激光扫描设备,可控制激光扫描设备处于启动状态,开始工作。定位任务中可包括飞行路线信息,无人机基于飞行路线信息在变电站中进行巡检,而无人机搭载的激光扫描设备跟随无人机在变电站内的不同位置获取变电站激光信息,并将变电站激光信息发送至变电站终端,变电站终端基于变电站激光信息和预先存储的变电站设计结构图,生成变电站对应的三维导航地图信息。三维导航地图信息中反映出变电站内各设备的设备位置及方位关系,通过三维导航地图信息可便于机器人在巡检时准确确定出巡检路线。本发明实施例中,利用无人机建立三维导航地图,比传统的人工遥控机器人建图的方式速度更快,充分利用无人机速度快的优势。
本发明提出的无人机和机器人联合自动巡检的方法,可实现在实际使用中涉及到机器人无法检测到的设备,采用无人机完成;也可同时采用无人机和机器人共同对站内设备进行巡检,提高了对变电站巡检的全面性和完整性,无需人工进行补充作业,提高了巡检效率和准确性,避免了资源浪费。
S103、变电站终端将巡检任务发送至目标巡检设备,并接收目标巡检设备反馈的目标巡检对象的目标工作状态,对目标工作状态进行展示。
可选的,当目标巡检设备为无人机时,在接收目标巡检设备反馈的目标巡检对象的目标工作状态之前,还包括:变电站终端基于目标巡检对象的位置,确定无人机的巡检悬停位置,并将巡检悬停位置发送至无人机。
在具体实施中,当目标巡检设备为无人机时,无人机的巡检悬停位置可为目标巡检对象的位置的正上方,将巡检任务和巡检悬停位置发送至无人机,以使无人机按照接收到的巡检悬停位置停止,从而清晰地确定出目标巡检对象的工作状态。进一步的,当目标巡检对象的位置正上方存在遮挡物时,可将目标巡检对象的位置的为圆心,按照预设半径确定无人机的悬停范围,在该悬停范围内无人机可采集到目标巡检对象的信息。并将该悬停范围发送至无人机,以使其在巡检时停在该悬停范围内。
可选的,当目标巡检设备为机器人时,在接收目标巡检设备反馈的目标巡检对象的目标工作状态之前,还包括:变电站终端基于目标巡检对象的位置和变电站的结构信息,确定机器人巡检过程的最优巡检路径,并将最优巡检路径发送至机器人。
当目标巡检设备为机器人时,变电站终端可基于目标巡检对象的位置和变电站的结构信息确定最优巡检路径。具体的,最优巡检路径可为机器人到达目标巡检对象的位置的最近路径,也可为到达目标巡检对象的位置过程中,遇到的障碍物最少的路径。本领域技术人员可根据实际应用情况,确定该最优路径,对此本发明实施例不做限定。在确定出机器人到达目标巡检对象的位置的最优路径后,将最近路径和巡检任务发送至机器人,以使机器人按照该最优路径行驶。
进一步的,无人机和/或机器人对目标巡检对象进行检查,确定目标巡检对象的目标工作状态,并将目标工作状态反馈至变电站终端,变电站终端可对目标巡检对象的目标工作状态进行展示操作。
具体的,无人机、机器人和变电站终端之间可通过无线网桥实现通讯连接。无人机采用差分北斗或GPS(全球定位***)导航定位;机器人采用激光导航或同步定位与建图导航定位。
可选的,当变电终端接收到的巡检指令为定时触发的常规巡检指令时,可执行常规巡检指令对应的常规巡检任务。变电站终端可建立用于对变电站中的各设备表和各类绝缘设备进行巡检的第一常规任务,将第一常规任务发送至机器人;建立用于对变电站中的各类油枕、变压器和开关设备进行巡检的第二常规任务,将第二常规任务发送至无人机。
示例性的,第一常规任务可为控制机器人按照预设路线每天两次对变电站内设备表获取数据、设备渗漏油情况检查、各类绝缘子完整性检测等;第二常规任务可为控制无人机按照预设悬停点每周三次从设备顶部进对各类油枕的油位数据进行获取、确定变压器等设备顶部缺陷和各类开关的状态情况。
可选的,在将第一常规任务发送至机器人之前,还包括:变电站终端将第一常规任务发送至无人机以控制无人机执行第一常规任务;其中,无人机上承载有图像采集器;变电站终端接收图像采集器采集到的第一图像信息,基于第一图像信息确定是否存在异常情况;如果是,变电站终端基于第一图像信息确定异常情况对应的异常位置信息,将异常位置信息和第一常规任务发送至机器人,以控制机器人执行第一常规任务。
在具体实施中,可首先利用无人机按照第一常规任务在变电站中进行巡检,无人机可承载图像采集器,示例性的,图像采集器包括可见光及红外相机。通过可见光及红外相机可采集到无人机巡检对象的第一图像信息。变电站终端获取第一图像信息,可利用图像识别算法确定巡检对象是否存在缺陷及异常情况,如果存在异常情况,为了进一步全面、精细化的对第一常规任务对应的巡检对象完成检测,可基于第一图像信息确定异常情况对应的异常位置信息,完成对发生异常情况的巡检对象的定位。将异常位置信息和第一常规任务发送至机器人,机器人可基于异常位置信息实现自动规划路线,并按照规划的路线对巡检对象再次进行巡检,更准确、精细地确定出巡检对象是否存在异常,及全面反映异常信息。
在具体实施中,还包括:变电站终端将第一图像信息发送至监控显示设备,以展示第一图像信息。具体的,变电站终端还可将第一图像信息发送至各固定点监控显示设备,展示第一图像信息对应的画面,以使运维人员可查看采集到的第一图像信息,便于运维人员根据展示的画面操控无人机或机器人,对变电站的站内情况进行检测。
进一步的,当变电站终端接收到的巡检指令为用于进行倒闸巡检任务的特定巡检指令时,可控制无人机和机器人分别进入预先设定的检测机位,进行倒闸状态校核,机器人从底部位置、无人机从顶部位置进行设采集倒闸操作的相关设备的设备状态,并将设备状态反馈至倒闸控制***。
可选的,在接收目标巡检设备反馈的目标巡检对象的目标工作状态之后,还包括:变电站终端基于目标工作状态,确定变电站中的目标巡检对象是否存在异常;如果是,则生成包含目标巡检对象的对象信息的维修单,并基于预先存储的运维人员的联系方式,将维修单推送至各运维人员终端。
具体的,变电站终端在接收到目标巡检对象的目标工作状态后,可确定目标巡检对象的理想工作状态与目标工作状态是否一致,如果一致,则说明目标巡检对象的当前目标工作状态正常;如果不一致,则说明目标巡检对象的当前目标工作状态异常。
当目标巡检对象的目标工作状态异常时,可生成包含有目标巡检对象的对象信息的维修单。其中,目标巡检对象的对象信息包括目标巡检对象的设备名称、设备标识和设备位置中的至少一项信息;并将维修单发送至运维人员终端。具体的,可预先存储运维人员的联系方式,例如邮箱、电话号码等信息。通过存储的联系方式,将维修单推送至运维人员终端,使运维人员及时发现问题进行检修。当目标巡检对象不存在异常时,可继续执行下一步操作,并记录目标巡检对象的当前的目标工作状态。
本发明实施例所提供的一种变电站巡检方法,变电站终端基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象;变电站终端基于巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对目标巡检对象执行巡检操作的目标巡检设备;其中,备选巡检设备包括无人机和机器人。从而可根据巡检任务的不同,在各备选巡检设备中确定出能完成该巡检任务的目标巡检设备;将巡检任务发送至目标巡检设备,并接收目标巡检设备反馈的目标巡检对象的目标工作状态,对目标工作状态进行展示。由此可见,在实际使用中及时涉及到机器人无法检测到的设备,可采用无人机完成,实现了对站内设备的全方位巡检,无需人工进行补充作业,提高了巡检效率和准确性,避免了资源浪费。同时,本发明实施例基于目标工作状态确定目标巡检对象是否存在异常,将异常情况及时通知运维人员,提高了变电站的安全性,便于运维人员及时发现问题,及时进行检修。
实施例二
图2为本发明实施例提供的另一种变电站巡检方法的流程图。本实施例以上述各技术方案为基础进行优化。可选的,接收目标巡检设备反馈的目标巡检对象的目标工作状态之前,还包括:目标巡检设备获取自身承载的图像采集器检测到的目标巡检对象的目标图像信息;目标巡检设备基于预先建立的深度学习模型对目标图像信息进行图像识别处理,基于图像识别处理结果,确定出目标巡检对象的目标工作状态,并将目标工作状态发送至变电站终端。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。
如图2所示,本实施例的方法具体可包括:
S201、变电站终端基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象。
S202、变电站终端基于巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对目标巡检对象执行巡检操作的目标巡检设备。
S203、变电站终端将巡检任务发送至目标巡检设备。
S204、目标巡检设备获取自身承载的图像采集器检测到的目标巡检对象的目标图像信息。
具体的,目标巡检设备可基于接收到的目标任务,移动至目标巡检对象的检测位置,控制自身承载的图像采集器采集目标巡检对象的目标图像信息。示例性的,目标巡检设备上安装有可见光摄像机和/或红外摄像机等图像采集器。通过可见光摄像机和/或红外摄像机采集到目标巡检对象的目标图像信息,并将目标图像信息反馈至目标巡检设备。进一步的,目标巡检设备基于目标图像信息确定出目标巡检对象的目标工作状态,通过无线网络将目标工作状态发送至变电站终端,变电站终端通过IEC61850接口将目标工作状态上传至变电站控制平台。
S205、目标巡检设备基于预先建立的深度学习模型对目标图像信息进行图像识别处理,基于图像识别处理结果,确定出目标巡检对象的目标工作状态,并将目标工作状态发送至变电站终端。
在具体实施中,可预先建立深度学习模型,用于对目标图像信息进行图像识别处理。目标巡检设备接收到目标图像信息后,可通过深度学习模型识别目标图像信息,确定出目标巡检对象的目标工作状态。
需要说明的是,可通过核心计算芯片实现深度学习模块的推理计算。深度学习模型将人工智能算力资源集成到目标巡检设备的前端;采用模型裁剪量化重训练技术,结合变电站内目标图像信息的目标占比、图像特征等因素,对深度学习模型进行裁剪,实现模型参数由浮点型数据类型到整数类型的转换;进一步的,可对深度学习模型进行模型压缩,在保证深度学习模型精度的条件下,实现深度学习模型的轻量化。
可选的,目标巡检对象包括隔离开关,目标图像信息包括隔离开关图像,其中,目标巡检设备基于预先建立的深度学习模型对目标图像信息进行图像识别处理,基于图像识别处理结果,确定出目标巡检对象的目标工作状态,包括:目标巡检设备基于深度学习模型,确定隔离开关图像中是否包含与隔离开关两端连接的刀闸臂对应的两条直线;如果否,则确定隔离开关的状态为分开状态。
具体的,隔离开关两端分别连接有刀闸臂,刀闸臂旋转至平行方向且刀闸头部相接时,说明隔离开关闭合;当两个刀闸臂的头部不相接时,说明隔离开关处于断开状态。因此,可通过深度学习模型识别隔离开关图像中是否包含与隔离开关两端连接的刀闸臂对应的两条直线,如果不包含,则说明隔离开关的两个刀闸臂的头部不相接,隔离开关的状态为断开状态。
进一步的,如果包含刀闸臂对应的两条直线,仍需判断两条直线之间是否存在夹角,若不存在夹角,两线连接后为一条直线,说明隔离开关的状态为闭合状态;若存在夹角,则确定夹角是否小于预设角度阈值;如果小于,则确定隔离开关的状态为闭合状态;如果大于,则确定隔离开关的状态为未合好状态。本领域技术人员可根据实际应用情况,确定预设角度阈值,本发明实施例对此不作限定。
在具体实施中,目标巡检设备基于预先建立的深度学习模型对目标图像信息进行图像识别处理之前,还包括:获取样本图像,基于样本图像对待训练深度学习模型进行训练,基于训练结果建立该深度学习模型。
其中,所述样本图像包括隔离开关。可获取包含隔离开关的各种状态信息的样本图像,如不同角度的打开状态、闭合状态等,并对获取到的各样本图像,根据样本图像中实际展示的隔离开关的真实开合状态标记状态标识。将样本图像输入至待训练深度学习模型中,得到待训练深度学习模型输出的识别结果,将所述识别结果与标记的状态标识进行比对,基于比对结果调整待训练深度学习模型中的各模型参数。需要说明的是,通过调整模型参数,可使待训练深度学习模型输出的识别结果与状态标识更接近,提高训练的深度学习模型的准确度
进一步的,可重复上述步骤,不断调整待训练深度学习模型的模型参数,直到当前训练过程达到预设条件时,可停止对待训练深度学习模型的训练,将当前的待训练深度学习模型确定为训练完成的可用于对目标图像信息进行图像识别处理的深度学习模型。
示例性的,预设条件可为重复执行的次数达到第一预设次数阈值,本领域技术人员可根据实际应用情况确定第一预设次数阈值,对此本发明实施例不作限定。进一步的,预设条件还可包括状态标记与当前的识别结果一致的次数大于第二预设次数阈值,即说明当前训练深度学习模型的识别效果更接近于目标图像信息的真实情况,则可停止继续训练。
可选的,目标巡检设备基于预先建立的深度学习模型对目标图像信息进行图像识别处理之前,还包括:目标巡检设备对隔离开关图像进行图像配准处理,得到包含有隔离开关两端的刀闸臂的隔离开关子区域,对隔离开关子区域进行灰度化和二值化处理,得到隔离开关子区域对应的灰度图像;目标巡检设备基于霍夫变换算法,确定出灰度图像中的直线图像,并对直线图像进行图像过滤处理。
需要说明的是,在对目标图像信息进行识别处理之间,为提高识别结果的准确度,去除掉图像杂质,尽量减少其他因素的影响,可对目标图像信息进行预处理。具体的,可对隔离开关图像进行图像配准处理,通过图像配准处理获取到用于图像识别的隔离开关子区域,即隔离开关的刀闸臂所在区域。对隔离开关子区域图像进行灰度化和二值化处理,得到隔离开关子区域对应的灰度图像。
图3为本发明实施例提供的一种隔离开关子区域的反色图像;图4为本发明实施例提高的一种隔离开关子区域的细化图像。如图3、图4所示,可对灰度图像进行反色处理,反色处理后,可清晰的看出隔离开关的刀闸臂的连接状态。为提高识别精确度,还可对反色图像进行细化处理。目标巡检设备基于霍夫变换算法,对经过反色和细化后的灰度图像进行识别,确定出图像中的直线图像,并对直线图像进行直线过滤处理,直线过滤后得到的图像如图5所示,可对图5中的直线过滤图像基于预先建立的深度学习模型进行图像识别处理。
可选的,目标巡检对象还包括继电器,目标图像信息包括继电器图像,其中,目标巡检设备基于预先建立的深度学习模型对目标图像信息进行图像识别处理,基于图像识别处理结果,确定出目标巡检对象的目标工作状态,包括:目标巡检设备对继电器图像进行预处理操作,得到继电器图像中的目标字符;目标巡检设备基于预先建立的最邻近分类模型,确定目标字符是否为分字符;如果是分字符,则确定继电器的状态为分开状态。
可选的,目标巡检设备对继电器图像进行预处理操作,包括:目标巡检设备对继电器图像进行灰度化和直方图均衡化处理,得到均衡化图像,基于最大类间方差算法对均衡化图像进行图像分割操作。
本领域技术人员可知,断路器具有明显的颜色和字符特征:绿底白字的“分OFF”,红底白字的“合ON”字符。由于受室外天气、光照等因素的影响,颜色信息在图像中并不明显,利用颜色信息进行识别容易发生误判,因此可通过对分合字符的识别来实现对断路器状态的判断。
具体的,可对继电器图像进行预处理操作。对继电器图像进行图像匹配,确定出继电器图像中的分合字符区域;对分合字符区域进行灰度化和直方图均衡化处理,以去除分合字符区域中的干扰信息,得到均衡化图像;并利用最大类间方差算法对均衡化图像进行图像分割操作,得到目标字符。示例性的,目标字符为形状为“分”的分字符或形状为“合”的合字符。
进一步的,目标巡检设备基于预先建立的最邻近分类模型,确定目标字符是否为分字符;如果是分字符,则确定继电器的状态为分开状态;如果是合字符,则确定继电器的状态为闭合状态。
在具体实施中,基于最邻近分类模型确定目标字符是否为分字符包括:基于最邻近分类算法确定目标字符在预先存储的分合样本集合中距离最近的预设数量的邻近字符,确定邻近字符中分字符的数量是否大于合字符的数量;如果是,则确定目标字符为分字符;如果否,则确定目标字符为合字符。
本发明提出目标巡检对象为隔离开关和继电器时,如何识别目标图像信息的工作状态。提出了一种刀闸分合识别的前端化方法,通过直线拟合对刀闸闭合状态进行精准评估,并将识别方法进行设备前端化部署,有效提升设备的智能化水平,推动智能装备的实用化效果提升。
S206、变电站终端接收目标巡检设备反馈的目标巡检对象的目标工作状态,对目标工作状态进行展示。
本发明实施例提供的变电站巡检方法,提出了无人机、机器人联合自动巡检的方法,根据电力设备特性制定联合巡检策略,并对巡检结果进行统筹分析,在实际使用中涉及到机器人无法检测到的设备,可采用无人机完成,实现了对站内设备的全方位巡检,无需人工进行补充作业,提高了巡检效率和准确性,克服了当前仅通过单一设备进行巡检导致的巡检准确性差的问题;提出了目标巡检对象为隔离开关和继电器时,如何识别目标图像信息的工作状态;提出了一种刀闸分合识别的前端化方法,通过直线拟合对刀闸闭合状态进行精准评估,强化了对设备工作状态的感知,克服了现有方法因视角问题导致对设备状态判断错误的弊端。
实施例三
本发明实施例提供了一种变电站巡检***,该***用于执行上述任意实施例所提供的变电站巡检方法。该***与上述各实施例的变电站巡检方法属于同一个发明构思,在变电站巡检***的实施例中未详尽描述的细节内容,可以参考上述目变电站巡检方法的实施例。
其中,变电站巡检***包括变电站终端和备选巡检设备,图6为本发明实施例提供的一种变电站终端的结构图,如图6所示,变电站终端包括:
确定目标巡检对象模块10,用于基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象;
确定目标巡检设备模块11,用于基于巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对目标巡检对象执行巡检操作的目标巡检设备;其中,备选巡检设备包括无人机和机器人;
展示工作状态模块12,用于将巡检任务发送至目标巡检设备,并接收目标巡检设备反馈的目标巡检对象的目标工作状态,对目标工作状态进行展示。
在本发明实施例中任一可选技术方案的基础上,可选的,该变电站终端还包括:
接收常规巡检指令模块,用于当接收到定时触发的常规巡检指令时,建立用于对变电站中的各设备表和各类绝缘设备进行巡检的第一常规任务,将第一常规任务发送至机器人;建立用于对变电站中的各类油枕、变压器和开关设备进行巡检的第二常规任务,将第二常规任务发送至无人机。
在本发明实施例中任一可选技术方案的基础上,可选的,接收常规巡检指令模块还用于:在所述将所述第一常规任务发送至所述机器人之前,将所述第一常规任务发送至无人机以控制所述无人机执行所述第一常规任务;其中,所述无人机上承载有图像采集器;所述变电站终端接收所述图像采集器采集到的第一图像信息,基于所述第一图像信息确定是否存在异常情况;如果是,所述变电站终端基于所述第一图像信息确定所述异常情况对应的异常位置信息,将所述异常位置信息和所述第一常规任务发送至所述机器人,以控制所述机器人执行所述第一常规任务。
在本发明实施例中任一可选技术方案的基础上,可选的,接收常规巡检指令模块还用于将所述第一图像信息发送至监控显示设备,以展示所述第一图像信息。
在本发明实施例中任一可选技术方案的基础上,可选的,该变电站终端还包括:
确定异常模块,用于基于目标工作状态,确定变电站中的目标巡检对象是否存在异常;如果是,则生成包含目标巡检对象的对象信息的维修单,并基于预先存储的运维人员的联系方式,将维修单推送至各运维人员终端。
在本发明实施例中任一可选技术方案的基础上,可选的,所述目标巡检设备包括:
获取目标图像信息模块,用于在接收目标巡检设备反馈的目标巡检对象的目标工作状态之前,获取自身承载的图像采集器检测到的目标巡检对象的目标图像信息;基于预先建立的深度学习模型对目标图像信息进行图像识别处理,基于图像识别处理结果,确定出目标巡检对象的目标工作状态,并将目标工作状态发送至变电站终端。
在本发明实施例中任一可选技术方案的基础上,可选的,目标巡检对象包括隔离开关,目标图像信息包括隔离开关图像,其中,获取目标图像信息模块包括:
确定隔离开关状态单元,用于目标巡检设备基于深度学习模型,确定隔离开关图像中是否包含与隔离开关两端连接的刀闸臂对应的两条直线;如果否,则确定隔离开关的状态为分开状态。
在本发明实施例中任一可选技术方案的基础上,可选的,获取目标图像信息模块还包括:
计算直线夹角单元,用于如果隔离开关图像中包含与隔离开关两端连接的刀闸臂对应的两条直线,则计算两条直线之间的夹角,确定夹角是否小于预设角度阈值;如果小于,则确定隔离开关的状态为闭合状态;如果大于,则确定隔离开关的状态为未合好状态。
在本发明实施例中任一可选技术方案的基础上,可选的,获取目标图像信息模块还包括:
图像配准处理单元,用于在基于预先建立的深度学习模型对目标图像信息进行图像识别处理之前对隔离开关图像进行图像配准处理,得到包含有隔离开关两端的刀闸臂的隔离开关子区域,对隔离开关子区域进行灰度化和二值化处理,得到隔离开关子区域对应的灰度图像;基于霍夫变换算法,确定出灰度图像中的直线图像,并对直线图像进行图像过滤处理。
在本发明实施例中任一可选技术方案的基础上,可选的,目标巡检对象还包括继电器,目标图像信息包括继电器图像,其中,获取目标图像信息模块包括:
预处理单元,用于对继电器图像进行预处理操作,得到继电器图像中的目标字符;基于预先建立的最邻近分类模型,确定目标字符是否为分字符;如果是分字符,则确定继电器的状态为分开状态。
在本发明实施例中任一可选技术方案的基础上,可选的,预处理单元包括:
图像分割单元,用于对继电器图像进行灰度化和直方图均衡化处理,得到均衡化图像,基于最大类间方差算法对均衡化图像进行图像分割操作。
在本发明实施例中任一可选技术方案的基础上,可选的,所述目标巡检设备和所述变电站终端之间可通过无线网桥实现通讯连接。
在本发明实施例中任一可选技术方案的基础上,可选的,确定目标巡检设备模块11包括:
确定任务要求信息单元,用于基于所述巡检指令中指定的巡检任务,确定任务要求信息;
确定目标巡检设备单元,用于在各所述备选巡检设备中确定出满足所述任务要求信息的备选巡检设备作为所述目标巡检设备。
在本发明实施例中任一可选技术方案的基础上,可选的,所述任务要求信息包括对执行所述巡检任务的巡检设备需要达到的高度信息、俯仰角度信息和停靠位置信息中的至少一项。
在本发明实施例中任一可选技术方案的基础上,可选的,所述图像采集器包括可见光摄像机和/或红外摄像机。
在本发明实施例中任一可选技术方案的基础上,可选的,该变电站巡检***还包括:
发送巡检悬停位置模块,用于当所述目标巡检设备为所述无人机时,在所述接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态之前,所述变电站终端基于所述目标巡检对象的位置,确定所述无人机的巡检悬停位置,并将所述巡检悬停位置发送至所述无人机。
在本发明实施例中任一可选技术方案的基础上,可选的,该变电站巡检***还包括:
发送最优巡检路径模块,用于当所述目标巡检设备为所述机器人时,在所述接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态之前,所述变电站终端基于所述目标巡检对象的位置和变电站的结构信息,确定所述机器人巡检过程的最优巡检路径,并将所述最优巡检路径发送至所述机器人。
在本发明实施例中任一可选技术方案的基础上,可选的,还包括:
当生成三维导航地图信息模块,用于接收到用于确定变电站的站内结构信息的定位指令时,可生成定位任务发送至所述无人机,以控制无人机根据所述定位任务在所述变电站的站内进行行驶,并控制搭载至所述无人机上的激光扫描设备处于启动状态;所述变电站终端接收所述激光扫描设备反馈的变电站激光信息,基于所述变电站激光信息和预先存储的变电站设计结构图,生成所述变电站对应的三维导航地图信息。
本发明实施例所提供的变电站巡检***实现的方法如下:变电站终端基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象;变电站终端基于巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对目标巡检对象执行巡检操作的目标巡检设备;其中,备选巡检设备包括无人机和机器人。从而可根据巡检任务的不同,在各备选巡检设备中确定出能完成该巡检任务的目标巡检设备;将巡检任务发送至目标巡检设备,并接收目标巡检设备反馈的目标巡检对象的目标工作状态,对目标工作状态进行展示。由此可见,在实际使用中及时涉及到机器人无法检测到的设备,可采用无人机完成,实现了对站内设备的全方位巡检,无需人工进行补充作业,提高了巡检效率和准确性,避免了资源浪费。同时,本发明实施例基于目标工作状态确定目标巡检对象是否存在异常,将异常情况及时通知运维人员,提高了变电站的安全性,便于运维人员及时发现问题,及时进行检修。
值得注意的是,上述变电站巡检***的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (19)
1.一种变电站巡检方法,其特征在于,包括:
变电站终端基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象;
所述变电站终端基于所述巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对所述目标巡检对象执行巡检操作的目标巡检设备;其中,所述备选巡检设备包括无人机和机器人;
所述变电站终端将所述巡检任务发送至所述目标巡检设备,并接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态,对所述目标工作状态进行展示。
2.根据权利要求1所述的方法,其特征在于,所述接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态之前,还包括:
所述目标巡检设备获取自身承载的图像采集器检测到的所述目标巡检对象的目标图像信息;
所述目标巡检设备基于预先建立的深度学习模型对所述目标图像信息进行图像识别处理,基于图像识别处理结果,确定出所述目标巡检对象的所述目标工作状态,并将所述目标工作状态发送至所述变电站终端。
3.根据权利要求2所述的方法,其特征在于,所述目标巡检对象包括隔离开关,所述目标图像信息包括隔离开关图像,其中,
所述目标巡检设备基于预先建立的深度学习模型对所述目标图像信息进行图像识别处理,基于图像识别处理结果,确定出所述目标巡检对象的所述目标工作状态,包括:
所述目标巡检设备基于所述深度学习模型,确定所述隔离开关图像中是否包含与隔离开关两端连接的刀闸臂对应的两条直线;
如果否,则确定所述隔离开关的状态为分开状态。
4.根据权利要求3所述的方法,其特征在于,还包括:
如果是,则计算所述两条直线之间的夹角,确定所述夹角是否小于预设角度阈值;
如果小于,则确定所述隔离开关的状态为闭合状态;
如果大于,则确定所述隔离开关的状态为未合好状态。
5.根据权利要求3所述的方法,其特征在于,所述目标巡检设备基于预先建立的深度学习模型对所述目标图像信息进行图像识别处理之前,还包括:
所述目标巡检设备对隔离开关图像进行图像配准处理,得到包含有隔离开关两端的刀闸臂的隔离开关子区域,对所述隔离开关子区域进行灰度化和二值化处理,得到所述隔离开关子区域对应的灰度图像;
所述目标巡检设备基于霍夫变换算法,确定出所述灰度图像中的直线图像,并对所述直线图像进行图像过滤处理。
6.根据权利要求2或3所述的方法,其特征在于,所述目标巡检对象还包括继电器,所述目标图像信息包括继电器图像,其中,
所述目标巡检设备基于预先建立的深度学习模型对所述目标图像信息进行图像识别处理,基于图像识别处理结果,确定出所述目标巡检对象的所述目标工作状态,包括:
所述目标巡检设备对所述继电器图像进行预处理操作,得到所述继电器图像中的目标字符;
所述目标巡检设备基于预先建立的最邻近分类模型,确定所述目标字符是否为分字符;
如果是分字符,则确定所述继电器的状态为分开状态。
7.根据权利要求6所述的方法,其特征在于,所述目标巡检设备对所述继电器图像进行预处理操作,包括:
所述目标巡检设备对所述继电器图像进行灰度化和直方图均衡化处理,得到均衡化图像,基于最大类间方差算法对所述均衡化图像进行图像分割操作。
8.根据权利要求1所述的方法,其特征在于,还包括:
所述变电站终端当接收到定时触发的常规巡检指令时,建立用于对变电站中的各设备表和各类绝缘设备进行巡检的第一常规任务,将所述第一常规任务发送至所述机器人;
所述变电站终端建立用于对所述变电站中的各类油枕、变压器和开关设备进行巡检的第二常规任务,将所述第二常规任务发送至所述无人机。
9.根据权利要求8所述的方法,其特征在于,在所述将所述第一常规任务发送至所述机器人之前,还包括:
所述变电站终端将所述第一常规任务发送至无人机以控制所述无人机执行所述第一常规任务;其中,所述无人机上承载有图像采集器;
所述变电站终端接收所述图像采集器采集到的第一图像信息,基于所述第一图像信息确定是否存在异常情况;
如果是,所述变电站终端基于所述第一图像信息确定所述异常情况对应的异常位置信息,将所述异常位置信息和所述第一常规任务发送至所述机器人,以控制所述机器人执行所述第一常规任务。
10.根据权利要求9所述的方法,其特征在于,还包括:
所述变电站终端将所述第一图像信息发送至监控显示设备,以展示所述第一图像信息。
11.根据权利要求1所述的方法,其特征在于,在所述接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态之后,还包括:
所述变电站终端基于所述目标工作状态,确定变电站中的所述目标巡检对象是否存在异常;
如果是,则生成包含目标巡检对象的对象信息的维修单,并基于预先存储的运维人员的联系方式,将所述维修单推送至各运维人员终端。
12.根据权利要求1所述的方法,其特征在于,所述目标巡检设备和所述变电站终端之间可通过无线网桥实现通讯连接。
13.根据权利要求1所述的方法,其特征在于,所述所述变电站终端基于所述巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对所述目标巡检对象执行巡检操作的目标巡检设备,包括:
基于所述巡检指令中指定的巡检任务,确定任务要求信息;
在各所述备选巡检设备中确定出满足所述任务要求信息的备选巡检设备作为所述目标巡检设备。
14.根据权利要求13所述的方法,其特征在于,所述任务要求信息包括对执行所述巡检任务的巡检设备需要达到的高度信息、俯仰角度信息和停靠位置信息中的至少一项。
15.根据权利要求2所述的方法,其特征在于,所述图像采集器包括可见光摄像机和/或红外摄像机。
16.根据权利要求1所述的方法,其特征在于,当所述目标巡检设备为所述无人机时,在所述接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态之前,还包括:
所述变电站终端基于所述目标巡检对象的位置,确定所述无人机的巡检悬停位置,并将所述巡检悬停位置发送至所述无人机。
17.根据权利要求1所述的方法,其特征在于,当所述目标巡检设备为所述机器人时,在所述接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态之前,还包括:
所述变电站终端基于所述目标巡检对象的位置和变电站的结构信息,确定所述机器人巡检过程的最优巡检路径,并将所述最优巡检路径发送至所述机器人。
18.根据权利要求1所述的方法,其特征在于,还包括:
当所述变电站终端接收到用于确定变电站的站内结构信息的定位指令时,可生成定位任务发送至所述无人机,以控制无人机根据所述定位任务在所述变电站的站内进行行驶,并控制搭载至所述无人机上的激光扫描设备处于启动状态;
所述变电站终端接收所述激光扫描设备反馈的变电站激光信息,基于所述变电站激光信息和预先存储的变电站设计结构图,生成所述变电站对应的三维导航地图信息。
19.一种变电站巡检***,其特征在于,所述变电站巡检***包括变电站终端和备选巡检设备,其中,所述变电站终端包括:
确定目标巡检对象模块,用于基于接收到的巡检指令,确定需要进行巡检操作的目标巡检对象;
确定目标巡检设备模块,用于基于所述巡检指令中指定的巡检任务,在各备选巡检设备中确定出用于对所述目标巡检对象执行巡检操作的目标巡检设备;其中,所述备选巡检设备包括无人机和机器人;
展示工作状态模块,用于将所述巡检任务发送至所述目标巡检设备,并接收所述目标巡检设备反馈的所述目标巡检对象的目标工作状态,对所述目标工作状态进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210556447.1A CN114879679A (zh) | 2022-05-19 | 2022-05-19 | 一种变电站巡检方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210556447.1A CN114879679A (zh) | 2022-05-19 | 2022-05-19 | 一种变电站巡检方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114879679A true CN114879679A (zh) | 2022-08-09 |
Family
ID=82677904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210556447.1A Pending CN114879679A (zh) | 2022-05-19 | 2022-05-19 | 一种变电站巡检方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114879679A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116363537A (zh) * | 2023-05-31 | 2023-06-30 | 广东电网有限责任公司佛山供电局 | 一种变电站站外飘挂物隐患识别方法和*** |
CN116958841A (zh) * | 2023-09-18 | 2023-10-27 | 众芯汉创(江苏)科技有限公司 | 基于图像识别的配电线路无人机巡检*** |
-
2022
- 2022-05-19 CN CN202210556447.1A patent/CN114879679A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116363537A (zh) * | 2023-05-31 | 2023-06-30 | 广东电网有限责任公司佛山供电局 | 一种变电站站外飘挂物隐患识别方法和*** |
CN116363537B (zh) * | 2023-05-31 | 2023-10-24 | 广东电网有限责任公司佛山供电局 | 一种变电站站外飘挂物隐患识别方法和*** |
CN116958841A (zh) * | 2023-09-18 | 2023-10-27 | 众芯汉创(江苏)科技有限公司 | 基于图像识别的配电线路无人机巡检*** |
CN116958841B (zh) * | 2023-09-18 | 2023-12-26 | 众芯汉创(江苏)科技有限公司 | 基于图像识别的配电线路无人机巡检*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114879679A (zh) | 一种变电站巡检方法和*** | |
CN112910094B (zh) | 基于泛在电力物联网的变电站远方自动巡检***及方法 | |
CN108872781B (zh) | 基于电力设施智能巡检的分析方法及装置 | |
CN109334543B (zh) | 一种电力巡检车与无人机相协同的电力巡线***及方法 | |
CN112884931A (zh) | 一种用于变电站的无人机巡检方法及*** | |
CN111311597B (zh) | 一种缺陷绝缘子的无人机巡检方法与*** | |
CN110282143B (zh) | 一种海上风电场无人机巡检方法 | |
CN110033453A (zh) | 基于改进YOLOv3的输变电线路绝缘子航拍图像故障检测方法 | |
CN105743017A (zh) | 输电线路无人机巡检地面测控站及运输保障*** | |
CN109447157B (zh) | 一款移动型电网作业巡检*** | |
CN109861387B (zh) | 一种变电站智能巡检*** | |
CN105654461A (zh) | 一种多***导线间隔棒断裂的机器视觉检测方法 | |
CN111884333B (zh) | 无人值守巡检无人机协同工作***及其方法 | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及*** | |
WO2024040566A1 (zh) | 基于图像识别的变电站智能巡检***及方法 | |
CN109300118A (zh) | 一种基于rgb图像的高压电力线路无人机巡检方法 | |
CN112684806A (zh) | 一种基于双重避障和智能识别的电力巡检无人机*** | |
CN111258331A (zh) | 无人机电力线路运维检修***及方法 | |
CN112960132A (zh) | 分布式共享机巢及其电力线路无人机巡检方法 | |
CN114694050A (zh) | 一种基于红外图像的电力设备运行状态探测方法 | |
CN110191162B (zh) | 一种配电通信设备现场运维方法、服务器及*** | |
CN113111714A (zh) | 一种应用于输电现场作业的风险防控*** | |
CN115908049B (zh) | 一种基于智能识别的风机叶片悬停位置动态识别*** | |
CN215987376U (zh) | 一种基于双光技术的光伏组件热斑无人机自动检测*** | |
CN114167245B (zh) | 输变电设备表面局放智能检测方法及无人机融合紫外*** |
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 |