CN115393566A - 电力设备的故障识别与预警方法、装置、存储介质、设备 - Google Patents
电力设备的故障识别与预警方法、装置、存储介质、设备 Download PDFInfo
- Publication number
- CN115393566A CN115393566A CN202211069465.3A CN202211069465A CN115393566A CN 115393566 A CN115393566 A CN 115393566A CN 202211069465 A CN202211069465 A CN 202211069465A CN 115393566 A CN115393566 A CN 115393566A
- Authority
- CN
- China
- Prior art keywords
- power equipment
- fault
- real
- image
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请公开了一种电力设备的故障识别与预警方法、装置、存储介质、设备。该方法包括:在检测到电力设备的情况下,获取电力设备的检测参数,检测参数包括多个数据源的数据;根据检测参数对电力设备进行故障预测,得到预测结果;在预测结果表征电力设备故障的情况下,根据预测结果的故障类型确定对应的增强现实形象;根据显示的实时图像中电力设备的实时位置,将增强现实形象显示在实时图像上。解决了相关技术中在电力设备巡检过程中对电力设备检测,需要人为分析数据或图像,或者依赖于单一维度的检测数据,识别电力设备是否故障,存在识别难度大,识别效率低,且无法进行故障预警的问题。
Description
技术领域
本申请涉及设备检测领域,具体而言,涉及一种电力设备的故障识别与预警方法、装置、存储介质、设备。
背景技术
随着电力设备故障检测技术研究的发展,人们已经在一定程度上摆脱了传统检测技术静态停机检查和机械化全方位人工检测的缺点。在技术上实现了红外、可见光图像配准、机器视觉、机器人智能故障检测等智能化动态检测功能。可以在一定程度上实现***自动检测校准,降低人工检测比重,在电力设备***故障的预知性和预警性上实现了较大突破。但实际应用中依旧需要大量的人工检测,仍然有很大一部分的检测存在不确定性,人工检测依旧对设备的全时段可靠稳定运行造成了不可避免的影响。
针对相关技术中在电力设备巡检过程中对电力设备检测,需要人为分析数据或图像,或者依赖于单一维度的检测数据,识别电力设备是否故障,存在识别难度大,识别效率低,且无法进行故障预警的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种电力设备的故障识别与预警方法及***,以解决相关技术中在电力设备巡检过程中对电力设备检测,需要人为分析数据或图像,或者依赖于单一维度的检测数据,识别电力设备是否故障,存在识别难度大,识别效率低,且无法进行故障预警的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种电力设备的故障识别与预警方法,包括:在检测到电力设备的情况下,获取所述电力设备的检测参数,其中,所述检测参数包括多个数据源的数据,所述多个数据源用于对所述电力设备进行多个维度的数据检测;根据所述检测参数对所述电力设备进行故障预测,得到预测结果,其中,所述预测结果用于表征是否识别到的故障,以及识别到故障的故障类型;在所述预测结果表征所述电力设备故障的情况下,根据所述预测结果的故障类型确定对应的增强现实形象;根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上,以进行所述故障类型的故障预警。
可选的,根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上之前,所述方法还包括:根据图像采集装置采集实时图像;对所述实时图像进行识别,确定所述实时图像中是否存在所述电力设备;在所述实时图像中存在所述电力设备的情况下,根据所述电力设备的实时图像,识别所述电力设备在所述实时图像中的实时位置。
可选的,在检测到电力设备的情况下,获取所述电力设备的检测参数包括:通过预设的检测方式检测电力设备;在检测到电力设备的情况下,通过多个数据源,对所述电力设备的检测参数进行采集,其中,所述多个数据源包括,对所述电力设备和/或所述电力设备所处环境进行数据采集的至少一个传感器。
可选的,根据所述检测参数对所述电力设备进行故障预测,得到预测结果包括:将所述检测参数输入预设的故障预测函数,确定故障类型和预测概率,其中,所述故障类型为多个,所述故障预测函数用于确定所述电力设备在所述检测参数下,发生不同故障类型的故障的预测概率;在多个故障类型中存在任意一种故障类型的预测概率达到预设概率阈值的情况下,确定所述电力设备发生故障。
可选的,在所述预测结果表征所述电力设备故障的情况下,根据所述预测结果的故障类型确定对应的增强现实形象包括:确定预测概率达到所述预设概率阈值的目标故障类型;根据所述目标故障类型的标识,获取对应的增强现实形象,其中,所述增强现实形象包括下列至少之一:图像,动画,声音,文字;多个故障类型的增强现实形象预先设置并存储在固定路径。
可选的,根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上之前,所述方法还包括:实时采集巡检过程中的实时图像,其中,所述实时图像包括不包含所述电力设备的图像区域的非目标图像,以及包含所述电力设备的图像区域的目标图像;对所述实时图像进行识别,确定所述实时图像是否为所述目标图像;在所述实时图像为所述目标图像的情况下,对所述目标图像中的电力设备进行识别;根据所述目标图像的数据源的现实空间坐标对所述电力设备进行定位跟踪。
可选的,根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上包括:将所述现实空间坐标转化为虚拟场景坐标;根据所述虚拟场景坐标,将所述增强现实形象显示在对应的目标图像上;在所述实时图像为非目标图像的情况下,停止跟踪,并取消显示所述增强现实形象。
为了实现上述目的,根据本申请的另一方面,提供了一种电力设备的故障识别与预警装置,包括:获取模块,用于在检测到电力设备的情况下,获取所述电力设备的检测参数,其中,所述检测参数包括多个数据源的数据,所述多个数据源用于对所述电力设备进行多个维度的数据检测;预测模块,用于根据所述检测参数对所述电力设备进行故障预测,得到预测结果,其中,所述预测结果用于表征是否识别到的故障,以及识别到故障的故障类型;确定模块,用于在所述预测结果表征所述电力设备故障的情况下,根据所述预测结果的故障类型确定对应的增强现实形象;显示模块,用于根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上,以进行所述故障类型的故障预警。
根据本申请的另一方面,还提供了一种计算机可读存储介质,所述处存储介质用于存储程序,其中,所述程序执行上述中任意一项所述的电力设备的故障识别与预警方法。
根据本申请的另一方面,还提供了一种电子设备,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述中任意一项所述的电力设备的故障识别与预警方法。
通过本申请,采用以下步骤:在检测到电力设备的情况下,获取电力设备的检测参数,其中,检测参数包括多个数据源的数据,多个数据源用于对电力设备进行多个维度的数据检测;根据检测参数对电力设备进行故障预测,得到预测结果,其中,预测结果用于表征是否识别到的故障,以及识别到故障的故障类型;在预测结果表征电力设备故障的情况下,根据预测结果的故障类型确定对应的增强现实形象;根据显示的实时图像中电力设备的实时位置,将增强现实形象显示在实时图像上,以进行故障类型的故障预警。
通过多个数据源的多个维度的数据来进行故障预测,更加全面和准确的进行故障预测,并通过预测的故障类型确定对应的增强现实形象,显示在实时图像中电力设备的实时位置,达到了自动根据多个数据源的数据,对电力设备的故障类型进行识别预测,并通过增强现实形象进行显示,实现对巡检人员的辅助识别的目的,提高了电力设备故障识别的效率,巡检人员针对具有增强现实形象进行预警,提示的电力设备故障以便进一步核查,降低了巡检人员对电力设备的识别难度的技术效果,进而解决了相关技术中在电力设备巡检过程中对电力设备检测,需要人为分析数据或图像,或者依赖于单一维度的检测数据,识别电力设备是否故障,存在识别难度大,识别效率低,且无法进行故障预警的问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的一种电力设备的故障识别与预警方法的流程图;
图2是根据本申请实施方式提供的AR辅助电力设备故障识别***的应用场景的总体架构的示意图;
图3是根据本申请实施方式提供的AR辅助电力设备故障识别***的结构图;
图4是根据本申请实施方式提供的AR图像辅助架构的示意图;
图5是根据本申请实施方式提供的AR辅助识别故障情况的显示页面的示意图;
图6是根据本申请实施方式提供的AR辅助显示故障类型和处理预案的显示页面的示意图;
图7是根据本申请实施方式提供的AR辅助显示故障类型和处理预案的工作流程的示意图;
图8是根据本申请实施方式提供的结合AR的电力设备巡检的工作流程的示意图;
图9是根据本申请实施例提供的一种电力设备的故障识别与预警装置的示意图;
图10是根据本申请实施例提供的一种电子设备的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,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”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,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、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合优选的实施步骤对本发明进行说明,图1是根据本申请实施例提供的一种电力设备的故障识别与预警方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,在检测到电力设备的情况下,获取电力设备的检测参数,其中,检测参数包括多个数据源的数据,多个数据源用于对电力设备进行多个维度的数据检测;
步骤S102,根据检测参数对电力设备进行故障预测,得到预测结果,其中,预测结果用于表征是否识别到的故障,以及识别到故障的故障类型;
步骤S103,在预测结果表征电力设备故障的情况下,根据预测结果的故障类型确定对应的增强现实形象;
步骤S104,根据显示的实时图像中电力设备的实时位置,将增强现实形象显示在实时图像上,以进行故障类型的故障预警。
通过上述步骤,通过多个数据源的多个维度的数据来进行故障预测,更加全面和准确的进行故障预测,并通过预测的故障类型确定对应的增强现实形象,显示在实时图像中电力设备的实时位置,达到了自动根据多个数据源的数据,对电力设备的故障类型进行识别预测,并通过增强现实形象进行显示,实现对巡检人员的辅助识别的目的,提高了电力设备故障识别的效率,巡检人员针对具有增强现实形象提示的电力设备故障进行进一步核查,降低了巡检人员对电力设备的识别难度的技术效果,进而解决了相关技术中在电力设备巡检过程中对电力设备检测,需要人为分析数据或图像,或者依赖于单一维度的检测数据,识别电力设备是否故障,存在识别难度大,识别效率低,且无法进行故障预警的问题。
上述步骤的执行主体可以为电力检测设备的处理器,或者与电力检测设备远程连接的服务器,该服务器可以为具有数据处理和运算能力的设备,可以是计算器,处理器等设备。上述电力检测设备可以为巡检人员手持或者穿戴设备,可以随着随巡检人员的巡检过程进行移动,在移动过程中,对巡检人员路过的电力设备进行检测。上述电力检测设备可以包括图像采集装置,传感装置,来检测电力设备不同维度的数据。但是相关技术中,在电力检测设备检测到上述数据之后,需要人为对数据进行识别和观察来确定电力设备是否存在故障,或者通过简单的数据统计,结合预先设置的经验性的阈值来确定电力设备是否存在某种故障或者故障隐患。但是这种方式存在效率低,识别难度大的问题。
本实施例中,通过检测到电力设备的情况下,获取电力设备的检测参数,然后根据检测参数对电力设备进行故障预测,确定电力设备可能存在故障的故障类型,并根据故障类型确定出对应的增强现实形象,将增强现实形象显示在采集的实时图像上,来自动根据采集的参数识别故障,并将故障利用增强现实形象显示在实时图像上,来表明故障可能出现的位置,故障可能展现的形象,还可以利用增强现实形象来提供后续的故障处理策略,以及故障告警等其他的情况。
上述步骤101之前,可以对电力设备进行检测,其检测的方式可以是多种,例如,图像识别,实时采集巡检过程中的图像,并通过对实时图像进行识别,来确定实时图像中是否具有电力设备。同时,实时采集的图像还可以用于后续对电力设备的增强现实形象进行显示。还可以通过其他方式得到的图像进行电力设备的检测,例如,电磁波成像,或者红外成像,然后对成像进行检测。还可以利用电子标签对电力设备进行区分识别,例如,射频识别技术RFID,通过在电力设备上设置RFID电子标签,在电力检测设备上设置RFID检测装置,在电力检测设备靠近上述电力设备的情况下,可以检测到上述RFID标签,从而区分识别到上述电力设备。
上述获取电力设备的检测参数,可以通过电力检测设备的多种检测装置,获取对电力设备进行多维度检测的数据。需要说明的是,对电力设备的数据采集,可能是持续性的,例如,变电站中就设置有多种数据采集设备,其数据采集设备将数据采集之后,将采集的数据存储在固定路径,或者远程的服务器中。此种情况下,上述获取电力设备的检测参数可以从存储参数的固定路径或存储介质中获取。
上述多个数据源的数据指的是,多个数据来源的不同维度的数据,包括上述检测装置对电力设备进行检测获得的参数数据,还可以包括其他的数据来源的数据,例如,从服务器中获取存储的历史数据,从网络上获取的天气数据,电力政策数据等。
可选的,在检测到电力设备的情况下,获取电力设备的检测参数包括:通过预设的检测方式检测电力设备;在检测到电力设备的情况下,通过多个数据源,对电力设备的检测参数进行采集,其中,多个数据源包括,对电力设备和/或电力设备所处环境进行数据采集的至少一个传感器。
上述多个数据源的数据对判断电力设备是否可能会发生故障均具有一定的影响。例如,上述检测装置采集的参数数据,包括温度,外形是否完整,电压,电流等参数,都可以直接或间接表明检测装置的状态。上述历史数据包括正常的数据,经过数据特征的对比,就可以一定程度上反映电力设备接下来的发展变化情况,也即是否可能会发生故障。上述天气数据和电力政策数据等对电力设备也是会产生影响,例如,外壳老化,与长期下雨叠加,就可能导致漏电,在电力政策数据表明,下个月会迎来用电高峰,则对电力设备的要求也会提高,进而结合电力设备的当前情况参数,就可以确定出电力设备是否会发生故障。
需要说明的是,在根据多个数据源的数据进行分析,确定电力设备是否会发生故障时,可以采用多元数据融合分析的方式进行。具体的,通过多源数据进行故障产生概率计算,再通过计算的概率值是否超过报警阈值,进行设备故障预警。如设备A产生火警概率为P=F(x,y,z),x、y、z为产生火警三个要素(传感数据、环境数据、政策数据等),F()为预测函数,当P>T%时,对该设备进行火警预警,在***显示设备上增强现实火警图像,并进行声光预警,给出后续安全措施预案,巡检人员可根据预案进行工作,排除险情。
上述步骤S102,根据检测参数对电力设备进行故障预测,得到预测结果,可以通过多个概率函数来预测不同故障的发生概率,进而确定出电力设备发生各类故障的概率。在概率达到预设阈值的情况下,确定预测电力设备会发生该类故障。
可选的,根据检测参数对电力设备进行故障预测,得到预测结果包括:将检测参数输入预设的故障预测函数,确定故障类型和预测概率,其中,故障类型为多个,故障预测函数用于确定电力设备在检测参数下,发生不同故障类型的故障的预测概率;在多个故障类型中存在任意一种故障类型的预测概率达到预设概率阈值的情况下,确定电力设备发生故障。
在另一些实施例中,上述检测参数对电力设备进行故障预测时,还可以采用机器学习的方式进行故障预测,具体将检测参数输入预设的故障预测函数,确定故障类型和预测概率。上述故障预测函数为分类器函数,由多组训练数据训练而成,每组训练数据包括输入的检测参数,以及检测参数对应是否故障及故障类型的标签。
在多个故障类型中存在任意一种故障类型的预测概率达到预设概率阈值的情况下,确定电力设备发生故障。在多种故障类型的预测概率达到预设概率阈值的情况下,确定电力设备会发生多种故障。
上述故障类型可以为多种,例如,漏电,着火,破损,***等等,因此,为了将不同的故障进行不同上述步骤S103,在预测结果表征电力设备故障的情况下,根据预测结果的故障类型确定对应的增强现实形象。
需要说明的是,上述增强现实形象包括下列至少之一:图像,动画,声音,文字。增强现实形象可以通过动画的方式显示不同故障类型的故障,然后可以通过文字显示故障的参数,例如,温度,是否可使用等,还可以通过文字显示故障处理的策略,例如,关闭电路,去除覆盖物,加固等。来提示故障消除的方式和策略,辅助进行故障消除工作。
可选的,在预测结果表征电力设备故障的情况下,根据预测结果的故障类型确定对应的增强现实形象包括:确定预测概率达到预设概率阈值的目标故障类型;根据目标故障类型的标识,获取对应的增强现实形象,其中,增强现实形象包括下列至少之一:图像,动画,声音,文字;多个故障类型的增强现实形象预先设置并存储在固定路径。由于增强现实形象是固定的,存在图像音频等数据,将其存储在固定路径可以避免对***空间的不必要占用。
需要说明的是,上述故障的增强现实形象,可以显示在实时图像的各个位置,来提示巡检人员注意有故障可能会发生。但是为了更进一步提示故障发生位置,可以将故障的增强现实形象直接现实在电子设备的显示区域,来更好的提示故障发生位置和发生的种类。进一步提高巡检人员发现故障的效率,降低巡检人员确认故障的时间。
可选的,根据显示的实时图像中电力设备的实时位置,将增强现实形象显示在实时图像上之前,方法还包括:根据图像采集装置采集实时图像;对实时图像进行识别,确定实时图像中是否存在电力设备;在实时图像中存在电力设备的情况下,根据电力设备的实时图像,识别电力设备在实时图像中的实时位置。
在将增强现实形象显示在实时图像上之前,需要先采集实时图像,并确定实时图像中电力设备的显示区域和位置。需要说明的是,上述采集实时图像可以通过上述电力检测设备上的图像采集装置进行采集,在检测到电力设备后,就开启图像采集装置采集实时图像,随着电力检测设备的移动而移动,也即是随着巡检人员的移动而移动。来采集实时图像,然后通过图像识别,确定实时图像中是否存在电力设备,存在的情况下,将该电力设备的增强现实形象显示在对应区域和位置。
可选的,根据显示的实时图像中电力设备的实时位置,将增强现实形象显示在实时图像上之前,方法还包括:实时采集巡检过程中的实时图像,其中,实时图像包括不包含电力设备的图像区域的非目标图像,以及包含电力设备的图像区域的目标图像;对实时图像进行识别,确定实时图像是否为目标图像;在实时图像为目标图像的情况下,对目标图像中的电力设备进行识别;根据目标图像的数据源的现实空间坐标对电力设备进行定位跟踪。
上述根据目标图像的数据源的现实空间坐标对电力设备进行定位跟踪,可以通过三位跟踪注册技术,也即是在实时图像中确定电力设备后,对该电力设备进行持续的定位跟踪,在后续的实时图像中显示有该电力设备的情况下,持续输出该电力设备的显示位置和显示区域。
上述定位跟踪也即是根据不同实时图像中的物体来确定不同实时图像的变化角度和采集该图像时采集设备的位姿,进而根据变化角度和位姿,对上一张实时图像中的电力设备的位置和显示区域,进行坐标变换,得到后一张实时图像中的位置和显示区域,由于相邻图像之间的处理方式相同,因此可以持续性的对图像中的目标对象进行持续跟踪,并持续输出目标对象的位置和显示区域,也即是上述电力设备的显示位置和显示区域。
可选的,根据显示的实时图像中电力设备的实时位置,将增强现实形象显示在实时图像上包括:将现实空间坐标转化为虚拟场景坐标;根据虚拟场景坐标,将增强现实形象显示在对应的目标图像上;在实时图像为非目标图像的情况下,停止跟踪,并取消显示增强现实形象。
从而通过坐标转换,将增强现实形象显示在对应的电子设备的显示区域上。并在电子设备从实时图像中消失的情况下,取消对电子设备的跟踪和增强现实形象的显示。避免了巡检人员发生误解,错把其他的设备当成电力设备,降低了巡检人员的错误率。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
需要说明的是,本申请还提供了一种可选的实施方式,下面对该实施方式进行详细说明。
本实施方式提供了一种AR辅助的电力故障识别与预警***及方法,通过将AR技术辅助电力设备故障识别与预警相结合,可以帮助巡检作业人员可以直观的研究故障点,精准掌握故障原因,辅助判断故障处理方式,准确对故障引起的灾害预警。通过AR混合现实技术,将智能巡检与人工巡检有效结合,合理降低人工巡检的不确定性和不可预测性,提高电力设备故障处理效率,辅助作业人员故障预警决策。
目的是为了解决现有的电力设备智能巡检技术中的检测因素单一,无法实现可能造成的灾害情况预警这一问题。现有的技术当中大多只是通过简单的图像识别技术以及结合数据库中的辅助资料对设备的故障情况进行判断,并没有结合具体的设备环境、设备运行情况等多种因素综合地分析出设备存在的故障。同时也没有对得到的设备故障可能造成的灾害情况进行预测和分析,在电力***故障巡检过程中仍处在极为简单的情况,无法实现直观交互的向作业人员提供辅助。
图2是根据本申请实施方式提供的AR辅助电力设备故障识别***的应用场景的总体架构的示意图,如图2所示,为本电力故障识别与预警***的应用场景,其中包括:AR辅助的电力故障识别与预警***(***前端平台和***中控平台)、电力监测中控平台、电力线路、电力设备和各类传感器等。AR辅助的电力故障识别与预警***主要针对电力巡检应用场景,对电力线路以及电力设备进行故障识别与预警。
***利用从电力线路和电力设备上采集的图像数据信息(主要是带有故障部位的图像),以及各类传感器数据信息(其中包含红外线、震动、温湿度等设备自身运行数据以及环境数据),进行多源数据分析,完成故障识别,同时结合多维度数据,实现故障预测。数据分析预测完成之后,再利用AR技术将故障识别信息与预测结果形象化的呈现在***的前端界面,电力巡检人员可以通过人机交互的形式查看各类辅助信息(故障类型、处理预案、灾害风险等),从而用增强现实手段提示巡检作业人员设备故障位置、预警信息以及相应后续安全措施预案,巡检人员可根据预案进行工作,排除险情,提升巡检准确率和效率。辅助现场巡检作业人员提高对故障的快速反应与应对能力。
具体的,上述结合多维度数据,实现故障预测,可以通过多源数据进行故障产生概率计算,再通过计算的概率值是否超过报警阈值,进行设备故障预警。如设备A产生火警概率为P=F(x,y,z),x、y、z为产生火警三个要素,例如,传感数据、环境数据、政策数据等,F()为预测函数,当P>T%时,对该设备进行火警预警,在***显示设备上增强现实火警图像,并进行声光预警,给出后续安全措施预案,巡检人员可根据预案进行工作,排除险情。
另外,该***会将故障信息与预测结果上传电力监测中控平台,完成中控平台与该***之间的指令数据传输,完成前端现场巡检作业人员与后台中控专家的信息交互。巡检人员可以通过与中控平台的指令数据传输,在必要时得到专家的远程指导和更进一步的辅助信息,从而实现对故障具体精确地处理。
图3是根据本申请实施方式提供的AR辅助电力设备故障识别***的结构图,如图3所示,为AR辅助的电力故障识别与预警***的结构图,该***包括传感器模块、图像采集模块、通信接口、***前端平台(包含多源数据融合模块、设备定位模块、电力故障识别模块、电力故障预警模块、AR图像辅助模块)、显示模块、***中控平台(包含故障监测模块、专家***模块、数据存储模块)等。
该***的关键点在于,增加了设备预警预测信息的AR显示;设备定位可以使用RFID(Radio Frequency Identification,无线射频),可以无接触无意识进行定位设备,为巡检和AR辅助的故障监测和预警提供设备信息。多源数据融合除了故障检测使用外,最重要的是进行故障预警,并且除了传感数据外,还接入了政策数据与环境数据等非传感数据。
上述传感器模块是指安装在电力线路和设备上的各类传感器,如震动传感器、红外相机、温湿度传感器、局部放电检测仪等各类用来采集电力健康参数的传感器等传感器的数据信息。各类传感器接触/非接触在电力线路和设备上,对其在长期一段时间内的运行情况进行监测,并记录设备运行数据。其中设备运行数据包括设备近期的震动频率、红外线辐射情况、温湿度情况、局部放电情况等电力健康参数,这些电力参数考虑到了设备自身的运行情况和环境因素,方便实现后续的多源数据融合分析,结合实际环境特点和设备情况做出具体的故障判断和可能的造成的灾害预测。大量的电力健康参数有助于在后续进行多源数据融合分析时,得到更精确的分析结果,避免由于考虑参数不足带来的分析误差和预测误差。
图像采集模块是指对电力线路和设备进行可见光图像采集的模块,而具体的图像采集设备根据需要选择,如对平地的设备进行图像采集时可以采用头戴式摄像头,而在进行高空作业时可以选择无人机摄像头。这一模块采集的图像数据,主要用于后续的图像识别和AR技术等。
通信接口将以上两个模块的数据信息进行整合,并传输到***前端平台,可以是有线、无线、光纤等多种形式。
***前端平台主要功能是为现场巡检作业人员提供故障监测的辅助工作,通过多模态数据的采集与融合分析,综合设备定位坐标等多维度信息,实现电力故障识别与预警,并通过AR图像显示的形式辅助现场作业人员对巡检时发现的故障以及可能发生的安全隐患进行标注与预警,方便直观,达到快速反应与应对故障的目的。巡检人员可通过与前端平台人机交互,查看故障情况、处理预案以及可能造成的灾害风险,这三种信息以文字或图像的形式出现,同时贴合在前端屏幕中设备图像之上。
其中,多源数据融合模块主要实现***内采集的数据与***外的多维度相关数据,例如历史数据、天气信息、政策信息等信息的融合分析,为之后的电力故障识别与预警提供数据支撑。在不同的天气情况下,同一设备运行条件所代表的设备运行故障并不一定相同,同时其所需要的故障维修方案也并不相同。尽可能多源的数据信息可以提高后续电力故障识别和预警的准确性。
设备定位模块是指实现目标巡检线路或设备的定位与确定,为巡检地理信息提供支撑。本***的设备定位模块采用RFID技术,在巡检线和设备上贴有RFID无源标签,当巡检人员到达该待检查线路或设备附近时,设备定位模块(RFID读写器)会自动识别该RFID无源标签,作用距离可依据设备间的距离和实际分布情况进行设定,从而无接触自动识别了巡检线路点或设备,为***提供坐标信息。同时标签中还包含设备自身的数据信息,如编号、类型、使用时间等。其中关于设备的标识信息用于设备识别并进行后续的故障上传,而使用时间等有关设备运行的数据,则会用于后续的故障识别和预警。
电力故障识别模块是指对电力故障情况进行智能识别定位,主要是通过多源数据融合信息,并结合具体设备定位信息,综合判别故障信息,对电力线路或设备进行识别。其中多源数据融合分析的核心是对图像采集模块采集到的图像信息的进行分析的图像识别算法,在得到图像识别结果之后,结合多源数据综合分析,如天气情况(温湿度)、设备运行情况(震动频率)、设备表面的故障(图像数据)等,最终依据多种条件因素判断得到电力电路和设备的故障情况,而不同的故障情况则对应着不同的处理预案。该电力故障识别模块得到的故障数据(其中包含故障情况和处理预案)将会传输到AR辅助模块以供使用。
电力故障预警模块是指对电力故障所可能引起的事故进行提前报警,主要是通过故障识别信息,结合深度学习算法,对超过阈值指标的故障进行预警。超过指标的故障可能会造成多种类型的灾害,比如火灾、漏电、雷击等等,而且灾害的严重程度也会与故障的类型和严重情况相关。如对于铁塔,故障情况可能为鸟类筑巢,相对应的可能后续会造成的灾害可能是火灾,而针对当前不同的环境条件,可能形成的火灾的严重程度又不相同,因此本电力故障预警模块也会预测出可能发生的火灾大小,并在后续AR辅助模块通过图像体现。本电力故障预警模块结合深度学习算法和多源数据分析预测故障可能造成的灾害情况,并在AR图像辅助模块以图像的形式进行显示。该电力故障预警模块得到的预警数据(包含可能造成的灾害情况)将会传输到AR辅助模块以供使用。
AR图像辅助模块是指将电力故障定位和预警信息进行混合现实综合的功能模块,为AR现实提供支撑。显示模块是指为巡检作业人员对故障与预警信息进行混合现实显示的功能模块,方便直观,达到快速反应与应对故障的目的。
***中控平台主要功能是实现电力故障的监测,为故障预警提供业务指导,并为***提供管理支撑。电力巡检人员进行巡检时,故障数据会自动上传中控平台,同时中控平台可以通过指令交互实现远程指导。
其中,故障监测模块是指将***前端平台传回的识别与预警数据进行可视化展示,实现电力巡检故障监测。专家***模块是指为***提供多维度信息与处理方案的模块。***前端平台可依据具体巡检场景为***前端提供多维度相关数据,为电力故障识别与预警提供数据支撑;另外,完成故障识别与预警后,将会请示中控平台进行下一步工作,如立刻/随后处理等,专家***模块会对巡检现场下达工作指令,通过***前端平台进行实时数据交互反应,完成远程工作指导。数据存储模块是指将所有巡检信息进行存储,完成存档,可供后续查询分析。
图4是根据本申请实施方式提供的AR图像辅助架构的示意图,如图4所示,是AR辅助模块结构图,其中包括数据信息和控制***以及显示器三个部分,其中图像数据来源于最初的图像采集模块,而故障数据和预警数据分别来自于电力故障识别模块和电力故障预警模块,控制***实现对数据的处理,显示器将处理后的数据图像显示在屏幕上。
图像识别模块主要实现对图像数据的图像识别处理。模块获取图像的特征点并与数据库所存储的图像特征点比对实现本地识别功能,再将识别的结果递交给三维跟踪注册模块。
三维跟踪注册模块可以将摄像头获取的图像信息与虚拟空间中的ImageTarget(图像在虚拟空间的载体)对象进行匹配,把现实空间中的图像在虚拟空间中进行坐标定位和图像大小的匹配,图像识别模块和三维跟踪注册模块都由相应的图像识别和跟踪算法(如Vuforia Engine软件可实现)进行支撑。
虚实结合模块会将获取到的故障情况、处理预案和灾害风险通过文字、图像等形式进行显示,并对图像的AR显示信息进行设置,如大小、颜色、相对位置、粒子动画设置等。故障情况和处理预案以文字的形式显示,而不同的灾害情况表现为不同的图像,如火灾以火焰的形式呈现,雷击则以闪电的形式呈现,图像的大小代表预测的灾害的严重程度。图像的生成和细节设置通过设置参数实现,而参数则依据电力故障预警模块得到的预测的灾害情况。
设置完成之后将信息对象与图像识别(ImageTarget)对象绑定,实现虚拟信息跟随目标图像,设置结束后,信息推送模块对信息按钮的交互逻辑和信息的显示逻辑进行设置,这两个模块由虚拟空间信息编辑能力(可通过Unity3D软件实现)进行支撑,实际工程中信息的大小、颜色和粒子对象等在实时3D互动内容创作和运营平台(如Unity3D)检视视图中进行设置,位置坐标和对象之间的关系由脚本进行设置,信息按钮逻辑由按钮对象的触发逻辑进行设置,按钮同时控制了信息的显示逻辑,在信息推送模块完成信息的交互和显示逻辑后,控制***将最后的图像信息传输至显示器上进行显示,完成故障检测任务。巡检人员可通过显示器上的图像和文字信息直观的了解到电力设备的故障情况、处理预案以及可能造成的灾害情况,从而辅助巡检人员进行故障处理。
信息推送模块主要实现,人机交互的按钮逻辑设定以及对应的信息显示。巡检人员在点击屏幕中的设备附近的故障信息时,会显示出对应的处理预案和灾害情况图像,再次点击即恢复到最初的故障信息,点击前后如图5和图6所示。图5是根据本申请实施方式提供的AR辅助识别故障情况的显示页面的示意图,图6是根据本申请实施方式提供的AR辅助显示故障类型和处理预案的显示页面的示意图。
图7是根据本申请实施方式提供的AR辅助显示故障类型和处理预案的工作流程的示意图,如图7所示,是AR辅助模块的工作流程图,具体流程如下:
步骤一,故障图像的识别。软件调动设备的摄像头,获取目标电力设备的故障图像,提取图像的特征值并与数据库中的参考图像进行特征匹配,实现故障图像的识别;
步骤二,故障图像的三维跟踪注册。通过软件内置的注册程序,获取识别图像在现实场景中的空间坐标,并将虚拟场景中的坐标与现实场景中的坐标进行转换计算,将虚拟场景中的预设的故障信息精准定位到目标图像上;
步骤三,故障信息显示。软件调动设备屏幕,将三维注册中摄像头捕获现实场景和虚拟场景结合的图像显示在屏幕上,用户观测并点击确认故障信息,软件显示故障可能造成的危害,软件实现故障识别功能;
步骤四,故障处理预案和灾害风险显示。用户通过点击屏幕上的按钮确定上一步显示的信息无误后,软件再次将虚拟场景中的故障处理预案和预测的灾害风险通过三维注册程序定位到目标图像上,并通过屏幕显示,用户可以直观的观测故障对应的故障处理预案和可能造成的灾害风险情况,了解下一步的处理方法和得到预警,当用户点击确认故障处理预案,软件删除故障危害信息,软件实现故障处理方式可视化功能;
步骤五,当摄像头丢失目标时,软件会自动删除识别图像的信息,把图像所结合的各种信息删除,并关闭除图像识别功能以外的AR功能,以此提高识别效率,实现信息只在故障处精准推送。
图5是根据本申请实施方式提供的AR辅助识别故障情况的显示页面的示意图,如图5所示,是AR辅助故障情况显示图,AR图像辅助模块会将设备的故障信息以文字的形式显示在故障设备的图像旁边,同时以方框的形式将故障部分框出,方便巡检人员准确迅速地寻找出故障部位以及了解到设备所存在的故障。如针对铁塔,其可能具有的故障是其上长有鸟巢,可能会导致火灾风险。巡检人员可以通过点击屏幕上的故障信息,然后变成图6。
图6是根据本申请实施方式提供的AR辅助显示故障类型和处理预案的显示页面的示意图,如图6所示,是AR辅助处理预案和灾害风险显示图。在点击图5所示的故障信息之后,故障信息会隐藏,然后以文字形式显示出处理预案,以及以图像形式显示出可能造成的灾害风险,均显示在故障部分的框附近。不同的灾害由不同的图像表示,如火灾使用火焰,雷击使用闪电,而图像大小则代表着可能导致的灾害的风险严重程度。巡检人员在点击处理预案之后,处理预案和灾害风险图像将会隐藏,同时恢复到图5所示的AR辅助故障情况显示。
图8是根据本申请实施方式提供的结合AR的电力设备巡检的工作流程的示意图,如图8所示,是AR辅助的电力故障识别与预警***的工作流程图,具体流程如下:
步骤一,巡检人员到达巡检设备的一定范围内,开始巡检。
步骤二,数据的获取。传感器模块和图像采集模块通过通信接口将设备的传感器数据和图像数据传输到巡检人员所带设备当中,同时设备中的设备定位模块读取设备的位置和设备自身数据信息;
步骤三,多源数据融合分析。多源数据融合模块对于所获得***内采集的数据与***外的多维度相关数据(如历史数据、天气信息、政策信息等)信息的融合分析,为之后的电力故障识别与预警提供数据支撑;
步骤四,电力故障识别和预警。电力故障识别模块和电力故障预警模块分别对数据进行分析,得到电力设备和线路的故障信息、处理预案以及灾害风险,并将数据传递到AR图像辅助模块;
步骤五,图像识别跟踪和显示。AR图像辅助模块对图像进行识别,对图像,故障信息(故障信息、处理预案以及灾害风险等)进行三维跟踪注册,最后将虚实结合的图像进行显示;
步骤六,人机交互。巡检人员可通过点击屏幕实现信息的显示和隐藏,直观了解到设备故障情况、处理预案和灾害风险。同时通过与中控中心的指令交互,得到指导和下一步的工作;
步骤七,删除图像绑定。当摄像头丢失目标之后,软件会自动删除识别图像的信息,把图像所结合的各种信息删除,并关闭除图像识别功能以外的AR功能。
步骤八,结束巡检。巡检人员在完成当前设备的巡检之后,离开设备一定范围,进行下一个设备的巡检。
本实施方式将AR技术与电力巡检相结合,以AR头盔的形式辅助巡检人员进行故障检测和识别,帮助巡检人员解放双手,降低了高空作业的危险和可能存在的安全隐患,提高巡检效率,降低巡检成本,降低人工检测的不确定性和不可预测性。本实施方式在现有的基于AR的故障检测技术上增加了多种可能的设备故障检测因素,从设备多方面的检测数据进行分析,可以得到更加全面具体准确的设备故障情况,有助于推动巡检体系的智能化精确化。本实施方式将故障可能原因和故障可能引发的各种灾害通过显示器可视化,同时对灾害的影响情况进行进一步预测,有助于巡检人员对设备故障的紧急情况进行更深程度的了解,从而合理分配检修资源,及时预防更大程度的财产损失。
本申请实施例还提供了一种电力设备的故障识别与预警装置,需要说明的是,本申请实施例的电力设备的故障识别与预警装置可以用于执行本申请实施例所提供的用于电力设备的故障识别与预警方法。以下对本申请实施例提供的电力设备的故障识别与预警装置进行介绍。
图9是根据本申请实施例提供的一种电力设备的故障识别与预警装置的示意图,如图9所示,该装置包括:获取模块92,预测模块94,确定模块96,显示模块98,下面对该装置进行详细说明。
获取模块92,用于在检测到电力设备的情况下,获取电力设备的检测参数,其中,检测参数包括多个数据源的数据,多个数据源用于对电力设备进行多个维度的数据检测;预测模块94,与上述获取模块92相连,用于根据检测参数对电力设备进行故障预测,得到预测结果,其中,预测结果用于表征是否识别到的故障,以及识别到故障的故障类型;确定模块96,与上述预测模块94相连,用于在预测结果表征电力设备故障的情况下,根据预测结果的故障类型确定对应的增强现实形象;显示模块98,与上述确定模块96相连,用于根据显示的实时图像中电力设备的实时位置,将增强现实形象显示在实时图像上,以进行故障类型的故障预警。
本申请实施例提供的电力设备的故障识别与预警装置,通过多个数据源的多个维度的数据来进行故障预测,更加全面和准确的进行故障预测,并通过预测的故障类型确定对应的增强现实形象,显示在实时图像中电力设备的实时位置,达到了自动根据多个数据源的数据,对电力设备的故障类型进行识别预测,并通过增强现实形象进行显示,实现对巡检人员的辅助识别的目的,提高了电力设备故障识别的效率,巡检人员针对具有增强现实形象提示的电力设备故障进行进一步核查,降低了巡检人员对电力设备的识别难度的技术效果,进而解决了相关技术中在电力设备巡检过程中对电力设备检测,需要人为分析数据或图像,或者依赖于单一维度的检测数据,识别电力设备是否故障,存在识别难度大,识别效率低,且无法进行故障预警的问题。
电力设备的故障识别与预警装置包括处理器和存储器,上述获取模块92,预测模块94,确定模块96,显示模块98等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决了相关技术中在电力设备巡检过程中对电力设备检测,需要人为分析数据或图像,或者依赖于单一维度的检测数据,识别电力设备是否故障,存在识别难度大,识别效率低,且无法进行故障预警的问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现电力设备的故障识别与预警方法。
本发明实施例提供了一种处理器,处理器用于运行程序,其中,程序运行时执行电力设备的故障识别与预警方法。
图10是根据本申请实施例提供的一种电子设备的示意图,如图10所示,本申请实施例提供了一种电子设备100,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现上述任一电力设备的故障识别与预警方法的步骤。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在电力设备的故障识别与预警设备上执行时,适于执行初始化有如上述任一电力设备的故障识别与预警方法步骤的程序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程电力设备的故障识别与预警设备的处理器以产生一个机器,使得通过计算机或其他可编程电力设备的故障识别与预警设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程电力设备的故障识别与预警设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程电力设备的故障识别与预警设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种电力设备的故障识别与预警方法,其特征在于,包括:
在检测到电力设备的情况下,获取所述电力设备的检测参数,其中,所述检测参数包括多个数据源的数据,所述多个数据源用于对所述电力设备进行多个维度的数据检测;
根据所述检测参数对所述电力设备进行故障预测,得到预测结果,其中,所述预测结果用于表征是否识别到的故障,以及识别到故障的故障类型;
在所述预测结果表征所述电力设备故障的情况下,根据所述预测结果的故障类型确定对应的增强现实形象;
根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上,以进行所述故障类型的故障预警。
2.根据权利要求1所述的方法,其特征在于,根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上之前,所述方法还包括:
根据图像采集装置采集实时图像;
对所述实时图像进行识别,确定所述实时图像中是否存在所述电力设备;
在所述实时图像中存在所述电力设备的情况下,根据所述电力设备的实时图像,识别所述电力设备在所述实时图像中的实时位置。
3.根据权利要求2所述的方法,其特征在于,在检测到电力设备的情况下,获取所述电力设备的检测参数包括:
通过预设的检测方式检测电力设备;
在检测到电力设备的情况下,通过多个数据源,对所述电力设备的检测参数进行采集,其中,所述多个数据源包括,对所述电力设备和/或所述电力设备所处环境进行数据采集的至少一个传感器。
4.根据权利要求3所述的方法,其特征在于,根据所述检测参数对所述电力设备进行故障预测,得到预测结果包括:
将所述检测参数输入预设的故障预测函数,确定故障类型和预测概率,其中,所述故障类型为多个,所述故障预测函数用于确定所述电力设备在所述检测参数下,发生不同故障类型的故障的预测概率;
在多个故障类型中存在任意一种故障类型的预测概率达到预设概率阈值的情况下,确定所述电力设备发生故障。
5.根据权利要求4所述的方法,其特征在于,在所述预测结果表征所述电力设备故障的情况下,根据所述预测结果的故障类型确定对应的增强现实形象包括:
确定预测概率达到所述预设概率阈值的目标故障类型;
根据所述目标故障类型的标识,获取对应的增强现实形象,其中,所述增强现实形象包括下列至少之一:图像,动画,声音,文字;多个故障类型的增强现实形象预先设置并存储在固定路径。
6.根据权利要求5述的方法,其特征在于,根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上之前,所述方法还包括:
实时采集巡检过程中的实时图像,其中,所述实时图像包括不包含所述电力设备的图像区域的非目标图像,以及包含所述电力设备的图像区域的目标图像;
对所述实时图像进行识别,确定所述实时图像是否为所述目标图像;
在所述实时图像为所述目标图像的情况下,对所述目标图像中的电力设备进行识别;
根据所述目标图像的数据源的现实空间坐标对所述电力设备进行定位跟踪。
7.根据权利要求6方法,其特征在于,根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上包括:
将所述现实空间坐标转化为虚拟场景坐标;
根据所述虚拟场景坐标,将所述增强现实形象显示在对应的目标图像上;
在所述实时图像为非目标图像的情况下,停止跟踪,并取消显示所述增强现实形象。
8.一种电力设备的故障识别与预警装置,其特征在于,包括:
获取模块,用于在检测到电力设备的情况下,获取所述电力设备的检测参数,其中,所述检测参数包括多个数据源的数据,所述多个数据源用于对所述电力设备进行多个维度的数据检测;
预测模块,用于根据所述检测参数对所述电力设备进行故障预测,得到预测结果,其中,所述预测结果用于表征是否识别到的故障,以及识别到故障的故障类型;
确定模块,用于在所述预测结果表征所述电力设备故障的情况下,根据所述预测结果的故障类型确定对应的增强现实形象;
显示模块,用于根据显示的实时图像中所述电力设备的实时位置,将所述增强现实形象显示在所述实时图像上,以进行所述故障类型的故障预警。
9.一种计算机可读存储介质,其特征在于,所述存储介质用于存储程序,其中,所述程序执行权利要求1至7中任意一项所述的电力设备的故障识别与预警方法。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任意一项所述的电力设备的故障识别与预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211069465.3A CN115393566A (zh) | 2022-09-01 | 2022-09-01 | 电力设备的故障识别与预警方法、装置、存储介质、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211069465.3A CN115393566A (zh) | 2022-09-01 | 2022-09-01 | 电力设备的故障识别与预警方法、装置、存储介质、设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115393566A true CN115393566A (zh) | 2022-11-25 |
Family
ID=84125310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211069465.3A Pending CN115393566A (zh) | 2022-09-01 | 2022-09-01 | 电力设备的故障识别与预警方法、装置、存储介质、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115393566A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115900835A (zh) * | 2023-01-09 | 2023-04-04 | 广东电网有限责任公司 | 一种电力巡检机器人基础参数的检测方法和*** |
CN116723211A (zh) * | 2023-05-26 | 2023-09-08 | 国网山东省电力公司高唐县供电公司 | 大空间环境电力设备远程巡检装置 |
CN117435889A (zh) * | 2023-12-19 | 2024-01-23 | 福州安蒲特电气有限公司 | 一种电力电缆在线故障监测预警方法以及*** |
CN117496443A (zh) * | 2023-11-24 | 2024-02-02 | 中铁二十三局集团电务工程有限公司 | 一种公路电力线路故障检测方法、装置、电子设备及介质 |
-
2022
- 2022-09-01 CN CN202211069465.3A patent/CN115393566A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115900835A (zh) * | 2023-01-09 | 2023-04-04 | 广东电网有限责任公司 | 一种电力巡检机器人基础参数的检测方法和*** |
CN115900835B (zh) * | 2023-01-09 | 2024-04-16 | 广东电网有限责任公司 | 一种电力巡检机器人基础参数的检测方法和*** |
CN116723211A (zh) * | 2023-05-26 | 2023-09-08 | 国网山东省电力公司高唐县供电公司 | 大空间环境电力设备远程巡检装置 |
CN116723211B (zh) * | 2023-05-26 | 2024-04-12 | 国网山东省电力公司高唐县供电公司 | 大空间环境电力设备远程巡检装置 |
CN117496443A (zh) * | 2023-11-24 | 2024-02-02 | 中铁二十三局集团电务工程有限公司 | 一种公路电力线路故障检测方法、装置、电子设备及介质 |
CN117435889A (zh) * | 2023-12-19 | 2024-01-23 | 福州安蒲特电气有限公司 | 一种电力电缆在线故障监测预警方法以及*** |
CN117435889B (zh) * | 2023-12-19 | 2024-04-26 | 福州安蒲特电气有限公司 | 一种电力电缆在线故障监测预警方法以及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115393566A (zh) | 电力设备的故障识别与预警方法、装置、存储介质、设备 | |
CN109242439B (zh) | 基于变电站设备相关联数据的特征提取识别方法 | |
CN105758450B (zh) | 基于多传感器应急机器人的消防预警感知***构建方法 | |
CN114040003B (zh) | 针对人员密集区域突发事件的应急处置***及方法 | |
CN112115927B (zh) | 一种基于深度学习的机房设备智能识别方法及*** | |
CN109858367B (zh) | 工人通过支撑不安全行为的视觉自动化检测方法及*** | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与*** | |
CN114665608B (zh) | 用于变电站的智能感知巡检***及方法 | |
CN106441428A (zh) | 一种变电站巡检方法 | |
CN111753780B (zh) | 变电站违章检测***及违章检测方法 | |
CN114418145A (zh) | 基于gim的变电站数字孪生方法及*** | |
CN111950359A (zh) | 一种核电厂防止人因失误智能化***及方法 | |
CN113807240A (zh) | 基于非配合式人脸识别的变电站人员着装智能监控方法 | |
CN112949457A (zh) | 基于增强现实技术的维修方法、装置及*** | |
CN111259855A (zh) | 基于深度学习的移动式安全帽佩戴检测方法 | |
CN112036810A (zh) | 基于智能设备的电缆监测方法、装置、设备及存储介质 | |
CN115880722A (zh) | 一种配电作业人员穿戴的智能识别方法、***和介质 | |
Wang et al. | Worker’s helmet recognition and identity recognition based on deep learning | |
CN116665419B (zh) | 电力生产作业中基于ai分析的故障智能预警***及方法 | |
CN113888024A (zh) | 操作监控方法、装置、电子设备及存储介质 | |
CN117372954A (zh) | 充电站安全监测方法、装置、***和计算机设备 | |
CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及*** | |
Chang et al. | Safety risk assessment of electric power operation site based on variable precision rough set | |
CN116523492A (zh) | 水电站监管方法及***、电子设备和存储介质 |
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 |