CN116094159A - 一种基于云计算和大数据分析的智慧电网安全运维*** - Google Patents

一种基于云计算和大数据分析的智慧电网安全运维*** Download PDF

Info

Publication number
CN116094159A
CN116094159A CN202211736601.XA CN202211736601A CN116094159A CN 116094159 A CN116094159 A CN 116094159A CN 202211736601 A CN202211736601 A CN 202211736601A CN 116094159 A CN116094159 A CN 116094159A
Authority
CN
China
Prior art keywords
power equipment
cloud computing
image
unit
monitoring 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
Application number
CN202211736601.XA
Other languages
English (en)
Inventor
张洪军
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202211736601.XA priority Critical patent/CN116094159A/zh
Publication of CN116094159A publication Critical patent/CN116094159A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于云计算和大数据分析的智慧电网安全运维***，包括数据采集终端、云计算服务器、现场执行终端；其中云计算服务器分别无线连接数据采集终端和现场执行终端；数据采集终端用于采集电力设备的实时监测数据，并将采集到的实时监测数据传输到云计算服务器；其中实时监测数据包括电力设备图像监测数据；云计算服务器用于根据获取的电力设备图像监测数据进行电力设备安全诊断，得到电力设备安全诊断结果，并根据得到的电力设备安全诊断结果生成相应的执行指令，将执行指令发送至现场执行终端；现场执行终端用于执行接收到的执行指令，完成电力设备的现场安全维护。本发明有助于提高电力设备智能化安全运维的实时性和针对性。

Description

一种基于云计算和大数据分析的智慧电网安全运维***
技术领域
本发明涉及智慧电网技术领域，特别是一种基于云计算和大数据分析的智慧电网安全运维***。
背景技术
与传统的电网模式相比，智慧电网的建设结合了信息技术、传感器技术等，对电网***中的各个环节进行全面的数据采集和分析，实现智慧电网的智能化、自动化控制。
目前，针对智慧电网的技术研究方向，大多是通过采集电力设备的内部运行状态数据(如电源、电流、电压等)，并进一步根据得到的运行状态数据进行分析，实现电力设备的管理和安全运维管理等。但是，上述针对智慧电网的技术研究方向，关注点都集中在设备运行状态的层面上，但是针对电力设备的物理状况(如设备外部情况、设备外壳缺陷等)缺乏关注，因此容易导致电力设备因受到外部物理条件的影响(例如存在异物覆盖产生腐蚀或影响散热，或者因小动物抓啃损坏设备外壳等)，从而影响电力设备的正常运行，使得针对智慧电网电力设备的安全运维管理工作存在缺陷。
发明内容
针对上述提出的电力设备的物理状况缺乏关注，因此容易导致电力设备因受到外部物理条件的影响，从而影响电力设备的正常运行，使得针对智慧电网电力设备的安全运维管理工作存在缺陷的技术问题，本发明旨在提供一种基于云计算和大数据分析的智慧电网安全运维***。
本发明的目的采用以下技术方案来实现：
本发明提出一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，包括数据采集终端、云计算服务器、现场执行终端；其中云计算服务器分别无线连接数据采集终端和现场执行终端；
数据采集终端用于采集电力设备的实时监测数据，并将采集到的实时监测数据传输到云计算服务器；其中实时监测数据包括电力设备图像监测数据；
云计算服务器用于根据获取的电力设备图像监测数据进行电力设备安全诊断，得到电力设备安全诊断结果，并根据得到的电力设备安全诊断结果生成相应的执行指令，将执行指令发送至现场执行终端；
现场执行终端用于执行接收到的执行指令，完成电力设备的现场安全维护。
优选的，电力设备包括变压器、变压箱。
优选的，该***还包括配置管理终端；
配置管理终端用于对数据采集终端信息、电力设备信息和现场执行终端信息进行初始化设置。
优选的，数据采集终端包括固定拍摄单元和无人机拍摄单元；
固定拍摄单元用于设置在电力设备现场，用于实时采集电力设备图像监测数据，并将采集到的电力设备图像监测数据传输到云计算服务器；
无人机拍摄单元用于根据巡检指令按照指定的飞行路线到达电力设备现场，并在巡检的过程中采集电力设备图像监测数据，并将采集到的电力设备图像监测数据传输到云计算服务器。
优选的，云计算服务器包括预处理单元、图像提取单元、安全诊断单元和指令生成单元；
预处理单元用于对获取的电力设备图像监测数据进行预处理，包括滤波、分帧等处理，得到预处理后的电力设备图像；
图像提取单元用于根据预处理后的电力设备图像进行目标提取处理，得到电力设备目标图像；
安全诊断单元用于将得到的电力设备目标图像输入到基于大数据训练好的安全诊断模型中，得到电力设备安全诊断结果；
指令生成单元用于当电力设备安全诊断结果出现异常时，生成相应的执行指令，并将执行指令传输到于异常电力设备对应的现场执行终端。
优选的，预处理单元对获取的电力设备图像监测数据进行预处理，具体包括：
根据获取的电力设备图像监测数据进行分帧处理，提取各个电力设备图像帧画面；
根据得到的各个电力设备图像帧画面进行滤波处理，得到预处理后的电力设备图像。
优选的，图像提取单元根据预处理后的电力设备图像进行目标提取，具体包括：
根据预处理后的电力设备图像进行边缘检测处理，并根据获取的边缘信息将预处理后的电力设备图像划分为前景部分和背景部分；
根据划分的前景部分进行图像分割，得到电力设备目标图像。
优选的，云计算服务器还包括模型训练单元；
模型训练单元用于从大数据库中提取电力设备目标图像，并根据提取的电力设备目标图像进行安全诊断标识，将带安全诊断标识的电力设备目标图像组成训练集和测试集；
采用训练集对安全诊断模型进行训练，并在完成训练后采用测试集对训练过的安全诊断模型进行测试，当测试的准确率超过设定的标准水平时，则完成安全诊断模型的训练，输出训练好的安全诊断模型；
当测试的准确率没有超过设定的标准水平时，则调整模型参数和进一步提供训练集对模型进行训练，直到安全诊断模型的准确率超过设定的标准水平。
优选的，安全诊断单元中，安全诊断模型基于CNN卷积神经网络结构搭建，其中安全诊断模型包括依次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、全连接层和输出层；其中输入层用于输入电力设备目标图像；第一卷积层包含32个卷积核，卷积核大小为3×3；第一池化层采用最大池化处理，包含32个卷积核，其中卷积核的大小为2×2；第二卷积层包含64个卷积核，其中卷积核的大小为1×1；第二池化层采用最大池化处理，包含64个卷积核，其中卷积核的大小为2×2；第三卷积层包含128个卷积核，其中卷积核的大小为2×2；全连接层包含128个节点，采用sigmoid激活函数；输出层采用softmax函数将上一层的数据进行归一化，将特征数据转化为0-1区间的数值，并根据得到的数值作为不同安全诊断结果的预测值，实现电力设备安全诊断分析。
优选的，现场执行终端包括蜂鸣单元和吹风单元；
蜂鸣单元用于当分析到电力设备安全诊断结果为电力设备存在人员或小动物停留时，则发出蜂鸣警报，以驱赶靠近的人员或小动物；
吹风单元用于当分析到电力设备安全诊断结果为电力设备存在异物覆盖时，对准电力设备吹出强风以吹落覆盖的异物。
本发明的有益效果为：本发明通过获取电力设备图像监测数据作为基础，并进一步基于云计算服务器对电力设备图像进行智能化的安全诊断分析，对电力设备的外部状况进行真全诊断分析，当分析到电力设备出现外部安全异常情况时，能够智能化地生成相应的执行指令，由电力设备现场的执行终端进行对外部安全异常情况进行排除，避免了电力设备因外部因素影响导致设备损坏和性能干扰等情况，提高了电力设备智能化安全运维的实时性和针对性。
同时，本发明基于云计算服务器完成数据智能化分析处理，能够基于云服务器的数据处理性能，实现大规模电力设备远程安全运维的需求。与传统的通过人工巡检对电力设备的外部异常情况进行排查的方式相比，本发明有助于降低人力成本，提高了安全运维的实时性水平。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明一种基于云计算和大数据分析的智慧电网安全运维***的示例性实施例结构示意图；
图2为本发明一种基于云计算和大数据分析的智慧电网安全运维***的示例性功能单元结构示意图。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1实施例所示的一种基于云计算和大数据分析的智慧电网安全运维***，包括数据采集终端、云计算服务器、现场执行终端；其中云计算服务器分别无线连接数据采集终端和现场执行终端；
数据采集终端用于采集电力设备的实时监测数据，并将采集到的实时监测数据传输到云计算服务器；其中实时监测数据包括电力设备图像监测数据；
云计算服务器用于根据获取的电力设备图像监测数据进行电力设备安全诊断，得到电力设备安全诊断结果，并根据得到的电力设备安全诊断结果生成相应的执行指令，将执行指令发送至现场执行终端；
现场执行终端用于执行接收到的执行指令，完成电力设备的现场安全维护。
本发明上述实施例，通过获取电力设备图像监测数据作为基础，并进一步基于云计算服务器对电力设备图像进行智能化的安全诊断分析，对电力设备的外部状况进行真全诊断分析，当分析到电力设备出现外部安全异常情况时，能够智能化地生成相应的执行指令，由电力设备现场的执行终端进行对外部安全异常情况进行排除，避免了电力设备因外部因素影响导致设备损坏和性能干扰等情况，提高了电力设备智能化安全运维的实时性和针对性。
同时，本发明基于云计算服务器完成数据智能化分析处理，能够基于云服务器的数据处理性能，实现大规模电力设备远程安全运维的需求。与传统的通过人工巡检对电力设备的外部异常情况进行排查的方式相比，本发明有助于降低人力成本，提高了安全运维的实时性水平。
优选的，电力设备包括变压器、变压箱等。
优选的，参见图2，该***还包括配置管理终端；
配置管理终端用于对数据采集终端信息、电力设备信息和现场执行终端信息进行初始化设置。
在***进行布置的时候，通过配置管理终端录入电力设备的基本信息，并将数据采集终端和现场执行终端的基本信息录入到***中，根据实际的设置情况，将电力设备与数据采集终端或者现场执行终端进行关联。
具体的，通过数据采集终端采集到的电力设备图像监测数据中携带有电力设备的基本信息，即获取的电力设备图像监测数据与电力设备相关联，根据电力设备图像监测数据进行分析得到的安全诊断结果也与对应的电力设备相关联，当安全诊断分析结果出现异常时，则可以对电力设备关联的现场执行终端进行控制，以使得关联的现场执行终端能够解除电力设备的异常情况。
优选的，数据采集终端包括固定拍摄单元和无人机拍摄单元；
固定拍摄单元用于设置在电力设备现场，用于实时采集电力设备图像监测数据，并将采集到的电力设备图像监测数据传输到云计算服务器；
无人机拍摄单元用于根据巡检指令按照指定的飞行路线到达电力设备现场，并在巡检的过程中采集电力设备图像监测数据，并将采集到的电力设备图像监测数据传输到云计算服务器。
具体的，数据采集终端能够通过固定拍摄单元的形式或者无人机拍摄单元的形式进行设置，其中固定拍摄单元固定设置在电力设备所在的场景中，其中固定拍摄单元与电力设备一对一设置，即通过固定拍摄单元采集的电力设备图像监测数据与指定的电力设备相关联；无人机拍摄单元能够根据需求灵活设置，在无人机执行巡检任务之前，能够首先输入巡检任务设计的电力设备信息，则通过无人机拍摄单元采集的电力设备图像监测数据与对应的电力设备相关联。
优选的，云计算服务器包括预处理单元、图像提取单元、安全诊断单元和指令生成单元；
预处理单元用于对获取的电力设备图像监测数据进行预处理，包括滤波、分帧等处理，得到预处理后的电力设备图像；
图像提取单元用于根据预处理后的电力设备图像进行目标提取处理，得到电力设备目标图像；
安全诊断单元用于将得到的电力设备目标图像输入到基于大数据训练好的安全诊断模型中，得到电力设备安全诊断结果；
指令生成单元用于当电力设备安全诊断结果出现异常时，生成相应的执行指令，并将执行指令传输到于异常电力设备对应的现场执行终端。
通过设置云计算服务器对采集到的电力设备图像监测数据进行集中的处理，基于云计算服务器强大的数据运算能力，能够有助于完成海量电力设备图像监测数据的实时分析任务，保证电力设备安全诊断的效果。
同时基于云计算服务器搭建的数据处理单元，能够根据预设的算法和模型对电力设备图像监测数据进行智能化的处理，提高了***的智能化水平。
优选的，预处理单元对获取的电力设备图像监测数据进行预处理，具体包括：
根据获取的电力设备图像监测数据进行分帧处理，提取各个电力设备图像帧画面；
根据得到的各个电力设备图像帧画面进行滤波处理，得到预处理后的电力设备图像。
针对获取的电力设备图像监测数据首先进行预处理，能够根据连续获取的图像监测数据提取相应的图像帧画面来进行进一步的处理，提高了图像监测数据处理的效果。同时基于获取的图像帧湖面首先进行滤波处理，能够有助于提高电力设备图像的质量，为根据电力设备图像进行安全诊断奠定基础。
优选的，预处理单元中，根据得到的各个电力设备图像帧画面进行滤波处理，具体包括：
针对当前电力设备图像帧画面，分别获取画面中各个像素点的动态特征系数，其中采用的动态特征系数计算函数为：
Figure BDA0004031953240000061
式中，D(x,y)表示坐标为(x,y)的像素点的动态特征系数；
Figure BDA0004031953240000062
Figure BDA0004031953240000063
表示灰度动态系数，其中At(x,y)表示当前时刻画面中坐标为(x,y)的像素点在RGB颜色模型下的颜色分量值，其中A＝r,g,b分别对应RGB颜色模型的红色分量值、绿色分量值和蓝色分量值；At-1(x,y)表示上一时刻画面中坐标为(x,y)的像素点在RGB颜色模型下的颜色分量值；
Figure BDA0004031953240000064
表示A＝r,g,b三种颜色分量下，|At(x,y)-At-1(x,y)|得到的最大值，
Figure BDA0004031953240000065
Figure BDA0004031953240000066
表示A＝r,g,b三种颜色分量下得到的|At(x,y)-At-1(x,y)|的平均值，ThresH1表示设定的灰度动态阈值，其中当
Figure BDA0004031953240000067
Figure BDA0004031953240000068
时，灰度动态系数
Figure BDA0004031953240000069
Figure BDA00040319532400000610
的取值为2，否则
Figure BDA00040319532400000611
Figure BDA00040319532400000612
的取值为0；FL(|Lt(x,y)-Lt-1(x,y)|,ThresL1)表示亮度动态系数，其中Lt(x,y)表示当前时刻画面中坐标为(x,y)的像素点在Lab颜色模型下的亮度分量值，Lt-1(x,y)表示前一时刻画面中坐标为(x,y)的像素点在Lab颜色模型下的亮度分量值；ThresL1表示设定的动态亮度阈值，当|Lt(x,y)-Lt-1(x,y)|>ThresL1时，FL(|Lt(x,y)-Lt-1(x,y)|,ThresL1)的取值为1，否则FL(|Lt(x,y)-Lt-1(x,y)|,ThresL1)的取值为0；
根据各像素点的动态特征系数，对像素点进行分类划分：
当像素点的动态特征系数D(x,y)＝2或3时，进一步对坐标为(x,y)的3×3范围内的其他邻域像素点(a,b)的动态特征系数进行统计，如果其他邻域像素点中动态特征系数D(a,b)＝2或3的像素点数量N(D(a,b)≥2)>4，则将以坐标为(x,y)的像素点为中心的3×3范围内的所有像素点标记为灰度动态像素点，并将灰度动态像素点存入灰度动态像素点集合colH中；否则如果其他邻域像素点中动态特征系数D(a,b)＝2或3的像素点数量N(D(a,b)≥2)≤4，则仅将坐标为(x,y)的像素点标记为灰度动态像素点，并将灰度动态像素点存入灰度动态像素点集合colH中；
在除灰度动态像素点集合外的其他像素点中继续进行分类检测，当像素点的动态特征D(x,y)＝1时，则将以坐标为(x,y)的像素点为中心的3×3范围内的所有非灰度动态像素点标记为亮度动态像素点，并将亮度动态像素点存入亮度动态像素点集合colL中；
并将剩余的非灰度动态像素点和非亮度动态像素点标记为一般像素点，将一般像素点存入一般像素点集合colN中；
分别针对各像素点集合的像素点进行动态调节处理，包括：
针对灰度动态像素点集合colH中的像素点进行K次迭代的灰度动态调节处理：
在第k轮迭代中，k＝1,2,…,K，针对灰度动态像素点集合colH中的像素点(x,y)∈colH，对灰度动态像素点进行灰度动态调节，其中采用的灰度动态调节函数为：
Figure BDA0004031953240000071
式中，
Figure BDA0004031953240000072
表示灰度动态调节的第k轮迭代中，坐标为(x,y)的像素点的灰度值，ht-1(x,y)表示上一时刻画面中坐标为(x,y)的像素点的灰度值；
Figure BDA0004031953240000073
表示第k-1轮迭代中，坐标为(x+i,y+j)的像素点的灰度值，其中
Figure BDA0004031953240000074
表示当前时刻画面中坐标为(x+i,y+j)的像素点的灰度值；
针对亮度动态像素点集合colL中的像素点进行亮度动态调节处理：
针对亮度动态像素点集合colL中的像素点(x,y)∈colL，对亮度动态像素点进行亮度动态调节，其中采用的亮度动态调节函数为：
Figure BDA0004031953240000081
式中，
Figure BDA0004031953240000082
表示亮度动态调节后坐标为(x,y)的像素点在Lab颜色模型下的亮度分量值；lt-1(x,y)表示前一时刻画面中坐标为(x,y)的像素点在Lab颜色模型下的亮度分量值；meanl表示当前时刻画面中各像素点的平均亮度分量值，stanl表示设定的标准亮度分量值；Num(X)表示画面中像素点的数量，Num(colL)表示亮度动态像素点集合中像素点的数量；
针对一般像素点集合colN中的像素点进行亮度动态调节处理：
针对一般像素点集合colN中的像素点(x,y)∈colN，对亮度动态像素点进行一般调节，其中采用的一般调节函数为：
Figure BDA0004031953240000083
Figure BDA0004031953240000084
表示亮度动态调节后坐标为(x,y)的像素点在Lab颜色模型下的亮度分量值；lt(x,y)表示当前时刻画面中坐标为(x,y)的像素点在Lab颜色模型下的亮度分量值；meanl表示当前时刻画面中各像素点的平均亮度分量值，stanl表示设定的标准亮度分量值；Num(X)表示画面中像素点的数量，Num(colN)表示一般像素点集合中像素点的数量；
分别对图像中的所有像素点完成动态调节处理处理后，输出预处理后的电力设备图像。
具体的，4≥K≥2；
考虑到在电力设备图像监测数据在采集的过程中，因电气设备设置在户外受到光照或漂浮物因素等影响，例如太阳光通过摆动的树叶后照射到电气设备上在电器设备上出现晃动的光照阴影，或者因落叶落下过程中导致出现电气设备图像画面出现漂浮遮挡物的情况，容易导致后续针对电力设备图像进行异物遮挡检测时出现误判的情况。因此，本发明特别提出了一种针对得到的连续电力设备图像监测数据进行预处理的技术方案，能够根据得到的视频画面帧中的像素点进行动态特征系数计算，通过动态特征系数来准确监测图像中出现的太阳光晃动像素点和漂浮物遮挡像素点，并对像素点进行归类；根据得到的灰度动态像素点，则根据像素点的灰度值来进行灰度调节处理，能够针对图像中的前景漂浮物进行自适应的模糊处理；针对亮度动态像素点，则根据像素点的亮度分量值来进行亮度调节处理，能够针对图像中的光影晃动像素点进行自适应的亮度均匀调节处理；能够有效剔除图像中因受到光照或漂浮物因素的影响，提高图像的清晰度。同时针对一般像素点进行整体的亮度调节处理，有助于对图像中的像素点的信息特征进行归一化调节，保证图像中特征信息的表征水平。通过上述方式对电力设备图像监测数据进行预处理，有助于提高电力设备目标图像的抗干扰性能，有助于提高电力设备目标图像中的特征表征水平，有助于提高后续根据电力设备目标图像进行安全诊断的可靠性和鲁棒性。
优选的，图像提取单元根据预处理后的电力设备图像进行目标提取，具体包括：
根据预处理后的电力设备图像进行边缘检测处理，并根据获取的边缘信息将预处理后的电力设备图像划分为前景部分和背景部分；
根据划分的前景部分进行图像分割，得到电力设备目标图像。
优选的，安全诊断单元中，安全诊断模型基于CNN卷积神经网络结构搭建，其中安全诊断模型包括依次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、全连接层和输出层；其中输入层用于输入电力设备目标图像；第一卷积层包含32个卷积核，卷积核大小为3×3；第一池化层采用最大池化处理，包含32个卷积核，其中卷积核的大小为2×2；第二卷积层包含64个卷积核，其中卷积核的大小为1×1；第二池化层采用最大池化处理，包含64个卷积核，其中卷积核的大小为2×2；第三卷积层包含128个卷积核，其中卷积核的大小为2×2；全连接层包含128个节点，采用sigmoid激活函数；输出层采用softmax函数将上一层的数据进行归一化，将特征数据转化为0-1区间的数值，并根据得到的数值作为不同安全诊断结果的预测值，实现电力设备安全诊断分析。
具体的，根据输出层输出的归一化数值，当输出在区间[0,0.2)时，则输出电力设备安全诊断结果为存在异物覆盖；当输出在区间[0.2,0.4)时，则输出电力设备安全诊断结果为存在小动物停留；当输出在区间[0.4,1)时，则输出电力设备安全诊断结果为正常。
优选的，云计算服务器还包括模型训练单元；
模型训练单元用于从大数据库中提取电力设备目标图像，并根据提取的电力设备目标图像进行安全诊断标识，将带安全诊断标识的电力设备目标图像组成训练集和测试集；
采用训练集对安全诊断模型进行训练，并在完成训练后采用测试集对训练过的安全诊断模型进行测试，当测试的准确率超过设定的标准水平时，则完成安全诊断模型的训练，输出训练好的安全诊断模型；
当测试的准确率没有超过设定的标准水平时，则调整模型参数和进一步提供训练集对模型进行训练，直到安全诊断模型的准确率超过设定的标准水平。
基于模型训练单元从大数据库中自动抓取电力设备目标图像，并在针对得到的目标图像进行专家标定后，组成用于模型训练的训练集和测试集，能够基于海量的数据对安全针对模型进行训练，有助于提高安全诊断模型的训练效果和可靠性。
具体的，其中训练集的构成包括针对不同型号电力设备的标准图像，以及当电力设备在不同外部情况(如被异物覆盖、电力设备上存在小动物、电力设备上存在人员等)下的图像；通过将不同情况下的标准图像进行标识构成训练集，能够提高安全诊断模型训练的准确度和适应性。
优选的，现场执行终端包括蜂鸣单元和吹风单元；
蜂鸣单元用于当分析到电力设备安全诊断结果为电力设备存在人员或小动物停留时，则发出蜂鸣警报，以驱赶靠近的人员或小动物；
吹风单元用于当分析到电力设备安全诊断结果为电力设备存在异物覆盖时，对准电力设备吹出强风以吹落覆盖的异物。
根据不同的安全诊断结果，通过现场执行终端对小动物进行驱赶或者对覆盖的异物进行去除，有助于降低电力设备因受到外部物理影响噪声的安全隐患，提高了智慧电网电力设备安全运维的可靠性和智能化水平。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (10)

1.一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，包括数据采集终端、云计算服务器、现场执行终端；其中云计算服务器分别无线连接数据采集终端和现场执行终端；
数据采集终端用于采集电力设备的实时监测数据，并将采集到的实时监测数据传输到云计算服务器；其中实时监测数据包括电力设备图像监测数据；
云计算服务器用于根据获取的电力设备图像监测数据进行电力设备安全诊断，得到电力设备安全诊断结果，并根据得到的电力设备安全诊断结果生成相应的执行指令，将执行指令发送至现场执行终端；
现场执行终端用于执行接收到的执行指令，完成电力设备的现场安全维护。
2.根据权利要求1所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，电力设备包括变压器、变压箱。
3.根据权利要求1所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，还包括配置管理终端；
配置管理终端用于对数据采集终端信息、电力设备信息和现场执行终端信息进行初始化设置。
4.根据权利要求1所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，数据采集终端包括固定拍摄单元和无人机拍摄单元；
固定拍摄单元用于设置在电力设备现场，用于实时采集电力设备图像监测数据，并将采集到的电力设备图像监测数据传输到云计算服务器；
无人机拍摄单元用于根据巡检指令按照指定的飞行路线到达电力设备现场，并在巡检的过程中采集电力设备图像监测数据，并将采集到的电力设备图像监测数据传输到云计算服务器。
5.根据权利要求1所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，云计算服务器包括预处理单元、图像提取单元、安全诊断单元和指令生成单元；
预处理单元用于对获取的电力设备图像监测数据进行预处理，包括滤波、分帧等处理，得到预处理后的电力设备图像；
图像提取单元用于根据预处理后的电力设备图像进行目标提取处理，得到电力设备目标图像；
安全诊断单元用于将得到的电力设备目标图像输入到基于大数据训练好的安全诊断模型中，得到电力设备安全诊断结果；
指令生成单元用于当电力设备安全诊断结果出现异常时，生成相应的执行指令，并将执行指令传输到于异常电力设备对应的现场执行终端。
6.根据权利要求5所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，预处理单元对获取的电力设备图像监测数据进行预处理，具体包括：
根据获取的电力设备图像监测数据进行分帧处理，提取各个电力设备图像帧画面；
根据得到的各个电力设备图像帧画面进行滤波处理，得到预处理后的电力设备图像。
7.根据权利要求5所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，图像提取单元根据预处理后的电力设备图像进行目标提取，具体包括：
根据预处理后的电力设备图像进行边缘检测处理，并根据获取的边缘信息将预处理后的电力设备图像划分为前景部分和背景部分；
根据划分的前景部分进行图像分割，得到电力设备目标图像。
8.根据权利要求5所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，云计算服务器还包括模型训练单元；
模型训练单元用于从大数据库中提取电力设备目标图像，并根据提取的电力设备目标图像进行安全诊断标识，将带安全诊断标识的电力设备目标图像组成训练集和测试集；
采用训练集对安全诊断模型进行训练，并在完成训练后采用测试集对训练过的安全诊断模型进行测试，当测试的准确率超过设定的标准水平时，则完成安全诊断模型的训练，输出训练好的安全诊断模型；
当测试的准确率没有超过设定的标准水平时，则调整模型参数和进一步提供训练集对模型进行训练，直到安全诊断模型的准确率超过设定的标准水平。
9.根据权利要求5所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，安全诊断单元中，安全诊断模型基于CNN卷积神经网络结构搭建，其中安全诊断模型包括依次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、全连接层和输出层；其中输入层用于输入电力设备目标图像；第一卷积层包含32个卷积核，卷积核大小为3×3；第一池化层采用最大池化处理，包含32个卷积核，其中卷积核的大小为2×2；第二卷积层包含64个卷积核，其中卷积核的大小为1×1；第二池化层采用最大池化处理，包含64个卷积核，其中卷积核的大小为2×2；第三卷积层包含128个卷积核，其中卷积核的大小为2×2；全连接层包含128个节点，采用sigmoid激活函数；输出层采用softmax函数将上一层的数据进行归一化，将特征数据转化为0-1区间的数值，并根据得到的数值作为不同安全诊断结果的预测值，实现电力设备安全诊断分析。
10.根据权利要求1所述的一种基于云计算和大数据分析的智慧电网安全运维***，其特征在于，现场执行终端包括蜂鸣单元和吹风单元；
蜂鸣单元用于当分析到电力设备安全诊断结果为电力设备存在人员或小动物停留时，则发出蜂鸣警报，以驱赶靠近的人员或小动物；
吹风单元用于当分析到电力设备安全诊断结果为电力设备存在异物覆盖时，对准电力设备吹出强风以吹落覆盖的异物。
CN202211736601.XA 2022-12-30 2022-12-30 一种基于云计算和大数据分析的智慧电网安全运维*** Pending CN116094159A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211736601.XA CN116094159A (zh) 2022-12-30 2022-12-30 一种基于云计算和大数据分析的智慧电网安全运维***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211736601.XA CN116094159A (zh) 2022-12-30 2022-12-30 一种基于云计算和大数据分析的智慧电网安全运维***

Publications (1)

Publication Number Publication Date
CN116094159A true CN116094159A (zh) 2023-05-09

Family

ID=86213241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211736601.XA Pending CN116094159A (zh) 2022-12-30 2022-12-30 一种基于云计算和大数据分析的智慧电网安全运维***

Country Status (1)

Country Link
CN (1) CN116094159A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116824444A (zh) * 2023-06-13 2023-09-29 南方电网数字平台科技(广东)有限公司 一种基于ai视频分析的输电检测***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116824444A (zh) * 2023-06-13 2023-09-29 南方电网数字平台科技(广东)有限公司 一种基于ai视频分析的输电检测***

Similar Documents

Publication Publication Date Title
CN108898077B (zh) 电力设备红外热图的识别方法和电力设备红外识别***
CN108537154B (zh) 基于hog特征和机器学习的输电线路鸟巢识别方法
WO2020199538A1 (zh) 基于图像监控数据的桥梁关键构件病害预警***及方法
CN110084165B (zh) 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法
CN108875821A (zh) 分类模型的训练方法和装置、移动终端、可读存储介质
CN111784633B (zh) 一种面向电力巡检视频的绝缘子缺损自动检测算法
CN108109385B (zh) 一种输电线防外破的车辆识别与危险行为判别***与方法
CN110567964B (zh) 一种检测变电设备缺陷的方法、装置及存储介质
CN112200011B (zh) 曝气池状态检测方法、***、电子设备及存储介质
CN109297978B (zh) 基于双目成像的电力线路无人机巡检及缺陷智能诊断***
WO2024000927A1 (zh) 一种基于深度学习的无人机影像地质灾害自动提取方法
CN116094159A (zh) 一种基于云计算和大数据分析的智慧电网安全运维***
CN115131325A (zh) 一种基于图像识别分析的断路器故障运维监测方法及***
CN109389322A (zh) 基于目标检测和长短时记忆模型的导地线断散股识别方法
CN115936672A (zh) 一种智慧电网在线安全运维管理方法和***
CN114387558B (zh) 一种基于多维视频的变电站监控方法及***
CN116310274A (zh) 一种输变电设备的状态评估方法
CN116058195A (zh) 一种叶菜生长环境光照调控方法、***及装置
CN115082813A (zh) 检测方法、无人机、检测***及介质
CN113055657A (zh) 基于电网线路巡检的图像采集方法和***
CN107977959B (zh) 一种适用于电力作业机器人的呼吸器状态识别方法
CN115912183B (zh) 高压输电线路生态措施巡视方法、***及可读存储介质
CN111985472A (zh) 基于人工智能和主动球机的食槽干草温度图像处理方法
CN113284103B (zh) 基于空间变换Faster R-CNN模型的变电站设备缺陷在线检测方法
CN114841932A (zh) 光伏电站的光伏板的异物检测方法、***、设备及介质

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