CN116545111A - 一种基于变电站内外网的信息交互*** - Google Patents
一种基于变电站内外网的信息交互*** Download PDFInfo
- Publication number
- CN116545111A CN116545111A CN202310511186.6A CN202310511186A CN116545111A CN 116545111 A CN116545111 A CN 116545111A CN 202310511186 A CN202310511186 A CN 202310511186A CN 116545111 A CN116545111 A CN 116545111A
- Authority
- CN
- China
- Prior art keywords
- fault
- image
- gray
- transformer substation
- sequence
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 15
- 230000003287 optical effect Effects 0.000 claims abstract description 12
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 4
- 230000005855 radiation Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 17
- 239000012634 fragment Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- 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
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
- H02J13/00034—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving an electric power substation
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/001—Methods to deal with contingencies, e.g. abnormalities, faults or failures
- H02J3/0012—Contingency detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于变电站内外网的信息交互***,属于电网设备运维技术领域,具体包括以下步骤:采集变电站故障图像以及对应的故障类型,将故障图像和对应的故障类型输入卷积神经网络进行深度学习训练,获得线路故障识别模型;获取巡查区域内的红外监控信息,根据红外监控户信息识别变电站中红外辐射强度中的异常强度;若异常强度的持续时间大于预设时长,则选取异常强度所在位置的光学监控信息,提取发生故障的故障视频片段并存档;识别视频片段中的特定故障图像,并将特定故障图像输入线路故障识别模型,识别变电站的故障类型;本发明实现了自动获取故障发生时的视频片段和自动识别故障类型。
Description
技术领域
本发明涉及电网管理技术领域,具体涉及一种基于变电站内外网的信息交互***。
背景技术
农业变电站广泛分布于地广人稀的农村地区,为保证农业电网安全运行,电力线路和设备运维人员目前主要采用定期巡视线路和设备,运维人员携带多种监测仪器,对区域内的变电站设备进行监测和记录。但是,由于现有的检测仪器数量多、体积大,且安全系数有限,运维人员携带多种监测仪器对电网主设备进行巡察监测时,便捷性较差,且当变电站发生漏电时,运维人员容易发生触电事故,安全性较差;
而且工作人员只能对故障发生后的变电站进行分析,无法获知故障发生时的具体情况,难以根据故障发生时的视频细节分析相应的故障类型和处理手段,缺乏一种变电站故障的自动识别和信息交互方法。
发明内容
本发明的目的在于提供一种基于变电站内外网的信息交互***,解决以下技术问题:
工作人员只能对故障发生后的农业变电站进行分析,无法获知故障发生时的具体情况,难以根据故障发生时的视频细节分析相应的故障类型和处理手段,缺乏一种农业变电站故障的自动识别和信息交互方法。
本发明的目的可以通过以下技术方案实现:
一种基于变电站内外网的信息交互***,包括以下步骤:
建立图像库,采集变电站故障图像以及对应的故障类型,将所述故障图像和对应的故障类型输入卷积神经网络进行深度学习训练,获得线路故障识别模型;
设定巡查区域,获取巡查区域内的红外监控信息,根据所述红外监控户信息识别变电站中红外辐射强度大于预设强度的分段,并标记为异常强度;
若所述异常强度的持续时间大于预设时长,则选取所述异常强度所在位置的光学监控信息,提取发生故障的故障视频片段并存档;
识别所述视频片段中的特定故障图像,并将所述特定故障图像输入所述线路故障识别模型,识别变电站的故障类型并发出相应警报。
作为本发明进一步的方案:提取故障发生时的视频片段的过程包括:
获取所述异常强度大于预设强度时的时间点t,选取t-t1到t+t1的红外监控信息并标记为待识别监控信息,t1为预设时间间隔。
作为本发明进一步的方案:提取故障发生时的视频片段的过程还包括:
将所述待识别监控信息拆分为图像帧序列,对所述图像帧序列进行灰度处理获得灰度图像帧序列,识别灰度图像帧序列中像素点的灰度值Ii(x,y),其中(x,y)表示像素点在当前灰度图像帧中的位置,i表示像素点所在灰度图像帧在序列中的次序,i=1,…,n,通过公式C=|Ii+1(x,y)-Ii(x,y)|计算相邻灰度图像帧之间相同位置像素点的灰度差值,若C≥d,则对应像素点为故障区域,d为预设的光照变化阈值,若C<d,则对应像素点为背景区域。
作为本发明进一步的方案:提取故障发生时的视频片段的过程还包括;
统计故障区域占背景区域的比例a,选取灰度图像帧序列中比例a在时间顺序中第一次和最后一次超过预设阈值的灰度图像帧,分别标记为G1和G2,获取G1和G2分别对应的时间坐标t2和t3,选取光学监控信息中位于t2和t3之间的视频片段并标记为故障视频片段。
作为本发明进一步的方案:识别所述视频片段中的特定故障图像的过程为:
获取所述故障视频片段对应时间段的灰度视频片段,将所述灰度视频片段拆分为故障图像帧序列,获取所有故障图像帧的灰度平均值,计算所有相邻故障图像帧之间的灰度平均值的灰度差值,所述灰度差值为绝对值,基于对应的故障图像帧序列生成灰度差值序列,获取所述灰度差值序列中低于预设阈值f的灰度差值并标记为待定灰度差值,若存在时间顺序上连续的待定灰度差值序列,则选取所述待定灰度差值序列中间位置对应的故障图像帧,并判定为特点故障图像;若不存在时间顺序上连续的待定灰度差值序列,则将预设阈值f更新为2f。
作为本发明进一步的方案:若存在所述线路故障识别模型无法识别的特定故障图像,则将该特定故障图像标记为待识别图像,选取待识别图像对应的故障视频片段,对所述故障视频片段进行人工识别,获取人工识别出待识别图像的变电站故障结果,将所述待识别图像和所述变电站结果共同输入线路故障识别模型,并再次进行深度学习训练,对线路故障识别模型进行反向传播更新。
作为本发明进一步的方案:所述图像库中的变电站故障图像的故障类型由人工进行识别。
作为本发明进一步的方案:所述红外监控信息和光学监控信息基于监测点进行获取,所述监测点等间隔设置于变电站中。
本发明的有益效果:
本发明首先基于红外监控信息识别农业变电站是否有故障发生,从而确定具体的位置和时间点,并通过对红外监控信息的变化区域与背景区域进行分析,以此获取故障发生的具体时间段,提取该时间段对应的具体光学故障视频片段,于是基于明确的故障视频片段对农业变电站发生的故障进行分析研究,便于根据故障发生时的视频细节分析相应的故障类型和处理手段;并提取故障视频片段中的特点故障类型,通过故障识别模型辅助工作人员对故障进行分析,从而提升了农业变电站的巡查和监控效率。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种基于变电站内外网的信息交互***,包括以下步骤:
建立图像库,采集变电站故障图像以及对应的故障类型,将所述故障图像和对应的故障类型输入卷积神经网络进行深度学习训练,获得线路故障识别模型;
设定巡查区域,获取巡查区域内的红外监控信息,根据所述红外监控户信息识别变电站中红外辐射强度大于预设强度的分段,并标记为异常强度;
若所述异常强度的持续时间大于预设时长,则选取所述异常强度所在位置的光学监控信息,提取发生故障的故障视频片段并存档;
识别所述视频片段中的特定故障图像,并将所述特定故障图像输入所述线路故障识别模型,识别变电站的故障类型并发出相应警报;
现有技术中,工作人员只能对故障发生后的农业变电站进行分析,无法获知故障发生时的具体情况,难以根据故障发生时的视频细节分析相应的故障类型和处理手段,缺乏一种农业变电站故障的自动识别和信息交互方法;
于是本发明首先基于红外监控信息识别农业变电站是否有故障发生,从而确定具体的位置和时间点,并通过对红外监控信息的变化区域与背景区域进行分析,以此获取故障发生的具体时间段,提取该时间段对应的具体光学故障视频片段,于是基于明确的故障视频片段对农业变电站发生的故障进行分析研究,便于根据故障发生时的视频细节分析相应的故障类型和处理手段;并提取故障视频片段中的特点故障类型,通过故障识别模型辅助工作人员对故障进行分析,从而提升了农业变电站的巡查和监控效率。
在本发明的一种优选的实施例中,提取故障发生时的视频片段的过程包括:
获取所述异常强度大于预设强度时的时间点t,选取t-t1到t+t1的红外监控信息并标记为待识别监控信息,t1为预设时间间隔。
在本实施例的一种优选的情况中,提取故障发生时的视频片段的过程还包括:
将所述待识别监控信息拆分为图像帧序列,对所述图像帧序列进行灰度处理获得灰度图像帧序列,识别灰度图像帧序列中像素点的灰度值Ii(x,y),其中(x,y)表示像素点在当前灰度图像帧中的位置,i表示像素点所在灰度图像帧在序列中的次序,i=1,…,n,通过公式C=|Ii+1(x,y)-Ii(x,y)|计算相邻灰度图像帧之间相同位置像素点的灰度差值,若C≥d,则对应像素点为故障区域,d为预设的光照变化阈值,若C<d,则对应像素点为背景区域。
在本实施例的另一种优选的情况中,提取故障发生时的视频片段的过程还包括;
统计故障区域占背景区域的比例a,选取灰度图像帧序列中比例a在时间顺序中第一次和最后一次超过预设阈值的灰度图像帧,分别标记为G1和G2,获取G1和G2分别对应的时间坐标t2和t3,选取光学监控信息中位于t2和t3之间的视频片段并标记为故障视频片段。
在本实施例的另一种优选的情况中,识别所述视频片段中的特定故障图像的过程为:
获取所述故障视频片段对应时间段的灰度视频片段,将所述灰度视频片段拆分为故障图像帧序列,获取所有故障图像帧的灰度平均值,计算所有相邻故障图像帧之间的灰度平均值的灰度差值,所述灰度差值为绝对值,基于对应的故障图像帧序列生成灰度差值序列,获取所述灰度差值序列中低于预设阈值f的灰度差值并标记为待定灰度差值,若存在时间顺序上连续的待定灰度差值序列,则选取所述待定灰度差值序列中间位置对应的故障图像帧,并判定为特点故障图像;若不存在时间顺序上连续的待定灰度差值序列,则将预设阈值f更新为2f。
在本发明的一种优选的实施例中,若存在所述线路故障识别模型无法识别的特定故障图像,则将该特定故障图像标记为待识别图像,选取待识别图像对应的故障视频片段,对所述故障视频片段进行人工识别,获取人工识别出待识别图像的变电站故障结果,将所述待识别图像和所述变电站结果共同输入线路故障识别模型,并再次进行深度学习训练,对线路故障识别模型进行反向传播更新。
在本发明的一种优选的实施例中,所述图像库中的变电站故障图像的故障类型由人工进行识别。
在本发明的一种优选的实施例中,所述红外监控信息和光学监控信息基于监测点进行获取,所述监测点等间隔设置于变电站中。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.一种基于变电站内外网的信息交互***,其特征在于,包括以下步骤:
建立图像库,采集变电站故障图像以及对应的故障类型,将所述故障图像和对应的故障类型输入卷积神经网络进行深度学习训练,获得线路故障识别模型;
设定巡查区域,获取巡查区域内的红外监控信息,根据所述红外监控户信息记录变电站中红外辐射强度大于预设强度的时间,并标记为异常强度;
若所述异常强度的持续时间大于预设时长,则选取所述异常强度所在位置的光学监控信息,提取发生故障的故障视频片段并存档;否则继续识别;
识别所述视频片段中的特定故障图像,并将所述特定故障图像输入所述线路故障识别模型,识别变电站的故障类型并发出相应警报。
2.根据权利要求1所述的一种基于变电站内外网的信息交互***,其特征在于,提取故障发生时的视频片段的过程包括:
获取所述异常强度大于预设强度时的时间点t,选取t-t1到t+t1的红外监控信息并标记为待识别监控信息,t1为预设时间间隔。
3.根据权利要求2所述的一种基于变电站内外网的信息交互***,其特征在于,提取故障发生时的视频片段的过程还包括:
将所述待识别监控信息拆分为图像帧序列,对所述图像帧序列进行灰度处理获得灰度图像帧序列,识别灰度图像帧序列中像素点的灰度值Ii(x,y),其中(x,y)表示像素点在当前灰度图像帧中的位置,i表示像素点所在灰度图像帧在序列中的次序,i=1,…,n,通过公式C=|Ii+1(x,y)-Ii(x,y)|计算相邻灰度图像帧之间相同位置像素点的灰度差值,若C≥d,则对应像素点为故障区域,d为预设的光照变化阈值,若C<d,则对应像素点为背景区域。
4.根据权利要求3所述的一种基于变电站内外网的信息交互***,其特征在于,提取故障发生时的视频片段的过程还包括;
统计故障区域占背景区域的比例a,选取灰度图像帧序列中比例a在时间顺序中第一次和最后一次超过预设阈值的灰度图像帧,分别标记为G1和G2,获取G1和G2分别对应的时间坐标t2和t3,选取光学监控信息中位于t2和t3之间的视频片段并标记为故障视频片段。
5.根据权利要求3所述的一种基于变电站内外网的信息交互***,其特征在于,识别所述视频片段中的特定故障图像的过程为:
获取所述故障视频片段对应时间段的灰度视频片段,将所述灰度视频片段拆分为故障图像帧序列,获取所有故障图像帧的灰度平均值,计算所有相邻故障图像帧之间的灰度平均值的灰度差值,所述灰度差值为绝对值,基于对应的故障图像帧序列生成灰度差值序列,获取所述灰度差值序列中低于预设阈值f的灰度差值并标记为待定灰度差值,若存在时间顺序上连续的待定灰度差值序列,则选取所述待定灰度差值序列中间位置对应的故障图像帧,并判定为特点故障图像;若不存在时间顺序上连续的待定灰度差值序列,则将预设阈值f更新为2f。
6.根据权利要求1所述的一种基于变电站内外网的信息交互***,其特征在于,若存在所述线路故障识别模型无法识别的特定故障图像,则将该特定故障图像标记为待识别图像,选取待识别图像对应的故障视频片段,对所述故障视频片段进行人工识别,获取人工识别出待识别图像的变电站故障结果,将所述待识别图像和所述变电站结果共同输入线路故障识别模型,并再次进行深度学习训练,对线路故障识别模型进行反向传播更新。
7.根据权利要求1所述的一种基于变电站内外网的信息交互***,其特征在于,所述图像库中的变电站故障图像的故障类型由人工进行识别。
8.根据权利要求1所述的一种基于变电站内外网的信息交互***,其特征在于,所述红外监控信息和光学监控信息基于监测点进行获取,所述监测点等间隔设置于变电站中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310511186.6A CN116545111A (zh) | 2023-05-06 | 2023-05-06 | 一种基于变电站内外网的信息交互*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310511186.6A CN116545111A (zh) | 2023-05-06 | 2023-05-06 | 一种基于变电站内外网的信息交互*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116545111A true CN116545111A (zh) | 2023-08-04 |
Family
ID=87444788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310511186.6A Pending CN116545111A (zh) | 2023-05-06 | 2023-05-06 | 一种基于变电站内外网的信息交互*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116545111A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811218A (zh) * | 2024-02-29 | 2024-04-02 | 广东电网有限责任公司 | 一种无人机输变配一体化协同巡检方法 |
-
2023
- 2023-05-06 CN CN202310511186.6A patent/CN116545111A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117811218A (zh) * | 2024-02-29 | 2024-04-02 | 广东电网有限责任公司 | 一种无人机输变配一体化协同巡检方法 |
CN117811218B (zh) * | 2024-02-29 | 2024-05-14 | 广东电网有限责任公司 | 一种无人机输变配一体化协同巡检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116545111A (zh) | 一种基于变电站内外网的信息交互*** | |
CN113554360A (zh) | 一种输电线路运行状态可视化管理方法、***及存储介质 | |
CN112365186A (zh) | 一种电力信息***健康度评估方法及其评估*** | |
CN116152202A (zh) | 基于图像识别技术和红外热成像技术的设备外观检测*** | |
CN117493498B (zh) | 基于工业互联网的电力数据挖掘与分析*** | |
CN117498225B (zh) | 一种无人机智能电力线路巡检*** | |
CN115062901A (zh) | 一种电力信息化综合绩效的评估方法 | |
CN117522380B (zh) | 基于热电运维的故障机理运维周期管理*** | |
CN117390944A (zh) | 一种变电站运行工况仿真*** | |
CN117319809A (zh) | 一种监控视野的智能调节方法 | |
CN110455370B (zh) | 防汛抗旱远程遥测显示*** | |
CN117374789A (zh) | 一种应用于变电站的智能巡视方法及*** | |
CN115984756B (zh) | 一种基于数据分析的农业电网线路巡查管理方法 | |
CN116859842A (zh) | 一种化工生产线安全评估*** | |
CN116362561A (zh) | 一种基于大数据的集控站运行辅助决策方法 | |
CN113036917B (zh) | 一种基于机器学习的配电网监控信息监视***和方法 | |
CN116185757A (zh) | 机房能耗智能监测*** | |
CN114967574A (zh) | 电力设备远程监控管理*** | |
CN114282782A (zh) | 一种基于3d可视化和物联网技术的智慧能耗管理*** | |
CN113835387A (zh) | 运维管理方法、***及介质 | |
CN112132819A (zh) | 一种基于人工智能的通信网管监控方法 | |
CN118015737B (zh) | 基于物联网的智能门锁联合控制*** | |
CN117197770B (zh) | 一种基于物联网的巡检全流程数据监管***及方法 | |
CN115393353B (zh) | 医学影像数据质量监测管理方法及*** | |
CN117639260A (zh) | 一种基于可靠性分析的巡视管理方法及*** |
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 |