CN116699318A - 基于边缘计算的漏电检测方法及*** - Google Patents
基于边缘计算的漏电检测方法及*** Download PDFInfo
- Publication number
- CN116699318A CN116699318A CN202310930486.8A CN202310930486A CN116699318A CN 116699318 A CN116699318 A CN 116699318A CN 202310930486 A CN202310930486 A CN 202310930486A CN 116699318 A CN116699318 A CN 116699318A
- Authority
- CN
- China
- Prior art keywords
- data
- current interaction
- description
- current
- local current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 230000003993 interaction Effects 0.000 claims abstract description 284
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000005856 abnormality Effects 0.000 claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims description 60
- 238000000611 regression analysis Methods 0.000 claims description 24
- 230000004807 localization Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000007704 transition Effects 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000001012 protector Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/09—Management thereof
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本申请提供的基于边缘计算的漏电检测方法及***,获得状态与之最接近的电流交互数据,进而基于该电流交互数据中的节点电流信息,将样本电流数据与局部电流交互描述内容进行并集处理,得到并集处理结果。先获得目标对象所对应的各种局部电流交互数据状态下的电流交互数据,在各电流交互数据中包括在不同局部电流交互数据状态下的节点电流信息,能够确定出电流异常数据,针对性的对电流异常数据本申请采用边缘计算的技术对异常的位置进行定位,这样能够准确的获得电流情况,从而能耗判断出是否存在漏电的问题,根据漏电问题,能够精确的定位出漏电位置,这样一来,在本技术领域人员进行维修时,能够提高本技术领域人员的工作效率。
Description
技术领域
本申请涉及漏电检测技术领域,具体而言,涉及基于边缘计算的漏电检测方法及***。
背景技术
边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。而云端计算,仍然可以访问边缘计算的历史数据。
现目前,针对漏电具***置的确定需要本技术领域人员进行逐一排查,这样不仅浪费时间,还浪费大量的人力和成本。因此,亟需一种技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了基于边缘计算的漏电检测方法及***。
第一方面,提供一种基于边缘计算的漏电检测方法,所述方法包括:获得目标对象对应的若干个电流交互数据,其中,所述若干个电流交互数据分别对应于局部电流交互数据的不同状态,各个电流交互数据包括节点电流信息,且标记了对应局部电流交互数据状态下局部电流交互数据中X个重要描述要素的定位数据,X为大于0的整数;获得局部电流交互描述内容,并从所述局部电流交互描述内容中确定所述X个重要描述要素的定位数据;将每一个电流交互数据中X个重要描述要素的定位数据与所述局部电流交互描述内容中X个重要描述要素的定位数据关联的电流交互数据,确定为与所述局部电流交互描述内容中局部电流交互数据状态关联的电流异常数据;将所述局部电流交互描述内容和样本电流数据进行并集处理,得到并集处理结果,将所述并集处理结果与所述电流异常数据中的节点电流信息进行比对,确定出电流异常数据对应的定位信息。
在一种独立实施的实施例中,针对每一种对象,通过以下过程得到所述对象对应的若干个电流交互数据:获得所述对象对应的空间定位线程和空间描述线程;依照指定的相对定位系数,将所述空间定位线程和所述空间描述线程进行整合;所述相对定位系数是基于实时的头部和头发的相对定位进行设置的;依照指定的单位角度同步旋转所述空间定位线程与所述空间描述线程以形成不同的局部电流交互数据状态,且针对各个局部电流交互数据状态,获得整合的所述空间定位线程和所述空间描述线程的电流交互数据。
在一种独立实施的实施例中,所述将每一个电流交互数据中X个重要描述要素的定位数据与所述局部电流交互描述内容中X个重要描述要素的定位数据关联的电流交互数据,确定为所述电流异常数据,包括:分别针对各个电流交互数据中X个重要描述要素的定位数据,获得各个重要描述要素分别与所述局部电流交互描述内容中X个重要描述要素中对应重要描述要素的定位误差相加后的误差总和;将每一个电流交互数据中对应的误差总和的值最小的电流交互数据确定为所述电流异常数据。
在一种独立实施的实施例中,从所述局部电流交互描述内容中确定所述X个重要描述要素的定位数据,包括:从所述局部电流交互描述内容中确定所述X个重要描述要素中可见的重要描述要素的定位数据;根据可见的重要描述要素的定位数据以及事先配置的重要描述要素回归分析线程,回归分析所述X个重要描述要素中遮挡的重要描述要素的定位数据。
在一种独立实施的实施例中,所述重要描述要素回归分析线程包括对应于若干个特征描述要素的重要描述要素回归分析子线程,则根据可见的重要描述要素的定位数据以及事先配置的重要描述要素回归分析线程,回归分析所述X个重要描述要素中遮挡的重要描述要素的定位数据,包括:针对每一特征描述要素,结合所述特征描述要素中可见的重要描述要素的定位数据以及所述特征描述要素对应的重要描述要素回归分析子线程,回归分析所述特征描述要素中遮挡的重要描述要素的定位数据。
在一种独立实施的实施例中,在所述依照指定的相对定位系数,将所述空间定位线程和所述空间描述线程进行整合之后,所述方法还包括:针对各个局部电流交互数据状态,标记局部电流交互数据状态下采集的电流交互数据的局部电流交互数据方向;则从所述若干个电流交互数据中确定与所述局部电流交互描述内容中局部电流交互数据状态关联的电流异常数据,包括:采用指定的局部电流交互数据方向确定方法,确定所述局部电流交互描述内容中局部电流交互数据方向;将每一个电流交互数据中局部电流交互数据方向与所述局部电流交互描述内容中局部电流交互数据方向关联的电流交互数据,确定为所述电流异常数据。
在一种独立实施的实施例中,将所述局部电流交互描述内容和样本电流数据进行并集处理,得到并集处理结果,将所述并集处理结果与所述电流异常数据中的节点电流信息进行比对,确定出异常数据对应的定位信息,包括:获得所述电流异常数据中局部电流交互数据状态与所述局部电流交互描述内容中局部电流交互数据状态的差异值;结合所述差异值对所述电流异常数据进行优化,使得优化后的电流异常数据中局部电流交互数据状态与所述局部电流交互描述内容中局部电流交互数据状态的差异值小于预设差异值目标值;根据优化后的电流异常数据中的节点电流信息,将所述局部电流交互描述内容和样本电流数据进行并集处理。
在一种独立实施的实施例中,所述样本电流数据为事先设定的标准用电数据。
在一种独立实施的实施例中,所述将所述局部电流交互描述内容和样本电流数据进行并集处理,得到并集处理结果,将所述并集处理结果与所述电流异常数据中的节点电流信息进行比对,确定出异常数据对应的定位信息,包括:结合所述电流异常数据中的节点电流信息,从所述样本电流数据中提取节点电流信息对应的局部电流情况异常数据;将所述局部电流情况异常数据组合在所述局部电流交互描述内容上,并根据组合得到的过渡异常数据得到所述并集处理结果。
在一种独立实施的实施例中,所述方法还包括:从所述局部电流交互描述内容中提取局部电流交互数据区域异常数据;则将所述局部电流情况异常数据与所述局部电流交互描述内容进行组合,并根据组合得到的过渡异常数据得到所述并集处理结果,包括:将所述局部电流交互数据区域异常数据组合在所述过渡异常数据上,以得到所述并集处理结果。
第二方面,提供一种基于边缘计算的漏电检测***,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
本申请实施例所提供的基于边缘计算的漏电检测方法及***,针对某一目标对象,先获得该对象在不同局部电流交互数据状态下的电流交互数据,且各个电流交互数据中都包括了节点电流信息,因而在获得到局部电流交互描述内容后,可以将局部电流交互描述内容与各电流交互数据进行关联,获得状态与之最接近的电流交互数据,进而基于该电流交互数据中的节点电流信息,将样本电流数据与局部电流交互描述内容进行并集处理,得到并集处理结果。先获得目标对象所对应的各种局部电流交互数据状态下的电流交互数据,在各电流交互数据中包括在不同局部电流交互数据状态下的节点电流信息,能够确定出电流异常数据,针对性的对电流异常数据本申请采用边缘计算的技术对异常的位置进行定位,这样能够准确的获得电流情况,从而能耗判断出是否存在漏电的问题,根据漏电问题,能够精确的定位出漏电位置,这样一来,在本技术领域人员进行维修时,能够提高本技术领域人员的工作效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种基于边缘计算的漏电检测方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种基于边缘计算的漏电检测方法,该方法可以包括以下步骤301-步骤303所描述的技术方案。
步骤301:获得目标对象对应的若干个电流交互数据。
示例性的,若干个电流交互数据可以是从台区设备(比如:充电桩、电表以及电容器等)中按照一定时间获得的数据,比如,可以按照1个月作为一个周期,也可以一周作为一个周期等设定方式,周期越短统计的若干个电流交互数据越准确。
具体的,可以获得空间描述线程和将要获得电流交互数据的对象对应的空间定位线程。
在获得空间定位线程和空间描述线程之后,可以依照指定的相对定位系数,将空间定位线程和空间描述线程进行整合。其中,空间定位线程可以理解为二维坐标,空间描述线程可以理解为描述的具体的哪个区哪个街道,通过二者的配合能够快速的获得对应的位置,本申请采用的是二维平面关系,这样可以降低边缘计算设备的处理压力。其中,二维空间或译二度空间(Second Dimension)是指仅由宽度→水平线和高度→垂直线(在几何学中为X轴和Y轴)两个要素所组成的平面空间,只在平面延伸扩展,同时也是美术上的一个术语,例如绘画便是要将三维空间的事物,用二维空间来展现。其中,空间定位线程和空间描述线程可以设置在漏电指示器或者漏电保护器中;进一步地,漏电指示器和漏电保护器在进行安装时可根据需要采用其中一种。
其中,整合的过程可以理解为将空间定位线程固定在空间描述线程的过程,且在整合之后,空间定位线程和空间描述线程之间的相对定位关系则会保持固定。
空间定位线程和空间描述线程进行整合之后,则可以依照指定的单位角度同步旋转空间定位线程与空间描述线程以形成不同的局部电流交互数据状态,且针对各个局部电流交互数据状态,获得整合的空间定位线程和空间描述线程的电流交互数据。其中,由于空间定位线程和空间描述线程之间的相对定位关系是保持固定的,因此可以旋转空间定位线程或者空间描述线程,相应的,另一线程则会同步进行旋转。
具体的,为了便于后续进行局部电流交互数据状态的关联,在空间描述线程的局部电流交互数据区域中预先定义了X个重要描述要素,且可以为各个重要描述要素设置对应的标记,各个重要描述要素的标记是固定不变的。那么相应的,在将整合好的空间定位线程与空间描述线程进行同步旋转时,还可以记录下各局部电流交互数据状态下采集的电流交互数据的局部电流交互数据中X个重要描述要素的定位数据,定位数据既可以为X个重要描述要素的坐标。
在具体实施时,可以依照一定的单位角度同步旋转整合好的空间定位线程与空间描述线程,并且在每一次旋转之后,渲染得到当前局部电流交互数据状态下的电流交互数据,并标记当前局部电流交互数据状态下采集的电流交互数据的局部电流交互数据中X个重要描述要素的定位数据,从而得到若干个电流交互数据,形成每一对象对应的电流交互数据库,在电流交互数据中的每一电流交互数据中均包括节点电流信息,以及标记了局部电流交互数据中X个重要描述要素的定位数据。
步骤302:获得局部电流交互描述内容,并从若干个电流交互数据中确定与该局部电流交互描述内容中局部电流交互数据状态关联的电流异常数据;将每一个电流交互数据中X个重要描述要素的定位数据与所述局部电流交互描述内容中X个重要描述要素的定位数据关联的电流交互数据,确定为与所述局部电流交互描述内容中局部电流交互数据状态关联的电流异常数据。
其中,局部电流交互描述内容是在配电数字化平台(云端或者云平台)中提取的历史数据。在需要使用局部电流交互描述内容时,可以直接从云端或者云平台调取该数据直接应用,这样可以降低漏电指示器或者漏电保护器的造价成本,漏电指示器或者漏电保护器不需要太大的储存功能。
其中,电流异常数据可以理解为存在漏电嫌疑的数据。
在获得局部电流交互描述内容之后,则可以将局部电流交互描述内容与电流交互数据进行状态关联,从而从若干个电流交互数据中确定出与局部电流交互描述内容中局部电流交互数据状态关联的电流异常数据。其中,电流异常数据是指若干个电流交互数据中局部电流交互数据状态与局部电流交互描述内容局部电流交互数据状态之间的偏差最小的异常数据,即局部电流交互数据状态之间的偏差最小定义为关联。
本申请实施例中,可以从局部电流交互描述内容中确定X个重要描述要素的定位数据,从而基于这X个重要描述要素来对局部电流交互描述内容与电流交互数据进行局部电流交互数据状态关联。
其中,这X个重要描述要素可以是与上述空间描述线程中的局部电流交互数据中定义的X个重要描述要素是一一对应的,且为了后续关联的方便,X个重要描述要素与上述空间描述线程中的局部电流交互数据中定义的X个重要描述要素的标记,也就是各电流交互数据中X个重要描述要素的标记保持一致。
在进行局部电流交互数据配准时,对于遮挡的重要描述要素也需要通过轮廓边缘点来代替,从而在进行状态关联时才能够准确;或者,由于电流交互数据是基于三维线程采集的,重要描述要素是较好采集定位数据的,那么电流交互数据可以在任何状态时,都标记实际重要描述要素的定位数据,即局部电流交互数据上X个重要描述要素是定死的,只是随着线程旋转时定位数据会发生改变,从而采集不同局部电流交互数据状态时各重要描述要素的定位数据,那么在从局部电流交互描述内容中确定X个重要描述要素的定位数据时,可以先得到X个重要描述要素中可见的重要描述要素的定位数据,再基于可见的重要描述要素的定位数据对遮挡的重要描述要素的定位数据进行回归分析(回归分析可以理解为预测),例如可以利用事先配置好的重要描述要素回归分析线程进行遮挡重要描述要素的回归分析,其目的是为了提高重要描述要素的准确性。
具体的,为了更准确的估计遮挡重要描述要素的定位数据,可以针对不同特征描述要素训练不同的重要描述要素回归分析子线程,即上述重要描述要素回归分析线程可以有若干个对应于不同特征描述要素的重要描述要素回归分析子线程组成。那么可以先从局部电流交互描述内容中分别确定各个特征描述要素中可见的重要描述要素的定位数据,并针对每一特征描述要素,利用该特征描述要素对应的重要描述要素回归分析子线程和该特征描述要素的可见的重要描述要素的定位数据,回归分析该特征描述要素中遮挡的重要描述要素的定位数据,各特征描述要素可见的重要描述要素与遮挡的重要描述要素的集合即为X个重要描述要素,从而通过上述方式得到各特征描述要素的可见的重要描述要素的定位数据和遮挡的重要描述要素的定位数据,即为X个重要描述要素的定位数据。
本申请实施例中,当局部电流交互描述内容中局部电流交互数据状态与电流交互数据中局部电流交互数据状态愈加接近时,则局部电流交互描述内容与电流交互数据的X个重要描述要素中对应重要描述要素的定位数据基本是相同的,因此,在从局部电流交互描述内容中确定X个重要描述要素的定位数据之后,则可以基于X个重要描述要素将局部电流交互描述内容与目标对象对应的若干个电流交互数据进行关联,从而获得与局部电流交互描述内容的局部电流交互数据状态关联的电流交互数据。
具体的,可以分别针对各个电流交互数据中X个重要描述要素的定位数据,获得各个重要描述要素分别与局部电流交互描述内容中X个重要描述要素中对应重要描述要素的定位误差相加后的误差总和,从而将每一个电流交互数据中对应的误差总和的值最小的电流交互数据确定为电流异常数据。
本申请实施例中,在获得局部电流交互描述内容之后,还可以采用指定的局部电流交互数据方向确定方法,确定局部电流交互描述内容中局部电流交互数据方向,从而将局部电流交互描述内容的局部电流交互数据方向与各电流交互数据标记的局部电流交互数据方向进行比对,从而确定出各个电流交互数据中局部电流交互数据方向与局部电流交互描述内容中局部电流交互数据方向关联的电流交互数据,并将其作为电流异常数据。局部电流交互数据方向确定方法例如可以为事先配置好的用于局部电流交互数据方向识别的神经网络线程。
其中,与局部电流交互描述内容中局部电流交互数据方向关联的电流交互数据关联,是指各个电流交互数据中局部电流交互数据方向与局部电流交互描述内容中局部电流交互数据方向之间的误差总和最小的电流交互数据。
具体的,基于电流异常数据中X个重要描述要素的定位数据,以及局部电流交互描述内容中X个重要描述要素的定位数据,可以计算得到电流异常数据与局部电流交互描述内容中局部电流交互数据状态的差异值,从而根据差异值对电流异常数据进行优化,使得优化后的电流异常数据中局部电流交互数据状态与局部电流交互描述内容中局部电流交互数据状态的差异值小于预设差异值目标值,以补偿与局部电流交互描述内容中局部电流交互数据状态的角度偏差。
进行优化之后,则后续在进行样本电流数据与局部电流交互描述内容进行并集处理时,则可以根据优化后的电流异常数据中的节点电流信息,来将局部电流交互描述内容和样本电流数据进行并集处理。
当然,因为电流异常数据与局部电流交互描述内容的数据量也可能大小不一,因而也可以对电流异常数据进行压缩扩展操作,以使得电流异常数据与局部电流交互描述内容中局部电流交互数据范围的数据量相适应。
步骤303:根据电流异常数据中的节点电流信息,将局部电流交互描述内容和目标对象对应的样本电流数据进行并集处理,得到并集处理结果;将所述并集处理结果与所述电流异常数据中的节点电流信息进行比对,确定出电流异常数据对应的定位信息。
其中,上述处理步骤的端点是漏电指示器或者漏电保护器,漏电指示器或者漏电保护器可以作为配电数字化平台的边缘计算点,通过边缘计算确定出具体漏电的位置后,直接将漏电位置的信息传输至配电数字化平台中,通过这样的方式可以降低数字化平台的处理量降低数字化平台的工作负担。
其中,样本电流数据可以理解为本技术领域人员实现设定的一个标准数据(譬如:根据该区域的一定周期内的用电量设定一个用电标准数据作为参考依据)。
其中,可以根据电流异常数据中的节点电流信息,从样本电流数据中相应提取出节点电流信息对应的局部电流情况异常数据,再将提取的局部电流情况异常数据组合在局部电流交互描述内容上,以得到并集处理结果。
在实际应用中,考虑到并集处理结果中组合的局部电流情况异常数据可能会存在数据覆盖的现象,使得并集处理结果的视觉效果不佳,获得并集处理结果的过程中,可以将局部电流情况异常数据组合在局部电流交互描述内容上获得的异常数据作为过渡异常数据,继续对其进行处理。具体的,可以从局部电流交互描述内容中提取局部电流交互数据区域异常数据,再将局部电流交互数据区域异常数据组合到过渡异常数据中,以得到最终的并集处理结果。
在实际应用中,可以利用局部电流交互数据划分技术从局部电流交互描述内容中将局部电流交互数据区域单独划分出来,得到局部电流交互数据区域异常数据。其中,划分局部电流交互数据区域的过程可以在获得局部电流交互描述内容之后的任一时机进行,例如可以在获得局部电流交互描述内容之后即进行局部电流交互数据区域的划分,或者在关联状态完成之后进行局部电流交互数据区域的划分,或者还可以在得到过渡异常数据之后再进行局部电流交互数据区域的划分。
在上述基础上,提供了一种基于边缘计算的漏电检测装置,所述装置包括:
数据获得模块,用于获得目标对象对应的若干个电流交互数据,其中,所述若干个电流交互数据分别对应于局部电流交互数据的不同状态,各个电流交互数据包括节点电流信息,且标记了对应局部电流交互数据状态下局部电流交互数据中X个重要描述要素的定位数据,X为大于0的整数;
数据确定模块,用于获得局部电流交互描述内容,并从所述局部电流交互描述内容中确定所述X个重要描述要素的定位数据;
数据关联模块,用于将每一个电流交互数据中X个重要描述要素的定位数据与所述局部电流交互描述内容中X个重要描述要素的定位数据关联的电流交互数据,确定为与所述局部电流交互描述内容中局部电流交互数据状态关联的电流异常数据;
数据定位模块,用于将所述局部电流交互描述内容和样本电流数据进行并集处理,得到并集处理结果,将所述并集处理结果与所述电流异常数据中的节点电流信息进行比对,确定出异常数据对应的定位信息。
在上述基础上,示出了一种基于边缘计算的漏电检测***,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,针对某一目标对象,先获得该对象在不同局部电流交互数据状态下的电流交互数据,且各个电流交互数据中都包括了节点电流信息,因而在获得到局部电流交互描述内容后,可以将局部电流交互描述内容与各电流交互数据进行关联,获得状态与之最接近的电流交互数据,进而基于该电流交互数据中的节点电流信息,将样本电流数据与局部电流交互描述内容进行并集处理,得到并集处理结果。先获得目标对象所对应的各种局部电流交互数据状态下的电流交互数据,在各电流交互数据中包括在不同局部电流交互数据状态下的节点电流信息,能够确定出电流异常数据,针对性的对电流异常数据本申请采用边缘计算的技术对异常的位置进行定位,这样能够准确的获得电流情况,从而能耗判断出是否存在漏电的问题,根据漏电问题,能够精确的定位出漏电位置,这样一来,在本技术领域人员进行维修时,能够提高本技术领域人员的工作效率。
应当理解,上述所示的***及其模块可以利用各种方式来实现。例如,在一些实施例中,***及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行***,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和***可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的***及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“***”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行***、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
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)
1.一种基于边缘计算的漏电检测方法,其特征在于,所述方法包括:
获得目标对象对应的若干个电流交互数据,其中,所述若干个电流交互数据分别对应于局部电流交互数据的不同状态,各个电流交互数据包括节点电流信息,且标记了对应局部电流交互数据状态下局部电流交互数据中X个重要描述要素的定位数据,X为大于0的整数;
获得局部电流交互描述内容,并从所述局部电流交互描述内容中确定所述X个重要描述要素的定位数据;
将每一个电流交互数据中X个重要描述要素的定位数据与所述局部电流交互描述内容中X个重要描述要素的定位数据关联的电流交互数据,确定为与所述局部电流交互描述内容中局部电流交互数据状态关联的电流异常数据;
将所述局部电流交互描述内容和样本电流数据进行并集处理,得到并集处理结果,将所述并集处理结果与所述电流异常数据中的节点电流信息进行比对,确定出电流异常数据对应的定位信息。
2.根据权利要求1所述的方法,其特征在于,针对每一种对象,通过以下过程得到所述对象对应的若干个电流交互数据:获得所述对象对应的空间定位线程和空间描述线程;依照指定的相对定位系数,将所述空间定位线程和所述空间描述线程进行整合;所述相对定位系数是基于实时的头部和头发的相对定位进行设置的;依照指定的单位角度同步旋转所述空间定位线程与所述空间描述线程以形成不同的局部电流交互数据状态,且针对各个局部电流交互数据状态,获得整合的所述空间定位线程和所述空间描述线程的电流交互数据。
3.根据权利要求2所述的方法,其特征在于,所述将每一个电流交互数据中X个重要描述要素的定位数据与所述局部电流交互描述内容中X个重要描述要素的定位数据关联的电流交互数据,确定为所述电流异常数据,包括:
分别针对各个电流交互数据中X个重要描述要素的定位数据,获得各个重要描述要素分别与所述局部电流交互描述内容中X个重要描述要素中对应重要描述要素的定位误差相加后的误差总和;
将每一个电流交互数据中对应的误差总和的值最小的电流交互数据确定为所述电流异常数据。
4.根据权利要求2所述的方法,其特征在于,从所述局部电流交互描述内容中确定所述X个重要描述要素的定位数据,包括:
从所述局部电流交互描述内容中确定所述X个重要描述要素中可见的重要描述要素的定位数据;
根据可见的重要描述要素的定位数据以及事先配置的重要描述要素回归分析线程,回归分析所述X个重要描述要素中遮挡的重要描述要素的定位数据。
5.根据权利要求4所述的方法,其特征在于,所述重要描述要素回归分析线程包括对应于若干个特征描述要素的重要描述要素回归分析子线程,则根据可见的重要描述要素的定位数据以及事先配置的重要描述要素回归分析线程,回归分析所述X个重要描述要素中遮挡的重要描述要素的定位数据,包括:
针对每一特征描述要素,结合所述特征描述要素中可见的重要描述要素的定位数据以及所述特征描述要素对应的重要描述要素回归分析子线程,回归分析所述特征描述要素中遮挡的重要描述要素的定位数据。
6.根据权利要求2所述的方法,其特征在于,在所述依照指定的相对定位系数,将所述空间定位线程和所述空间描述线程进行整合之后,所述方法还包括:针对各个局部电流交互数据状态,标记局部电流交互数据状态下采集的电流交互数据的局部电流交互数据方向;
则从所述若干个电流交互数据中确定与所述局部电流交互描述内容中局部电流交互数据状态关联的电流异常数据,包括:采用指定的局部电流交互数据方向确定方法,确定所述局部电流交互描述内容中局部电流交互数据方向;将每一个电流交互数据中局部电流交互数据方向与所述局部电流交互描述内容中局部电流交互数据方向关联的电流交互数据,确定为所述电流异常数据。
7.根据权利要求1所述的方法,其特征在于,将所述局部电流交互描述内容和样本电流数据进行并集处理,得到并集处理结果,将所述并集处理结果与所述电流异常数据中的节点电流信息进行比对,确定出异常数据对应的定位信息,包括:
获得所述电流异常数据中局部电流交互数据状态与所述局部电流交互描述内容中局部电流交互数据状态的差异值;
结合所述差异值对所述电流异常数据进行优化,使得优化后的电流异常数据中局部电流交互数据状态与所述局部电流交互描述内容中局部电流交互数据状态的差异值小于预设差异值目标值;
根据优化后的电流异常数据中的节点电流信息,将所述局部电流交互描述内容和样本电流数据进行并集处理。
8.根据权利要求1所述的方法,其特征在于,所述样本电流数据为事先设定的标准用电数据。
9.根据权利要求1或8所述的方法,其特征在于,所述将所述局部电流交互描述内容和样本电流数据进行并集处理,得到并集处理结果,将所述并集处理结果与所述电流异常数据中的节点电流信息进行比对,确定出异常数据对应的定位信息,包括:
结合所述电流异常数据中的节点电流信息,从所述样本电流数据中提取节点电流信息对应的局部电流情况异常数据;
将所述局部电流情况异常数据组合在所述局部电流交互描述内容上,并根据组合得到的过渡异常数据得到所述并集处理结果;
其中,所述方法还包括:从所述局部电流交互描述内容中提取局部电流交互数据区域异常数据;
则将所述局部电流情况异常数据与所述局部电流交互描述内容进行组合,并根据组合得到的过渡异常数据得到所述并集处理结果,包括:将所述局部电流交互数据区域异常数据组合在所述过渡异常数据上,以得到所述并集处理结果。
10.一种基于边缘计算的漏电检测***,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310930486.8A CN116699318B (zh) | 2023-07-27 | 2023-07-27 | 基于边缘计算的漏电检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310930486.8A CN116699318B (zh) | 2023-07-27 | 2023-07-27 | 基于边缘计算的漏电检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116699318A true CN116699318A (zh) | 2023-09-05 |
CN116699318B CN116699318B (zh) | 2023-10-20 |
Family
ID=87839436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310930486.8A Active CN116699318B (zh) | 2023-07-27 | 2023-07-27 | 基于边缘计算的漏电检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116699318B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116879684A (zh) * | 2023-09-06 | 2023-10-13 | 成都汉度科技有限公司 | 一种异常线路判断方法及*** |
CN117150438A (zh) * | 2023-10-31 | 2023-12-01 | 成都汉度科技有限公司 | 基于边缘计算的通信数据融合方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104838631A (zh) * | 2012-12-11 | 2015-08-12 | 高通股份有限公司 | 用于对流进行分类以供压缩的方法和装置 |
CN111398740A (zh) * | 2020-04-29 | 2020-07-10 | 国网湖南省电力有限公司 | 一种低压配电网窃漏电检测装置、监测***和监测方法 |
CN111783696A (zh) * | 2020-07-06 | 2020-10-16 | 广东电网有限责任公司 | 一种基于pv关系的低压分支拓扑实时分析的边缘计算方法 |
KR102212476B1 (ko) * | 2019-08-26 | 2021-02-10 | 주식회사 대홍전기 | 엣지 컴퓨팅 기반의 전력관리 제어 시스템을 이용한 분전반 및 전동기제어반 |
US11089083B1 (en) * | 2019-11-04 | 2021-08-10 | Edjx, Inc. | Systems and methods for locating microserver nodes in proximity to edge devices using georouting |
CN113391239A (zh) * | 2021-06-10 | 2021-09-14 | 国网四川省电力公司营销服务中心 | 一种基于边缘计算的互感器异常监测方法与*** |
CN113406548A (zh) * | 2021-06-03 | 2021-09-17 | 温州大学 | 一种基于云边协同计算的漏电测量误差补偿方法及*** |
JP2022035760A (ja) * | 2020-08-21 | 2022-03-04 | 株式会社日立製作所 | データ処理方法、エッジ装置、および、データ処理システム |
CN115065382A (zh) * | 2022-07-04 | 2022-09-16 | 成都汉度科技有限公司 | 一种基于载波伴听监测器的数据采集*** |
CN116317117A (zh) * | 2023-02-20 | 2023-06-23 | 国网河北省电力有限公司邯郸市峰峰矿区供电分公司 | 一种配电网的管理*** |
CN116402638A (zh) * | 2023-03-27 | 2023-07-07 | 成都汉度科技有限公司 | 一种台区线损计算方法、***、电子设备及介质 |
-
2023
- 2023-07-27 CN CN202310930486.8A patent/CN116699318B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104838631A (zh) * | 2012-12-11 | 2015-08-12 | 高通股份有限公司 | 用于对流进行分类以供压缩的方法和装置 |
KR102212476B1 (ko) * | 2019-08-26 | 2021-02-10 | 주식회사 대홍전기 | 엣지 컴퓨팅 기반의 전력관리 제어 시스템을 이용한 분전반 및 전동기제어반 |
US11089083B1 (en) * | 2019-11-04 | 2021-08-10 | Edjx, Inc. | Systems and methods for locating microserver nodes in proximity to edge devices using georouting |
CN111398740A (zh) * | 2020-04-29 | 2020-07-10 | 国网湖南省电力有限公司 | 一种低压配电网窃漏电检测装置、监测***和监测方法 |
CN111783696A (zh) * | 2020-07-06 | 2020-10-16 | 广东电网有限责任公司 | 一种基于pv关系的低压分支拓扑实时分析的边缘计算方法 |
JP2022035760A (ja) * | 2020-08-21 | 2022-03-04 | 株式会社日立製作所 | データ処理方法、エッジ装置、および、データ処理システム |
CN113406548A (zh) * | 2021-06-03 | 2021-09-17 | 温州大学 | 一种基于云边协同计算的漏电测量误差补偿方法及*** |
US20220391504A1 (en) * | 2021-06-03 | 2022-12-08 | Technology Institute of Wenzhou University in Yueqing | Leakage Measurement Error Compensation Method and System Based on Cloud-Edge Collaborative Computing |
CN113391239A (zh) * | 2021-06-10 | 2021-09-14 | 国网四川省电力公司营销服务中心 | 一种基于边缘计算的互感器异常监测方法与*** |
CN115065382A (zh) * | 2022-07-04 | 2022-09-16 | 成都汉度科技有限公司 | 一种基于载波伴听监测器的数据采集*** |
CN116317117A (zh) * | 2023-02-20 | 2023-06-23 | 国网河北省电力有限公司邯郸市峰峰矿区供电分公司 | 一种配电网的管理*** |
CN116402638A (zh) * | 2023-03-27 | 2023-07-07 | 成都汉度科技有限公司 | 一种台区线损计算方法、***、电子设备及介质 |
Non-Patent Citations (1)
Title |
---|
王晓东 等: "基于边缘计算的电网作业现场违章识别方法", 《单片机与嵌入式***应用》, no. 8, pages 31 - 35 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116879684A (zh) * | 2023-09-06 | 2023-10-13 | 成都汉度科技有限公司 | 一种异常线路判断方法及*** |
CN116879684B (zh) * | 2023-09-06 | 2023-11-17 | 成都汉度科技有限公司 | 一种异常线路判断方法及*** |
CN117150438A (zh) * | 2023-10-31 | 2023-12-01 | 成都汉度科技有限公司 | 基于边缘计算的通信数据融合方法及*** |
CN117150438B (zh) * | 2023-10-31 | 2024-02-06 | 成都汉度科技有限公司 | 基于边缘计算的通信数据融合方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116699318B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116699318B (zh) | 基于边缘计算的漏电检测方法及*** | |
CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
US20130101158A1 (en) | Determining dimensions associated with an object | |
CN116205497B (zh) | 基于人工智能的滑坡智能预警方法及*** | |
de Araujo et al. | Computer vision system for workpiece referencing in three-axis machining centers | |
CN101241018A (zh) | 基于计算机视觉技术的指示仪表全自动检定方法 | |
CN108955901A (zh) | 一种红外测温方法、***及终端设备 | |
US20170123019A1 (en) | Devices and methods for determining a magnetic field | |
RU2015106679A (ru) | Способ 3d визуализации для точного отслеживания в плотности патологии, которая подлежит лечению посредством mrgrt | |
CN116739184B (zh) | 一种滑坡预测方法及*** | |
CN108875184B (zh) | 基于数字露头模型的页岩有机碳含量预测方法及装置 | |
KR102277515B1 (ko) | 자기장을 결정하는 장치 및 방법 | |
CN115359203B (zh) | 一种三维高精度地图生成方法、***及云平台 | |
WO2024138933A1 (zh) | 一种面板缺陷增强检测方法及***及装置及介质 | |
CN116486269A (zh) | 基于图像分析的桥梁裂缝识别方法及*** | |
CN113918963B (zh) | 一种基于业务需求的权限授权处理方法及*** | |
CN114116482A (zh) | Cad软件稳定性的测试方法及装置、存储介质和处理器 | |
Huettenberger et al. | Application of Pareto sets in quality control of series production in car manufacturing | |
Cavaliere et al. | Development of a System for the Analysis of Surface Defects in Die-Cast Components Using Machine Vision | |
Ding et al. | Knowledge-based automatic extraction of multi-structured light stripes | |
CN113283076A (zh) | 用电异常的研究方法、装置与计算机可读存储介质 | |
CN113627165B (zh) | 基于智慧医疗的床旁交互方法及*** | |
CN116124218B (zh) | 变压器故障的诊断方法、装置、存储介质以及电子设备 | |
CN114579391A (zh) | 异常数据的检测方法、***、介质及终端 | |
CN113610123B (zh) | 基于物联网的多源异构数据融合方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |