CN117074869A - 一种配电线故障定位方法及*** - Google Patents
一种配电线故障定位方法及*** Download PDFInfo
- Publication number
- CN117074869A CN117074869A CN202311336205.2A CN202311336205A CN117074869A CN 117074869 A CN117074869 A CN 117074869A CN 202311336205 A CN202311336205 A CN 202311336205A CN 117074869 A CN117074869 A CN 117074869A
- Authority
- CN
- China
- Prior art keywords
- distribution line
- fault
- weather
- point
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 67
- 239000011159 matrix material Substances 0.000 claims description 52
- 238000005259 measurement Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
-
- 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
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Environmental & Geological Engineering (AREA)
- Electromagnetism (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Locating Faults (AREA)
Abstract
本发明涉及电网线路故障检测技术领域,具体而言,涉及一种配电线故障定位方法及***,所述方法包括获取当前时刻的气象数据;将当前时刻的气象数据进行预处理,得到预处理后的气象数据;将预处理后的气象数据发送至训练后的天气预测模型,得到天气预测结果,天气预测结果包括当前时刻之后的天气情况;根据天气预测结果确定配电线故障的定位方式;利用配电线故障的定位方式对配电线故障位置进行定位,本发明通过对天气进行预测,从而实现根据天气的预测结果采用不同的定位方式,以达到提高配电线故障定位的准确率。
Description
技术领域
本发明涉及电网线路故障检测技术领域,具体而言,涉及一种配电线故障定位方法及***。
背景技术
随着配电网向智能配电网的逐步推进,现有的配电线路越来越复杂,导致配电线路的故障定位也更加困难,现有技术中,一般采用无人机对配电线路进行巡检,但是由于配电线路所处环境复杂,现有技术存在检测精度低、受天气影响大等缺点,因此,亟需一种配电线故障定位方法,用于针对不同的天气状况采用相应的定位方式对配电线的故障位置进行定位。
发明内容
本发明的目的在于提供一种配电线故障定位方法及***,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一方面,本申请实施例提供了方法,所述方法包括:
获取当前时刻的气象数据;
将所述当前时刻的气象数据进行预处理,得到预处理后的气象数据;
将所述预处理后的气象数据发送至训练后的天气预测模型,得到天气预测结果,所述天气预测结果包括当前时刻之后的天气情况;
根据所述天气预测结果确定配电线故障的定位方式;
利用所述配电线故障的定位方式对所述配电线故障位置进行定位。
第二方面,本申请实施例提供了一种配电线故障定位***,所述***包括:
获取模块,用于获取当前时刻的气象数据;
第一处理模块,用于将所述当前时刻的气象数据进行预处理,得到预处理后的气象数据;
第二处理模块,用于将所述预处理后的气象数据发送至训练后的天气预测模型,得到天气预测结果,所述天气预测结果包括当前时刻之后的天气情况;
确定模块,用于根据所述天气预测结果确定配电线故障的定位方式;
第三处理模块,用于利用所述配电线故障的定位方式对所述配电线故障位置进行定位。
第三方面,本申请实施例提供了一种配电线故障定位设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述配电线故障定位方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述配电线故障定位方法的步骤。
本发明的有益效果为:
本发明通过将预处理后的气象数据发送至训练后的天气预测模型,针对当前时刻之后的天气进行了预测,实现了根据不同天气采取不同的定位方式对配电线断股处进行定位,当天气为异常天气时,无人机会极大的受到天气干扰,导致检测精度下降,同时天气干扰还可能导致无人机受损,当天气为正常天气时,采用无人机进行巡检可以快速、精确地对断股位置进行定位,因此针对不同天气采取不同的定位方式,可以有效提高配电线故障定位的准确率,同时降低成本。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,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发明的某些实施例,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为本发明实施例中所述的配电线故障定位方法流程示意图。
图2为本发明实施例中所述的配电线故障定位***结构示意图。
图3为本发明实施例中所述的配电线故障定位设备结构示意图。
图中标注:901、获取模块;902、第一处理模块;903、第二处理模块;904、确定模块;905、第三处理模块;9041、判断单元;90411、第一获取单元;90412、第一处理单元;90413、第二处理单元;90414、第三处理单元;90415、第四处理单元;90416、第五处理单元;90417、第八处理单元;90418、第九处理单元;90419、第十处理单元;904110、第十一处理单元;904161、第二获取单元;904162、第六处理单元;904163、第七处理单元;800、配电线故障定位设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种配电线故障定位方法,可以理解的是,在本实施例中可以铺设一个场景,例如:当配电线路出现故障时,需要对配电线的断股处进行定位检测的场景。
参见图1,图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4以及步骤S5,其中具体为:
步骤S1、获取当前时刻的气象数据;
可以理解的是,气象数据为在配电线路周围至少一个测点采集的气象观测数据;
步骤S2、将所述当前时刻的气象数据进行预处理,得到预处理后的气象数据;
可以理解的是,为了提升训练后的天气预测模型的收敛速度和预测精度,首先对当前时刻采集的气象数据进行归一化处理,气象数据的归一化处理够消除数据指标间的量纲影响,通过对数据进行变换将其限制在一定范围内,将当前时刻的气象数据进行归一化处理为本领域人员所熟知的技术方案,故不在此赘述。
步骤S3、将所述预处理后的气象数据发送至训练后的天气预测模型,得到天气预测结果,所述天气预测结果包括当前时刻之后的天气情况;
可以理解的是,将归一化处理后的气象数据发送至训练后的天气预测模型即可实现对当前时刻之后的天气的预测,其中,天气预测模型可以为RBF模型,需要说明的是,基于只是一个测点采集的历史天气数据集对天气预测模型进行训练为本领域技术人员所熟知的技术方案,故不在此赘述。
步骤S4、根据所述天气预测结果确定配电线故障的定位方式;
可以理解的是,当天气预测结果包括晴天、雨天以及雷雨天但不限于晴天、雨天以及雷雨天,根据不同的天气采用不同的定位方式可以有效的提高配电线断股定位的准确率。
可以理解的是,所述步骤S4中还包括步骤S41,其中具体为:
根据所述天气预测结果确定配电线故障的定位方式,其中,若天气预测结果为正常天气,则获取第一图像信息,所述第一图像信息包括无人机拍摄的配电线路的图像信息;并根据所述第一图像信息对配电线故障位置进行定位;若天气预测结果为异常天气,则获取每个配电线路分支点的位置信息和每个配电线路末端点的位置信息,并根据所述每个配电线路分支点的位置信息、每个所述配电线路末端点的位置信息对配电线故障位置进行定位。
可以理解的是,当天气预测结果为晴天时,可以采用无人机采集第一图像信息实现配电线路的巡检,以对配电线断股位置进行定位;当天气预测结果为雨天或雷雨天时,可以获取每个配电线路分支点的位置信息和每个配电线路末端点的位置信息,并根据所述每个配电线路分支点的位置信息、每个所述配电线路末端点的位置信息对配电线故障位置进行定位,有效的解决了在雨天采用无人机对配电线断股处进行检测时,天气对检测精度的干扰的问题,同时在天气恶劣时,使用无人机检测会造成无人机损坏,极大的提高了故障定位的成本。
可以理解的是,所述步骤S41中还包括步骤S41、步骤S42、步骤S43、步骤S44、步骤S45以及步骤S46,其中具体为:
步骤S41、获取第一矩阵,所述第一矩阵为故障行波到达每个配电线路末端点的时间矩阵;
可以理解的是,第一矩阵为配电线路上的故障行波达到每个配电线路末端点的时间矩阵,需要说明的是,配电线路上的故障行波达到每个配电线路末端点的时间为根据历史数据集中采集得到的。
步骤S42、根据每个所述配电线路分支点的位置信息和每个所述配电线路末端点的位置信息,得到距离信息,所述距离信息包括任意配电线路分支点和任意配电线路末端点之间的间距;
可以理解的是,例如当一个配电线路共有n个分支点,可以采用ak表示,有m个线路末端,采用bi表示,当已知配电线路结构与每个区段的长度时,即可得到任意线路分支点和末端点之间的间距记为dakbi(k=1,2……n;i=1,2……m),由此可以得到每一个分支点到任意末端点的距离,构建距离矩阵D,其中距离矩阵D具体为:
上式中,表示a1分支点达到b1末端点之间的距离。
步骤S43、根据所述距离信息构建第二矩阵,所述第二矩阵为时间矩阵;
可以理解的是,根据距离矩阵D中的距离信息与行波的速度V进行计算,即将距离矩阵D与行波的速度V相除,得到时间矩阵,其中具体为:
上式中,表示a1分支点达到b1末端点行波所用的时间。
步骤S44、根据所述第一矩阵与所述第二矩阵进行计算,得到第三矩阵;
可以理解的是,将第一矩阵与第二矩阵相减,得到第三矩阵。
步骤S45、根据所述第三矩阵判断配电线路故障点的搜查范围;
可以理解的是,计算第三矩阵的二范数,得到至少一个范数值;判断范数值的大小,其中,若范数值的最小值为U(k),则判断故障点与ak较为接近,若范数值的最小值为U(k)并且U(k)=0,则判断故障点就在分支点ak上。
步骤S46、在所述配电线路故障点的搜查范围内对故障点进行定位。
可以理解的是,根据比较计算得到的范数值可以确定故障点的搜查范围,有效的提高了故障缺陷检测的效率。
可以理解的是,所述步骤S46中还包括步骤S461、步骤S462以及步骤S463,其中具体为:
步骤S461、获取激光测距信息和实际测量信息;
可以理解的是,当确定故障点的搜查范围后可以采用激光测距仪对配电线断股处进行精确定位,需要说明的是利用激光测距仪获取激光测距信息。
步骤S462、利用最小二乘法对所述激光测距信号和实际测量信息进行拟合,得到拟合函数;
可以理解的是,激光测距仪受光强、气候等干扰因素的影响会造成测量结果存在一定误差,因此,采用最小二乘法对激光测距仪采集的激光测距信号与真实测量得到的距离进行拟合,得到拟合函数可以有效的消除上述干扰因素,实现配电线断股处的精确定位。
步骤S463、根据所述拟合函数进行计算,得到故障点的坐标位置。
可以理解的是,将激光测距仪测量的数据代入拟合函数即可计算得到配电线断股处精准的坐标位置。
可以理解的是,所述步骤S41中还包括步骤S47、步骤S48、步骤S49以及步骤S410,其中具体为:
步骤S47、根据所述第一图像信息进行直线段检测,得到检测结果;
可以理解的是,利用相位编组算法检测直线段,可检测出低对比度的情况,需要说明的是利用相位编组算法检测直线段为本领域技术人员所熟知的技术方案,故不在此赘述。
步骤S48、利用预设的第一约束、第二约束和第三约束将所述检测结果中的直线进行连接,得到第二图像信息,所述第二图像信息包括连接后的配电线;
可以理解的是,第一约束为近似性约束,近似性描述为两线段之间的距离小于较短线段的长度,其中具体为:
上式中,L1为第一配电线线段的长度,线段2的长度为L2为第二配电线线段的长度,L为第一配电线线段与第二配电线线段之间的距离,第一配电线线段与第二配电线线段为相邻的两配电线线段。
第二约束为连续性约束,连续性描述为两配电线线段端点之间角度的变化小于预设的角度阈值,其中具体为:
上式中,θ1为第一配电线线段的方向角度,θ2第二配电线线段的方向角度,为预设的角度阈值,/>取值为3°。
第三约束为共线性约束,共线性描述为两配电线线段是否存在并列线段的关系,其中具体为:
上式中,D为第一配电线线段的端点到第二配电线线段的垂直距离,和/>分别为第一配电线线段的宽度和第二配电线线段的宽度。
在提取线段的图像上,搜索两两配电线线段将满足预设的第一约束、第二约束和第三约束的配电线线段连接即可得到连接后的配电线,通过预设的第一约束、第二约束和第三约束可以有效将断续配电线线段合并为长的配电线,避免野外环境对配电线提取的干扰。
骤S49、检测所述第二图像信息中的交叉点,得到第三图像信息;
可以理解的是,根据无人机飞行的轨迹,航拍导线和光缆在照片 中呈直线平行分布,一般不出现交叉现象,如果出现交叉,此处的导线就会存在断股缺陷的可能性。因此,可以通过检测第二图像信息中的交叉点可以初步判断输电线的断股缺陷的位置。
骤S410、根据所述第三图像信息判断交叉点处是否为故障点,并对故障点进行定位。
可以理解的是,判断第三图像信息中形成交叉点的配电线平均灰度差是否小于第一阈值信息,得到判断结果,其中,若形成交叉点的配电线平均灰度差小于第一阈值信息,则计算第三图像信息中形成交叉点的配电线的边缘点的相位梯度方差,并进一步判断交叉点的配电线的边缘点的相位梯度方差与预设的第二阈值信息的大小,当判断交叉点的配电线的边缘点的相位梯度方差大于预设的第二阈值信息,则判断该交叉点为断股点,并在第三图像信息中显示其对应的坐标信息,需要说明的是,若形成交叉点的配电线平均灰度差大于第一阈值信息,则继续检测下一交叉点是否为断股点。
步骤S5、利用所述配电线故障的定位方式对所述配电线故障位置进行定位。
可以理解的是,本发明实现了根据不同天气采取不同的定位方式对配电线断股处进行定位,当天气为异常天气时,无人机会极大的受到天气干扰,导致检测精度下降,同时天气干扰还可能导致无人机受损,因此,当天气异常时采取激光测距仪进行检测,可以有效的提高故障定位的精度,同时避免无人机因天气原因受损,当天气为正常天气时,采用无人机进行巡检可以快速、精确地对断股位置进行定位,因此针对不同天气采取不同的定位方式,可以有效提高配电线故障定位的准确率,同时降低成本。
实施例2:
如图2所示,本实施例提供了一种配电线故障定位***,所述***包括获取模块901、第一处理模块902、第二处理模块903、确定模块904以及第三处理模块905,其中具体为:
获取模块901,用于获取当前时刻的气象数据;
第一处理模块902,用于将所述当前时刻的气象数据进行预处理,得到预处理后的气象数据;
第二处理模块903,用于将所述预处理后的气象数据发送至训练后的天气预测模型,得到天气预测结果,所述天气预测结果包括当前时刻之后的天气情况;
确定模块904,用于根据所述天气预测结果确定配电线故障的定位方式;
第三处理模块905,用于利用所述配电线故障的定位方式对所述配电线故障位置进行定位。
在本公开的一种具体实施方式中,所述确定模块904中还包括判断单元9041,其中具体为:
判断单元9041,用于根据所述天气预测结果确定配电线故障的定位方式,其中,若天气预测结果为正常天气,则获取第一图像信息,所述第一图像信息包括无人机拍摄的配电线路的图像信息;并根据所述第一图像信息对配电线故障位置进行定位;若天气预测结果为异常天气,则获取每个配电线路分支点的位置信息和每个配电线路末端点的位置信息,并根据所述每个配电线路分支点的位置信息、每个所述配电线路末端点的位置信息对配电线故障位置进行定位。
在本公开的一种具体实施方式中,所述判断单元9041中还包括第一获取单元90411、第一处理单元90412、第二处理单元90413、第三处理单元90414、第四处理单元90415以及第五处理单元90416,其中具体为:
第一获取单元90411,用于获取第一矩阵,所述第一矩阵为故障行波到达每个配电线路末端点的时间矩阵;
第一处理单元90412,用于根据每个所述配电线路分支点的位置信息和每个所述配电线路末端点的位置信息,得到距离信息,所述距离信息包括任意配电线路分支点和任意配电线路末端点之间的间距;
第二处理单元90413,用于根据所述距离信息构建第二矩阵,所述第二矩阵为时间矩阵;
第三处理单元90414,用于根据所述第一矩阵与所述第二矩阵进行计算,得到第三矩阵;
第四处理单元90415,用于根据所述第三矩阵判断配电线路故障点的搜查范围;
第五处理单元90416,用于在所述配电线路故障点的搜查范围内对故障点进行定位。
在本公开的一种具体实施方式中,所述第五处理单元90416中还包括第二获取单元904161、第六处理单元904162以及第七处理单元904163,其中具体为:
第二获取单元904161,用于获取激光测距信息和实际测量信息;
第六处理单元904162,用于利用最小二乘法对所述激光测距信号和实际测量信息进行拟合,得到拟合函数;
第七处理单元904163,用于根据所述拟合函数进行计算,得到故障点的坐标位置。
在本公开的一种具体实施方式中,所述判断单元9041中还包括第八处理单元90417、第九处理单元90418、第十处理单元90419以及第十一处理单元904110,其中具体为:
第八处理单元90417,用于根据所述第一图像信息进行直线段检测,得到检测结果;
第九处理单元90418,用于利用预设的第一约束、第二约束和第三约束将所述检测结果中的直线进行连接,得到第二图像信息,所述第二图像信息包括连接后的配电线;
第十处理单元90419,用于检测所述第二图像信息中的交叉点,得到第三图像信息;
第十一处理单元904110,用于根据所述第三图像信息判断交叉点处是否为故障点,并对故障点进行定位。
需要说明的是,关于上述实施例中的***,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种配电线故障定位设备,下文描述的一种配电线故障定位设备与上文描述的一种配电线故障定位方法可相互对应参照。
图3是根据示例性实施例示出的一种配电线故障定位设备800的框图。如图3所示,该配电线故障定位设备800可以包括:处理器801,存储器802。该配电线故障定位设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该配电线故障定位设备800的整体操作,以完成上述的配电线故障定位方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该配电线故障定位设备800的操作,这些数据例如可以包括用于在该配电线故障定位设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该配电线故障定位设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,配电线故障定位设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(ProgrammableLogic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的配电线故障定位方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的配电线故障定位方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由配电线故障定位设备800的处理器801执行以完成上述的配电线故障定位方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种配电线故障定位方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的配电线故障定位方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种配电线故障定位方法,其特征在于,包括:
获取当前时刻的气象数据;
将所述当前时刻的气象数据进行预处理,得到预处理后的气象数据;
将所述预处理后的气象数据发送至训练后的天气预测模型,得到天气预测结果,所述天气预测结果包括当前时刻之后的天气情况;
根据所述天气预测结果确定配电线故障的定位方式;
利用所述配电线故障的定位方式对所述配电线故障位置进行定位;
其中,根据所述天气预测结果确定配电线故障的定位方式,包括:
根据所述天气预测结果确定配电线故障的定位方式,其中,若天气预测结果为正常天气,则获取第一图像信息,所述第一图像信息包括无人机拍摄的配电线路的图像信息;并根据所述第一图像信息对配电线故障位置进行定位;若天气预测结果为异常天气,则获取每个配电线路分支点的位置信息和每个配电线路末端点的位置信息,并根据所述每个配电线路分支点的位置信息、每个所述配电线路末端点的位置信息对配电线故障位置进行定位;
其中,根据所述每个配电线路分支点的位置信息、每个所述配电线路末端点的位置信息对配电线故障位置进行定位,包括:
获取第一矩阵,所述第一矩阵为故障行波到达每个配电线路末端点的时间矩阵;
根据每个所述配电线路分支点的位置信息和每个所述配电线路末端点的位置信息,得到距离信息,所述距离信息包括任意配电线路分支点和任意配电线路末端点之间的间距;
根据所述距离信息构建第二矩阵,所述第二矩阵为时间矩阵;
根据所述第一矩阵与所述第二矩阵进行计算,得到第三矩阵;
根据所述第三矩阵判断配电线路故障点的搜查范围;
在所述配电线路故障点的搜查范围内对故障点进行定位。
2.根据权利要求1所述的配电线故障定位方法,其特征在于,在所述配电线路故障点的搜查范围内对故障点进行定位,包括:
获取激光测距信息和实际测量信息;
利用最小二乘法对所述激光测距信号和实际测量信息进行拟合,得到拟合函数;
根据所述拟合函数进行计算,得到故障点的坐标位置。
3.根据权利要求1所述的配电线故障定位方法,其特征在于,根据所述第一图像信息对配电线故障位置进行定位,包括:
根据所述第一图像信息进行直线段检测,得到检测结果;
利用预设的第一约束、第二约束和第三约束将所述检测结果中的直线进行连接,得到第二图像信息,所述第二图像信息包括连接后的配电线;
检测所述第二图像信息中的交叉点,得到第三图像信息;
根据所述第三图像信息判断交叉点处是否为故障点,并对故障点进行定位。
4.一种配电线故障定位***,其特征在于,包括:
获取模块,用于获取当前时刻的气象数据;
第一处理模块,用于将所述当前时刻的气象数据进行预处理,得到预处理后的气象数据;
第二处理模块,用于将所述预处理后的气象数据发送至训练后的天气预测模型,得到天气预测结果,所述天气预测结果包括当前时刻之后的天气情况;
确定模块,用于根据所述天气预测结果确定配电线故障的定位方式;
第三处理模块,用于利用所述配电线故障的定位方式对所述配电线故障位置进行定位;
其中,所述确定模块,包括:
判断单元,用于根据所述天气预测结果确定配电线故障的定位方式,其中,若天气预测结果为正常天气,则获取第一图像信息,所述第一图像信息包括无人机拍摄的配电线路的图像信息;并根据所述第一图像信息对配电线故障位置进行定位;若天气预测结果为异常天气,则获取每个配电线路分支点的位置信息和每个配电线路末端点的位置信息,并根据所述每个配电线路分支点的位置信息、每个所述配电线路末端点的位置信息对配电线故障位置进行定位;
其中,所述判断单元,包括:
第一获取单元,用于获取第一矩阵,所述第一矩阵为故障行波到达每个配电线路末端点的时间矩阵;
第一处理单元,用于根据每个所述配电线路分支点的位置信息和每个所述配电线路末端点的位置信息,得到距离信息,所述距离信息包括任意配电线路分支点和任意配电线路末端点之间的间距;
第二处理单元,用于根据所述距离信息构建第二矩阵,所述第二矩阵为时间矩阵;
第三处理单元,用于根据所述第一矩阵与所述第二矩阵进行计算,得到第三矩阵;
第四处理单元,用于根据所述第三矩阵判断配电线路故障点的搜查范围;
第五处理单元,用于在所述配电线路故障点的搜查范围内对故障点进行定位。
5.根据权利要求4所述的配电线故障定位***,其特征在于,所述第五处理单元,包括:
第二获取单元,用于获取激光测距信息和实际测量信息;
第六处理单元,用于利用最小二乘法对所述激光测距信号和实际测量信息进行拟合,得到拟合函数;
第七处理单元,用于根据所述拟合函数进行计算,得到故障点的坐标位置。
6.根据权利要求4所述的配电线故障定位***,其特征在于,所述判断单元,包括:
第八处理单元,用于根据所述第一图像信息进行直线段检测,得到检测结果;
第九处理单元,用于利用预设的第一约束、第二约束和第三约束将所述检测结果中的直线进行连接,得到第二图像信息,所述第二图像信息包括连接后的配电线;
第十处理单元,用于检测所述第二图像信息中的交叉点,得到第三图像信息;
第十一处理单元,用于根据所述第三图像信息判断交叉点处是否为故障点,并对故障点进行定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336205.2A CN117074869B (zh) | 2023-10-16 | 2023-10-16 | 一种配电线故障定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336205.2A CN117074869B (zh) | 2023-10-16 | 2023-10-16 | 一种配电线故障定位方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117074869A true CN117074869A (zh) | 2023-11-17 |
CN117074869B CN117074869B (zh) | 2023-12-19 |
Family
ID=88715669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311336205.2A Active CN117074869B (zh) | 2023-10-16 | 2023-10-16 | 一种配电线故障定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117074869B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100957812B1 (ko) * | 2009-10-06 | 2010-05-13 | 주식회사 호크마이엔지 | 전차선로의 고장점 표정방법 및 그 시스템 |
CN108646146A (zh) * | 2018-08-20 | 2018-10-12 | 国网河北省电力有限公司沧州供电分公司 | 配电线故障在线监测方法及终端设备 |
CN111582697A (zh) * | 2020-04-29 | 2020-08-25 | 西安交通大学 | 一种配电网故障的评估与调度方法及*** |
CN112016739A (zh) * | 2020-08-17 | 2020-12-01 | 国网山东省电力公司潍坊供电公司 | 故障检测方法、装置、电子设备及存储介质 |
WO2021053118A1 (en) * | 2019-09-17 | 2021-03-25 | University College Dublin | A decision support system and method for agriculture |
US20210156899A1 (en) * | 2019-11-25 | 2021-05-27 | Shandong University Of Technology | Method for fault location to multi-terminal traveling wave in direct current distribution line |
CN114689994A (zh) * | 2022-04-27 | 2022-07-01 | 云南电网有限责任公司普洱供电局 | 一种输送电线路故障在线定位监测***和方法 |
US20220268827A1 (en) * | 2021-02-24 | 2022-08-25 | Mitsubishi Electric Research Laboratories, Inc. | Distribution Fault Location Using Graph Neural Network with both Node and Link Attributes |
CN115270965A (zh) * | 2022-07-29 | 2022-11-01 | 国网浙江省电力有限公司经济技术研究院 | 一种配电网线路故障预测方法和装置 |
CN115578651A (zh) * | 2022-08-15 | 2023-01-06 | 金华八达集团有限公司 | 一种配网线路无人机智能巡检及动态库存管理*** |
CN115575768A (zh) * | 2022-11-04 | 2023-01-06 | 广东电网有限责任公司 | 基于巡检无人机的输电线路故障定位方法及装置 |
CN115656731A (zh) * | 2022-12-09 | 2023-01-31 | 武汉格蓝若智能技术股份有限公司 | 一种架空配电线路电弧接地故障点定位方法 |
CN115713038A (zh) * | 2022-11-24 | 2023-02-24 | 盛隆电气集团有限公司 | 一种基于深度循环神经网络的配用电故障检测方法及*** |
CN116298670A (zh) * | 2023-01-28 | 2023-06-23 | 北京交通大学 | 适用于多分支配电线路的智能故障定位方法及*** |
-
2023
- 2023-10-16 CN CN202311336205.2A patent/CN117074869B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100957812B1 (ko) * | 2009-10-06 | 2010-05-13 | 주식회사 호크마이엔지 | 전차선로의 고장점 표정방법 및 그 시스템 |
CN108646146A (zh) * | 2018-08-20 | 2018-10-12 | 国网河北省电力有限公司沧州供电分公司 | 配电线故障在线监测方法及终端设备 |
WO2021053118A1 (en) * | 2019-09-17 | 2021-03-25 | University College Dublin | A decision support system and method for agriculture |
US20210156899A1 (en) * | 2019-11-25 | 2021-05-27 | Shandong University Of Technology | Method for fault location to multi-terminal traveling wave in direct current distribution line |
CN111582697A (zh) * | 2020-04-29 | 2020-08-25 | 西安交通大学 | 一种配电网故障的评估与调度方法及*** |
CN112016739A (zh) * | 2020-08-17 | 2020-12-01 | 国网山东省电力公司潍坊供电公司 | 故障检测方法、装置、电子设备及存储介质 |
US20220268827A1 (en) * | 2021-02-24 | 2022-08-25 | Mitsubishi Electric Research Laboratories, Inc. | Distribution Fault Location Using Graph Neural Network with both Node and Link Attributes |
CN114689994A (zh) * | 2022-04-27 | 2022-07-01 | 云南电网有限责任公司普洱供电局 | 一种输送电线路故障在线定位监测***和方法 |
CN115270965A (zh) * | 2022-07-29 | 2022-11-01 | 国网浙江省电力有限公司经济技术研究院 | 一种配电网线路故障预测方法和装置 |
CN115578651A (zh) * | 2022-08-15 | 2023-01-06 | 金华八达集团有限公司 | 一种配网线路无人机智能巡检及动态库存管理*** |
CN115575768A (zh) * | 2022-11-04 | 2023-01-06 | 广东电网有限责任公司 | 基于巡检无人机的输电线路故障定位方法及装置 |
CN115713038A (zh) * | 2022-11-24 | 2023-02-24 | 盛隆电气集团有限公司 | 一种基于深度循环神经网络的配用电故障检测方法及*** |
CN115656731A (zh) * | 2022-12-09 | 2023-01-31 | 武汉格蓝若智能技术股份有限公司 | 一种架空配电线路电弧接地故障点定位方法 |
CN116298670A (zh) * | 2023-01-28 | 2023-06-23 | 北京交通大学 | 适用于多分支配电线路的智能故障定位方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117074869B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10850840B2 (en) | Drone and rover preplacement for remote autonomous inspection of utility system components | |
CN107944412A (zh) | 基于多层卷积神经网络的输电线路自动识别***及方法 | |
US11823330B2 (en) | Detection device, detection method and detection program for linear structure | |
CN105628951A (zh) | 用于测量对象的速度的方法和装置 | |
JP2018090099A (ja) | 設備巡視システム及び設備巡視方法 | |
EP3633551A1 (en) | Obstacle distribution simulation method, device and terminal based on a probability graph | |
CN110910440A (zh) | 一种基于电力影像数据的输电线路长度确定方法和*** | |
CN112802004A (zh) | 便携式输电线路和杆塔健康智能视频检测装置 | |
CN116958841B (zh) | 基于图像识别的配电线路无人机巡检*** | |
CN117074869B (zh) | 一种配电线故障定位方法及*** | |
CN113496182B (zh) | 基于遥感影像的道路提取方法及装置、存储介质及设备 | |
CN116989842A (zh) | 一种基于大数据的设备故障诊断方法、装置及存储介质 | |
CN116359909A (zh) | 一种行驶轨迹确定方法 | |
CN115902839A (zh) | 港口激光雷达标定方法及装置、存储介质及电子设备 | |
CN116089406A (zh) | 一种用于海洋测绘的障碍可视化处理*** | |
CN113810102B (zh) | 光缆检测设备、***及方法 | |
CN115494871A (zh) | 一种输电线路异常的无人机巡检方法、装置以及*** | |
CN112558091B (zh) | 一种输电线对树空间距离的实时检测方法、装置及终端设备 | |
CN115575857B (zh) | 一种高压电线断落紧急保护方法及装置 | |
CN115880276B (zh) | 一种基于多期点云对比的塔杆运行状态评估方法及*** | |
US20230419656A1 (en) | Method and system for analyzing geo-spatial data regarding spatial object representations | |
CN111366172B (zh) | 数字高程模型的质量检测方法、装置和存储介质 | |
CN115856971A (zh) | 输电线路塔杆的监测方法、***及装置 | |
Liu et al. | Patrolling Cable Determination of the Lineman Based on GPS Positioning System | |
CN116385656A (zh) | 一种线缆三维呈现***及方法 |
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 |