CN117437589A - 变电站继电保护设备防误检测方法、***、设备及介质 - Google Patents
变电站继电保护设备防误检测方法、***、设备及介质 Download PDFInfo
- Publication number
- CN117437589A CN117437589A CN202311429368.5A CN202311429368A CN117437589A CN 117437589 A CN117437589 A CN 117437589A CN 202311429368 A CN202311429368 A CN 202311429368A CN 117437589 A CN117437589 A CN 117437589A
- Authority
- CN
- China
- Prior art keywords
- transformer substation
- image
- color
- pressing plate
- pressure plate
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003825 pressing Methods 0.000 claims abstract description 76
- 230000002265 prevention Effects 0.000 claims abstract description 34
- 238000012937 correction Methods 0.000 claims description 51
- 238000004891 communication Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 22
- 230000000877 morphologic effect Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010034972 Photosensitivity reaction Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000036211 photosensitivity Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/457—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 by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明公开了变电站继电保护设备防误检测方法、***、设备及介质,首先对变电站压板图像进行形态矫正和色彩矫正,再对矫正后的变电站压板图像进行特征分析,提高了对于压板特征识别的准确性。提供了“数据调阅+图像识别”方式确保继电保护设备操作数据准确获取。将由巡检机器人采集的真实的压板状态与已执行定值操作数据进行对比分析,得到压板操作序列,在压板操作序列中存储着压板的操作、操作的顺序以及压板状态与操作记录不符的数据,通过对上述数据进行防误闭锁检测,可以得到防误检测结果。从而解决了变电站继电保护设备防误管理普遍采用人工对压板进行检测、对比操作,此模式存在核对机械、耗时且正确率低的问题。
Description
技术领域
本发明涉及变电站继电保护设备防误检测技术领域,具体涉及变电站继电保护设备防误检测方法、***、设备及介质。
背景技术
变电站继电保护设备作为保证人身、电网、设备安全的重要设备,其运行可靠性取决于运维人员是否正确继电保护设备操作。根据变电站继电保护设备操作类型分,变电站继电保护设备操作主要分为保护定值操作以及硬压板投退两类。然而,与变电站一次设备不同,
变电站继电保护设备缺乏完备的微机“五防”手段,因此需采取一定的措施实现变电站继电保护设备操作防误。
目前,变电站继电保护设备防误管理普遍采用人工监护操作的防误管理模式,此模式存在核对机械、耗时且返工率高等缺点,无法满足电网数字化转型要求。因此现场急需一种能快速准确检查现场继电保护设备操作并精准防误的软件防误模块,以提升整个变电站继电保护设备操作数字化防误水平以及工作效率质效。
发明内容
针对背景技术所提出的问题,本发明目的在于变电站继电保护设备防误检测方法、***、设备及介质,解决了变电站继电保护设备防误管理普遍采用人工对压板进行检测、对比操作,此模式存在核对机械、耗时且正确率低的问题。
本发明通过下述技术方案实现:
本发明第一方面提供了,包括
步骤S1、获取变电站压板图像,对所述变电站压板图像进行形态矫正和色彩矫正,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析,得到变电站压板状态;
步骤S2、获取已执行定值操作数据,将所述变电站压板状态和所述已执行定值操作数据进行整合,生成二次设备操作数据;
步骤S3、对所述二次设备操作数据进行分析,得到压板操作序列,对所述压板操作序列进行防误闭锁检测,生成检测结果。
在上述技术方案中,为了克服在特征识别过程中,由于图像结构形态畸变以及图像颜色畸变导致的无法判断变电站压板状态或者变电站压板状态不正确,首先对变电站压板图像进行形态矫正和色彩矫正,再对矫正后的变电站压板图像进行特征分析,提高了对于压板特征识别的准确性,进而获取正确的变电站压板状态为后续的防误检测提供了正确的依据。
考虑变电站继电保护设备操作有着两者不同源的操作模式,可分为保护定值操作的软件操作方式以及硬压板投退的物理操作方式。因此提供了“数据调阅+图像识别”方式确保继电保护设备操作数据准确获取。
将由巡检机器人采集的真实的压板状态与已执行定值操作数据进行对比分析,得到压板操作序列,在压板操作序列中存储着压板的操作、操作的顺序以及压板状态与操作记录不符的数据,通过对上述数据进行防误闭锁检测,可以得到防误检测结果。从而解决了变电站继电保护设备防误管理普遍采用人工对压板进行检测、对比操作,此模式存在核对机械、耗时且正确率低的问题。
在一种可选的实施例中,对所述变电站压板图像进行色彩矫正包括:
将所述变电站压板图像分成R、G、B三个通道,对三个通道的亮度信息进行调节,生成第一矫正图像;
对所述第一矫正图像中红色通道进行反馈调节生成色彩反馈信号,对所述色彩反馈信号进行暗区域信号抑制调节,生成明暗反馈信号;
基于高斯函数的差分模型,将所述色彩反馈信号和所述明暗反馈信号输入所述差分模型中,生成第二矫正图像和第三矫正图像;
将所述第二矫正图像和第三矫正图像进行融合,生成色彩校正图像。
在一种可选的实施例中,将所述第二矫正图像和第三矫正图像进行融合包括:
λ1+λ2=1
上式中,CorPic(x,y)为色彩校正图像中像素点(x,y)的色彩值,wvt{}为小波融合函数,fc1为第二矫正图像的色彩反馈信号,gc1为第二矫正图像的色彩高斯函数,fl1为第二矫正图像的明暗反馈信号,gl1为第二矫正图像的明暗高斯函数,fc2为第三矫正图像的色彩反馈信号,gc2为第三矫正图像的色彩高斯函数,fl2为第三矫正图像的明暗反馈信号,gl2为第三矫正图像的明暗高斯函数,k为色彩对比度,R为红色信号值,G为绿色信号值,λ1、λ2为权重。
在一种可选的实施例中,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析包括:
将矫正后的变电站压板图像转换至HSV颜色空间,得到HSV颜色空间压板图像;
对所述HSV颜色空间压板图像进行逐像素识别,依据H通道的颜色信号值对所述HSV颜色空间压板图像进行分割,得到分割压板图像;
提取所述分割压板图像的连通区域,基于变电站压板形态特征对所述连通区域进行形态分析,得到变电站压板状态。
在一种可选的实施例中,依据H通道的颜色信号值对所述HSV颜色空间压板图像进行分割包括:
将H通道的颜色信息值在[-30,30]之间的像素点标记为红色像素点,将H通道的颜色信息值在[30,90]之间的像素点标记为黄色像素点;
将所有红色像素点和所有黄色像素点从所述HSV颜色空间压板图像中分割出来,形成分割压板图像。
在一种可选的实施例中,提取所述分割压板图像的连通区域,基于变电站压板形态特征对所述连通区域进行形态分析,得到变电站压板状态包括:
将红色像素点标记为1,将黄色像素点标记为2,对所述分割压板图像进行逐像素扫描,若扫描像素点相邻的所有方位像素点的标记与所述扫描像素点的标记相同,则将相同的所有像素点划分为同一个连通区域;
确定连通区域的四个顶点,依次连接四个顶点生成区域长度和区域宽度,通过所述区域长度和区域宽度计算区域面积,排除区域面积小于干扰面积阈值的连通区域;
对排除后的连通区域进行倾斜计算,得到连通区域的倾斜度,结合连通区域的标记和连通区域的倾斜度确定变电站压板状态。
在一种可选的实施例中,对所述压板操作序列进行防误闭锁检测包括:
μ1+μ2=1
上式中,ψ为操作正确率,Pr为对跳闸压板的操作命令,stri为第i个跳闸压板状态,opri为第i个跳闸压板的已执行定值操作数据,Py为对保护压板的操作命令,styi为第i个跳闸压板状态,opyi为第i个跳闸压板的已执行定值操作数据,μ1、μ2为权重。
本发明第二方面提供了,包括:
变电站压板状态模块,所述变电站压板状态模块用于获取变电站压板图像,对所述变电站压板图像进行形态矫正和色彩矫正,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析,得到变电站压板状态;
二次设备操作数据模块,所述二次设备操作数据模块用于获取已执行定值操作数据,将所述变电站压板状态和所述已执行定值操作数据进行整合,生成二次设备操作数据;
防误检测模块,所述防误检测模块用于对所述二次设备操作数据进行分析,得到压板操作序列,对所述压板操作序列进行防误闭锁检测,生成检测结果。
本发明第三方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现变电站继电保护设备防误检测方法。
本发明第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现变电站继电保护设备防误检测方法。
本发明与现有技术相比,具有如下的优点和有益效果:
1、首先对变电站压板图像进行形态矫正和色彩矫正,再对矫正后的变电站压板图像进行特征分析,提高了对于压板特征识别的准确性;
2、提供了“数据调阅+图像识别”方式确保继电保护设备操作数据准确获取;
3、解决了变电站继电保护设备防误管理普遍采用人工对压板进行检测、对比操作,此模式存在核对机械、耗时且正确率低的问题。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,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。在附图中:
图1为本发明实施例1提供的变电站继电保护设备防误检测方法的流程示意图;
图2为本发明实施例2提供的变电站继电保护设备防误检测***的结构示意图;
图3为本发明实施例3提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
图1为本发明实施例1提供的变电站继电保护设备防误检测方法的流程示意图,如图1所示,变电站继电保护设备防误检测方法包括如下步骤:
步骤S1、获取变电站压板图像,对所述变电站压板图像进行形态矫正和色彩矫正,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析,得到变电站压板状态;
需要说明的是,变电站压板图像通常是采用巡检机器人进行图像采集,而巡检机器人所采集的图像会受到镜头影响而导致的图像结构形态发生畸变的情况,同时,也会受到图像获取环境中光源颜色以及继保柜镜面反光的影响,导致图像颜色发生畸变的情况。而图像结构形态畸变和图像颜色畸变会导致后续对变电站压板图像的特征进行分析时,无法识别压板的边界特征,从而导致无法判断变电站压板状态或者变电站压板状态不正确。
为了克服在特征识别过程中,由于图像结构形态畸变以及图像颜色畸变导致的无法判断变电站压板状态或者变电站压板状态不正确,本发明首先对变电站压板图像进行形态矫正和色彩矫正,再对矫正后的变电站压板图像进行特征分析,提高了对于压板特征识别的准确性,进而获取正确的变电站压板状态为后续的防误检测提供了正确的依据。
在一种可选的实施例中,对所述变电站压板图像进行色彩矫正包括:
将所述变电站压板图像分成R、G、B三个通道,对三个通道的亮度信息进行调节,生成第一矫正图像;
对所述第一矫正图像中红色通道进行反馈调节生成色彩反馈信号,对所述色彩反馈信号进行暗区域信号抑制调节,生成明暗反馈信号;
基于高斯函数的差分模型,将所述色彩反馈信号和所述明暗反馈信号输入所述差分模型中,生成第二矫正图像和第三矫正图像;
将所述第二矫正图像和第三矫正图像进行融合,生成色彩校正图像。
需要说明的是,基于巡检机器人搭载相机的感光性,可以将其获取的图像分成R、G、B三个通道,并对三个通道的亮度进行调节,完成图像的光线感知。并对亮度调节后的图像中的红色通道进行反馈调节,从而对红色通道中最亮的部分进行选择调节,在进行色彩对比度调整的同时避免了图像过度校正出现色偏;再对色彩反馈信号进行暗区域信号抑制调节,从而完成对于色彩的对比度的调整。高斯函数的差分模型是一种双通道模型,采用差分模型对色彩反馈信号和明暗反馈信号进行处理可以提升图像整体的对比度。再将差分模型处理得到的第二矫正图像和第三矫正图像进行融合,生成的色彩校正图像可以正确还原变电站压板图像的色彩,避免了由于色彩误差而导致后续基于压板标识颜色分类出现误差。
在本实施例中,高斯函数的差分模型采用的是Difference of Gaussian模型,他可以通过将图像与高斯函数进行卷积得到图像的低通滤波结果,完成图像的去噪。同时,其可以对色彩反馈信号和明暗反馈信号进行特征检测,得到颜色增强的第二矫正图像和第三矫正图像。
在一种可选的实施例中,将所述第二矫正图像和第三矫正图像进行融合包括:
λ1+λ2=1
上式中,CorPic(x,y)为色彩校正图像中像素点(x,y)的色彩值,wvt{}为小波融合函数,fc1为第二矫正图像的色彩反馈信号,gc1为第二矫正图像的色彩高斯函数,fl1为第二矫正图像的明暗反馈信号,gl1为第二矫正图像的明暗高斯函数,fc2为第三矫正图像的色彩反馈信号,gc2为第三矫正图像的色彩高斯函数,fl2为第三矫正图像的明暗反馈信号,gl2为第三矫正图像的明暗高斯函数,k为色彩对比度,R为红色信号值,G为绿色信号值,λ1、λ2为权重。
需要说明的是,根据规定,跳闸压板采用红色标识、保护压板采用黄色标识,故在进行图像融合的过程中,主要将红、黄两色做一个色彩对比度的区别,而黄色信号值可以由红色信号值和绿色信号值进行计算。
在一种可选的实施例中,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析包括:
将矫正后的变电站压板图像转换至HSV颜色空间,得到HSV颜色空间压板图像;
对所述HSV颜色空间压板图像进行逐像素识别,依据H通道的颜色信号值对所述HSV颜色空间压板图像进行分割,得到分割压板图像;
提取所述分割压板图像的连通区域,基于变电站压板形态特征对所述连通区域进行形态分析,得到变电站压板状态。
需要说明的是,由于通过RGB颜色空间来确定颜色需要分别对R、G、B三个通道的信息数据进行分析,故在本发明中将RGB颜色空间转换至HSV颜色空间中。且,由于在前序步骤中已经对色彩的饱和度、亮度、对比度进行了矫正,故,在本发明中,可以仅通过对H通道的颜色信号值进行划分以完成图像的分割。
在一种可选的实施例中,依据H通道的颜色信号值对所述HSV颜色空间压板图像进行分割包括:
将H通道的颜色信息值在[-30,30]之间的像素点标记为红色像素点,将H通道的颜色信息值在[30,90]之间的像素点标记为黄色像素点;
将所有红色像素点和所有黄色像素点从所述HSV颜色空间压板图像中分割出来,形成分割压板图像。
在一种可选的实施例中,提取所述分割压板图像的连通区域,基于变电站压板形态特征对所述连通区域进行形态分析,得到变电站压板状态包括:
将红色像素点标记为1,将黄色像素点标记为2,对所述分割压板图像进行逐像素扫描,若扫描像素点相邻的所有方位像素点的标记与所述扫描像素点的标记相同,则将相同的所有像素点划分为同一个连通区域;
确定连通区域的四个顶点,依次连接四个顶点生成区域长度和区域宽度,通过所述区域长度和区域宽度计算区域面积,排除区域面积小于干扰面积阈值的连通区域;
对排除后的连通区域进行倾斜计算,得到连通区域的倾斜度,结合连通区域的标记和连通区域的倾斜度确定变电站压板状态。
需要说明的是,变电站压板状态包括处于开状态的跳闸压板、处于关状态的跳闸压板、处于开状态的保护压板和处于关状态的保护压板。通过对像素点的色彩扫描可以确定压板为跳闸压板还是保护压板。再对连通区域进行分析,可以确定压板的开合状态。
在本实施例中,排除区域面积小于干扰面积阈值的连通区域是为了排除干扰区域,干扰面积阈值可以根据变电站的实际情况进行设置。
步骤S2、获取已执行定值操作数据,将所述变电站压板状态和所述已执行定值操作数据进行整合,生成二次设备操作数据;
需要说明的是,考虑变电站继电保护设备操作有着两者不同源的操作模式,可分为保护定值操作的软件操作方式以及硬压板投退的物理操作方式。因此本发明提供了“数据调阅+图像识别”方式确保继电保护设备操作数据准确获取。
进一步的,由于变电站继电保护设备作为一区生产设备,具有运行数据安全管理要求,本发明还提供了传输限制电路,确保了已执行定值操作数据传输的单向选择性。
步骤S3、对所述二次设备操作数据进行分析,得到压板操作序列,对所述压板操作序列进行防误闭锁检测,生成检测结果。
需要说明的是,本步骤的目的在于将由巡检机器人采集的真实的压板状态与已执行定值操作数据进行对比分析,得到压板操作序列,在压板操作序列中存储着压板的操作、操作的顺序以及压板状态与操作记录不符的数据,通过对上述数据进行防误闭锁检测,可以得到防误检测结果。
在一种可选的实施例中,对所述压板操作序列进行防误闭锁检测包括:
μ1+μ2=1
上式中,ψ为操作正确率,Pr为对跳闸压板的操作命令,stri为第i个跳闸压板状态,opri为第i个跳闸压板的已执行定值操作数据,Py为对保护压板的操作命令,styi为第i个跳闸压板状态,opyi为第i个跳闸压板的已执行定值操作数据,μ1、μ2为权重。
实施例2
图2为本发明实施例2提供的变电站继电保护设备防误检测***的结构示意图,如图2所示,变电站继电保护设备防误检测***包括:
变电站压板状态模块,所述变电站压板状态模块用于获取变电站压板图像,对所述变电站压板图像进行形态矫正和色彩矫正,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析,得到变电站压板状态;
二次设备操作数据模块,所述二次设备操作数据模块用于获取已执行定值操作数据,将所述变电站压板状态和所述已执行定值操作数据进行整合,生成二次设备操作数据;
防误检测模块,所述防误检测模块用于对所述二次设备操作数据进行分析,得到压板操作序列,对所述压板操作序列进行防误闭锁检测,生成检测结果。
实施例3
图3为本发明实施例3提供的一种电子设备的结构示意图,如图3所示,该电子设备包括处理器21、存储器22、输入装置23和输出装置24;计算机设备中处理器21的数量可以是一个或多个,图3中以一个处理器21为例;电子设备中的处理器21、存储器22、输入装置23和输出装置24可以通过总线或其他方式连接,图3中以通过总线连接为例。
存储器22作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块。处理器21通过运行存储在存储器22中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现实施例1的用于变电站继电保护设备防误检测方法。
存储器22可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器22可进一步包括相对于处理器21远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置23可用于接收用户输入的id和密码等。输出装置24用于输出配网页面。
实施例4
本发明实施例4还提供一种计算机可读存储介质,所述计算机可执行指令在由计算机处理器执行时用于实现如实施例1所提供的变电站继电保护设备防误检测方法。
本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于实施例1所提供的方法操作,还可以执行本发明任意实施例所提供的变电站继电保护设备防误检测方法中的相关操作。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.变电站继电保护设备防误检测方法,其特征在于,包括如下步骤:
步骤S1、获取变电站压板图像,对所述变电站压板图像进行形态矫正和色彩矫正,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析,得到变电站压板状态;
步骤S2、获取已执行定值操作数据,将所述变电站压板状态和所述已执行定值操作数据进行整合,生成二次设备操作数据;
步骤S3、对所述二次设备操作数据进行分析,得到压板操作序列,对所述压板操作序列进行防误闭锁检测,生成检测结果。
2.根据权利要求1所述的变电站继电保护设备防误检测方法,其特征在于,对所述变电站压板图像进行色彩矫正包括:
将所述变电站压板图像分成R、G、B三个通道,对三个通道的亮度信息进行调节,生成第一矫正图像;
对所述第一矫正图像中红色通道进行反馈调节生成色彩反馈信号,对所述色彩反馈信号进行暗区域信号抑制调节,生成明暗反馈信号;
基于高斯函数的差分模型,将所述色彩反馈信号和所述明暗反馈信号输入所述差分模型中,生成第二矫正图像和第三矫正图像;
将所述第二矫正图像和第三矫正图像进行融合,生成色彩校正图像。
3.根据权利要求2所述的变电站继电保护设备防误检测方法,其特征在于,将所述第二矫正图像和第三矫正图像进行融合包括:
λ1+λ2=1
上式中,CorPic(x,y)为色彩校正图像中像素点(x,y)的色彩值,wvt{}为小波融合函数,fc1为第二矫正图像的色彩反馈信号,gc1为第二矫正图像的色彩高斯函数,fl1为第二矫正图像的明暗反馈信号,gl1为第二矫正图像的明暗高斯函数,fc2为第三矫正图像的色彩反馈信号,gc2为第三矫正图像的色彩高斯函数,fl2为第三矫正图像的明暗反馈信号,gl2为第三矫正图像的明暗高斯函数,k为色彩对比度,R为红色信号值,G为绿色信号值,λ1、λ2为权重。
4.根据权利要求1所述的变电站继电保护设备防误检测方法,其特征在于,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析包括:
将矫正后的变电站压板图像转换至HSV颜色空间,得到HSV颜色空间压板图像;
对所述HSV颜色空间压板图像进行逐像素识别,依据H通道的颜色信号值对所述HSV颜色空间压板图像进行分割,得到分割压板图像;
提取所述分割压板图像的连通区域,基于变电站压板形态特征对所述连通区域进行形态分析,得到变电站压板状态。
5.根据权利要求4所述的变电站继电保护设备防误检测方法,其特征在于,依据H通道的颜色信号值对所述HSV颜色空间压板图像进行分割包括:
将H通道的颜色信息值在[-30,30]之间的像素点标记为红色像素点,将H通道的颜色信息值在[30,90]之间的像素点标记为黄色像素点;
将所有红色像素点和所有黄色像素点从所述HSV颜色空间压板图像中分割出来,形成分割压板图像。
6.根据权利要求5所述的变电站继电保护设备防误检测方法,其特征在于,提取所述分割压板图像的连通区域,基于变电站压板形态特征对所述连通区域进行形态分析,得到变电站压板状态包括:
将红色像素点标记为1,将黄色像素点标记为2,对所述分割压板图像进行逐像素扫描,若扫描像素点相邻的所有方位像素点的标记与所述扫描像素点的标记相同,则将相同的所有像素点划分为同一个连通区域;
确定连通区域的四个顶点,依次连接四个顶点生成区域长度和区域宽度,通过所述区域长度和区域宽度计算区域面积,排除区域面积小于干扰面积阈值的连通区域;
对排除后的连通区域进行倾斜计算,得到连通区域的倾斜度,结合连通区域的标记和连通区域的倾斜度确定变电站压板状态。
7.根据权利要求1所述的变电站继电保护设备防误检测方法,其特征在于,对所述压板操作序列进行防误闭锁检测包括:
μ1+μ2=1
上式中,ψ为操作正确率,Pr为对跳闸压板的操作命令,stri为第i个跳闸压板状态,opri为第i个跳闸压板的已执行定值操作数据,Py为对保护压板的操作命令,styi为第i个跳闸压板状态,opyi为第i个跳闸压板的已执行定值操作数据,μ1、μ2为权重。
8.变电站继电保护设备防误检测***,其特征在于,包括:
变电站压板状态模块,所述变电站压板状态模块用于获取变电站压板图像,对所述变电站压板图像进行形态矫正和色彩矫正,基于压板标识颜色分类对矫正后的变电站压板图像进行特征分析,得到变电站压板状态;
二次设备操作数据模块,所述二次设备操作数据模块用于获取已执行定值操作数据,将所述变电站压板状态和所述已执行定值操作数据进行整合,生成二次设备操作数据;
防误检测模块,所述防误检测模块用于对所述二次设备操作数据进行分析,得到压板操作序列,对所述压板操作序列进行防误闭锁检测,生成检测结果。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至7所述的变电站继电保护设备防误检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7所述的变电站继电保护设备防误检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311429368.5A CN117437589A (zh) | 2023-10-30 | 2023-10-30 | 变电站继电保护设备防误检测方法、***、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311429368.5A CN117437589A (zh) | 2023-10-30 | 2023-10-30 | 变电站继电保护设备防误检测方法、***、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117437589A true CN117437589A (zh) | 2024-01-23 |
Family
ID=89551149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311429368.5A Pending CN117437589A (zh) | 2023-10-30 | 2023-10-30 | 变电站继电保护设备防误检测方法、***、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117437589A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013114803A1 (ja) * | 2012-01-30 | 2013-08-08 | 日本電気株式会社 | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム |
CN111652817A (zh) * | 2020-05-28 | 2020-09-11 | 大连海事大学 | 一种基于人眼视觉感知机理的水下图像清晰化方法 |
CN112508940A (zh) * | 2020-12-22 | 2021-03-16 | 三峡大学 | 变电站功能型保护压板投退状态辨识方法 |
CN113421029A (zh) * | 2021-07-21 | 2021-09-21 | 国网黑龙江省电力有限公司牡丹江供电公司 | 一种用于变电站保护压板状态采集识别终端 |
CN114037873A (zh) * | 2021-11-09 | 2022-02-11 | 国网山西省电力公司朔州供电公司 | 基于人工智能的变电站二次回路保护压板检测***及方法 |
CN114549812A (zh) * | 2022-01-18 | 2022-05-27 | 国网冀北电力有限公司 | 基于目标检测模型的智能变电站继电保护硬压板校核方法 |
-
2023
- 2023-10-30 CN CN202311429368.5A patent/CN117437589A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013114803A1 (ja) * | 2012-01-30 | 2013-08-08 | 日本電気株式会社 | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム |
CN111652817A (zh) * | 2020-05-28 | 2020-09-11 | 大连海事大学 | 一种基于人眼视觉感知机理的水下图像清晰化方法 |
CN112508940A (zh) * | 2020-12-22 | 2021-03-16 | 三峡大学 | 变电站功能型保护压板投退状态辨识方法 |
CN113421029A (zh) * | 2021-07-21 | 2021-09-21 | 国网黑龙江省电力有限公司牡丹江供电公司 | 一种用于变电站保护压板状态采集识别终端 |
CN114037873A (zh) * | 2021-11-09 | 2022-02-11 | 国网山西省电力公司朔州供电公司 | 基于人工智能的变电站二次回路保护压板检测***及方法 |
CN114549812A (zh) * | 2022-01-18 | 2022-05-27 | 国网冀北电力有限公司 | 基于目标检测模型的智能变电站继电保护硬压板校核方法 |
Non-Patent Citations (2)
Title |
---|
周凯 等: "基于YC_bC_r颜色分割与特征分析的变电站压板状态识别", 《电气工程学报》, vol. 18, no. 03, 4 September 2023 (2023-09-04), pages 285 - 296 * |
程干: "复杂光照条件下的人脸识别方法研究", 《中国优秀硕士学位论文全文数据库-信息科技辑》, no. 2019, 15 September 2019 (2019-09-15), pages 44 - 54 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107388960A (zh) | 一种确定物体体积的方法及装置 | |
CN106875408B (zh) | 用于截图的方法、装置及终端设备 | |
US11228723B2 (en) | Pixel correction | |
CN115035944A (zh) | 半导体芯片的检测方法、装置和计算机设备 | |
CN115690012A (zh) | 一种电能表接错线的检测方法 | |
JP2017511674A (ja) | Jpeg圧縮画像に関連付けられる写真カメラモデルを特定するためのシステム、ならびに関連付けられる方法、使用およびアプリケーション | |
CN115661161A (zh) | 零件的缺陷检测方法、装置、存储介质、设备及程序产品 | |
CN110188640B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN112418226B (zh) | 一种鱼眼分合闸状态识别的方法及装置 | |
CN114066862A (zh) | 一种基于色域和轮廓特征的指示器识别方法及*** | |
CN117437589A (zh) | 变电站继电保护设备防误检测方法、***、设备及介质 | |
US11922680B2 (en) | Image determination device, image determination method, and non-transitory computer readable medium storing program | |
EP4276755A1 (en) | Image segmentation method and apparatus, computer device, and readable storage medium | |
CN110310341B (zh) | 颜色算法中默认参数的生成方法、装置、设备和存储介质 | |
CN116704316A (zh) | 基于阴影图像重构的变电站渗漏油检测方法、***及介质 | |
CN114494116B (zh) | 器件边缘的检测方法、装置、存储介质及电子设备 | |
CN114820583A (zh) | 一种海量多源卫星遥感影像自动化质量检查方法 | |
CN115546736A (zh) | 基于图像采集的河道采砂监控处理方法及*** | |
CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN111652055B (zh) | 一种基于两阶段定位的开关仪表智能识别方法 | |
CN105825161A (zh) | 图像的肤色检测方法及其*** | |
CN112529883A (zh) | 一种基于图像边缘识别的贴片检测方法及装置 | |
CN113610091A (zh) | 一种空气开关状态的智能识别方法、识别装置及存储介质 | |
CN109459925B (zh) | 一种pid控制数据手绘识别和参数整定的方法 | |
CN112164086B (zh) | 一种精细化的图像边缘信息确定方法、***及电子设备 |
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 |