CN117828309B - 一种多源数据融合测距的变电站安全预警方法 - Google Patents
一种多源数据融合测距的变电站安全预警方法 Download PDFInfo
- Publication number
- CN117828309B CN117828309B CN202410239862.3A CN202410239862A CN117828309B CN 117828309 B CN117828309 B CN 117828309B CN 202410239862 A CN202410239862 A CN 202410239862A CN 117828309 B CN117828309 B CN 117828309B
- Authority
- CN
- China
- Prior art keywords
- distance
- fault
- electrical
- early warning
- space
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000004927 fusion Effects 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 70
- 238000010586 diagram Methods 0.000 claims abstract description 42
- 230000003213 activating effect Effects 0.000 claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种多源数据融合测距的变电站安全预警方法,属于变电站安全防护领域,包括:获得变电站的高压设备的危险距离阈值,以此生成虚拟预警空间,获得第一监测距离,当小于或等于追踪距离阈值,激活移动测距预警模块进行追踪测距,获得距离直方时序图;基于虚拟预警空间,结合距离直方时序图进行多源数据融合,生成空间接触概率;当空间接触概率大于或等于接触概率阈值,进行安全预警。本申请解决了现有技术中通过预先配置固定的安全距离进行管制,导致存在变电站安全预警的范围精度较差的技术问题,达到了通过移动测距预警模块的追踪测距实时评估空间接触概率,提高变电站安全预警的范围精度的技术效果。
Description
技术领域
本发明涉及变电站安全防护领域,具体涉及一种多源数据融合测距的变电站安全预警方法。
背景技术
随着电力***日趋复杂大规模,对变电站中高压电气设备的安全要求也逐渐提升。当前,针对移动的施工人员、施工机械,变电站安全预警通常根据固定的安全距离设定防护范围,即根据高压电气设备类型和参数,人为确定预警距离,一旦有施工人员、施工机械进入该范围,则触发报警;但在实际应用中,由于部署设备不同,设备分布拓扑不同,主观确定的安全距离误差概率较大,无法准确分析高压电器设备实时状态,容易造成的漏报、误报,进而导致现有技术中变电站安全预警的范围精度较差。
发明内容
本申请通过提供了一种多源数据融合测距的变电站安全预警方法,旨在解决现有技术中通过预先配置固定的安全距离进行管制,导致存在变电站安全预警的范围精度较差的技术问题。
鉴于上述问题,本申请提供了一种多源数据融合测距的变电站安全预警方法。
本申请公开的第一个方面,提供了一种多源数据融合测距的变电站安全预警方法,该方法包括:获得变电站的高压设备的危险距离阈值;以危险距离阈值为半径,以设备位置标签为中心进行空间范围扩张,生成虚拟预警空间;获得第一运动目标和虚拟预警空间的第一监测距离;当第一监测距离小于或等于追踪距离阈值,激活移动测距预警模块对第一运动目标进行追踪测距,获得距离直方时序图;基于虚拟预警空间,结合距离直方时序图进行多源数据融合,生成空间接触概率;当空间接触概率大于或等于接触概率阈值,对第一运动目标进行安全预警。
本申请公开的另一个方面,提供了一种多源数据融合测距的变电站安全预警***,该***包括:危险距离阈值模块,用于获得变电站的高压设备的危险距离阈值;虚拟预警空间模块,用于以危险距离阈值为半径,以设备位置标签为中心进行空间范围扩张,生成虚拟预警空间;监测距离获取模块,用于获得第一运动目标和虚拟预警空间的第一监测距离;追踪测距模块,用于当第一监测距离小于或等于追踪距离阈值,激活移动测距预警模块对第一运动目标进行追踪测距,获得距离直方时序图;空间接触概率模块,用于基于虚拟预警空间,结合距离直方时序图进行多源数据融合,生成空间接触概率;安全预警模块,用于当空间接触概率大于或等于接触概率阈值,对第一运动目标进行安全预警。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获得变电站的高压设备的危险距离阈值,为构建虚拟预警空间提供基础信息;以危险距离阈值为半径,以设备位置标签为中心进行空间范围扩张,生成虚拟预警空间,构建可能的危险空间;利用摄像头获得目标与虚拟预警空间的监测距离,为预警判断提供数据;当监测距离小于或等于追踪距离阈值,启动移动测距预警模块精确追踪和测距,得到距离直方时序图,获取目标与虚拟预警空间距离变化信息,得到距离直方时序图;进行多源数据融合,生成空间接触概率,实现精确预警判断;当空间接触概率大于或等于接触概率阈值,对运动目标进行及时报警提示,最大限度地防范事故发生的技术方案,解决了现有技术中通过预先配置固定的安全距离进行管制,导致存在变电站安全预警的范围精度较差的技术问题,达到了通过移动测距预警模块的追踪测距实时评估空间接触概率,提高变电站安全预警的范围精度的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种多源数据融合测距的变电站安全预警方法的一种流程示意图;
图2为本申请实施例提供了一种多源数据融合测距的变电站安全预警方法中生成变电站危险距离标识通道的一种流程示意图;
图3为本申请实施例提供了一种多源数据融合测距的变电站安全预警***的一种结构示意图。
附图标记说明:危险距离阈值模块11,虚拟预警空间模块12,监测距离获取模块13,追踪测距模块14,空间接触概率模块15,安全预警模块16。
具体实施方式
本申请提供的技术方案总体思路如下:
本申请实施例提供了一种多源数据融合测距的变电站安全预警方法,针对变电站内高压电气设备的各类电气情况,动态生成与之匹配的虚拟预警空间,然后利用摄像头和移动测距预警模块等设备,对运动目标的运动状态进行实时监测判断,一旦运动目标接近虚拟预警空间,计算空间接触概率,并与接触概率阈值,当空间接触概率高于接触概率阈值时,判定运动目标已经进入危险状态,对其实施安全预警。
具体来说,首先,设备位置标签获得变电站的高压设备的危险距离阈值,并以此扩展划定虚拟预警空间。然后,采用摄像头和移动测距预警模块两种设备协同工作,先用摄像头计算运动目标与虚拟预警空间的大致距离,如果小于或等于追踪距离阈值,采用移动测距预警模块进行精确追踪和测距,实时计算空间接触概率,一旦超过设定的接触概率阈值,则判定运动目标进入危险区域,从而实施安全预警。
综上,本发明实现了根据变电站中高压电气设备的具体情况动态设置虚拟预警空间,进行多源数据融合判断运动目标是否接近危险空间以进行安全预警,从而提高安全预警的主动性、适应性和准确性,提升安全预警的效果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种多源数据融合测距的变电站安全预警方法,该方法包括:
获得变电站的高压设备的危险距离阈值;
进一步的,本步骤包括:
接收变电站的高压设备电气故障报警信息,其中,所述高压设备电气故障报警信息包括设备位置标签、电气设备型号标签和故障类型标签;
加载电气设备控制参数,基于所述电气设备型号标签进行故障状态分析,生成故障强度标签;
激活变电站危险距离标识通道,对所述故障类型标签、所述电气设备型号标签和所述故障强度标签进行映射,生成危险距离阈值。
进一步的,如图2所示,激活变电站危险距离标识通道之前,包括:
以变电站设备部署拓扑特征为索引约束,检索高压设备电气故障事务集,其中,任意一条高压设备电气故障事务包括故障设备记录型号、异常指标记录状态、设备记录控制参数、故障记录类型和高压场强记录影响距离;
根据所述异常指标记录状态、所述故障设备记录型号和所述设备记录控制参数进行故障状态分析,生成故障强度标识标签;
以所述故障设备记录型号、所述故障记录类型和所述故障强度标识标签为自变量,以所述高压场强记录影响距离为因变量进行BP神经网络拟合,生成所述变电站危险距离标识通道。
在本申请实施例中,在变电站中设置有监控主机,用于全面监控变电站内各个高压设备的运行状态和电气参数。该监控主机收集各类传感器、测量装置采集的高压设备的实时状态数据和参数,如电压、电流、温度等,根据预设的逻辑判断程序,分析高压设备的运行状态,判断是否发生故障,并保存故障数据,形成高压设备电气故障报警信息。该高压设备电气故障报警信息包括每次故障发生时的设备位置标签、电气设备型号标签和故障类型标签。其中,设备位置标签表示发生电气故障的高压设备的位置信息,例如,采用三维坐标表示该高压设备的空间位置;电气设备型号标签表示发生电气故障的高压设备的具体型号;故障类型标签表示发生电气故障的高压设备的故障类型,如短路、过载、过热、断路器跳闸等。
通过获取包含设备位置标签、电气设备型号标签和故障类型标签在内的高压设备电气故障报警信息,为针对生成该变电站的虚拟预警空间建立数据基础。
然后,针对不同型号的高压设备,预先建立包含正常工作参数界限、电气特性、控制规律等在内的电气设备控制参数数据库。其中,正常工作参数界限包括电压、电流、温度、断路器跳闸频率等参数的标准工作范围;电气特性包括电气设备的负载特性曲线、过载保护曲线等;控制规律包括正常和异常情况下设备的控制逻辑。随后,根据接收到的电气设备型号标签,从电气设备控制参数数据库中加载对应型号设备的电气设备控制参数。然后,结合故障类型标签中指示的故障情况,按照控制规律分析故障状态,判断故障的严重程度,生成表示故障强度的故障强度标签。
在此之前,预先针对变电站内各类高压设备建立变电站危险距离标识通道,该通道以故障类型标签、电气设备型号标签和故障强度标签为输入变量,输出针对该故障情况的危险距离阈值。首先,采集变电站内所有电气设备的空间坐标和供电连接关系,构建站内电气设备的空间电气连接图,通过空间约束和连接约束准确反映站内电气设备的拓扑部署特征。其中,空间电气连接图中的节点表示电气设备,边表示设备之间的电气连接。其次,针对目标区域,在空间电气连接图中提取区域内每一电气设备节点及其连接边,构成电气设备拓扑子图,以每个电气设备拓扑子图为约束,在历史电气故障事务中进行图约束过滤,检索出每一电气设备节点所映射的历史故障事务,汇总所有高压设备的历史故障事务,得到高压设备电气故障事务集。该高压设备电气故障事务集中的任意一条高压设备电气故障事务包括故障设备记录型号、异常指标记录状态、设备记录控制参数、故障记录类型和高压场强记录影响距离。其中,故障设备记录型号表示发生故障的高压设备的具体设备型号,格式为“厂家型号_编号”,用于精确定位故障设备;异常指标记录状态记录故障发生时高压设备相关的异常电气指标,如电压、电流、温升速率等参数的监测值;设备记录控制参数表示高压设备的控制参数设置,如保护设置值、操作规程等;故障记录类型指明发生的故障类型,如短路、断路、爆闪等;高压场强记录影响距离表示该高压设备在该类故障状态下,高压电场或者电磁场的影响距离值。
然后,借助专家***或知识库,将已有的设备知识和经验整合进去,对异常指标记录状态、所述故障设备记录型号和所述设备记录控制参数进行推理分析,实现故障状态分析,生成每一高压设备电气故障事务故障强度标识标签。随后,以故障设备记录型号、故障记录类型和故障强度标识标签为自变量,从而确定BP神经网络的输入变量和输入层节点数,以高压场强记录影响距离为因变量,从而确定BP神经网络的输出变量和输出层节点数,根据经验法确定BP神经网络的隐含层节点数,从而确定BP神经网络结构。接着,根据获取的故障设备记录型号、故障记录类型和故障强度标识标签,以及高压场强记录影响距离,根据BP神经网络的输入输出节点构建网络训练样本集,对网络训练样本集进行数据清洗和正则化预处理,用以训练BP神经网络,采用误差反向传播算法通过多轮迭代逐步最小化损失函数,使网络模型逼近网络性能要求,从而得到变电站危险距离标识通道。
在采集到故障类型标签、电气设备型号标签和故障强度标签后,将提取的故障类型标签、电气设备型号标签以及生成的故障强度标签作为变电站危险距离标识通道的输入变量,进行多变量映射运算,输出一个危险距离阈值,表示该故障条件下工作人员需要维持的最小安全距离。通过激活变电站危险距离标识通道实时规划危险距离阈值,实现对复杂故障条件下的精确距离预警,为后续的虚拟预警空间划定提供依据。
进一步的,本申请实施例还包括:
当所述高压设备电气故障报警信息为空,获得高压设备电气运行控制参数;
激活危险距离阈值标定表,对所述高压设备电气运行控制参数进行标定,获得所述危险距离阈值。
在一种可行的实施方式中,当没有检测到电气设备实际故障报警时,即高压设备电气故障报警信息为空时,判断高压设备的状态正常。此时,访问高压设备的控制***,获取高压设备实时的电压、电流、温度等电气控制参数,得到高压设备电气运行控制参数。然后,加载预先生成的危险距离阈值标定表,该危险距离阈值标定表为预设的表格,其内部存储着某个位置的高压设备的不同运行模态下对应的危险距离阈值,即:某个位置的高压设备具有唯一对应的一个危险距离阈值标定表,表内存储着一一对应的此类数据:运行模态1-危险距离阈值1;运行模态2-危险距离阈值2;等等;其中不同的运行模态一一对应于不同的高压设备电气运行控制参数状态。随后,在当前高压设备的危险距离阈值标定表中,查找与当前高压设备电气运行控制参数匹配的运行模态,进而提取该运行模态对应的危险距离阈值,并设定为当前的危险距离阈值。
由于高压设备在正常状态下运行控制参数波动范围有限,因此事先设定不同控制参数条件下的标准安全距离,设为危险距离阈值标定表,以在设备无故障状态下,快速获取危险距离阈值,提高处理效率。
以所述危险距离阈值为半径,以所述设备位置标签为中心进行空间范围扩张,生成虚拟预警空间;
在本申请实施例中,在获取故障设备的危险距离阈值后,加载变电站区域的三维数字化场景地图,地图中包含所有电气设备的空间坐标信息。在三维数字化场景地图中,根据设备位置标签确定故障设备的空间坐标,以此为中心点构建半径为危险距离阈值的球形缓冲区域,球形缓冲区域与三维数字化场景地图的交集部分构成虚拟预警空间,精确高效生成变电站内基于电气设备实时状态的预警空间划定。
在一种优选的实施方式中,当涉及多个高压设备时,会分别为每个高压设备生成对应的虚拟预警空间,得到多个虚拟预警空间,此时,在三维数字化场景地图中对这多个虚拟预警空间进行并集求取,得到的多个虚拟预警空间的并集结果即为最终的虚拟预警空间。
获得第一运动目标和所述虚拟预警空间的第一监测距离;
在本申请实施例中,第一运动目标是指被安装在变电站区域内的摄像设备捕捉到的人或者物体等运动实体;第一监测距离是指第一运动目标与虚拟预警空间之间的物理距离。
首先,结合摄像设备获取的第一运动目标在不同时刻的图像,采用三角测量原理计算该第一运动目标与摄像设备镜头的物理距离。然后,基于该第一运动目标与摄像设备镜头的方位角与俯仰角,结合虚拟预警空间的三维坐标信息计算出第一运动目标与虚拟预警空间表面的最短距离,设定为第一监测距离。
通过实时监测获得运动目标与预警区域之间的空间距离信息,为后续的安全预警提供数据依据。
当所述第一监测距离小于或等于追踪距离阈值,激活移动测距预警模块对所述第一运动目标进行追踪测距,获得距离直方时序图;
在本申请实施例中,移动测距预警模块是智能化的可移动监控设备,相比固定的摄像设备,可实现360度全方位监控、自动跟踪、实时预警等功能;追踪距离阈值是指预设的安全距离数值,用于判断第一运动目标是否进入了故障高压设备的危险区域。
当第一监测距离小于或等于该追踪距离阈值时,说明第一运动目标已经接近或者进入了高压设备的危险区域,此时,向移动测距预警模块发送指令,令其自动锁定并使用自身的摄像和传感装置追踪第一运动目标的运动轨迹。同时,移动测距预警模块中持续检测和记录下第一运动目标与自身的位置变化数据,对第一运动目标进行追踪测距。在连续追踪过程中,移动测距预警模块捕捉获取第一运动目标在时间域上连续的多组距离数据,根据这些距离数据构成的时间序列变化关系,绘制并构建距离直方时序图,以直观地反映第一运动目标在移动过程中与危险区域距离的动态变化,为安全预警判断提供关键数据支持。
基于所述虚拟预警空间,结合所述距离直方时序图进行多源数据融合,生成空间接触概率;
进一步的,本步骤包括:
提取所述距离直方时序图的直方时序图轮廓特征;
当直方图敏感轮廓模板和所述直方时序图轮廓特征的形状相似度大于或等于相似度阈值,交互所述移动测距预警模块,加载所述第一运动目标的第一运动位置时序信息;
根据所述第一运动位置时序信息,获得目标运动轨迹;
获得变电站道路拓扑图,对所述目标运动轨迹进行匹配,生成匹配道路;
当匹配道路的数量等于0,将所述空间接触概率设为1;
当匹配道路数量大于0,获得匹配道路坐标集:
当所述匹配道路坐标集和所述虚拟预警空间相交或相切,将所述空间接触概率设为1;
否则,将所述空间接触概率设为0。
在一种优选的实施方式中,首先,对获取的距离直方时序图进行图像处理,检测识别图中包含的各个直方体元素,计算各个识别元素的高度参数,即对应时间点上的距离数据,将高度参数按时间顺序连接绘制出轮廓线,对轮廓线进行滤波、拟合等处理得到轮廓曲线,作为直方时序图轮廓特征。其次,提取根据安全要求设置的直方图敏感轮廓模板,该直方图敏感轮廓模板为一个明显的向下倾斜的曲线,反映目标逐渐接近危险区域时距离读数的下降规律。然后,对直方图敏感轮廓模板和直方时序图轮廓特征这两条轮廓曲线采用离散采样,获取轮廓点序列,计算轮廓点序列之间的距离,反映两条轮廓曲线之间的点对点偏差,以此得到直方图敏感轮廓模板和所述直方时序图轮廓特征的形状相似度。当该形状相似度大于或等于根据安全要求设置的相似度阈值时,向执行监测任务的移动测距预警模块发送访问请求,获取第一运行目标的第一运动位置时序信息。
然后,对获取的第一运动位置时序信息进行预处理,包括去噪、坐标校准等,确保位置数据的精度,再应用贝塞尔曲线、样条曲线等曲线拟合方法,对预处理后的第一运动位置时序信息中的位置序列进行轨迹模拟,输出描述第一运行目标移动的三维空间轨迹曲线,即为目标运动轨迹。之后,针对目标变电站,调取站区地形图和道路蓝图作为基础地图数据,在基础地图上标注各条室外道路的范围边界和节点信息,构建站区道路的空间网络拓扑结构,形成变电站道路拓扑图。接着,在变电站道路拓扑图上标注目标运动轨迹,得到第一运行目标所在的最新位置,作为起始位置;并标注虚拟预警空间的周边位置,作为关注位置;识别在变电站道路拓扑图所有可从起始位置通向关注位置的道路,作为匹配道路。
在获取匹配道路后,对匹配道路的数量进行获取,当匹配道路的数量等于0,说明第一运动目标已经脱离正常的行进路线,且靠近危险区域,此时空间接触概率设为1,表示第一运动目标与虚拟预警空间将要接触的可能性极高。当匹配道路数量大于0时,根据匹配道路,在变电站道路拓扑图中,对匹配到的每一条道路,提取其路面范围的边界点序列,构成坐标包络框,形成匹配道路坐标集。当匹配道路坐标集中的任一坐标包络框的任意一点同时属于虚拟预警空间中时,为匹配道路坐标集和虚拟预警空间相交;当匹配道路坐标集中的任一坐标包络框与虚拟预警空间的边界曲面接触,为匹配道路坐标集和虚拟预警空间相切;当匹配道路坐标集和虚拟预警空间相交或相切,说明第一运动目标将与虚拟预警空间发生接触或重叠,此时将空间接触概率设为1。反之,当匹配道路坐标集和虚拟预警空间不存在相交或相切的情况时,说明第一运动目标与虚拟预警空间之间没有空间重合的情况发生,为避免产生大量误报,将空间接触概率设定为0,表示第一运动出现接触虚拟预警空间的概率为0。
当所述空间接触概率大于或等于接触概率阈值,对所述第一运动目标进行安全预警。
在本申请实施例中,收集大量历史运行数据,统计不同类型移动目标与危险区域接触对应的概率分布区间,组织专家询问会,根据变电站的安全运营需求,确定正常工作的最大可接受的空间接触概率的概率值,得到接触概率阈值。此外,还可以设置差异化接触概率阈值,对不同故障设备和故障类型实施分级管理。
在获取空间接触概率,将其与对应的接触概率阈值进行比较,当空间接触概率大于或等于接触概率阈值时,触发预警模块,预警模块接入变电站的区域语音广播***和警示灯光***,实现语音和视觉的结合预警,对第一运动目标进行预警,并对值班人员进行应急通知。预警信号发送后的10—20秒内如果未监测到第一运动目标明显远离的运动,则升级为更高级别的声光报警,最大限度确保变电站的安全稳定运行。
进一步的,本申请实施例包括:
获得电气异常指标属性集与电气异常指标监测序列集;
根据所述电气设备控制参数和所述电气设备型号标签,遍历所述电气异常指标属性集进行基线匹配,生成电气异常指标基线集;
基于所述电气异常指标基线集,对所述电气异常指标监测序列集进行异常标定,生成基指标故障强度标签集;
遍历所述电气异常指标属性集,对所述故障类型标签进行关联性分析,生成灰色关联度集合;
对所述基指标故障强度标签集进行归一化处理,生成基指标故障强度特征值集;
根据所述灰色关联度集合对所述基指标故障强度特征值集进行加权均值分析,生成所述故障强度标签。
在一种可行的实施方式中,电气异常指标属性集是反映高压电气设备异常状态的一组电气参数,如电压、电流、温度、噪声、绝缘电阻率等,能够在设备出现故障时产生异常变化规律;电气异常指标监测序列集是指对异常指标属性在长时间域上连续自动监测采集所形成的时间序列化的数据集,反映设备运行指标的演变情况。首先,通过对变电站内所有类型的高压电气设备,配置采集模块,根据预先确定的电气异常指标属性集实时采集设备运行时的各类电气数据,得到电气异常指标监测序列集。然后,根据电气设备型号标签和电气设备控制参数,查询获取该型号设备在与电气设备控制参数相同控制状态的健康运行的电气状态历史监测值,对电气状态历史监测值进行集中趋势分析,确定电气状态历史监测值的基准区间,将该区间范围设置为对应电气异常指标的正常基准线水平,形成电气异常指标基线集。
随后,取出电气异常指标基线集中设置的某一异常指标的正常区间基准线,在对应该指标的电气异常指标监测序列集中,逐点判断监测值是否落在基准区间内,统计监测序列中异常样本的最大偏差程度,作为该异常指标的基指标故障强度标签。重复上述流程依次生成所有异常指标对应的基指标故障强度标签,得到基指标故障强度标签集。接着,构建故障类型作为参考序列,异常指标属性作为比较序列,并对序列数据进行无量纲化的数据。之后,计算比较序列对参考序列在各个时刻的数据偏差程度,再通过差分比较形成异常指标与故障类型之间的灰色关联度,灰色关联度范围为0-1,值越大表示该异常指标与故障类型的相关性越大。遍历电气异常指标属性集,并计算不同异常指标与故障类型标签表示的故障类型间的灰色关联度集合。此后,依次提取基指标故障强度标签集中的每个基指标的故障强度原始值,计算同一指标的中位数,使用极大极小值标准化算法,以中位数为基准,扩缩放转换每个故障强度原始值,处理后得到范围统一到0-1区间内标准化的值集合,构成基指标故障强度特征值集。然后,对应灰色关联度集合,计算关联度之和,并获得每个异常指标关联度所占比例,将该异常比例确定为指标的权重。接着,对归一化后得到的基指标故障强度特征值集,分别乘以相应权重,再进行平均计算,得到故障强度标签。
进一步的,本申请实施例包括:
从所述电气异常指标基线集提取第一电气异常指标基线;
从所述电气异常指标监测序列集提取第一电气异常指标监测序列,其中,所述第一电气异常指标监测序列和所述第一电气异常指标基线相对应;
比对所述第一电气异常指标基线和所述第一电气异常指标监测序列,获得偏离距离集;
统计所述偏离距离集的偏离距离最大值和偏离时刻比例,计算第一基指标故障强度标签,其中,所述第一基指标故障强度标签等于所述偏离距离最大值和所述偏离时刻比例的乘积;
将所述第一基指标故障强度标签添加进所述基指标故障强度标签集。
在一种可行的实施方式中,首先,对电气异常指标基线集中的电气异常指标基线进行遍历,获取任一电气异常指标基线作为第一电气异常指标基线。然后,在电气异常指标监测序列集中提取第一电气异常指标基线对应的电气异常指标监测序列,作为第一电气异常指标监测序列。随后,提取第一电气异常指标基线的基准基线区间,并第一电气异常指标监测序列的逐个采样点监测值,判断每一个采样点监测值与基准基线区间的上下限之间的偏差程度,对超出基线区间上下限的,记录偏差的绝对距离值,构成偏离距离集。接着,在偏离距离集中查找监测值与基线最大偏差的绝对距离最大值,作为偏离距离最大值;并统计计算偏离距离集中具有距离偏差的样本数量与总样本数量的比例,作为偏离时刻比例;将偏离距离最大值和偏离时刻比例相乘,作为该电气异常指标的第一基指标故障强度标签,该标签同时考虑了监测数据的最大离群程度和异常持续出现的比例,客观反映指标的故障状态与严重程度。之后,将第一基指标故障强度标签添加到基指标故障强度标签集中,遍历处理完电气异常指标基线集与电气异常指标监测序列集后,得到完整的基指标故障强度标签集。
比对所述第一电气异常指标基线和所述第一电气异常指标监测序列,获得偏离距离集;
统计所述偏离距离集的偏离距离最大值和偏离时刻比例,计算第一基指标故障强度标签,其中,所述第一基指标故障强度标签等于所述偏离距离最大值和所述偏离时刻比例的乘积;
将所述第一基指标故障强度标签添加进所述基指标故障强度标签集。
进一步的,本申请实施例包括:
根据所述移动测距预警模块,追踪第一运动目标的第一运动位置时序信息;
对所述第一运动位置时序信息进行相邻时域层次聚类分析,生成第二运动位置时序信息;
遍历所述第二运动位置时序信息,基于所述虚拟预警空间进行距离分析,生成距离时序信息;
基于距离构建第一坐标轴,基于时间构建第二坐标轴,生成二维坐标系,对所述距离时序信息进行拟合,生成所述距离直方时序图。
在一种可行的实施方式中,当第一监测距离小于或等于追踪距离阈值时,对移动测距预警模块发送启动指令,移动测距预警模块接收到指令后,自动锁定被追踪的第一运动目标,调用自身的摄像镜头获取目标图像,对目标图像进行检测与识别,提取目标区域并计算其在摄像画面的坐标位置,在一段时间内持续获得第一运行目标在不同时刻的坐标位置数据,构成第一运动位置时序信息。然后,设置相邻位置点聚类的距离阈值和最小聚类样本数量,通过滑动窗口扫描第一运动位置时序信息,提取固定个数的相邻位置点,判断这些相邻点两两之间的距离是否小于或等于相邻位置点聚类的距离阈值,对满足阈值的点进行层次聚类,输出聚类质心点作为关键位置点,重复该聚类分析过程,获得过滤后的第二运动位置时序信息,消除相邻时刻冗余点和抖动噪声的影响,达到数据降维与关键特征提取的效果。
然后,加载虚拟预警空间,提取第二运动位置时序信息中的每个关键位置点的坐标,计算每个关键位置点到虚拟预警空间表面的最近距离,为关键位置点与虚拟预警空间的特征距离值。按时间顺序,将各关键位置点的特征距离值构成序列表达的距离时序信息。接着,以距离为第一坐标轴,时间为第二坐标轴,第一坐标轴为横坐标时第二坐标轴为纵坐标,第一坐标轴为纵坐标时第二坐标轴为横坐标,从而生成一个二维坐标系。然后,将距离时序信息中的每个距离数据和对应的采集时段数据,标注在二维坐标系中,形成距离直方时序图。
进一步的,本申请实施例包括:
从所述第二运动位置时序信息提取第一时区运动位置集;
基于所述虚拟预警空间,遍历所述第一时区运动位置集进行距离解析,生成特征距离集;
提取所述特征距离集的最小值,设为第一时区距离,添加进所述距离时序信息。
在一种优选的实施方式中,在获取第二运动位置时序信息后,对第二运动位置时序信息,按时间顺序进行分段划分,遍历提取其中每一时段的位置数据子序列,作为第一时区运动位置集。然后,加载构建的虚拟预警空间的数据模型,取出第一时区运动位置集,逐点计算第一时区运动位置集中运动位置坐标到虚拟预警空间表面的最近物理距离,得到第一时区运动位置集的特征距离集。之后,对生成的特征距离集,遍历寻找集合中的最小特征距离,表示第一运动目标与虚拟预警空间的最近距离,并将该最小特征距离作为第一时区距离,记录加入距离时序序列中。遍历处理完第二运动位置时序信息中的所有位置数据子序列后,得到完整的距离时序序列。
综上所述,本申请实施例所提供的一种多源数据融合测距的变电站安全预警方法具有如下技术效果:
接收变电站的高压设备电气故障报警信息,其中,高压设备电气故障报警信息包括设备位置标签、电气设备型号标签和故障类型标签,获取必要的特征数据,为生成危险距离阈值打下基础。加载电气设备控制参数,基于电气设备型号标签进行故障状态分析,生成故障强度标签,为生成精准的危险距离阈值提供数据。激活变电站危险距离标识通道,对故障类型标签、电气设备型号标签和故障强度标签进行映射,生成危险距离阈值,准确反映当前变电站高压电气设备的安全距离。以危险距离阈值为半径,以设备位置标签为中心进行空间范围扩张,生成虚拟预警空间,用以判断第一运动目标是否进入危险区域。获得第一运动目标和虚拟预警空间的第一监测距离,获取目标与预警空间的大致距离,作为后续追踪的条件。当第一监测距离小于或等于追踪距离阈值,激活移动测距预警模块对第一运动目标进行追踪测距,获得距离直方时序图,通过移动测距预警模块追踪和精确测距,计算目标与预警空间的实时关系。基于虚拟预警空间,结合距离直方时序图进行多源数据融合,生成空间接触概率,用于判断是否满足预警条件。当空间接触概率大于或等于接触概率阈值,对第一运动目标进行安全预警,对进入危险状态的目标实施安全预警,实现精准有效的变电站安全预警。
实施例二
基于与前述实施例中一种多源数据融合测距的变电站安全预警方法相同的发明构思,如图3所示,本申请实施例提供了一种多源数据融合测距的变电站安全预警***,该***包括:
危险距离阈值模块11,所述危险距离阈值模块用于获得变电站的高压设备的危险距离阈值;
虚拟预警空间模块12,用于以所述危险距离阈值为半径,以所述设备位置标签为中心进行空间范围扩张,生成虚拟预警空间;
监测距离获取模块13,用于获得第一运动目标和所述虚拟预警空间的第一监测距离;
追踪测距模块14,用于当所述第一监测距离小于或等于追踪距离阈值,激活移动测距预警模块对所述第一运动目标进行追踪测距,获得距离直方时序图;
空间接触概率模块15,用于基于所述虚拟预警空间,结合所述距离直方时序图进行多源数据融合,生成空间接触概率;
安全预警模块16,用于当所述空间接触概率大于或等于接触概率阈值,对所述第一运动目标进行安全预警。
进一步的,危险距离阈值模块11包括以下执行步骤:
接收变电站的高压设备电气故障报警信息,其中,所述高压设备电气故障报警信息包括设备位置标签、电气设备型号标签和故障类型标签;
加载电气设备控制参数,基于所述电气设备型号标签进行故障状态分析,生成故障强度标签;
激活变电站危险距离标识通道,对所述故障类型标签、所述电气设备型号标签和所述故障强度标签进行映射,生成危险距离阈值。
进一步的,危险距离阈值模块11还包括以下执行步骤:
获得电气异常指标属性集与电气异常指标监测序列集;
根据所述电气设备控制参数和所述电气设备型号标签,遍历所述电气异常指标属性集进行基线匹配,生成电气异常指标基线集;
基于所述电气异常指标基线集,对所述电气异常指标监测序列集进行异常标定,生成基指标故障强度标签集;
遍历所述电气异常指标属性集,对所述故障类型标签进行关联性分析,生成灰色关联度集合;
对所述基指标故障强度标签集进行归一化处理,生成基指标故障强度特征值集;
根据所述灰色关联度集合对所述基指标故障强度特征值集进行加权均值分析,生成所述故障强度标签。
进一步的,危险距离阈值模块11还包括以下执行步骤:
从所述电气异常指标基线集提取第一电气异常指标基线;
从所述电气异常指标监测序列集提取第一电气异常指标监测序列,其中,所述第一电气异常指标监测序列和所述第一电气异常指标基线相对应;
比对所述第一电气异常指标基线和所述第一电气异常指标监测序列,获得偏离距离集;
统计所述偏离距离集的偏离距离最大值和偏离时刻比例,计算第一基指标故障强度标签,其中,所述第一基指标故障强度标签等于所述偏离距离最大值和所述偏离时刻比例的乘积;
将所述第一基指标故障强度标签添加进所述基指标故障强度标签集。
进一步的,本申请实施例还包括距离标识通道生成模块,该模块包括以下执行步骤:
以变电站设备部署拓扑特征为索引约束,检索高压设备电气故障事务集,其中,任意一条高压设备电气故障事务包括故障设备记录型号、异常指标记录状态、设备记录控制参数、故障记录类型和高压场强记录影响距离;
根据所述异常指标记录状态、所述故障设备记录型号和所述设备记录控制参数进行故障状态分析,生成故障强度标识标签;
以所述故障设备记录型号、所述故障记录类型和所述故障强度标识标签为自变量,以所述高压场强记录影响距离为因变量进行BP神经网络拟合,生成所述变电站危险距离标识通道。
进一步的,危险距离阈值模块11还包括以下执行步骤:
当所述高压设备电气故障报警信息为空,获得高压设备电气运行控制参数;
激活危险距离阈值标定表,对所述高压设备电气运行控制参数进行标定,获得所述危险距离阈值。
进一步的,追踪测距模块14包括以下执行步骤:
根据所述移动测距预警模块,追踪第一运动目标的第一运动位置时序信息;
对所述第一运动位置时序信息进行相邻时域层次聚类分析,生成第二运动位置时序信息;
遍历所述第二运动位置时序信息,基于所述虚拟预警空间进行距离分析,生成距离时序信息;
基于距离构建第一坐标轴,基于时间构建第二坐标轴,生成二维坐标系,对所述距离时序信息进行拟合,生成所述距离直方时序图。
进一步的,追踪测距模块14还包括以下执行步骤:
从所述第二运动位置时序信息提取第一时区运动位置集;
基于所述虚拟预警空间,遍历所述第一时区运动位置集进行距离解析,生成特征距离集;
提取所述特征距离集的最小值,设为第一时区距离,添加进所述距离时序信息。
进一步的,空间接触概率模块15包括以下执行步骤:
提取所述距离直方时序图的直方时序图轮廓特征;
当直方图敏感轮廓模板和所述直方时序图轮廓特征的形状相似度大于或等于相似度阈值,交互所述移动测距预警模块,加载所述第一运动目标的第一运动位置时序信息;
根据所述第一运动位置时序信息,获得目标运动轨迹;
获得变电站道路拓扑图,对所述目标运动轨迹进行匹配,生成匹配道路;
当匹配道路的数量等于0,将所述空间接触概率设为1;
当匹配道路数量大于0,获得匹配道路坐标集:
当所述匹配道路坐标集和所述虚拟预警空间相交或相切,将所述空间接触概率设为1;
否则,将所述空间接触概率设为0。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中,并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法,在此不做多余限制。
进一步的,综上所述的第一或第二可能不止代表次序关系,也可能代表某项特指概念,和/或指的是多个元素之间可单独或全部选择。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种多源数据融合测距的变电站安全预警方法,其特征在于,所述方法包括:
获得变电站的高压设备的危险距离阈值;
以所述危险距离阈值为半径,以设备位置标签为中心进行空间范围扩张,生成虚拟预警空间,所述设备位置标签为发生电气故障的高压设备的位置信息;
获得第一运动目标和所述虚拟预警空间的第一监测距离;
当所述第一监测距离小于或等于追踪距离阈值,激活移动测距预警模块对所述第一运动目标进行追踪测距,获得距离直方时序图;
基于所述虚拟预警空间,结合所述距离直方时序图进行多源数据融合,生成空间接触概率;
当所述空间接触概率大于或等于接触概率阈值,对所述第一运动目标进行安全预警;
当所述第一监测距离小于或等于追踪距离阈值,激活移动测距预警模块对所述第一运动目标进行追踪测距,获得距离直方时序图,包括:
根据所述移动测距预警模块,追踪第一运动目标的第一运动位置时序信息;
对所述第一运动位置时序信息进行相邻时域层次聚类分析,生成第二运动位置时序信息;
遍历所述第二运动位置时序信息,基于所述虚拟预警空间进行距离分析,生成距离时序信息;
基于距离构建第一坐标轴,基于时间构建第二坐标轴,生成二维坐标系,对所述距离时序信息进行拟合,生成所述距离直方时序图;
基于所述虚拟预警空间,结合所述距离直方时序图进行多源数据融合,生成空间接触概率,包括:
提取所述距离直方时序图的直方时序图轮廓特征;
当直方图敏感轮廓模板和所述直方时序图轮廓特征的形状相似度大于或等于相似度阈值,交互所述移动测距预警模块,加载所述第一运动目标的第一运动位置时序信息;
根据所述第一运动位置时序信息,获得目标运动轨迹;
获得变电站道路拓扑图,对所述目标运动轨迹进行匹配,生成匹配道路;
当匹配道路的数量等于0,将所述空间接触概率设为1;
当匹配道路数量大于0,获得匹配道路坐标集:
当所述匹配道路坐标集和所述虚拟预警空间相交或相切,将所述空间接触概率设为1;
否则,将所述空间接触概率设为0。
2.如权利要求1所述的方法,其特征在于,获得变电站的高压设备的危险距离阈值,包括:
接收变电站的高压设备电气故障报警信息,其中,所述高压设备电气故障报警信息包括设备位置标签、电气设备型号标签和故障类型标签;
加载电气设备控制参数,基于所述电气设备型号标签进行故障状态分析,生成故障强度标签;
激活变电站危险距离标识通道,对所述故障类型标签、所述电气设备型号标签和所述故障强度标签进行映射,生成危险距离阈值。
3.如权利要求2所述的方法,其特征在于,加载电气设备控制参数,基于所述电气设备型号标签进行故障状态分析,生成故障强度标签,包括:
获得电气异常指标属性集与电气异常指标监测序列集;
根据所述电气设备控制参数和所述电气设备型号标签,遍历所述电气异常指标属性集进行基线匹配,生成电气异常指标基线集;
基于所述电气异常指标基线集,对所述电气异常指标监测序列集进行异常标定,生成基指标故障强度标签集;
遍历所述电气异常指标属性集,对所述故障类型标签进行关联性分析,生成灰色关联度集合;
对所述基指标故障强度标签集进行归一化处理,生成基指标故障强度特征值集;
根据所述灰色关联度集合对所述基指标故障强度特征值集进行加权均值分析,生成所述故障强度标签。
4.如权利要求3所述的方法,其特征在于,基于所述电气异常指标基线集,对所述电气异常指标监测序列集进行异常标定,生成基指标故障强度标签集,包括:
从所述电气异常指标基线集提取第一电气异常指标基线;
从所述电气异常指标监测序列集提取第一电气异常指标监测序列,其中,所述第一电气异常指标监测序列和所述第一电气异常指标基线相对应;
比对所述第一电气异常指标基线和所述第一电气异常指标监测序列,获得偏离距离集;
统计所述偏离距离集的偏离距离最大值和偏离时刻比例,计算第一基指标故障强度标签,其中,所述第一基指标故障强度标签等于所述偏离距离最大值和所述偏离时刻比例的乘积;
将所述第一基指标故障强度标签添加进所述基指标故障强度标签集。
5.如权利要求2所述的方法,其特征在于,激活变电站危险距离标识通道,对所述故障类型标签、所述电气设备型号标签和所述故障强度标签进行映射,生成危险距离阈值,之前包括:
以变电站设备部署拓扑特征为索引约束,检索高压设备电气故障事务集,其中,任意一条高压设备电气故障事务包括故障设备记录型号、异常指标记录状态、设备记录控制参数、故障记录类型和高压场强记录影响距离;
根据所述异常指标记录状态、所述故障设备记录型号和所述设备记录控制参数进行故障状态分析,生成故障强度标识标签;
以所述故障设备记录型号、所述故障记录类型和所述故障强度标识标签为自变量,以所述高压场强记录影响距离为因变量进行BP神经网络拟合,生成所述变电站危险距离标识通道。
6.如权利要求2所述的方法,其特征在于,获得变电站的高压设备的危险距离阈值,还包括:
当所述高压设备电气故障报警信息为空,获得高压设备电气运行控制参数;
激活危险距离阈值标定表,对所述高压设备电气运行控制参数进行标定,获得所述危险距离阈值。
7.如权利要求1所述的方法,其特征在于,遍历所述第二运动位置时序信息,基于所述虚拟预警空间进行距离分析,生成距离时序信息,包括:
从所述第二运动位置时序信息提取第一时区运动位置集;
基于所述虚拟预警空间,遍历所述第一时区运动位置集进行距离解析,生成特征距离集;
提取所述特征距离集的最小值,设为第一时区距离,添加进所述距离时序信息。
8.一种多源数据融合测距的变电站安全预警***,其特征在于,用于实施权利要求1-7任意一项所述的一种多源数据融合测距的变电站安全预警方法,所述***包括:
危险距离阈值模块,所述危险距离阈值模块用于获得变电站的高压设备的危险距离阈值;
虚拟预警空间模块,所述虚拟预警空间模块用于以所述危险距离阈值为半径,以设备位置标签为中心进行空间范围扩张,生成虚拟预警空间;
监测距离获取模块,所述监测距离获取模块用于获得第一运动目标和所述虚拟预警空间的第一监测距离;
追踪测距模块,所述追踪测距模块用于当所述第一监测距离小于或等于追踪距离阈值,激活移动测距预警模块对所述第一运动目标进行追踪测距,获得距离直方时序图;
空间接触概率模块,所述空间接触概率模块用于基于所述虚拟预警空间,结合所述距离直方时序图进行多源数据融合,生成空间接触概率;
安全预警模块,所述安全预警模块用于当所述空间接触概率大于或等于接触概率阈值,对所述第一运动目标进行安全预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410239862.3A CN117828309B (zh) | 2024-03-04 | 2024-03-04 | 一种多源数据融合测距的变电站安全预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410239862.3A CN117828309B (zh) | 2024-03-04 | 2024-03-04 | 一种多源数据融合测距的变电站安全预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117828309A CN117828309A (zh) | 2024-04-05 |
CN117828309B true CN117828309B (zh) | 2024-05-10 |
Family
ID=90523041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410239862.3A Active CN117828309B (zh) | 2024-03-04 | 2024-03-04 | 一种多源数据融合测距的变电站安全预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117828309B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115313658A (zh) * | 2022-08-27 | 2022-11-08 | 国网湖北省电力有限公司黄石供电公司 | 一种数字孪生变电站智能运维*** |
KR102479755B1 (ko) * | 2021-11-30 | 2022-12-23 | 팩트얼라이언스 주식회사 | 실시간 센싱 데이터 기반의 중전기기 예방정비 권고 시스템 및 그 방법 |
CN117439256A (zh) * | 2023-09-14 | 2024-01-23 | 华能江苏综合能源服务有限公司 | 一种基于物联网的电站设备管理方法及*** |
-
2024
- 2024-03-04 CN CN202410239862.3A patent/CN117828309B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102479755B1 (ko) * | 2021-11-30 | 2022-12-23 | 팩트얼라이언스 주식회사 | 실시간 센싱 데이터 기반의 중전기기 예방정비 권고 시스템 및 그 방법 |
CN115313658A (zh) * | 2022-08-27 | 2022-11-08 | 国网湖北省电力有限公司黄石供电公司 | 一种数字孪生变电站智能运维*** |
CN117439256A (zh) * | 2023-09-14 | 2024-01-23 | 华能江苏综合能源服务有限公司 | 一种基于物联网的电站设备管理方法及*** |
Non-Patent Citations (1)
Title |
---|
基于数字孪生的变电站施工器械安全距离监测预警技术研究;樊道庆 等;《中国设备工程》;20231215;第216-218页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117828309A (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113671480B (zh) | 雷达与视频融合交通目标跟踪方法、***、设备、终端 | |
CN107036581B (zh) | 基于mems陀螺仪的桥梁变形在线监测***及方法 | |
CN109784254B (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
CN104977584A (zh) | 一种对流天气的临近预报方法及*** | |
CN117172414A (zh) | 一种基于bim技术的建筑幕墙施工管理*** | |
KR102056564B1 (ko) | 머신 비전을 이용한 시설물 관리 방법 및 장치 | |
CN113393442B (zh) | 列车零部件异常检测方法、***、电子设备及存储介质 | |
CN114781476B (zh) | 一种量测设备故障分析***和方法 | |
CN112776856A (zh) | 轨道异物侵限监测方法、装置、***及监控主机设备 | |
CN112383756B (zh) | 一种视频监控报警处理方法和装置 | |
CN115600513B (zh) | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判*** | |
CN113076899A (zh) | 一种基于目标跟踪算法的高压输电线路异物检测方法 | |
CN117828309B (zh) | 一种多源数据融合测距的变电站安全预警方法 | |
CN116629106A (zh) | 移动机器人运行场景的准数字孪生方法、***、设备及介质 | |
CN117610971B (zh) | 一种高速公路机电***健康指数评估方法 | |
CN117807558B (zh) | 一种输电线路综合故障检测方法、***及存储介质 | |
CN118225179B (zh) | 基于城市排水的智能井盖监测方法及*** | |
CN117691755B (zh) | 一种智能变电站二次回路的可视化监测及异常检测*** | |
Regazzoni et al. | A bayesian network for automatic visual crowding estimation in underground stations | |
CN118172711A (zh) | 一种ai大数据智能管理方法及*** | |
Liu et al. | Detection of the Parameters of Catenary Support Devices Based on 3D Point Clouds | |
CN116679258A (zh) | 一种基于空间定位的电缆覆冰监测***及方法 | |
Rahayu et al. | The Performance of K-Nearest Neighbor (KNN) Approach for Estimating Extreme Rain Events based on CCTV Images Camera Data | |
Yao et al. | The Application of Underground Power Cable Anti-breakage Device based on Biological Perception | |
Shen et al. | Kalman filter-based Detection and Tracking Method for Substation Moving Targets |
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 |