CN108872781A - 基于电力设施智能巡检的分析方法及装置 - Google Patents

Abstract

本发明提供了一种基于电力设施智能巡检的分析方法及装置，该方法包括：获取巡检任务；将巡检任务发送至巡检无人机，以使巡检无人机执行巡检任务；接收巡检无人机发送的巡检结果；通过故障分析学习模型对巡检结果进行分析，以确定待检修设备是否存在目标故障；当存在时，根据预设的故障项‑解决方案映射表中确定目标解决方案。该方法是由巡检机器人执行巡检任务，并根据其得到的巡检结果自动确定出待检修设备是否存在目标故障，如果存在，还能给出解决方案，大大提高了巡检的效率和准确性，能够自动进行故障定位，简单有效，智能程度高，缓解了现有的方法效率低下，准确性差，并且故障定位困难，无法针对故障给出有效的解决方案的技术问题。

Description

基于电力设施智能巡检的分析方法及装置

技术领域

本发明涉及电力设施检修的技术领域，尤其是涉及一种基于电力设施智能巡检的分析方法及装置。

背景技术

线路巡检时保证电力稳定以及设备安全运行的必要工作，所谓线路巡检就是沿着输电线路详细地巡视检查电力设备的运行情况，并及时发现设备存在的缺陷和隐患，并做好详细记录，以作为日后设备检修的依据。

通过线路巡检，巡检员可根据巡检线路设备的运行状态，及时发现设备问题，并依据现象进行详细记录，用来作为后期事故诊断的依据，及时发现存在威胁供电安全的隐患并提出必要的维修意见，以预防用电事故或将故障控制在最小范围，从而确保电力系统的稳定运行。

现有的线路巡检流程是工作人员亲自到现场巡视线路，巡视对象主要是电力设施，例如：塔杆、导线、变压器、绝缘子、横担、刀闸等设备，并以纸质介质的方式记录巡视情况，然后再人工录入到计算机中。

我国电力线路走廊的地理环境复杂，给巡检工作带来很多困难。特别是对于电力线路穿越森林边缘地区、高海拔、冰雪覆盖区、地质灾害区和自然天气灾害区的线路巡检工作，已经成为困扰电力行业的重大问题。

由此可见，现有的电力线路巡检方式受过多人为因素、地形因素和天气因素的影响，在危险地段会危机到巡检工人的生命安全，并且人工录入数据量大，数据手工录入过程容易出现错误，由此造成巡检工作效率低下。

另外，现有的线路巡检需要巡检人员对线路故障进行判断、定位，对巡检人员的专业技术水平要求非常高。当现场巡检人员无法定位故障时，需要采集相关信息给研发人员，使其进行相关的故障定位，实时性差，存在安全隐患。

综上，现有的线路巡检方法效率低下，准确性差，并且故障定位困难，无法针对故障给出有效的解决方案。

发明内容

有鉴于此，本发明的目的在于提供一种基于电力设施智能巡检的分析方法及装置，以缓解现有的线路巡检方法效率低下，准确性差，并且故障定位困难，无法针对故障给出有效的解决方案的技术问题。

第一方面，本发明实施例提供了一种基于电力设施智能巡检的分析方法，所述方法包括：

获取巡检任务，其中，所述巡检任务至少包括：巡检内容，巡检线路图，巡检停留点停留时间，所述巡检线路图根据电力线路上待检修设备的巡检基本信息生成；

将所述巡检任务发送至巡检无人机，以使所述巡检无人机执行所述巡检任务；

接收所述巡检无人机执行所述巡检任务时发送的巡检结果，其中，所述巡检结果包括：巡检的地理位置，巡检的视频文件；

通过故障分析学习模型对所述巡检结果进行分析，以通过目标分析结果确定所述待检修设备是否存在目标故障，其中，所述故障分析学习模型为预先对原始故障分析模型进行训练得到的模型；

当所述待检修设备存在所述目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，获取巡检任务包括：

获取所述待检修设备的巡检基本信息，其中，所述巡检基本信息至少包括：所述待检修设备的类型，所述待检修设备的地理位置，所述待检修设备的高度，对所述待检修设备的拍摄角度和拍摄高度；

根据所述待检修设备的地理位置，所述待检修设备的高度，对所述待检修设备的拍摄角度和拍摄高度确定对所述待检修设备进行巡检的巡检停留点；

基于所述巡检停留点生成所述巡检线路图；

根据所述待检修设备的类型确定所述巡检内容和所述巡检停留点停留时间；

结合所述巡检线路图，所述巡检内容和所述巡检停留点停留时间确定所述巡检任务。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，在获取巡检任务之后，在将所述巡检任务发送至巡检无人机之前，所述方法还包括：

获取配置信息，其中，所述配置信息至少包括：所述巡检无人机的起飞时间，所述巡检无人机的返航时间，所述巡检无人机的返航地点，所述巡检无人机在各巡检停留点的拍摄时长；

将所述配置信息发送至所述巡检无人机，以使所述巡检无人机根据所述配置信息进行巡检配置。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，通过故障分析学习模型对所述巡检结果进行分析包括：

在所述巡检的视频文件中确定目标视频，其中，所述目标视频为所述巡检线路图中目标待检修设备的视频，所述目标待检修设备为所述巡检线路图中的多个待检修设备中的任意一个；

在所述目标视频中提取多个图像帧；

通过所述故障分析学习模型对每个所述图像帧进行分析，得到多个存在目标故障的概率；

将所述多个存在目标故障的概率进行融合，得到所述目标待检修设备存在目标故障的融合概率；

根据所述目标待检修设备存在目标故障的融合概率确定所述目标待检修设备是否存在所述目标故障。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，将所述多个存在目标故障的概率进行融合，得到所述目标待检修设备存在目标故障的融合概率包括：

获取预设融合方式，其中，所述预设融合方式包括：基于平均数所确定的的融合方式；

根据所述预设融合方式对所述多个存在目标故障的概率进行融合，得到所述目标待检修设备存在目标故障的融合概率。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，根据所述目标待检修设备存在目标故障的融合概率确定所述目标待检修设备是否存在所述目标故障包括：

如果所述目标待检修设备存在目标故障的融合概率大于预设阈值，则确定所述目标待检修设备存在所述目标故障。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，在所述目标视频中提取多个图像帧包括：

将所述目标视频分成N个子视频，其中，N为大于1的正整数；

在每个所述子视频中提取一个图像帧，得到多个图像帧。

结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，当所述待检修设备存在所述目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案包括：

根据所述目标故障在所述预设的故障项-解决方案映射表中确定目标映射关系，其中，所述目标映射关系为所述目标故障与其对应的解决方案之间的映射关系；

根据目标映射关系中的各解决方案的优先级顺序确定所述目标解决方案。

第二方面，本发明实施例还提供了一种基于电力设施智能巡检的分析装置，所述装置包括：

第一获取模块，用于获取巡检任务，其中，所述巡检任务至少包括：巡检内容，巡检线路图，巡检停留点停留时间，所述巡检线路图根据电力线路上待检修设备的巡检基本信息生成；

第一发送模块，用于将所述巡检任务发送至巡检无人机，以使所述巡检无人机执行所述巡检任务；

接收模块，用于接收所述巡检无人机执行所述巡检任务时发送的巡检结果，其中，所述巡检结果包括：巡检的地理位置，巡检的视频文件；

分析模块，用于通过故障分析学习模型对所述巡检结果进行分析，以通过目标分析结果确定所述待检修设备是否存在目标故障，其中，所述故障分析学习模型为预先对原始故障分析模型进行训练得到的模型；

确定模块，用于当所述待检修设备存在所述目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述第一获取模块包括：

获取单元，用于获取所述待检修设备的巡检基本信息，其中，所述巡检基本信息至少包括：所述待检修设备的类型，所述待检修设备的地理位置，所述待检修设备的高度，对所述待检修设备的拍摄角度和拍摄高度；

第一确定单元，用于根据所述待检修设备的地理位置，所述待检修设备的高度，对所述待检修设备的拍摄角度和拍摄高度确定对所述待检修设备进行巡检的巡检停留点；

生成单元，用于基于所述巡检停留点生成所述巡检线路图；

第二确定单元，用于根据所述待检修设备的类型确定所述巡检内容和所述巡检停留点停留时间；

第三确定单元，用于结合所述巡检线路图，所述巡检内容和所述巡检停留点停留时间确定所述巡检任务。

本发明实施例带来了以下有益效果：

现有技术中，电力线路的巡检多由人工完成，人工对故障进行定位，巡检效率低下，准确性差，并且故障定位困难，无法针对故障给出有效的解决方案。本发明的基于电力设施智能巡检的分析方法中，先获取巡检任务，然后将巡检任务发送至巡检无人机，以使巡检无人机执行巡检任务，进而接收巡检无人机执行巡检任务时发送的巡检结果，再通过故障分析学习模型对巡检结果进行分析，确定待检修设备是否存在目标故障，最终，当待检修设备存在目标故障时，根据预设的故障项-解决方案映射表确定目标解决方案。该方法中的巡检任务是由巡检机器人完成，并且能根据巡检机器人发送的巡检结果自动确定出待检修设备是否存在目标故障，如果存在，还能给出有效的解决方案，大大提高了巡检的效率和准确性，能够自动进行故障定位，简单有效，智能程度高，缓解了现有的线路巡检方法效率低下，准确性差，并且故障定位困难，无法针对故障给出有效的解决方案的技术问题。

本发明的其他特征和优点将在随后的说明书中阐述，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而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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的附图。

图1为本发明实施例提供的一种基于电力设施智能巡检的分析方法的流程图；

图2为本发明实施例提供的获取巡检任务的方法流程图；

图3为本发明实施例提供的通过故障分析学习模型对巡检结果进行分析的流程图；

图4为本发明实施例提供的根据预设的故障项-解决方案映射表中确定目标解决方案的流程图；

图5为本发明实施例提供的一种基于电力设施智能巡检的分析装置的功能模块图。

图标：

11-第一获取模块；12-第一发送模块；13-接收模块；14-分析模块；15-确定模块。

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，下面将结合附图对本发明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。基于本发明中的实施例，本领域普通技术人员在没有做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。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种基于电力设施智能巡检的分析方法进行详细介绍。

实施例一：

一种基于电力设施智能巡检的分析方法，参考图1，该方法包括：

S102、获取巡检任务，其中，巡检任务至少包括：巡检内容，巡检线路图，巡检停留点停留时间，巡检线路图根据电力线路上待检修设备的巡检基本信息生成；

在本发明实施例中，该方法的执行主体为基于电力设施智能巡检的分析软件，该软件可以安装于巡检中心的终端设备上。具体的，巡检任务的生成方法将在下文中进行详细描述，在此不再赘述。

S104、将巡检任务发送至巡检无人机，以使巡检无人机执行巡检任务；

在得到巡检任务后，将巡检任务发送至巡检无人机。具体的，巡检中心的终端设备与巡检无人机通过无线的方式进行通信，巡检中心的终端设备能够向巡检无人机发送巡检任务，而巡检无人机也能够将巡检结果发送至巡检中心的终端设备。下文中再对该过程进行详细介绍。

S106、接收巡检无人机执行巡检任务时发送的巡检结果，其中，巡检结果包括：巡检的地理位置，巡检的视频文件；

在巡检无人机接收到巡检任务后，执行巡检任务，进而巡检中心的终端设备接收巡检无人机执行巡检任务时发送的巡检结果。具体的，巡检结果包括：巡检的地理位置，巡检的视频文件，其中，巡检的视频文件上标记有巡检的地理位置，也就是说巡检的地理位置是以巡检的视频文件为载体出现的。

S108、通过故障分析学习模型对巡检结果进行分析，以通过目标分析结果确定待检修设备是否存在目标故障，其中，故障分析学习模型为预先对原始故障分析模型进行训练得到的模型；

在得到巡检结果后，巡检中心的终端设备通过故障分析学习模型对巡检结果进行分析，以通过目标分析结果确定待检修设备是否存在目标故障。其中，目标故障是指任一种故障。

具体的，故障分析学习模型为预先对原始故障分析模型进行训练得到的。下面对获取故障分析学习模型的过程进行详细介绍：

先通过机器学习算法搭建原始故障分析模型，其中，机器学习算法包括以下任一种：随机森林算法，支持向量回归算法，神经网络算法。在得到原始故障分析模型后，通过训练样本对原始故障分析模型进行训练，经过大量的训练后就能够得到故障分析学习模型。

具体的，训练样本为检修设备的视频集合，其中，一部分为存在某种故障的视频集合，一部分为不存在某种故障的视频集合，这些视频集合涵盖了待检修设备存在任意故障的视频。训练时，先对视频集合中的所有视频进行图像提取，对于每一个视频得到多个图像帧，利用得到的图像帧对原始故障分析模型进行训练，便能得到故障分析学习模型。

进而，通过故障分析学习模型对巡查结果进行分析，确定待检修设备是否存在目标故障。

S110、当待检修设备存在目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案。

当待检修设备存在目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案；

当待检修设备不存在故障时，对其进行标记，标记完成巡检且未发现故障。

现有技术中，电力线路的巡检多由人工完成，人工对故障进行定位，巡检效率低下，准确性差，并且故障定位困难，无法针对故障给出有效的解决方案。本发明的基于电力设施智能巡检的分析方法中，先获取巡检任务，然后将巡检任务发送至巡检无人机，以使巡检无人机执行巡检任务，进而接收巡检无人机执行巡检任务时发送的巡检结果，再通过故障分析学习模型对巡检结果进行分析，确定待检修设备是否存在目标故障，最终，当待检修设备存在目标故障时，根据预设的故障项-解决方案映射表确定目标解决方案。该方法中的巡检任务是由巡检机器人完成，并且能根据巡检机器人发送的巡检结果自动确定出待检修设备是否存在目标故障，如果存在，还能给出有效的解决方案，大大提高了巡检的效率和准确性，能够自动进行故障定位，简单有效，智能程度高，缓解了现有的线路巡检方法效率低下，准确性差，并且故障定位困难，无法针对故障给出有效的解决方案的技术问题。

上述内容对本发明中的方法进行了简要介绍，下面对其中涉及到的具体内容进行详细描述。

在一个可选地实施方式中，参考图2，获取巡检任务包括如下步骤：

S201、获取待检修设备的巡检基本信息，其中，巡检基本信息至少包括：待检修设备的类型，待检修设备的地理位置，待检修设备的高度，对待检修设备的拍摄角度和拍摄高度；

具体的，先获取待检修设备的巡检基本信息，包括：待检修设备的类型，待检修设备的地理位置，待检修设备的高度，对待检修设备的拍摄角度和拍摄高度。

S202、根据待检修设备的类型，待检修设备的地理位置，待检修设备的高度，对待检修设备的拍摄角度和拍摄高度确定对待检修设备进行巡检的巡检停留点；

在得到巡检基本信息后，根据待检修设备的类型，待检修设备的地理位置，待检修设备的高度，对待检修设备的拍摄角度和拍摄高度确定对待检修设备进行巡检的巡检停留点。比如：待检修设备为变压器，需要了解变压器的油位信息，刀闸信息等，这样就能根据需求以及拍摄的相关信息确定巡检停留点。

S203、基于巡检停留点生成巡检线路图；

在得到巡检停留点后，就能基于巡检停留点生成巡检线路图。具体的，一个待检修设备上可以有多个巡检停留点，不同待检修设备的巡检停留点不同，这样，沿着电力线路上安装的待检修设备上的巡检停留点就能得到巡检线路图。

S204、根据待检修设备的类型确定巡检内容和巡检停留点停留时间；

在得到巡检线路图后，进一步根据待检修设备的类型确定巡检内容和巡检停留时间。比如，对于变压器，巡检内容可以为油位，刀闸的状态等对于导线，巡检内容可以为破损情况，架设情况等。同理，不同的待检修设备，在巡检停留点的停留时间不同。

S205、结合巡检线路图，巡检内容和巡检停留点停留时间确定巡检任务。

在得到巡检线路图，巡检内容和巡检停留点停留时间后，结合巡检线路图，巡检内容和巡检停留点停留时间确定巡检任务。

上述内容对获取巡检任务的过程进行了详细描述，下面进一步对其它相关内容进行描述。

在一个可选地实施方式中，在获取巡检任务之后，在将巡检任务发送至巡检无人机之前，该方法还包括：

(1)获取配置信息，其中，配置信息至少包括：巡检无人机的起飞时间，巡检无人机的返航时间，巡检无人机的返航地点，巡检无人机在各巡检停留点的拍摄时长；

(2)将配置信息发送至巡检无人机，以使巡检无人机根据配置信息进行巡检配置。

具体的，巡检无人机在完成巡检配置和接收到巡检任务后，便能执行巡检任务。执行巡检任务时，会将巡检结果发送至巡检中心的终端设备。

巡检中心的终端设备在接收到巡检结果后，会对巡检结果进行分析。

在一个可选地实施方式中，参考图3，通过故障分析学习模型对巡检结果进行分析包括：

S301、在巡检的视频文件中确定目标视频，其中，目标视频为巡检线路图中目标待检修设备的视频，目标待检修设备为巡检线路图中的多个待检修设备中的任意一个；

在得到巡检的视频文件后，在巡检的视频文件中确定目标视频，也就是任意一个待检修设备的视频。

S302、在目标视频中提取多个图像帧；

具体的，先将目标视频分成N个子视频，其中，N为大于1的正整数；然后，在每个子视频中提取一个图像帧，得到多个图像帧。

本发明实施例中图像帧的提取方式采用了稀疏抽帧的方式，用得到的多个图像帧代表一个目标视频，去除了冗余信息，降低了计算量。

S303、通过故障分析学习模型对每个图像帧进行分析，得到多个存在目标故障的概率；

在得到多个图像帧后，通过故障分析学习模型对每个图像帧进行分析，得到多个存在目标故障的概率。

S304、将多个存在目标故障的概率进行融合，得到目标待检修设备存在目标故障的融合概率；

具体的，先获取预设融合方式，其中，预设融合方式包括：基于平均数所确定的的融合方式；再根据预设融合方式对多个存在目标故障的概率进行融合，得到目标待检修设备存在目标故障的融合概率。

比如：多个存在目标故障的概率分别为a，b，c，融合后得到的融合概率为(a+b+c)/3。

通过对多个图像帧进行处理，得到多个存在目标故障的概率，进而再对多个存在目标故障的概率进行融合，得到融合概率。通过本发明的方法能够使得最终计算的结果更加准确，通过多个图像帧求平均的方式能够防止只采用一张图像帧的计算结果准确性差的问题。

S305、根据目标待检修设备存在目标故障的融合概率确定目标待检修设备是否存在目标故障。

具体的，如果目标待检修设备存在目标故障的融合概率大于预设阈值，则确定目标待检修设备存在目标故障。

上述内容对通过故障分析学习模型对巡检结果进行分析的过程进行了详细描述下面对确定目标解决方案的过程进行详细描述。

在一个可选地实施方式中，参考图4，当待检修设备存在目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案包括：

S401、根据目标故障在预设的故障项-解决方案映射表中确定目标映射关系，其中，目标映射关系为目标故障与其对应的解决方案之间的映射关系；

S402、根据目标映射关系中的各解决方案的优先级顺序确定目标解决方案。

具体的，先将目标映射关系中优先级最高的解决方案作为目标解决方案。其中，各个方案的优先级顺序是根据多次发生相同故障，相关人员所采用的解决方案的次数确定，相关人员选择同一个解决方案的次数越多，该解决方案的优先级就越高。

实施例二：

一种基于电力设施智能巡检的分析装置，参考图5，该装置包括：

第一获取模块11，用于获取巡检任务，其中，巡检任务至少包括：巡检内容，巡检线路图，巡检停留点停留时间，巡检线路图根据电力线路上待检修设备的巡检基本信息生成；

第一发送模块12，用于将巡检任务发送至巡检无人机，以使巡检无人机执行巡检任务；

接收模块13，用于接收巡检无人机执行巡检任务时发送的巡检结果，其中，巡检结果包括：巡检的地理位置，巡检的视频文件；

分析模块14，用于通过故障分析学习模型对巡检结果进行分析，以通过目标分析结果确定待检修设备是否存在目标故障，其中，故障分析学习模型为预先对原始故障分析模型进行训练得到的模型；

确定模块15，用于当待检修设备存在目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案。

本发明的基于电力设施智能巡检的分析装置中，先获取巡检任务，然后将巡检任务发送至巡检无人机，以使巡检无人机执行巡检任务，进而接收巡检无人机执行巡检任务时发送的巡检结果，再通过故障分析学习模型对巡检结果进行分析，确定待检修设备是否存在目标故障，最终，当待检修设备存在目标故障时，根据预设的故障项-解决方案映射表确定目标解决方案。该装置中的巡检任务是由巡检机器人完成，并且能根据巡检机器人发送的巡检结果自动确定出待检修设备是否存在目标故障，如果存在，还能给出有效的解决方案，大大提高了巡检的效率和准确性，能够自动进行故障定位，简单有效，智能程度高，缓解了现有的线路巡检方法效率低下，准确性差，并且故障定位困难，无法针对故障给出有效的解决方案的技术问题。

可选地，第一获取模块包括：

获取单元，用于获取待检修设备的巡检基本信息，其中，巡检基本信息至少包括：待检修设备的类型，待检修设备的地理位置，待检修设备的高度，对待检修设备的拍摄角度和拍摄高度；

第一确定单元，用于根据待检修设备的地理位置，待检修设备的高度，对待检修设备的拍摄角度和拍摄高度确定对待检修设备进行巡检的巡检停留点；

生成单元，用于基于巡检停留点生成巡检线路图；

第二确定单元，用于根据待检修设备的类型确定巡检内容和巡检停留点停留时间；

第三确定单元，用于结合巡检线路图，巡检内容和巡检停留点停留时间确定巡检任务。

可选地，该装置还包括：

第二获取模块，用于获取配置信息，其中，配置信息至少包括：巡检无人机的起飞时间，巡检无人机的返航时间，巡检无人机的返航地点，巡检无人机在各巡检停留点的拍摄时长；

第二发送模块，用于将配置信息发送至巡检无人机，以使巡检无人机根据配置信息进行巡检配置。

可选地，分析模块包括：

第四确定单元，用于在巡检的视频文件中确定目标视频，其中，目标视频为巡检线路图中目标待检修设备的视频，目标待检修设备为巡检线路图中的多个待检修设备中的任意一个；

提取单元，用于在目标视频中提取多个图像帧；

分析单元，用于通过故障分析学习模型对每个图像帧进行分析，得到多个存在目标故障的概率；

融合单元，用于将多个存在目标故障的概率进行融合，得到目标待检修设备存在目标故障的融合概率；

第五确定单元，用于根据目标待检修设备存在目标故障的融合概率确定目标待检修设备是否存在目标故障。

可选地，融合单元包括：

获取子单元，用于获取预设融合方式，其中，预设融合方式包括：基于平均数所确定的的融合方式；

融合子单元，用于根据预设融合方式对多个存在目标故障的概率进行融合，得到目标待检修设备存在目标故障的融合概率。

可选地，第五确定单元包括：

确定子单元，如果目标待检修设备存在目标故障的融合概率大于预设阈值，则确定目标待检修设备存在目标故障。

可选地，提取单元包括：

划分子单元，用于将目标视频分成N个子视频，其中，N为大于1的正整数；

提取子单元，用于在每个子视频中提取一个图像帧，得到多个图像帧。

可选地，确定模块包括：

第六确定单元，用于根据目标故障在预设的故障项-解决方案映射表中确定目标映射关系，其中，目标映射关系为目标故障与其对应的解决方案之间的映射关系；

第七确定单元，用于根据目标映射关系中的各解决方案的优先级顺序确定目标解决方案。

该实施例二中的具体内容可以参考上述实施例一中的描述，在此不再赘述。

本发明实施例所提供的基于电力设施智能巡检的分析方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。

Claims (10)

1.一种基于电力设施智能巡检的分析方法，其特征在于，所述方法包括：

获取巡检任务，其中，所述巡检任务至少包括：巡检内容，巡检线路图，巡检停留点停留时间，所述巡检线路图根据电力线路上待检修设备的巡检基本信息生成；

将所述巡检任务发送至巡检无人机，以使所述巡检无人机执行所述巡检任务；

接收所述巡检无人机执行所述巡检任务时发送的巡检结果，其中，所述巡检结果包括：巡检的地理位置，巡检的视频文件；

通过故障分析学习模型对所述巡检结果进行分析，以通过目标分析结果确定所述待检修设备是否存在目标故障，其中，所述故障分析学习模型为预先对原始故障分析模型进行训练得到的模型；

当所述待检修设备存在所述目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案。

2.根据权利要求1所述的方法，其特征在于，获取巡检任务包括：

获取所述待检修设备的巡检基本信息，其中，所述巡检基本信息至少包括：所述待检修设备的类型，所述待检修设备的地理位置，所述待检修设备的高度，对所述待检修设备的拍摄角度和拍摄高度；

根据所述待检修设备的类型，所述待检修设备的地理位置，所述待检修设备的高度，对所述待检修设备的拍摄角度和拍摄高度确定对所述待检修设备进行巡检的巡检停留点；

基于所述巡检停留点生成所述巡检线路图；

根据所述待检修设备的类型确定所述巡检内容和所述巡检停留点停留时间；

结合所述巡检线路图，所述巡检内容和所述巡检停留点停留时间确定所述巡检任务。

3.根据权利要求1所述的方法，其特征在于，在获取巡检任务之后，在将所述巡检任务发送至巡检无人机之前，所述方法还包括：

获取配置信息，其中，所述配置信息至少包括：所述巡检无人机的起飞时间，所述巡检无人机的返航时间，所述巡检无人机的返航地点，所述巡检无人机在各巡检停留点的拍摄时长；

将所述配置信息发送至所述巡检无人机，以使所述巡检无人机根据所述配置信息进行巡检配置。

4.根据权利要求1所述的方法，其特征在于，通过故障分析学习模型对所述巡检结果进行分析包括：

在所述巡检的视频文件中确定目标视频，其中，所述目标视频为所述巡检线路图中目标待检修设备的视频，所述目标待检修设备为所述巡检线路图中的多个待检修设备中的任意一个；

在所述目标视频中提取多个图像帧；

通过所述故障分析学习模型对每个所述图像帧进行分析，得到多个存在目标故障的概率；

将所述多个存在目标故障的概率进行融合，得到所述目标待检修设备存在目标故障的融合概率；

根据所述目标待检修设备存在目标故障的融合概率确定所述目标待检修设备是否存在所述目标故障。

5.根据权利要求4所述的方法，其特征在于，将所述多个存在目标故障的概率进行融合，得到所述目标待检修设备存在目标故障的融合概率包括：

获取预设融合方式，其中，所述预设融合方式包括：基于平均数所确定的的融合方式；

根据所述预设融合方式对所述多个存在目标故障的概率进行融合，得到所述目标待检修设备存在目标故障的融合概率。

6.根据权利要求4所述的方法，其特征在于，根据所述目标待检修设备存在目标故障的融合概率确定所述目标待检修设备是否存在所述目标故障包括：

如果所述目标待检修设备存在目标故障的融合概率大于预设阈值，则确定所述目标待检修设备存在所述目标故障。

7.根据权利要求4所述的方法，其特征在于，在所述目标视频中提取多个图像帧包括：

将所述目标视频分成N个子视频，其中，N为大于1的正整数；

在每个所述子视频中提取一个图像帧，得到多个图像帧。

8.根据权利要求1所述的方法，其特征在于，当所述待检修设备存在所述目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案包括：

根据所述目标故障在所述预设的故障项-解决方案映射表中确定目标映射关系，其中，所述目标映射关系为所述目标故障与其对应的解决方案之间的映射关系；

根据目标映射关系中的各解决方案的优先级顺序确定所述目标解决方案。

9.一种基于电力设施智能巡检的分析装置，其特征在于，所述装置包括：

第一获取模块，用于获取巡检任务，其中，所述巡检任务至少包括：巡检内容，巡检线路图，巡检停留点停留时间，所述巡检线路图根据电力线路上待检修设备的巡检基本信息生成；

第一发送模块，用于将所述巡检任务发送至巡检无人机，以使所述巡检无人机执行所述巡检任务；

接收模块，用于接收所述巡检无人机执行所述巡检任务时发送的巡检结果，其中，所述巡检结果包括：巡检的地理位置，巡检的视频文件；

分析模块，用于通过故障分析学习模型对所述巡检结果进行分析，以通过目标分析结果确定所述待检修设备是否存在目标故障，其中，所述故障分析学习模型为预先对原始故障分析模型进行训练得到的模型；

确定模块，用于当所述待检修设备存在所述目标故障时，根据预设的故障项-解决方案映射表中确定目标解决方案。

10.根据权利要求9所述的装置，其特征在于，所述第一获取模块包括：

获取单元，用于获取所述待检修设备的巡检基本信息，其中，所述巡检基本信息至少包括：所述待检修设备的类型，所述待检修设备的地理位置，所述待检修设备的高度，对所述待检修设备的拍摄角度和拍摄高度；

第一确定单元，用于根据所述待检修设备的地理位置，所述待检修设备的高度，对所述待检修设备的拍摄角度和拍摄高度确定对所述待检修设备进行巡检的巡检停留点；

生成单元，用于基于所述巡检停留点生成所述巡检线路图；

第二确定单元，用于根据所述待检修设备的类型确定所述巡检内容和所述巡检停留点停留时间；

第三确定单元，用于结合所述巡检线路图，所述巡检内容和所述巡检停留点停留时间确定所述巡检任务。