CN109242439B - 基于变电站设备相关联数据的特征提取识别方法 - Google Patents
基于变电站设备相关联数据的特征提取识别方法 Download PDFInfo
- Publication number
- CN109242439B CN109242439B CN201811106325.2A CN201811106325A CN109242439B CN 109242439 B CN109242439 B CN 109242439B CN 201811106325 A CN201811106325 A CN 201811106325A CN 109242439 B CN109242439 B CN 109242439B
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- feature extraction
- identification
- image
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012549 training Methods 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 239000003990 capacitor Substances 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 abstract description 10
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 206010051602 Laziness Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002156 mixing 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
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Abstract
本发明提供了基于变电站设备相关联数据的特征提取识别方法，包括下列步骤：1)建立基于变电站设备的特征提取数据库；2)建立基于变电站设备部件的特征识别数据库；3)建立基于变电站工作区的三维仿真设备样本训练平台；4)建立设备特征提取识别系统，现场工作人员通过便携终端实时连接设备特征提取识别系统；5)设备特征提取识别系统在变电站后台，通过便携终端的网络影像，同步查看现场工作人员的工作场景，直接在后台以手写标注的方式注明关键部件或关键工作，实现远程实景指导。本发明通过对电力设备图像特征的识别，对设备的识别标注以及考虑环境参数、设备关联数据的影响因素，建立综合分析的管理数据库，实现对电力设备的管理分析。
Description
技术领域
本发明涉及电力设备信息管理识别技术领域，尤其涉及基于变电站设备相关联数据的特征提取识别方法。
背景技术
随着我国经济的快速发展，特高压、交直流混合、新能源大量接入等成为电网必然的发展趋势。目前，我国的电网覆盖范围非常大，各种变电设备的数量也是巨大的，如变电站、导线、杆塔等数量大量增加，而且分布范围广、距离远。全部依靠人工来进行检修显然是不可能的，同时对于这些变电设备的统一管理监控的要求也随之提高。在此基础上，无人值守变电站得到了快速发展也为其管理运行管理提出了新的要求。因此，为提高无人值守或少人值守变电站人员和设备的管理性，需要实时监控变电设备的运行状态及信息隐患。
而在传统的变电站巡检和作业中，运行人员会遇到以下几大难点：现场管理管控难、巡检疏漏难以避免，工作手册记忆难，巡检作业经验难以沉淀，数据孤立设备评价难等，主要表现在以下几个方面：首先，是现场管理难以管控，部分工作人员自觉性不高，导致习惯性违章屡禁不止。如跨越护栏进入带电区域的现象、不正确佩戴管理帽、不正确穿着工作服、监护人离岗等违章行为时有发生。其次，是运检疏漏的难以避免，因为人不像计算机，粗心和懒惰是人性的弱点和通病。同时，检测经验难以沉淀，在设备状态评价的要求下，变电站检测数据采集等工作要求具有丰富的专业知识与经验，但是这些专业知识难以分享，经验难以沉淀。
专利号为201510857117.6的方案公开了基于轨迹信息对监控前端设备进行运维检测的方法及装置，该方法从车辆上轨迹记录设备上报的轨迹信息中，提取轨迹记录设备在指定统计周期内的轨迹信息，对于提取的轨迹信息，查找出其对应的轨迹周围指定范围内的有效监控前端设备，随后对有效监控前端设备按照指定的范围进行分组，对于每一组的监控前端设备，查询该组中的监控前端设备在轨迹记录设备所在的车辆经过时间段内的过车记录，最后对该组监控前端设备进行判断。该发明的装置包括轨迹信息提取模块、前端设备查找模块、分组模块、过车记录查询模块和判断模块。本发明的方法及装置，便于用户发现故障的监控前端设备，以便及时进行维修，保障设备的可靠运行。
为解决以上变电站巡检和现场作业过程中存在的问题，我们继续研究一种技术，能实现对变电站设备相关联数据的特征提取与识别。
发明内容
本发明的目的在于解决上述技术问题，提供基于变电站设备相关联数据的特征提取识别方法，通过对电力设备图像特征的识别，对设备的识别标注以及考虑环境参数、设备关联数据的影响因素，建立综合分析的管理数据库，实现对电力设备的管理分析。
为实现上述目的，本发明采用的技术方案是：基于变电站设备相关联数据的特征提取识别方法，包括下列步骤：
1)建立基于变电站设备的特征提取数据库，利用特征提取模块提取变电站设备的图像特征、环境参数和关联数据，并将所有数据存储于后台数据库中；
2)建立基于变电站设备部件的特征识别数据库，包括设备识别数据库和近邻匹配数据库，所述设备识别数据库运用动态尺度空间的自适应功能进行设备图像建模，所述近邻匹配数据库通过GPS、RFID复合定位技术，依据变电站设备部件的图像信号，对设备表面标注文字和标牌进行分类识别，存储于后台数据库中；
3)建立基于变电站工作区的三维仿真设备样本训练平台，在收集在线视频和巡检图像样本的同时，搭建三维仿真设备样本训练平台，能够模仿不同时间光照条件下变电站各个视角的图像样本，从而训练验证设备识别算法，实现快速识别设备关联数据的结果，存储于后台数据库中；
4)基于步骤1)、步骤2)、步骤3)的数据库，建立设备特征提取识别系统，现场工作人员通过便携终端实时连接设备特征提取识别系统，便携终端就近对变电站关键设备进行识别，并融合识别系统的设备历史检测数据、环境数据、巡检影像等数据直接显示到工作人员终端上，同时关联临近设备数据及变电站平、断面图图谱，叠加显示直埋电力电缆走向图，帮助运维检修检测人员全面解读设备；
5)设备特征提取识别系统在变电站后台，通过便携终端的网络影像，同步查看现场工作人员的工作场景，直接在后台以手写标注的方式注明关键部件或关键工作，同屏指示到现场工作人员的设备上，实现同步同频沟通，直接安排紧急任务给一线运检人员，实现远程实景指导。
进一步地，所述步骤1)中的关联数据，包括设备单元信息、相关图纸图表、设备技术参数、设备历史巡视检测信息，以及主变压器、断路器、隔离开关、母线、电抗器、电流互感器、电压互感器、电容器、避雷器、开关柜的数据，各数据通过PMS导出和图纸扫描录入特征提取数据库，工作人员可以在后台调用、导入数据，并根据需求设置显示菜单和数据内容。
进一步地，所述设备特征提取识别系统包括包括顺次连接的特征提取模块、特征识别模块与结果输出模块，所述特征提取模块包括图像采集客户端、环境参数采集端以及分别与两者连接的数据集中器，所述图像采集客户端和所述环境参数采集端分别连接特征提取数据库。
进一步地，所述特征识别模块包括图像识别单元及其连接的通信单元，所述图像识别单元包括单片机芯片、网络服务器及数据存储器，所述数据存储器连接特征识别数据库，所述通信单元包括无线传输模块与双向网络通信接口。
进一步地，所述便携终端包括AR设备，所述图像采集客户端设置在所述便携终端上，所述图像采集客户端包括可见光传感器、GPS模块与RFID识别器。
进一步地，所述结果输出模块包括预警单元、显示单元，所述通信单元连接所述结果输出模块。
进一步地，所述环境参数采集端包括温湿度传感器、电涡流传感器、风力传感器、电压传感器和电流传感器。
进一步地，所述无线传输模块包括GSM数传模块与CDMA数传模块。
进一步地，所述预警单元包括现场声光预警单元和网络云数据传输预警单元。
进一步地，所述显示单元包括连接光伏阵列的人机交互界面，所述光伏阵列连接直流蓄电池。
本发明的有益效果在于以下几个方面：
1)本发明通过RFID快速进行设备定位，然后根据图像分析进行视觉引导，能够实现对运行/检修人员所在位置进行准确定位，实现设备关联数据同步显示的功能，克服传统变电站内设备密集，以及室内环境、单纯的GPS定位难以达到精准的要求，增强了现实融合展示数据、对误操作进行预警提醒、对运检操作进行辅助培训等功能，能够根据用户的关注目标进行关联数据的同步。
2)本发明提供了变电站关键设备部件近邻匹配识别方法，首先对变电站全站设备进行建模，再根据复合定位获得运检人员位置，优先对所在位置附近视线所及的设备模型进行模糊匹配，筛选加快模型识别比对，实现快速的设备图像识别。本发明增强了现实客户端中为运行/检修工作人员实时提供的相关设备数据关联，并能快速识别变电设备及关键部件，克服了传统图像识别要求度不高。现实客户端运算能力不强等问题，具有极高的准确性和时效性。
3)本发明的设备终端可以进行关键数据的实时呈现，终端根据近邻匹配对变电站关键设备进行识别，融合设备历史检测数据、历史故障、在线监测、红外巡检等数据直接显示到巡检人员眼镜上，同时关联全站平、断面图等图谱，叠加显示直埋电力电缆走向图，帮助运维检修检测人员全面解读设备，提升运维、检修、检测实验效率，终端还能够以第一人称视角将巡检图像进行同步，并提供实时的语音沟通和画图工具，实现对巡检现场有效准确的进行远程指导和会诊。
4)本发明在实现之后，变电站中控室或工程师站可远程指导现场工作人员，运检人员也可以快速查看设备相关数据，大大提高了工作效率，本发明有助于实现误操作安全告警，解决了变电站现场安全管控的问题。本发明关键技术的应用，可以有效避免事故发生、减少事故损失、减少定期预防试验和设备检修费用，具有可观的经济效益。
附图说明
图1是本发明系统的整体结构流程图。
图2是本发明系统的特征识别数据框架图。
图3是本发明实施例中关联设备属性图。
具体实施方式
实施例
如图1至图3所示，基于变电站设备相关联数据的特征提取识别方法，包括下列步骤：1)建立基于变电站设备的特征提取数据库，利用特征提取模块提取变电站设备的图像特征、环境参数和关联数据，并将所有数据存储于后台数据库中；2)建立基于变电站设备部件的特征识别数据库，包括设备识别数据库和近邻匹配数据库，设备识别数据库运用动态尺度空间的自适应功能进行设备图像建模，近邻匹配数据库通过GPS、RFID复合定位技术，依据变电站设备部件的图像信号，对设备表面标注文字和标牌进行分类识别，存储于后台数据库中；3)建立基于变电站工作区的三维仿真设备样本训练平台，在收集在线视频和巡检图像样本的同时，搭建三维仿真设备样本训练平台，能够模仿不同时间光照条件下变电站各个视角的图像样本，从而训练验证设备识别算法，实现快速识别设备关联数据的结果，存储于后台数据库中；4)基于步骤1)、步骤2)、步骤3)的数据库，建立设备特征提取识别系统，现场工作人员通过便携终端实时连接设备特征提取识别系统，便携终端就近对变电站关键设备进行识别，并融合识别系统的设备历史检测数据、环境数据、巡检影像等数据直接显示到工作人员终端上，同时关联临近设备数据及变电站平、断面图图谱，叠加显示直埋电力电缆走向图，帮助运维检修检测人员全面解读设备；5)设备特征提取识别系统在变电站后台，通过便携终端的网络影像，同步查看现场工作人员的工作场景，直接在后台以手写标注的方式注明关键部件或关键工作，同屏指示到现场工作人员的设备上，实现同步同频沟通，直接安排紧急任务给一线运检人员，实现远程实景指导。
设备特征提取识别系统包括包括顺次连接的特征提取模块、特征识别模块与结果输出模块，特征提取模块包括图像采集客户端、环境参数采集端以及分别与两者连接的数据集中器，图像采集客户端和环境参数采集端分别连接特征提取数据库。特征识别模块包括图像识别单元及其连接的通信单元，图像识别单元包括单片机芯片、网络服务器及数据存储器，数据存储器连接特征识别数据库，通信单元包括无线传输模块与双向网络通信接口。
本具体实施时，利用特征提取模块建立特征提取数据库，需要涉及变电站关键设备部件特征提取、环境数据的特征提取和关联设备的特征提取。
对于变电站关键设备部件特征的提取，是由于现实中，人们通常利用物理和结构特征来识别对象，因为这样的特征容易被视觉、触觉以及其他感觉器官所发现。但在用计算机构造识别系统时应用这些特征比较复杂，而机器在抽取数学特征的能力方面则又比人强得多。特征提取是图像处理中的一个初级运算，也就是说它是对一个图像进行的第一个运算处理。它检查每个像素来确定该像素是否代表一个特征。假如它是一个更大的算法的一部分，那么这个算法一般只检查图像的特征区域。作为特征提取的一个前提运算，输入图像一般通过高斯模糊核在尺度空间中被平滑。此后通过局部导数运算来计算图像的一个或多个特征。特征提取最重要的一个特性是“可重复性”：同一场景的不同图像所提取的特征应该是相同的。由于许多计算机图像算法使用特征提取作为其初级计算步骤，因此有大量特征提取算法被发展，其提取的特征各种各样，它们的计算复杂性和可重复性也非常不同。常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。针对不同的特征有不同的提取方法。例如，对于颜色特征，通常采用颜色直方图法；纹理特征的提取方法有统计法、几何法、模型法、信号处理法等；形状特征的提取方法有边界特征法、傅里叶形状描述符法、几何参数法等；提取图像空间关系特征可以有两种方法：一种方法是首先对图像进行自动分割，划分出图像中所包含的对象或颜色区域，然后根据这些区域提取图像特征，并建立索引；另一种方法则简单地将图像均匀地划分为若干规则子块，然后对每个图像子块提取特征，并建立索引。基于评价标准划分的特征选择方法有筛选式和封装式两种。筛选器的评价函数与分类器无关，封装器采用分类器的错误概率作为评价函数。筛选器的评价函数可以细分为距离测度、信息测度、相关性测度和一致性测度。距离测度用距离来衡量样本之间的相似度，信息测度用利用最小不确定性特征来分类。另外，在进行特诊该选择时需要以可分性判据来衡量特征选择的好坏，因此可以使用解决优化问题的方法解决特征选择问题。例如模拟退火算法、Tabu搜索算法、遗传算法等。
在实际应用中，关于变电站关联设备的特征提取，是利用便携终端就近对变电站关键设备进行识别，并融合识别系统的设备历史检测数据、环境数据、巡检影像等数据直接显示到工作人员便携终端上，同时关联临近设备数据及变电站平、断面图图谱，叠加显示直埋电力电缆走向图，帮助运维检修检测人员全面解读设备，提升运维、检修、检测实验效率。需要关联的设备数据主要有设备单元信息、相关图纸图表、设备技术参数、设备历史巡视检测信息，以及主变压器、所用变、断路器、隔离开关、母线、电抗器、电流互感器、电压互感器、电容器、避雷器、开关柜等主要设备的详细数据，如图3所示。设备数据主要通过PMS导出和图纸扫描录入。运维班长和技术工程师可以在后台导入数据并根据需求设置显示菜单和数据内容。环境参数采集端包括温湿度传感器、电涡流传感器、风力传感器、电压传感器和电流传感器，采集各传感器所对应的数据，处理方式等同于关联设备数据。变电站电力线缆相关工作都有应与电缆走向图图纸核对相符的前提，但无法直接看到地下线路走向、深度等信息。本发明通过导入变电站地下电缆走向图，进行二值化处理，获得矢量的线缆结构，通过复合定位和变电站实景进行叠加立体显示，实现不开挖直接呈现底地下线缆情况，为电力线缆相关检测检修工作提供帮助。
特征识别数据库包括设备识别数据库和近邻匹配数据库，设备识别数据库运用动态尺度空间的自适应功能进行设备图像建模，近邻匹配数据库通过GPS、RFID复合定位技术，依据变电站设备部件的图像信号，对设备表面标注文字和标牌进行分类识别。
关于动态尺度空间的自适应功能，以实际应用中的AR便携终端设备为例，由于AR设备观测到的是具有纵深的三维世界，实际上设备建模要考虑其空间特性，并且这种空间特性是随使用者的视线而变化的，即设备识别技术需要在动态尺度空间中具备自适应功能。模型多尺度表示的基本思想是：把原模型嵌入到一组从原模型导出的含有一个自由参数的图像中去，使得这组模型是对多尺度观测的一个仿真。高斯函数作为卷积核生成的尺度空间是目前最完善的尺度空间之一。对图像建立多尺度表示后,接下来的工作就是如何根据实际问题选择合适的尺度，这就是尺度的自适应选择问题。如果能对特定尺度下的图像中包含的信息进行度量，那么通过度量的大小就能判断该尺度下图像的复杂程度。这就为实现尺度的自适应选择打下了基础。
根据Marr计算理论，图像中的信息就是图像中可以提供给人们关于图像中存在“物体”和这些物体的关系以及与人的关系的要素，这些要素是通过空间上颜色的变化呈现出来的。由于颜色可以分为亮度和色度，而灰度图像只有亮度，因此灰度图像是根据亮度在空间上的变化提供信息的，而且它能反映图像形状特征。决定图像亮度的主要因素有4个，即几何关系、可见表面的反射情况、景物的照明情况和观察点的方位；但在图像中所有这些因素是混杂在一起的。在视觉处理的第1阶段所作处理的目的就是要分清楚哪一些变化是由哪一些因素引起的，进而建立一些表象，并用这些表象把上述4个因素区分开来。通过以下3个步骤来实现这一目的。第1步，由图像中灰度的变化和结构获得适当的表象。这一步得到的表象称为初始简图；第2步，对初始简图进行一系列处理运算，来推导出一个能反映可见表面几何特征的表象，称为2.5维简图；第3步是被观察形状的3维结构组织在以物体为中心的坐标系中的表象，以及在这种坐标系下对物体表面性质的一些描述，这个阶段称为3维模型表象。
由于Marr视觉理论中初始简图是图像亮度的变化中直接推导出来的第1个表象，它的基元在很大程度上直接反映了物理实在，因此，初始简图中要素的数量就可以作为一个十分好的信息度量标准。初始简图中的要素有：边缘、棒，斑点和端点，它们都是通过对图像像素灰度变化的检测和定位而得到的。这些基元就构成了图像的视觉特征。初为了简单，选用视觉上重要的特征点来进行信息度量。图像的特征点有局部非平凡极值点和非平凡拐点(图像局部灰度变化最剧烈的像素点)。其中的第1类点恰好是屋脊型边缘的特征，第2类点恰好是阶梯型边缘的特征。由于人的视觉对两种点比较敏感。因此这两类特征点在生成图像初始简图中有十分重要的作用。
针对此类设备图像的自动标注方法，首先利用图像处理技术提取设备图像的底层视觉特征，包括颜色、纹理、形状和空间信息等，作为图像的元数据。对一幅电力设备图像标注时，将标注问题视为图像分类问题，主要分为两个阶段：i)标注模型训练阶段(用大量的已分类图像训练分类器)：提交代表项目具体视觉要求的图像，利用己标注的图像集，构建从图像底层视觉特征到高级语义特征逐层进行迭代、逐层抽象的深度网络映射模型；ii)图像标注阶段：计算与训练库中所有图像的相似度，将与之最相似的图像返回，根据测试图像的视觉信息把它分类到预先定义的类别中，每个关键词视为一个独立的类别名称，并对应一个分类器。从而更精准的标注未知样本的电力设备图像。
本发明采用RFID技术对设备位置进行初步标注，RFID射频识别系统主要包括电子标签、阅读器、天线以及应用软件四部分。在阅读器与电子标签的模块中均有数据的输入与输出，并且两大模块中传输的还有能量与时钟。天线：在标签和读取器间传递射频的信号用的。标签：标签是由耦合元件以及芯片所组成，每个标签具有唯一的一个电子编码，附着在物体上用来标识目标对象。标签：标签是由耦合元件以及芯片所组成，每个标签具有唯一的一个电子编码，附着在物体上用来标识目标对象。在本发明中主要通过AR设备读取RFID的电子编码，从而实现对设备位置的初级标识。其工作原理为:RFID可识别标签进入磁场后，接收解读器发出的射频信号，凭借感应电流所获得的能量发送出存储在芯片中的产品信息(无源标签或被动标签)，或者由标签主动发送某一频率的信号，解读器读取信息并解码后，送至中央信息系统进行有关数据处理。RFID的应用有很多优点，包括快速扫描，RFID辨识器可同时辨识读取数个RFID标签；体积小型化、形状多样化；抗污染能力和耐久性；可重复使用；穿透性和无屏障阅读；数据的记忆容量大，同时，由于RFID承载的是电子式信息，其数据内容可经由密码保护，使其内容不易被伪造及变造。
建立基于变电站设备部件的近邻匹配数据库，需要研究图像实时同步标注技术，光学字符识别隶属机器视觉领域，通过光学成像系统和数字采集系统转化为离散的数字图像，通过计算机进行模式识别处理。最终以识别“设备表面标注文字和标牌”检验算法的可靠性。模式识别之前需要进行抑噪、校正、定位、分割、归一化等预处理步骤，而这些耗时的计算在数据处理中心上就可以快速、高效的完成。AR设备上只要快速检索调用标注结果即可。
由于设备变电站大数据立体检测主要体现温度的分布规律，对于设备特征细节呈现的不明显。因此，电力设备变电站大数据立体检测的识别，需通过可见光对设备进行识别标注，建立双向设备种类标注模型。其中，在可见光针对设备表面标注文字和标牌：设计并研究适合多数机器视觉领域的光学字符识别系统所需的核心算法，利用识别结果对图像进行标注。进而检验系列算法的可行性与实用性，对比选取抗噪能力强、效果好的处理算法。光学字符识别系统所需的核心算法包含以下几个方面：a)图像预处理步骤：电力设备图像进行必要的预处理，包括增强输入图像的质量图像去噪、边缘增强、边缘检测等，数字图像通过图像处理算法定位并截出感兴趣区域，在感兴趣区域基础上，根据具体任务要求，继续分割提取出相关结构，要对采集到的以保证电力设备及其运行状态识别和分析的准确性；b)特征提取步骤：将离散化的字符数字图像进行特征向量提取，关键是提取出字符间区别度高的特征向量；c)模式识别步骤：输入提取到的特征向量，通过模式匹配算法识别与描述，正确区分出字符，完成图像处理任务；d)将识别结果对图像进行标注。
对于图像区域内无文字标牌的图像：研究多尺度空间模型，建立图像金字塔的简单系统，用于简单而有效的解释多尺度图像特征，在图像特征提取中方便加入尺度空间信息；研究将传统有监督分类器与深度学习相结合，让算法在大数据量和小数据量情况下，都有好的表现。在实施过程中，通常选择深度学习的方法提取样本特征，用传统有监督分类器方法进行分类。
深度学习图像识别准确率与用于训练的样本有直接关系。而变电站设备种类繁多，背景复杂，难以获得不同环境下的变电设备影响样本。为了解决这一问题，在收集在线视频和巡检图像样本的同时，搭建了一个变电站三维仿真设备样本训练平台，能够模仿不同时间光照条件下变电站各个视角的图像样本，从而训练验证设备识别算法，实现AR快速识别设备关联数据。
本发明的AR设备中内置电子化的变电站巡视作业卡，包含例行巡视卡和全面巡视卡；当巡视到相关设备时，以语音及文字提示的方式诵读巡视关键内容，巡视人员同样以语音逐条记录巡视情况，系统将语音转为文字生成填写好的巡视作业卡，在解放巡视人员双手的同时确保不会因为疏忽遗漏巡视步骤。鉴于AR独特的第一人称视角模式，可以通过设备实现第一人称的远程协作技术。可以通过网络在后台同视觉查看现场巡检人员的工作场景，直接在后台以手写标注的方式注明关键部件或关键工作，同屏现实到现场工作人员AR设备上，实现同步同频沟通，避免因表达或理解而产生的操作错误，快速解决问题，帮助一线人员快速学习巡检经验。在实际工作中，难免急需获取现场设备数据或进行变电站设备巡检，但申请去变电站手续需要较长时间，往往因为申请手续而错过现场查看设备的时机。而本系统充分利用互联网技术，实现终端的开放共享。当有紧急情况需要变电站现场人员处理的时候，后台可发布紧急任务，直接推送到站端运行检修人员AR设备上，实现现场处理任务的功能。对于当前运行检修人员不具备完成任务的条件时，还可以通过第一人称现场辅助实现对一线人员的指导。
本发明中的单片机芯片，实施例选用的是C8051F单片机系列中的性价比较高的C8051F410。它集成了丰富的模拟和数字资源，是完全意义上的低功耗系统级的微可见光传感器，主要有以下特征：速度提高：使用SiliconLabs的专利CIP-51微可见光传感器核。CIP-51完全兼容典型51单片机指令集，采用标准结构的51单片机相比，使用CIP-51内核的单片机采用流水线结构，大大提高了指令执行速度；硬件资源丰富：具备上电复位及电压监视等功能；自带24.5MHz高精度可编程的内部振荡器；拥有32KB的片内FLASH存储器，2304字节片内RAM；4个16位通用定时器、看门狗定时器、12位可编程DAC、24个I/O口；内置AD转换器：自带12位逐次逼近寄存器型(SAR)ADC,采样率最高可到200ksps；单片机24个外部端口都可以通过一个27通道的多路模拟开关选择器配置为ADC的输入；ADC的基准电压可根据需要由编程选择内部基准或外部基准；低功耗、完善的时钟系统、先进的非侵入式系统调试技术。预警单元包括现场声光预警单元和网络云数据传输预警单元，可以在专家分析结果成型后，对比数据库的结果输出分析，实现快捷准确的设备管理结果。
显示单元包括连接光伏阵列的人机交互界面，光伏阵列连接直流蓄电池,可以通过太阳能供源，从而增加系统的持续性和管理可靠性。无线传输模块包括GSM数传模块与CDMA数传模块，CDMA和GSM均是目前已经应用成熟与稳定的2G通信的主流制式，在通信质量上，CDMA的通信质量要高于GSM，在相同环境下语音通信，CDMA的杂音要比GSM小很多，在手机辐射上，CDMA采用了出色的功率控制技术，也要比GSM小；然而，GSM在信号传输的稳定性上，采用时分多址的数字移动通信模式，在应用范围以及简单的短信传输上，在成本与应用范围上均具有优势，所以在本发明中应根据具体情况，择优选取。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.基于变电站设备相关联数据的特征提取识别方法，其特征在于，包括下列步骤：
1）建立基于变电站设备的特征提取数据库，利用特征提取模块提取变电站设备的图像特征、环境参数和关联数据，并将所有数据存储于后台数据库中；
2）建立基于变电站设备部件的特征识别数据库，包括设备识别数据库和近邻匹配数据库，所述设备识别数据库运用动态尺度空间的自适应功能进行设备图像建模，所述近邻匹配数据库通过GPS、RFID复合定位技术，依据变电站设备部件的图像信号，对设备表面标注文字和标牌进行分类识别，存储于后台数据库中；
3）建立基于变电站工作区的三维仿真设备样本训练平台，在收集在线视频和巡检图像样本的同时，搭建三维仿真设备样本训练平台，能够模仿不同时间光照条件下变电站各个视角的图像样本，从而训练验证设备识别算法，实现快速识别设备关联数据的结果，存储于后台数据库中；
4）基于步骤1）、步骤2）、步骤3）的数据库，建立设备特征提取识别系统，现场工作人员通过便携终端实时连接设备特征提取识别系统，便携终端就近对变电站关键设备进行识别，并融合识别系统的设备历史检测数据、环境数据、巡检影像数据直接显示到工作人员终端上，同时关联临近设备数据及变电站平、断面图图谱，叠加显示直埋电力电缆走向图，帮助运维检修检测人员全面解读设备；
5）设备特征提取识别系统在变电站后台，通过便携终端的网络影像，同步查看现场工作人员的工作场景，直接在后台以手写标注的方式注明关键部件或关键工作，同屏指示到现场工作人员的设备上，实现同步同频沟通，直接安排紧急任务给一线运检人员，实现远程实景指导；
所述步骤1）中的关联数据，包括设备单元信息、相关图纸图表、设备技术参数、设备历史巡视检测信息，以及主变压器、断路器、隔离开关、母线、电抗器、电流互感器、电压互感器、电容器、避雷器、开关柜的数据，各数据通过PMS导出和图纸扫描录入特征提取数据库，工作人员在后台调用、导入数据，并根据需求设置显示菜单和数据内容；
所述设备特征提取识别系统包括顺次连接的特征提取模块、特征识别模块与结果输出模块，所述特征提取模块包括图像采集客户端、环境参数采集端以及分别与两者连接的数据集中器，所述图像采集客户端和所述环境参数采集端分别连接特征提取数据库；
所述特征识别模块包括图像识别单元及其连接的通信单元，所述图像识别单元包括单片机芯片、网络服务器及数据存储器，所述数据存储器连接特征识别数据库，所述通信单元包括无线传输模块与双向网络通信接口；
所述便携终端包括AR设备，所述图像采集客户端设置在所述便携终端上，所述图像采集客户端包括可见光传感器、GPS模块与RFID识别器；
所述环境参数采集端包括温湿度传感器、电涡流传感器、风力传感器、电压传感器和电流传感器。
2.如权利要求1所述的基于变电站设备相关联数据的特征提取识别方法，其特征在于：所述结果输出模块包括预警单元、显示单元，所述通信单元连接所述结果输出模块。
3.如权利要求1所述的基于变电站设备相关联数据的特征提取识别方法，其特征在于：所述无线传输模块包括GSM数传模块与CDMA数传模块。
4.如权利要求2所述的基于变电站设备相关联数据的特征提取识别方法，其特征在于：所述预警单元包括现场声光预警单元和网络云数据传输预警单元。
5.如权利要求2所述的基于变电站设备相关联数据的特征提取识别方法，其特征在于：所述显示单元包括连接光伏阵列的人机交互界面，所述光伏阵列连接直流蓄电池。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811106325.2A CN109242439B (zh) | 2018-09-21 | 2018-09-21 | 基于变电站设备相关联数据的特征提取识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811106325.2A CN109242439B (zh) | 2018-09-21 | 2018-09-21 | 基于变电站设备相关联数据的特征提取识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109242439A CN109242439A (zh) | 2019-01-18 |
| CN109242439B true CN109242439B (zh) | 2021-10-26 |
Family
ID=65056777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811106325.2A Active CN109242439B (zh) | 2018-09-21 | 2018-09-21 | 基于变电站设备相关联数据的特征提取识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109242439B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110068332B (zh) * | 2019-02-21 | 2022-06-24 | 国网浙江平湖市供电有限公司 | 基于可穿戴设备的变电站巡检路径规划装置及方法 |
| CN111783187B (zh) * | 2019-04-03 | 2023-12-22 | 京灯(广东)信息科技有限公司 | 一种亮化共享平台应用系统 |
| CN110161527B (zh) * | 2019-05-30 | 2020-11-17 | 华中科技大学 | 一种基于rfid和激光雷达的三维地图重构系统及方法 |
| CN110261484A (zh) * | 2019-07-11 | 2019-09-20 | 武汉中科创新技术股份有限公司 | 一种超声相控阵复合材料检测中轮式探头界面波跟踪方法 |
| CN110363169A (zh) * | 2019-07-19 | 2019-10-22 | 南方电网科学研究院有限责任公司 | 一种电网关键设备及部件的识别装置、设备及系统 |
| CN110706365A (zh) * | 2019-09-30 | 2020-01-17 | 贵州电网有限责任公司 | 一种用于电力设备图像特征数据建模方法 |
| CN111274876B (zh) * | 2020-01-09 | 2024-02-13 | 国网江苏省电力有限公司徐州供电分公司 | 一种基于视频分析的调度监控方法和系统 |
| CN111256757A (zh) * | 2020-02-25 | 2020-06-09 | 深圳哈维生物医疗科技有限公司 | 基于云计算的医疗设备监控系统及方法 |
| CN111859805B (zh) * | 2020-07-21 | 2023-08-29 | 国网山东省电力公司青岛供电公司 | 基于人工智能的电力图纸拓扑关系的检测方法 |
| CN112270373A (zh) * | 2020-11-06 | 2021-01-26 | 广东电网有限责任公司 | 一种基于图像识别技术的调度主站三遥变化自动识别方法 |
| CN112784080B (zh) * | 2021-01-28 | 2023-02-03 | 上海发电设备成套设计研究院有限责任公司 | 基于发电厂三维数字化平台的场景推荐方法、系统及装置 |
| CN113284128B (zh) * | 2021-06-11 | 2023-05-16 | 中国南方电网有限责任公司超高压输电公司天生桥局 | 基于电力设备的图像融合显示方法、装置和计算机设备 |
| CN113625648A (zh) * | 2021-08-27 | 2021-11-09 | 刘纪荣 | 一种基于rfid识别的设备运行状态确定方法 |
| CN113807342A (zh) * | 2021-09-17 | 2021-12-17 | 广东电网有限责任公司 | 基于图像获取设备信息的方法及相关装置 |
| CN117412180B (zh) * | 2023-12-15 | 2024-03-15 | 杭州三信网络技术有限公司 | 一种基于多相机联动目标监测的焊机和目标监测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620800A (zh) * | 2008-06-30 | 2010-01-06 | 上海市电力公司超高压输变电公司 | 一种500千伏变电站模拟仿真培训系统 |
| CN103942850A (zh) * | 2014-04-24 | 2014-07-23 | 中国人民武装警察部队浙江省总队医院 | 基于视频分析和rfid技术的医护人员在岗监测方法 |
| CN106920071A (zh) * | 2017-02-23 | 2017-07-04 | 广东电网有限责任公司教育培训评价中心 | 变电站现场作业辅助方法和系统 |
| CN108275524A (zh) * | 2018-01-12 | 2018-07-13 | 东北大学 | 一种基于第一视角视频序列操作评估的电梯维保操作监测与指导装置 |
| CN108344931A (zh) * | 2018-02-06 | 2018-07-31 | 国网山西省电力公司电力科学研究院 | 基于紫外图谱技术的电力设备安全分析系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7310442B2 (en) * | 2003-07-02 | 2007-12-18 | Lockheed Martin Corporation | Scene analysis surveillance system |
-
2018
- 2018-09-21 CN CN201811106325.2A patent/CN109242439B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101620800A (zh) * | 2008-06-30 | 2010-01-06 | 上海市电力公司超高压输变电公司 | 一种500千伏变电站模拟仿真培训系统 |
| CN103942850A (zh) * | 2014-04-24 | 2014-07-23 | 中国人民武装警察部队浙江省总队医院 | 基于视频分析和rfid技术的医护人员在岗监测方法 |
| CN106920071A (zh) * | 2017-02-23 | 2017-07-04 | 广东电网有限责任公司教育培训评价中心 | 变电站现场作业辅助方法和系统 |
| CN108275524A (zh) * | 2018-01-12 | 2018-07-13 | 东北大学 | 一种基于第一视角视频序列操作评估的电梯维保操作监测与指导装置 |
| CN108344931A (zh) * | 2018-02-06 | 2018-07-31 | 国网山西省电力公司电力科学研究院 | 基于紫外图谱技术的电力设备安全分析系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109242439A (zh) | 2019-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242439B (zh) | 基于变电站设备相关联数据的特征提取识别方法 | |
| CN109858367B (zh) | 工人通过支撑不安全行为的视觉自动化检测方法及系统 | |
| CN106710001A (zh) | 一种基于变电站巡检机器人集中监控仿真系统及其方法 | |
| CN109580004A (zh) | 一种温度检测方法及装置 | |
| CN111144325A (zh) | 变电站电力设备的故障识别定位方法、装置及设备 | |
| CN106991731A (zh) | 集成设备维护的智能巡检方法及系统 | |
| CN109638959A (zh) | 基于ar和深度学习的电力设备遥信功能调试方法及系统 | |
| CN109166293A (zh) | 基于变电站立体检测的远程辅助预警方法 | |
| CN112749813A (zh) | 一种数据处理系统、方法、电子设备及存储介质 | |
| CN109308670A (zh) | 基于行为预测的变电站安全管控方法 | |
| CN110968712A (zh) | Bim族模型获取的方法、装置及系统 | |
| CN116258980A (zh) | 一种基于视觉的无人机分布式光伏电站巡检方法 | |
| CN110008828A (zh) | 基于差异正则化的成对约束成分分析度量优化方法 | |
| CN115809833A (zh) | 基于画像技术的基建项目智能监督方法、装置 | |
| CN116468392A (zh) | 一种电网工程项目进度监控方法、装置、设备及存储介质 | |
| CN115393566A (zh) | 电力设备的故障识别与预警方法、装置、存储介质、设备 | |
| CN112906602A (zh) | 基于图像处理的配电柜电量表自动识别装置及识别方法 | |
| CN104680614A (zh) | 基于北斗的管线巡检闪测系统 | |
| CN112181549A (zh) | 变电站监控界面电力图符动态感知的识别系统及方法 | |
| Chang et al. | Safety risk assessment of electric power operation site based on variable precision rough set | |
| CN116363397A (zh) | 设备故障排查方法、装置及巡检系统 | |
| CN113469150B (zh) | 一种用于对风险行为进行识别的方法及系统 | |
| CN115661446A (zh) | 基于深度学习的指针式仪表示数自动读取系统及方法 | |
| Chen et al. | Slender Flexible Object Segmentation Based on Object Correlation Module and Loss Function Optimization | |
| CN113554610A (zh) | 一种光伏组件运行状态检测方法及其应用装置 |
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 |