CN110502605B - 基于人工智能技术的电力资产lcc成本归集系统 - Google Patents

基于人工智能技术的电力资产lcc成本归集系统 Download PDF

Info

Publication number
CN110502605B
CN110502605B CN201910798214.0A CN201910798214A CN110502605B CN 110502605 B CN110502605 B CN 110502605B CN 201910798214 A CN201910798214 A CN 201910798214A CN 110502605 B CN110502605 B CN 110502605B
Authority
CN
China
Prior art keywords
work order
information
cost
order image
gray
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
Application number
CN201910798214.0A
Other languages
English (en)
Other versions
CN110502605A (zh
Inventor
孙蓉蓉
宁柏锋
柳进刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Southern Power Grid Digital Platform Technology Guangdong Co ltd
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
Shenzhen Digital Power Grid Research Institute of China Southern Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Power Supply Co ltd, Shenzhen Digital Power Grid Research Institute of China Southern Power Grid Co Ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN201910798214.0A priority Critical patent/CN110502605B/zh
Publication of CN110502605A publication Critical patent/CN110502605A/zh
Application granted granted Critical
Publication of CN110502605B publication Critical patent/CN110502605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/381—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using identifiers, e.g. barcodes, RFIDs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供基于人工智能技术的电力资产LCC成本归集系统，包括：数据库模块、数据录入模块和中央处理模块；其中，数据库模块，其预存有电力设备的入库信息，以及存储电力设备关联的历史项目信息、历史运维信息以及与电力设备关联的LCC成本信息；数据录入模块，用于录入电力设备的工单信息，其中工单信息包括与电力设备相关的项目信息或运维信息；中央处理模块，用于根据录入的工单信息，对相关电力设备的LCC成本信息进行归集，并更新到数据库中。本发明当电力设备的成本发生更新时，通过数据录入模块将相应的工单信息录入到系统中，能够有效地提高电力企业对电力资产全生命周期成本的管理水平。

Description

基于人工智能技术的电力资产LCC成本归集系统
技术领域
本发明涉及信息技术服务领域，特别是基于人工智能技术的电力资产LCC成本归集系统。
背景技术
近几年，随着我国电力改革的进一步深入，电力系统逐渐将经济和社会效益放在同等重要的位置。而在经济效益的统计当中，对电力资产的成本归集是必不可少的关键步骤；
如今，在电力企业中，对电力资产的成本归集大多采用全生命周期成本(LCC)归集的方式；其中，全生命周期成本是指产品在有效使用期间所发生的与该产品有关的所有成本，它包括产品设计成本、制造成本、采购成本、使用成本、维修保养成本、废弃处置成本等。采用全生命周期成本对电力资产进行归集，能够更加准确地统计电力设备等电力资产在整个生命周期内产生的成本，有助于管理者进一步计算相关的经济效益。
现有技术中，对全生命周期成本归集的方法大多采用由相关人员将设备的相关成本信息提交到专门人员，由专门人员对信息进行录入，并通过模型计算出相应的成本，但针对大规模的电力企业，其产生的庞大电力资产成本信息难以统一管理。
发明内容
针对上述问题，本发明旨在提供基于人工智能技术的电力资产LCC成本归集系统。
本发明的目的采用以下技术方案来实现：
基于人工智能技术的电力资产LCC成本归集系统，包括：数据库模块、数据录入模块和中央处理模块；其中，
数据库模块，其预存有电力设备的入库信息，以及存储电力设备关联的历史项目信息、历史运维信息以及与电力设备关联的LCC成本信息；
数据录入模块，用于录入电力设备的工单信息，其中工单信息包括与电力设备相关的项目信息或运维信息；
中央处理模块，用于根据录入的工单信息，对相关电力设备的LCC成本信息进行归集，并更新到数据库中；包括：根据录入的工单获取产生成本的类型，采用相应的成本计算模型计算该工单对电力设备产生的成本，将获取的成本信息更新到与该电力设备关联的LCC成本信息中。
在一种实施方式中，产生成本的类型包括：管理模块，用于根据数据库中电力设备的LCC成本信息，提供按不同分类或对象进行份分类、汇总的统计信息。
在一种实施方式中，产生成本的类型包括：项目成本分摊、设备运维成本等。
在一种实施方式中，数据录入模块还包括工单扫描单元，
工单扫描单元用于扫描纸质工单，获取工单图像，并将工单图像发送到中央处理模块；
中央处理模块进一步包括工单图像处理单元，工单图像处理单元用于对工单图像进行识别处理，提取工单图像中的成本类型信息以及金额信息；以及通过识别验证工单图像中的盖章验证工单的有效性。
在一种实施方式中，工单扫描单元包括自带通讯设备的扫描仪，带摄像头的移动终端，电脑摄像头。
在一种实施方式中，工单图像处理单元，进一步包括：
工单图像接收单元，用于接收由工单扫描单元发送的工单图像；
预处理单元，用于对接收的工单图像进行预处理，输出预处理后的工单图像；
分割单元，用于对预处理后的工单图像进行边缘检测处理，分割工单图像中的有效信息部分；
二值化单元，用于对分割后的有效信息部分进行二值化处理，输出二值化图像；
识别单元，用于对二值化图像进行特征提取和识别处理，识别该工单图像中的有效信息；其中有效信息包括金额信息、材料消耗信息、工单类型、成本类型信息；
在一种实施方式中，中央处理模块还包括成本计算单元；
成本计算单元用于根据获取的工单类型、成本类型、材料消耗信息和金额信息计算该工单对电力设备产生的成本；其中，成本计算单元预存的成本计算模型包括检修成本计算模型、预试成本计算模型、定检成本计算模型、消缺成本计算模型、巡视成本计算模型、项目技改成本计算模型、项目日常维护成本计算模型等。
本发明的有益效果为：
1)通过设置有数据库模块存储电力企业的电力资产的基础信息，包括电力设备的入库信息和历史成本信息，方便管理者进行查阅管理。
2)当电力设备的成本发生更新时，通过数据录入模块将相应的工单信息录入到系统中，由中央管理模块根据录入的工单信息对相关电力设备的成本信息进行分类统计，并更新到数据库中。能够有效地提高电力企业对电力资产全生命周期成本的管理水平，同时减少了人工投入，智能化程度高。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图；
图2为本发明一种实施方式的框架结构图。
附图标记：
数据库模块1、数据录入模块2、中央处理模块3、管理模块4、工单扫描单元21、工单图像处理单元31、成本计算单元32、工单图像接收单元311、预处理单元312、分割单元313、二值化单元314、识别单元315
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，其示出一种基于人工智能技术的电力资产LCC成本归集系统，包括：数据库模块、数据录入模块和中央处理模块；其中，
数据库模块，其预存有电力设备的入库信息，以及存储电力设备关联的历史项目信息、历史运维信息以及与电力设备关联的LCC成本信息；
数据录入模块，用于录入电力设备的工单信息，其中工单信息包括与电力设备相关的项目信息或运维信息；
中央处理模块，用于根据录入的工单信息，对相关电力设备的LCC成本信息进行归集，并更新到数据库中；包括：根据录入的工单获取产生成本的类型，采用相应的成本计算模型计算该工单对电力设备产生的成本，将获取的成本信息更新到与该电力设备关联的LCC成本信息中。
在一种场景中，上述归集系统可以以一智能终端作为载体，整体在智能终端上运行。
在另一中场景中，本发明中数据库模块和中央处理模块也可以在设置在云端服务器上，数据录入模块与中央处理模块通信连接。
其中，数据库模块中预存的电力设备的入库信息包括：电力设备的台账信息，资产原值信息，购入时间，所述部门，关联项目信息，基础运维信息等。
本发明上述实施方式，归集系统设置有数据库模块存储电力企业的电力资产的基础信息，包括电力设备的入库信息和历史成本信息，方便管理者进行查阅管理。同时当电力设备的成本发生更新时，通过数据录入模块将相应的工单信息录入到系统中，由中央管理模块根据录入的工单信息对相关电力设备的成本信息进行分类统计，并更新到数据库中。能够有效地提高电力企业对电力资产全生命周期成本的管理水平，同时减少了人工投入，智能化程度高。
在一种实施方式中，产生成本的类型包括：管理模块，用于根据数据库中电力设备的LCC成本信息，提供按不同分类或对象进行分类、汇总的统计信息。
本发明上述实施方式，管理模块对数据库中的电力设备的成本信息进行分类统计和汇总，输出相关的统计信息，有助于管理者直观地获取电力资产的相关LCC成本信息。
在一种实施方式中，产生成本的类型包括：项目成本分摊、设备运维成本等。
其中，项目成本分摊包括项目技改成本、项目大修成本、项目日常维护成本、项目故障检修成本等。例如当项目进行结算时，项目产生的不同类型金额将按资产原值比例分摊至与该项目相关的不同设备。
设备运维成本包括检修成本、预试成本、定检成本、消缺成本、巡视成本等，其中进一步包括人工成本、材料成本等。
例如，检修工单归档时应把相应工单的检修成本分摊到关联资产级设备资产的对应成本项中，分摊算法按照设备原值分摊；
在一种实施方式中，数据录入模块还包括工单扫描单元，
工单扫描单元用于扫描纸质工单，获取工单图像，并将工单图像发送到中央处理模块；
中央处理模块进一步包括工单图像处理单元，工单图像处理单元用于对工单图像进行识别处理，提取工单图像中的成本类型信息以及金额信息；以及通过识别验证工单图像中的盖章验证工单的有效性。
在一种实施方式中，工单扫描单元包括自带通讯设备的扫描仪，带摄像头的移动终端，电脑摄像头。
本发明上述实施方式，针对在实际运维或项目中产生的纸质工单，数据录入模块采用工单扫描单元对纸质工单进行扫描获取工单图像，中央处理模块根据获取的工单图像提取工单图像中的成本类型、金额信息等，生成设备成本信息，对相关电力设备的LCC成本信息进行归集。
在一种场景中，实际在纸质工单的使用中，工单记录完毕后由运维人员和委托方盖章确认工单的真实性，中央处理模块还能通过扫描的工单图像进一步识别工单图像中的盖章，进一步验证工单的有效性，提高了系统的可靠性。
在一种场景中，采用的纸质工单上标识了用于区分不同工单类型的标签或条形码；或纸质工单上有对应不同成本类型的选择项供选择；或纸质工单上设有填写运维成本金额信息的区域。
在一种场景中，针对不同种类的工单采用不同的样式模板。
在一种实施方式中，工单图像处理单元，进一步包括：
工单图像接收单元，用于接收由工单扫描单元发送的工单图像；
预处理单元，用于对接收的工单图像进行预处理，输出预处理后的工单图像；
分割单元，用于对预处理后的工单图像进行边缘检测处理，分割工单图像中的有效信息部分；
二值化单元，用于对分割后的有效信息部分进行二值化处理，输出二值化图像；
识别单元，用于对二值化图像进行特征提取和识别处理，识别该工单图像中的有效信息；其中有效信息包括金额信息、材料消耗信息、工单类型、成本类型信息。
本发明上述实施方式中，工单处理单元首先对接收的工单图像进行预处理，消除工单图像因扫描过程中产生的噪声影响，对扫描的工单图像进行增强；然后对工单图像进行边缘检测处理，获取工单图像中的有效信息部分，例如专门填写金额信息的区；并进一步对有效信息部分进行二值化处理，为提取有效信息部分中的文字信息奠定基础，通过识别单元对该二值化后的有效信息部分进行特征提取处理，获取相应的特征参数，并且与预存的特征信息进行对比，识别该有效信息(如金额信息、文字信息等)，并整合输出相应的成本信息。
在一种实施方式中，中央处理模块还包括成本计算单元；
成本计算单元用于根据获取的工单类型、成本类型、材料消耗信息和金额信息计算该工单对电力设备产生的成本；其中，成本计算单元预存的成本计算模型包括检修成本计算模型、预试成本计算模型、定检成本计算模型、消缺成本计算模型、巡视成本计算模型、项目技改成本计算模型、项目日常维护成本计算模型等。
在一种实施方式中，预处理单元，对接收的工单图像进行预处理，进一步包括：
1)获取工单图像的灰度分布直方图S1，统计工单图像中每个灰度值出现的次数K1(n),n＝0,1,…,255，其中K1(n)表示工单图像中灰度值为n的像素点的个数；
2)对灰度分布直方图S1进行双平台处理，其中采用的处理函数为：
Figure GDA0003103239300000051
式中，K1′(n)表示双平台处理后直方图中灰度值为n对应的像素点个数，K1(n)表示直方图S1中灰度值为n对应的像素点个数，N表示工单图像的像素点总数，round(·)表示取整函数；
3)获取双平台处理后的累计概率分布直方图S2，其中采用的累计概率分布符合下列函数：
Figure GDA0003103239300000061
其中，P(a)表示累计概率，其中a＝0,1,2,…,255，Msum表示双平台处理后直方图中的统计像素点总数，其中
Figure GDA0003103239300000062
4)对灰度分布直方图S1进行局部加窗遍历，其中设定的窗的宽度为J，初始窗口的中心位置为I＝0，以初始窗口覆盖的灰度值作为第一个灰度级z，获取该灰度级z中像素的总数：
Figure GDA0003103239300000063
移动窗口使得其中心位置到I＝I+J+1，获取下一灰度级z＝z+1的像素的总数，直到对整个灰度分布直方图S1完成各灰度级包括像素点总数的统计，其中z＝1,2,…Z，Z表示灰度级的总数，
Figure GDA0003103239300000064
其中，将灰度分布直方图S1中像素点分为
Figure GDA0003103239300000065
个灰度级；
5)统计灰度级中像素点总数大于设定的像素阈值T的灰度级的个数Ψ，并采用下列自定义映射函数对工单图像进行处理：
Figure GDA0003103239300000066
式中，D(n)表示工单图像中映射前灰度值为n的像素点在映射处理后的灰度值，n＝0,1,2,…,255，W1表示设定的累计阈值，β和γ分别表示设定的收敛因子，P(n)累计概率分布直方图S2中对应灰度值为n的累计概率；
6)输出映射函数处理后的工单图像作为预处理后的工单图像。
针对工单图像在采集的过程中光照度不能得到保证，可能存在过量或过暗的情况，本发明上述实施方式，采用上述方法对工单图像进行预处理，首先通过双平台处理拉开工单图像中的对比度，使得工单图像的对比度更加均匀，同时根据实际工单中的信息丰富程度，采用自适应的映射函数对工单的灰度值做进一步处理，能够有效地抑制受外在环境因素影响产生的噪声和提高工单图像的对比度，为后续对工单图像做进一步识别处理奠定基础。
在一种实施方式中，所述二值化单元，对分割后的有效信息部分进行二值化处理，具体包括：
对分割后的有效信息部分进行二值化处理，获取二值化图像，其中采用的自定义二值化函数为：
Figure GDA0003103239300000071
其中，
Figure GDA0003103239300000072
式中，b(x,y)表示分割后的有效信息部分中像素点(x,y)在二值化处理后的灰度值，Y(x,y)表示分割后的有效信息部分中像素点(x,y)的灰度值，ε(x,y)表示二值化判断阈值，τ表示分割后的有效信息部分的灰度方差，τd表示设定的灰度方差调节因子，
Figure GDA0003103239300000073
表示以像素点(x,y)为中心的v×v的邻域内像素点的灰度均值，σv表示以像素点(x,y)为中心的v×v的邻域内像素点的灰度标准差，u表示设定的邻域标准差调节因子，q表示设定的阈值调节因子，
Figure GDA0003103239300000074
表示分割后的有效信息部分的灰度均值，rδ表示设定的分割后的有效信息部分灰度均值调节因子，ε(x,y)表示自适应判定阈值，ω1和ω2表示设定的权重因子。
针对工单图像中的文字部分信息进行识别前，需要对文字信息部分进行二值化处理，本发上述实施方式采用上述的方法对有效信息部分进行二值化处理，能够针对进一步对图像中的亮度信息进行抑制，使用不同背景、不同亮度下的字符图像处理，有效地突出字符特征信息，准确性高，鲁棒性强，为后续进一步对有效信息进行识别提供了保证。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.基于人工智能技术的电力资产LCC成本归集系统，其特征在于，包括：数据库模块、数据录入模块和中央处理模块；其中，
所述数据库模块，其预存有电力设备的入库信息，以及存储所述电力设备关联的历史项目信息、历史运维信息以及与所述电力设备关联的LCC成本信息；
所述数据录入模块，用于录入电力设备的工单信息，其中所述工单信息包括与所述电力设备相关的项目信息或运维信息；
中央处理模块，用于根据所述录入的工单信息，对相关电力设备的LCC成本信息进行归集，并更新到数据库中；包括：根据录入的工单获取产生成本的类型，采用相应的成本计算模型计算该工单对所述电力设备产生的成本，将获取的成本信息更新到与该电力设备关联的LCC成本信息中；
所述数据录入模块还包括工单扫描单元，
所述工单扫描单元用于扫描纸质工单，获取工单图像，并将工单图像发送到中央处理模块；
所述中央处理模块进一步包括工单图像处理单元，所述工单图像处理单元用于对工单图像进行识别处理，提取工单图像中的成本类型信息以及金额信息；以及通过识别验证工单图像中的盖章验证工单的有效性；
所述工单图像处理单元，进一步包括：
工单图像接收单元，用于接收由工单扫描单元发送的工单图像；
预处理单元，用于对接收的工单图像进行预处理，输出预处理后的工单图像；
分割单元，用于对预处理后的工单图像进行边缘检测处理，分割工单图像中的有效信息部分；
二值化单元，用于对分割后的有效信息部分进行二值化处理，输出二值化图像；
识别单元，用于对二值化图像进行特征提取和识别处理，识别该工单图像中的有效信息；其中所述有效信息包括金额信息、材料消耗信息、工单类型、成本类型信息；
其中，所述二值化单元，对分割后的有效信息部分进行二值化处理，具体包括：
对分割后的有效信息部分进行二值化处理，获取二值化图像，其中采用的自定义二值化函数为：
Figure FDA0003103239290000011
其中，
Figure FDA0003103239290000012
式中，b(x,y)表示分割后的有效信息部分中像素点(x,y)在二值化处理后的灰度值，Y(x,y)表示分割后的有效信息部分中像素点(x,y)的灰度值，ε(x,y)表示二值化判断阈值，τ表示分割后的有效信息部分的灰度方差，τd表示设定的灰度方差调节因子，
Figure FDA0003103239290000021
表示以像素点(x,y)为中心的v×v的邻域内像素点的灰度均值，σv表示以像素点(x,y)为中心的v×v的邻域内像素点的灰度标准差，u表示设定的邻域标准差调节因子，q表示设定的阈值调节因子，
Figure FDA0003103239290000022
表示分割后的有效信息部分的灰度均值，rδ表示设定的分割后的有效信息部分灰度均值调节因子，ω1和ω2表示设定的权重因子。
2.根据权利要求1所述的基于人工智能技术的电力资产LCC成本归集系统，其特征在于，其中所述产生成本的类型包括：管理模块，用于根据数据库中电力设备的LCC成本信息，提供按不同分类或对象进行分类、汇总的统计信息。
3.根据权利要求1所述的基于人工智能技术的电力资产LCC成本归集系统，其特征在于，所述产生成本的类型包括：项目成本分摊、设备运维成本。
4.根据权利要求1所述的基于人工智能技术的电力资产LCC成本归集系统，其特征在于，所述工单扫描单元包括自带通讯设备的扫描仪，带摄像头的移动终端，电脑摄像头。
5.根据权利要求1所述的基于人工智能技术的电力资产LCC成本归集系统，其特征在于，所述中央处理模块还包括成本计算单元；
所述成本计算单元用于根据获取的工单类型、成本类型、材料消耗信息和金额信息计算该工单对电力设备产生的成本；其中，所述成本计算单元预存的成本计算模型包括检修成本计算模型、预试成本计算模型、定检成本计算模型、消缺成本计算模型、巡视成本计算模型、项目技改成本计算模型、项目日常维护成本计算模型。
6.根据权利要求1所述的基于人工智能技术的电力资产LCC成本归集系统，其特征在于，所述预处理单元，对接收的工单图像进行预处理，进一步包括：
1)获取工单图像的灰度分布直方图S1，统计工单图像中每个灰度值出现的次数C1(k),k＝0,1,…,255，其中C1(k)表示工单图像中灰度值为k的像素点的个数；
2)对灰度分布直方图S1进行双平台处理，其中采用的处理函数为：
Figure FDA0003103239290000023
式中，C1′(k)表示双平台处理后直方图中灰度值为k对应的像素点个数，C1(k)表示直方图S1中灰度值为k对应的像素点个数，N表示工单图像的像素点总数，round(·)表示取整函数；
3)获取双平台处理后的累计概率分布直方图S2，其中采用的累计概率分布符合下列函数：
Figure FDA0003103239290000031
其中，P(a)表示累计概率，其中a＝0,1,2,…,255，Msum表示双平台处理后直方图中的统计像素点总数，其中
Figure FDA0003103239290000032
4)对灰度分布直方图S1进行局部加窗遍历，其中设定的窗的宽度为J，初始窗口的中心位置为I＝0，以初始窗口覆盖的灰度值作为第一个灰度级z，获取该灰度级z中像素的总数：
Figure FDA0003103239290000033
移动窗口使得其中心位置到I＝I+J+1，获取下一灰度级z＝z+1的像素的总数，直到对整个灰度分布直方图S1完成各灰度级包括像素点总数的统计，其中z＝1,2,…Z，Z表示灰度级的总数，
Figure FDA0003103239290000034
5)统计灰度级中像素点总数大于设定的像素阈值T的灰度级的个数Ψ，并采用下列自定义映射函数对工单图像进行处理：
Figure FDA0003103239290000035
式中，D(k)表示工单图像中映射前灰度值为k的像素点在映射处理后的灰度值，k＝0,1,2,…,255，W1表示设定的累计阈值，a和b分别表示设定的收敛因子，P(k)累计概率分布直方图S2中对应灰度值为k的累计概率；
6)输出映射函数处理后的工单图像作为所述预处理后的工单图像。
CN201910798214.0A 2019-08-27 2019-08-27 基于人工智能技术的电力资产lcc成本归集系统 Active CN110502605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910798214.0A CN110502605B (zh) 2019-08-27 2019-08-27 基于人工智能技术的电力资产lcc成本归集系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910798214.0A CN110502605B (zh) 2019-08-27 2019-08-27 基于人工智能技术的电力资产lcc成本归集系统

Publications (2)

Publication Number Publication Date
CN110502605A CN110502605A (zh) 2019-11-26
CN110502605B true CN110502605B (zh) 2021-07-27

Family

ID=68590048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910798214.0A Active CN110502605B (zh) 2019-08-27 2019-08-27 基于人工智能技术的电力资产lcc成本归集系统

Country Status (1)

Country Link
CN (1) CN110502605B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215483A (zh) * 2020-09-29 2021-01-12 远光软件股份有限公司 一种成本归集的方法、装置、存储介质及电子设备
CN113468886B (zh) * 2021-07-28 2023-07-21 拉扎斯网络科技（上海）有限公司 工单处理方法、装置及计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201654838U (zh) * 2010-02-03 2010-11-24 上海市电力公司 一种适用于电力系统的资产全寿命信息集成控制装置
CN102915479A (zh) * 2012-09-25 2013-02-06 陕西陕煤黄陵矿业有限公司 一种电厂资产管理系统
CN105809529A (zh) * 2016-03-11 2016-07-27 中国南方电网有限责任公司 一种电力系统二次设备全生命周期成本分解方法
CN106355335A (zh) * 2016-08-31 2017-01-25 江苏现代造船技术有限公司 一种生产工单作业进度快速采集方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201654838U (zh) * 2010-02-03 2010-11-24 上海市电力公司 一种适用于电力系统的资产全寿命信息集成控制装置
CN102915479A (zh) * 2012-09-25 2013-02-06 陕西陕煤黄陵矿业有限公司 一种电厂资产管理系统
CN105809529A (zh) * 2016-03-11 2016-07-27 中国南方电网有限责任公司 一种电力系统二次设备全生命周期成本分解方法
CN106355335A (zh) * 2016-08-31 2017-01-25 江苏现代造船技术有限公司 一种生产工单作业进度快速采集方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
低照度图像增强与去噪研究;余瑾;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190115;正文第30-37页 *

Also Published As

Publication number Publication date
CN110502605A (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
CN110826538B (zh) 一种用于电力营业厅的异常离岗识别系统
CN110854807B (zh) 基于ocr技术的新能源继电保护智能校核及预警系统
CN109784326A (zh) 一种基于深度学习的车辆底盘检测方法
CN111161292B (zh) 一种矿石尺度测量方法及应用系统
CN114511718B (zh) 一种建筑施工用物料智能管理方法及系统
CN110502605B (zh) 基于人工智能技术的电力资产lcc成本归集系统
CN113688965B (zh) 一种自动仓储扫码检测的方法和货物管理系统
CN106709474A (zh) 一种手写电话号码识别、校验及信息发送系统
CN111723772B (zh) 基于图像识别的易腐垃圾识别方法、装置及计算机设备
CN111738208A (zh) 关于气象自记纸中轨迹提取的方法
CN112613362A (zh) 一种基于物联网的物品标志识别系统
CN111461143A (zh) 一种图片翻拍识别方法和装置及电子设备
CN110991442A (zh) 一种高速公路车牌云端高精准识别方法
CN110688900A (zh) 一种基于图像识别的撤回表计管理方法
CN110309737A (zh) 一种应用于香烟柜台的信息处理方法、装置及系统
CN114240924A (zh) 一种基于数字化技术的电网设备质量评估方法
CN117475221A (zh) 一种交直流配电屏空开投运状态识别方法及系统
CN117635905A (zh) 基于图像识别算法的电能表装接质量智能监测方法
CN116664066B (zh) 一种管理企业计划收入与实际收入的方法及系统
CN116206093A (zh) 基于位图的电表数据采集方法、系统和可读存储介质
CN116894622A (zh) 一种基于库存的采购分析系统
CN116342316A (zh) 会计核算和项目财务管理系统及方法
CN114627463B (zh) 一种基于机器识别的非接触式配电数据识别方法
CN114077877B (zh) 一种新增垃圾识别方法、装置、计算机设备及存储介质
CN115984885A (zh) 一种用于营销现场作业的工单管理方法及系统

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
CB02 Change of applicant information

Address after: Luohu District Shenzhen Shennan Road 518000 No. 4020 Guangdong provincial power dispatching center building

Applicant after: Shenzhen Power Supply Co.,Ltd.

Applicant after: China Southern Power Grid Shenzhen Digital Power Grid Research Institute Co.,Ltd.

Address before: Luohu District Shenzhen Shennan Road 518000 No. 4020 Guangdong provincial power dispatching center building

Applicant before: Shenzhen Power Supply Co.,Ltd.

Applicant before: SHENZHEN COMTOP INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 518000 electric power dispatching and communication building, 4020 Shennan East Road, Luohu District, Shenzhen, Guangdong

Patentee after: Shenzhen Power Supply Co.,Ltd.

Country or region after: China

Patentee after: China Southern Power Grid Digital Platform Technology (Guangdong) Co.,Ltd.

Address before: 518000 electric power dispatching and communication building, 4020 Shennan East Road, Luohu District, Shenzhen, Guangdong

Patentee before: Shenzhen Power Supply Co.,Ltd.

Country or region before: China

Patentee before: China Southern Power Grid Shenzhen Digital Power Grid Research Institute Co.,Ltd.

CP03 Change of name, title or address
TR01 Transfer of patent right

Effective date of registration: 20240307

Address after: 518101, 3rd Floor, Building 40, Baotian Industrial Zone, Chentian Community, Xixiang Street, Bao'an District, Shenzhen City, Guangdong Province

Patentee after: China Southern Power Grid Digital Platform Technology (Guangdong) Co.,Ltd.

Country or region after: China

Address before: 518000 electric power dispatching and communication building, 4020 Shennan East Road, Luohu District, Shenzhen, Guangdong

Patentee before: Shenzhen Power Supply Co.,Ltd.

Country or region before: China

Patentee before: China Southern Power Grid Digital Platform Technology (Guangdong) Co.,Ltd.

TR01 Transfer of patent right