CN110544298A - 变电站建模方法、装置、计算机设备和存储介质 - Google Patents
变电站建模方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110544298A CN110544298A CN201910809314.9A CN201910809314A CN110544298A CN 110544298 A CN110544298 A CN 110544298A CN 201910809314 A CN201910809314 A CN 201910809314A CN 110544298 A CN110544298 A CN 110544298A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- substation
- model
- cloud data
- equipment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000000926 separation method Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 11
- 230000005484 gravity Effects 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 11
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- Water Supply & Treatment (AREA)
- Computer Graphics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及智能电网技术领域，特别是涉及一种变电站建模方法、装置、计算机设备和存储介质。一个实施例中的方法包括：获取变电站点云数据，对变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据，从变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，通过聚类和曲面重建实现变电站设备点云模型和变电站设施点云模型的构建，基于变电站设备点云模型获取变电站设备的尺寸信息，根据变电站设备的尺寸信息构建变电站设备模型；获取变电站设备的电气属性信息，基于电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；根据三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型。
Description
技术领域
本申请涉及智能电网技术领域，特别是涉及一种变电站建模方法、装置、计算机设备和存储介质。
背景技术
随着数字化时代的发展，智能电网建设对变电站工程建设提出更高的要求，通过技术手段的革新，进一步提升变电工程的监管水平，保证建设质量、提升效率、降低成本，已成为电网建设发展的主要方向。
智能电网的基础是数字化电网，数字化电网为智能分析提供了数据基础，而数字化电网的源头在于数字化设计，数字化设计成果将成为工程全生命周期数字化体系的主数据。通过制定相应的数字化设计标准，借助三维数字化设计手段可以实现新建工程的数字化成果移交。
但是对于已有的存量电网，面临设计资料陈旧或者不完整，早前施工不规范导致与设计图纸不符等多种问题，进而导致无法通过已有的二维资料进行翻模设计。随着激光雷达测量技术的发展，可以利用激光雷达扫描仪测量物体表面点云数据，其为三维化重构提供了数据支持。但由于变电站结构的复杂性，传统的对变电站设备设施进行建模的方法存在建模精准度不高的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高建模精准度的基于点云数据的变电站建模方法、装置、计算机设备和存储介质。
一种变电站建模方法，所述方法包括：
获取变电站点云数据，对所述变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据；
从所述变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，分别对所述变电站设备点云数据和所述变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型；
基于所述变电站设备点云模型获取变电站设备的尺寸信息，根据所述变电站设备的尺寸信息构建变电站设备模型；
获取变电站设备的电气属性信息，基于所述电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；
根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
在一个实施例中，所述获取变电站点云数据之后，还包括：
将所述变电站点云数据以预设数据格式存储；
所述对所述变电站点云数据进行地形数据分离处理，包括：
将存储的变电站点云数据分割成多个子文件，对所述多个子文件分别进行地形数据分离处理。
在一个实施例中，所述获取变电站点云数据之后，还包括：
根据所述变电站点云数据创建三维体素栅格；
所述对所述变电站点云数据进行地形数据分离处理，包括：
以所述三维体素栅格中所有点的重心表示所述三维体素栅格中的其它点，根据所述三维体素栅格的数据进行地形数据分离处理。
在一个实施例中，所述对所述变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据，包括：
通过形态学算法对所述变电站点云数据进行处理，得到所述变电站点云数据中的地形点云数据；
提取所述地形点云数据中的点云特征，根据所述点云特征得到变电站的场平区域点云数据。
在一个实施例中，所述从所述变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，包括：
对所述变电站场平区域点云数据进行投影处理，获取投影处理后的凸多边形边界；
根据凸多边形边界以及立体多边形棱柱分割方法对所述变电站场平区域点云数据进行分割，得到变电站设备点云数据和变电站设施点云数据。
在一个实施例中，所述分别对所述变电站设备点云数据和所述变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型，包括：
基于欧式聚类分割算法获取单个变电站设备点云数据以及单个变电站设施点云数据；
基于贪婪投影三角化算法分别对各所述单个变电站设备点云数据以及单个变电站设施点云数据进行三角化处理，得到变电站设备点云模型和变电站设施点云模型。
在一个实施例中，所述根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型之前，还包括：
当所述变电站设备的尺寸信息与所述三维数字化设备模型的尺寸信息一致时，得到所述三维数字化设备模型的状态为有效状态，以有效状态的三维数字化设备模型替换对应的变电站设备点云模型；
所述根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型，包括：
根据替换变电站设备点云模型的三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
一种变电站建模装置，所述装置包括：
场平区域获取模块，用于获取变电站点云数据，对所述变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据；
点云模型生成模块，用于从所述变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，分别对所述变电站设备点云数据和所述变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型；
设备模型构建模块，用于基于所述变电站设备点云模型获取变电站设备的尺寸信息，根据所述变电站设备的尺寸信息构建变电站设备模型；
三维模型构建模块，用于获取变电站设备的电气属性信息，基于所述电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；
工程模型生成模块，用于根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取变电站点云数据，对所述变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据；
从所述变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，分别对所述变电站设备点云数据和所述变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型；
基于所述变电站设备点云模型获取变电站设备的尺寸信息，根据所述变电站设备的尺寸信息构建变电站设备模型；
获取变电站设备的电气属性信息，基于所述电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；
根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取变电站点云数据，对所述变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据；
从所述变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，分别对所述变电站设备点云数据和所述变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型；
基于所述变电站设备点云模型获取变电站设备的尺寸信息，根据所述变电站设备的尺寸信息构建变电站设备模型；
获取变电站设备的电气属性信息，基于所述电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；
根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
上述变电站建模方法、装置、计算机设备和存储介质，通过获取变电站点云数据，对变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据，再从变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，通过聚类和曲面重建实现变电站设备点云模型和变电站设施点云模型的构建，基于变电站设备点云模型获取变电站设备的尺寸信息，根据变电站设备的尺寸信息构建变电站设备模型；获取变电站设备的电气属性信息，基于电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；根据三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型，由此实现对变电站的三维数字化建模，该建模方法可提高变电站三维建模的精准度。
附图说明
图1为一个实施例中变电站建模方法的应用环境图；
图2为一个实施例中变电站建模方法的流程示意图；
图3为一个实施例中变电站设备点云数据和变电站设施点云数据提取步骤的流程示意图；
图4为一个实施例中聚类和曲面重建步骤的流程示意图；
图5为一个实施例中变电站建模装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的变电站建模方法，可以应用于如图1所示的应用环境中。其中，激光雷达系统102通过网络与服务器104进行通信。服务器104从激光雷达系统102获取变电站点云数据，对变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据，再从变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，通过聚类和曲面重建实现变电站设备点云模型和变电站设施点云模型的构建，基于变电站设备点云模型获取变电站设备的尺寸信息，根据变电站设备的尺寸信息构建变电站设备模型；获取变电站设备的电气属性信息，基于电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；根据三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型。其中，激光雷达系统102可以是利用激光雷达扫描仪测量物体表面点云数据的系统，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种变电站建模方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，获取变电站点云数据，对变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据。
变电站点云数据为由激光雷达系统采集的点云数据。点云数据中包含大量变电站周边的地形地貌数据，需要将地形数据分离，以进一步提取变电站设备和设施相关数据。
在一个实施例中，对变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据，包括：通过形态学算法对变电站点云数据进行处理，得到变电站点云数据中的地形点云数据；提取地形点云数据中的点云特征，根据点云特征得到变电站的场平区域点云数据。比如可以利用形态学算法处理点云数据，实现点云数据中地形点云数据与非地形点云数据的分离，获取地形点云数据，然后提取地形点云数据中的点云特征，再根据每点的特征描述，提取变电站的场平区域点云数据。其中，点云特征包括形状描述子、几何特征等。通过法线估值进行特征描述，具体是指一旦确定邻域后，查询点的邻域点可以用来估计一个局部特征描述子，用查询点周围领域点描述采样面的几何特征。
点的定义是用笛卡尔坐标系中坐标x、y、z相对于一个给定的原点来简单表示的三维映射系统，坐标系的原点不随着时间而改变，两个点p1和p2分别在时间t1和t2捕获，两个点具有相同的坐标。对这两个点进行比较属于不适定问题，因为虽然相对于一些距离测度它们是相等的，但是两个点取样于完全不同的表面，因此当把两个点和临近的其它环境中的点放置于一起时，由于在t1和t2之间局部环境有可能发生改变，所以两个点表达不同的信息。在采用刚体变换、改变采样密度、噪声干扰等情况下，可以通过能否获得相同的局部表面特征值，来判定点特征表示方式的优劣。
进行点云特征描述之后可以确定点的邻域，查询点的邻域点可以用于估计一个局部特征描述子，采用查询点周围邻域点描述采样面的几何特征。在描述几何特征图形的一个重要属性时，推断查询点在坐标系中的方位，即估计查询点的表面法线，表面法线是表面的一个重要的属性，进而可以确定地形区域的法线。
利用采样一致性算法，从一组包含局外点的观测数据中，通过迭代方式估计数学模型的参数。一致性算法是一种不确定的算法，是由一定的概率得出一个合理的结果。为了提高概率必须提高迭代次数，结合地形区域和地形区域的法线，利用采样一致性算法，提取场平区域。
步骤204，从变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，分别对变电站设备点云数据和变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型。
其中，变电站设施为土建设施，包括墙体、梁、柱、板、楼梯、屋顶、围墙、道路、电缆沟、排水沟、基础、构件等。变电站设备包括变压器、高压断路器、隔离开关、母线、避雷器、电容器、电抗器、继电保护装置、测控装置等。
步骤206，基于变电站设备点云模型获取变电站设备的尺寸信息，根据变电站设备的尺寸信息构建变电站设备模型。
在对变电站设备点云数据进行聚类和三角面重建后，以三角面的顶点作为最近点捕捉，获取尺寸信息。通过捕捉两个点，可以测量任意两点间的距离；还可测量单个点云设备的包围盒，以及在场平区域的投影位置。将获取的尺寸信息以扩充属性的方式保存在变电站设备点云模型上。例如基于变压器点云模型，获取的尺寸信息结构如表1所示。
表1从变压器点云模型中获得的尺寸信息
变电站设备点云模型的尺寸信息为辅助设备模型的建模提供尺寸数据，利用设计平台提供的快捷建模功能，按照相应的电网设备建模规范实现设备的翻模，获得变电站设备模型。
可以使用基本图元建模实现设备模型的建模，对于设备的部件采用单一图元完成搭建，例如变压器本体采用长方体搭建，而长方体的长、宽两个尺寸信息即为变压器本体的外形尺寸信息。基本图元拼接方法是指利用预先定义的参数化基本图元，例如：长方体、圆柱体、球体等模型，通过各个基本图元的拼接技术实现设备的建模。利用基本图元拼接方法对设备进行建模，可适用于电网中形式复杂多样的设备，可对某些设备的复杂曲面实现高精度绘制，提高设备建模的仿真度。
步骤208，获取变电站设备的电气属性信息，基于电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型。
变电站设备的电气属性信息包括型号、名称、额定电压、额定电流等。
步骤210，根据三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型。
上述变电站建模方法，通过获取变电站点云数据，对变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据，再从变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，通过聚类和曲面重建实现变电站设备点云模型和变电站设施点云模型的构建，基于变电站设备点云模型获取变电站设备的尺寸信息，根据变电站设备的尺寸信息构建变电站设备模型；获取变电站设备的电气属性信息，基于电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；根据三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型，由此实现对变电站的三维数字化建模，该建模方法可提高变电站三维建模的精准度，还可以有效快速地实现变电站三维模型的建立，从而提高模型构建效率。
在一个实施例中，获取变电站点云数据之后，还包括：将变电站点云数据以预设数据格式存储；对变电站点云数据进行地形数据分离处理，包括：将存储的变电站点云数据分割成多个子文件，对多个子文件分别进行地形数据分离处理。将采集的变电站点云数据存储在las文件中，一般几个GB大小，由于数据量大，所以需要对点云数据进行优化处理，通过liblas开源库解析las格式文件，将las文件分割成若干个小数据量的las文件，其中，liblas是一个用于读写三维激光雷达数据的C++库。通过优化las文件的存储大小，实现普通计算机可解析的功能。
在一个实施例中，获取变电站点云数据之后，还包括：根据变电站点云数据创建三维体素栅格；对变电站点云数据进行地形数据分离处理，包括：以三维体素栅格中所有点的重心表示三维体素栅格中的其它点，根据三维体素栅格的数据进行地形数据分离处理。通过体素化网格方法实现下采样，对点云数据进行滤波处理，这样不但减少了点的数量，减少了点云数据，同时还保存了点云的形状特征，有利于提高配准、曲面重建和形状识别等算法的处理速度。该方法通过输入的点云数据创建一个三维体素栅格，容纳后每个体素内用体素中所有点的重心来近似显示体素中其它点，这样该体素内所有点都用一个重心点最终表示。
在一个实施例中，如图3所示，从变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，包括：步骤302，对变电站场平区域点云数据进行投影处理，获取投影处理后的凸多边形边界；步骤304，根据凸多边形边界以及立体多边形棱柱分割方法对变电站场平区域点云数据进行分割，得到变电站设备点云数据和变电站设施点云数据。获取到变电站场平区域点云数据后，计算该场平区域投影后的凸多边形边界，利用立体多边形棱柱分割方法对场平区域内的点云数据进行分割，获取变电站设备点云数据和变电站设施点云数据。立体多边形棱柱分割是指通过设定处于同一平面模型上的点索引向量，并指定一定高度，利用指定的点形成二维凸包，再结合指定高度一起生成一个多边形棱柱模型，用于分割出该棱柱模型的内部点集。
在一个实施例中，如图4所示，分别对变电站设备点云数据和变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型，包括：步骤402，基于欧式聚类分割算法获取单个变电站设备点云数据以及单个变电站设施点云数据；步骤404，基于贪婪投影三角化算法分别对各单个变电站设备点云数据以及单个变电站设施点云数据进行三角化处理，得到变电站设备点云模型和变电站设施点云模型。利用欧式聚类分割算法，实现模型的单体化，欧式聚类分割算法是点云分割的一种算法，是根据空间、几何和纹理等特征对点云进行划分，使得同一划分区域内的点云拥有相似的特征。欧式聚类分割算法是指首先从待聚类的样本中选取K个样本，然后遍历所有样本，对每个样本计算其与K个样本间的距离，可以为欧氏距离或余弦距离。将其类别归为距离最小的样本所属类别，所有样本就都找到各自所属的类别。然后分别重新计算K个类别中样本的质心，之后返回第一步继续迭代执行，直到K个类别中样本的质心不再移动或移动的非常小。通过贪婪投影三角化算法对有向点云进行三角化的过程包括：先将有向点云投影到某一局部二维坐标平面内，在坐标平面内进行平面内的三角化；根据平面内三位点的拓扑连接关系获得一个三角网格曲面模型。贪婪投影三角化算法可用于处理一系列可使网格“生长扩大”的点(即边缘点)，延伸这些点直到所有符合几何正确性和拓扑正确性的点都被连接。
在一个实施例中，根据三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型之前，还包括：当变电站设备的尺寸信息与三维数字化设备模型的尺寸信息一致时，得到三维数字化设备模型的状态为有效状态，以有效状态的三维数字化设备模型替换对应的变电站设备点云模型；根据三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型，包括：根据替换变电站设备点云模型的三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型。基于设备在工程中重复使用数量、设备的插入点坐标以及设备的自身角度调整等方面考虑，利用三维数字化设备模型替换设备点云模型。将点云数据的尺寸信息与设备模型的尺寸信息进行对比，实现自动校核设备建模的正确性，主要通过同属性下属性值的比对，以确定设备模型的精准度，进而确定是否使用该设备模型。变压器的设备点云模型和设备模型尺寸信息的比对结果如表2所示。
表2变压器的设备点云模型和设备模型尺寸信息的比对结果
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种变电站建模装置，包括：场平区域获取模块502、点云模型生成模块504、设备模型构建模块506、三维模型构建模块508和工程模型生成模块510。场平区域获取模块，用于获取变电站点云数据，对变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据。点云模型生成模块，用于从变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，分别对变电站设备点云数据和变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型。设备模型构建模块，用于基于变电站设备点云模型获取变电站设备的尺寸信息，根据变电站设备的尺寸信息构建变电站设备模型。三维模型构建模块，用于获取变电站设备的电气属性信息，基于电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型。工程模型生成模块，用于根据三维数字化设备模型以及变电站设施点云模型，得到变电站数字化三维工程模型。
在一个实施例中，变电站建模装置还包括数据优化模块，用于将变电站点云数据以预设数据格式存储，将存储的变电站点云数据分割成多个子文件，对多个子文件分别进行地形数据分离处理。
在一个实施例中，变电站建模装置还包括数据优化模块，用于根据变电站点云数据创建三维体素栅格，以三维体素栅格中所有点的重心表示三维体素栅格中的其它点，根据三维体素栅格的数据进行地形数据分离处理。
在一个实施例中，场平区域获取模块还用于通过形态学算法对变电站点云数据进行处理，得到变电站点云数据中的地形点云数据；提取地形点云数据中的点云特征，根据点云特征得到变电站的场平区域点云数据。
在一个实施例中，点云模型生成模块还用于对变电站场平区域点云数据进行投影处理，获取投影处理后的凸多边形边界；根据凸多边形边界以及立体多边形棱柱分割方法对变电站场平区域点云数据进行分割，得到变电站设备点云数据和变电站设施点云数据。
在一个实施例中，点云模型生成模块还用于基于欧式聚类分割算法获取单个变电站设备点云数据以及单个变电站设施点云数据；基于贪婪投影三角化算法分别对各单个变电站设备点云数据以及单个变电站设施点云数据进行三角化处理，得到变电站设备点云模型和变电站设施点云模型。
在一个实施例中工程模型生成模块之前还包括设备模型替换模块，用于当变电站设备的尺寸信息与三维数字化设备模型的尺寸信息一致时，得到三维数字化设备模型的状态为有效状态，以有效状态的三维数字化设备模型替换对应的变电站设备点云模型；工程模型生成模块用于根据替换变电站设备点云模型的三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
关于变电站建模装置的具体限定可以参见上文中对于变电站建模方法的限定，在此不再赘述。上述变电站建模装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储变电站点云数据、变电站设备点云模型、变电站设施点云模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种变电站建模方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现任一实施例中变电站建模方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现任一实施例中变电站建模方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种变电站建模方法，所述方法包括：
获取变电站点云数据，对所述变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据；
从所述变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，分别对所述变电站设备点云数据和所述变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型；
基于所述变电站设备点云模型获取变电站设备的尺寸信息，根据所述变电站设备的尺寸信息构建变电站设备模型；
获取变电站设备的电气属性信息，基于所述电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；
根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
2.根据权利要求1所述的方法，其特征在于，所述获取变电站点云数据之后，还包括：
将所述变电站点云数据以预设数据格式存储；
所述对所述变电站点云数据进行地形数据分离处理，包括：
将存储的变电站点云数据分割成多个子文件，对所述多个子文件分别进行地形数据分离处理。
3.根据权利要求1所述的方法，其特征在于，所述获取变电站点云数据之后，还包括：
根据所述变电站点云数据创建三维体素栅格；
所述对所述变电站点云数据进行地形数据分离处理，包括：
以所述三维体素栅格中所有点的重心表示所述三维体素栅格中的其它点，根据所述三维体素栅格的数据进行地形数据分离处理。
4.根据权利要求1所述的方法，其特征在于，所述对所述变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据包括：
通过形态学算法对所述变电站点云数据进行处理，得到所述变电站点云数据中的地形点云数据；
提取所述地形点云数据中的点云特征，根据所述点云特征得到变电站的场平区域点云数据。
5.根据权利要求1所述的方法，其特征在于，所述从所述变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据包括：
对所述变电站场平区域点云数据进行投影处理，获取投影处理后的凸多边形边界；
根据凸多边形边界以及立体多边形棱柱分割方法对所述变电站场平区域点云数据进行分割，得到变电站设备点云数据和变电站设施点云数据。
6.根据权利要求1所述的方法，其特征在于，所述分别对所述变电站设备点云数据和所述变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型，包括：
基于欧式聚类分割算法获取单个变电站设备点云数据以及单个变电站设施点云数据；
基于贪婪投影三角化算法分别对各所述单个变电站设备点云数据以及单个变电站设施点云数据进行三角化处理，得到变电站设备点云模型和变电站设施点云模型。
7.根据权利要求1所述的方法，其特征在于，所述根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型之前，还包括：
当所述变电站设备的尺寸信息与所述三维数字化设备模型的尺寸信息一致时，得到所述三维数字化设备模型的状态为有效状态，以有效状态的三维数字化设备模型替换对应的变电站设备点云模型；
所述根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型，包括：
根据替换变电站设备点云模型的三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
8.一种变电站建模装置，其特征在于，所述装置包括：
场平区域获取模块，用于获取变电站点云数据，对所述变电站点云数据进行地形数据分离处理，得到变电站场平区域点云数据；
点云模型生成模块，用于从所述变电站场平区域点云数据内提取变电站设备点云数据和变电站设施点云数据，分别对所述变电站设备点云数据和所述变电站设施点云数据进行聚类和曲面重建，得到变电站设备点云模型和变电站设施点云模型；
设备模型构建模块，用于基于所述变电站设备点云模型获取变电站设备的尺寸信息，根据所述变电站设备的尺寸信息构建变电站设备模型；
三维模型构建模块，用于获取变电站设备的电气属性信息，基于所述电气属性信息以及对应的变电站设备模型，构建三维数字化设备模型；
工程模型生成模块，用于根据所述三维数字化设备模型以及所述变电站设施点云模型，得到变电站数字化三维工程模型。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910809314.9A CN110544298B (zh) | 2019-08-29 | 2019-08-29 | 变电站建模方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910809314.9A CN110544298B (zh) | 2019-08-29 | 2019-08-29 | 变电站建模方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110544298A true CN110544298A (zh) | 2019-12-06 |
| CN110544298B CN110544298B (zh) | 2023-06-30 |
Family
ID=68710871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910809314.9A Active CN110544298B (zh) | 2019-08-29 | 2019-08-29 | 变电站建模方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110544298B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111738116A (zh) * | 2020-06-10 | 2020-10-02 | 广联达科技股份有限公司 | 识别板洞区域的方法、装置、计算机设备及可读存储介质 |
| CN112762899A (zh) * | 2021-01-08 | 2021-05-07 | 中国南方电网有限责任公司超高压输电公司南宁监控中心 | 一种激光点云加bim模型在可视化变电站中与视频信息的融合方法 |
| CN113190031A (zh) * | 2021-04-30 | 2021-07-30 | 成都思晗科技股份有限公司 | 基于无人机的森林火灾自动拍照跟踪方法、装置及系统 |
| WO2022135138A1 (zh) * | 2020-12-21 | 2022-06-30 | 南方电网电力科技股份有限公司 | 一种机器人任务部署方法、系统、设备和存储介质 |
| CN117152399A (zh) * | 2023-10-30 | 2023-12-01 | 长沙能川信息科技有限公司 | 基于变电站的模型制作方法、装置、设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184859A (zh) * | 2015-09-22 | 2015-12-23 | 国网上海市电力公司 | 一种基于激光扫描的变电站三维建模方法 |
| CN105844064A (zh) * | 2016-05-23 | 2016-08-10 | 厦门亿力吉奥信息科技有限公司 | 基于激光点云数据的三维变电站半自动重建方法 |
| CN107045733A (zh) * | 2017-03-21 | 2017-08-15 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站gis设备进行建模的方法 |
| CN107146277A (zh) * | 2017-03-21 | 2017-09-08 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站进行建模的方法 |
| CN107194993A (zh) * | 2017-06-19 | 2017-09-22 | 南京农业大学 | 基于三维点云数据的植物叶倾角计算方法 |
| CN109544684A (zh) * | 2018-11-21 | 2019-03-29 | 广东电网有限责任公司 | 一种变电站场景的构建方法 |
-
2019
- 2019-08-29 CN CN201910809314.9A patent/CN110544298B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184859A (zh) * | 2015-09-22 | 2015-12-23 | 国网上海市电力公司 | 一种基于激光扫描的变电站三维建模方法 |
| CN105844064A (zh) * | 2016-05-23 | 2016-08-10 | 厦门亿力吉奥信息科技有限公司 | 基于激光点云数据的三维变电站半自动重建方法 |
| CN107045733A (zh) * | 2017-03-21 | 2017-08-15 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站gis设备进行建模的方法 |
| CN107146277A (zh) * | 2017-03-21 | 2017-09-08 | 国网湖北省电力公司检修公司 | 基于点云数据对变电站进行建模的方法 |
| CN107194993A (zh) * | 2017-06-19 | 2017-09-22 | 南京农业大学 | 基于三维点云数据的植物叶倾角计算方法 |
| CN109544684A (zh) * | 2018-11-21 | 2019-03-29 | 广东电网有限责任公司 | 一种变电站场景的构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨泽鑫，彭林才，刘定宁，丁琼: ""基于PCL和Qt的点云处理系统设计与开发"", 《广东工业大学学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111738116A (zh) * | 2020-06-10 | 2020-10-02 | 广联达科技股份有限公司 | 识别板洞区域的方法、装置、计算机设备及可读存储介质 |
| CN111738116B (zh) * | 2020-06-10 | 2024-03-29 | 广联达科技股份有限公司 | 识别板洞区域的方法、装置、计算机设备及可读存储介质 |
| WO2022135138A1 (zh) * | 2020-12-21 | 2022-06-30 | 南方电网电力科技股份有限公司 | 一种机器人任务部署方法、系统、设备和存储介质 |
| CN112762899A (zh) * | 2021-01-08 | 2021-05-07 | 中国南方电网有限责任公司超高压输电公司南宁监控中心 | 一种激光点云加bim模型在可视化变电站中与视频信息的融合方法 |
| CN113190031A (zh) * | 2021-04-30 | 2021-07-30 | 成都思晗科技股份有限公司 | 基于无人机的森林火灾自动拍照跟踪方法、装置及系统 |
| CN117152399A (zh) * | 2023-10-30 | 2023-12-01 | 长沙能川信息科技有限公司 | 基于变电站的模型制作方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110544298B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110544298B (zh) | 变电站建模方法、装置、计算机设备和存储介质 | |
| CN110544308B (zh) | 变电站建模方法、装置、计算机设备和存储介质 | |
| CN111523414A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
| CN106295613A (zh) | 一种无人机目标定位方法及系统 | |
| WO2022133770A1 (zh) | 点云法向量的生成方法、装置、计算机设备和存储介质 | |
| CN113538264B (zh) | 一种点云数据的去噪方法、装置及存储介质 | |
| CN111275633A (zh) | 基于图像分割的点云去噪方法、系统、装置和存储介质 | |
| CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
| CN113793421A (zh) | 一种变电站设备三维点云数据处理方法、系统及存储介质 | |
| CN112581511B (zh) | 基于近似直立扫描点云快速配准的三维重建方法及系统 | |
| CN116721228B (zh) | 一种基于低密度点云的建筑物高程提取方法及系统 | |
| CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
| CN116503572A (zh) | 一种智慧招商平台及其空间建模方法 | |
| CN112767424B (zh) | 一种基于室内三维点云空间自动剖分方法 | |
| CN111382767A (zh) | 电力线点识别方法、装置、设备、计算机设备和存储介质 | |
| Namouchi et al. | Piecewise horizontal 3d roof reconstruction from aerial lidar | |
| CN106652032B (zh) | 一种基于Linux集群平台的DEM并行等高线生成方法 | |
| CN115410036A (zh) | 一种高压架空输电线路关键要素激光点云自动分类方法 | |
| Guo et al. | An efficient voxel-based segmentation algorithm based on hierarchical clustering to extract lidar power equipment data in transformer substations | |
| CN111476308A (zh) | 基于先验几何约束的遥感影像分类方法、装置和电子设备 | |
| CN117437364B (zh) | 基于残缺点云数据的建筑三维结构提取方法和装置 | |
| Tong et al. | A research on 3D reconstruction of building rooftop models from LiDAR data and orthophoto | |
| Ye et al. | Gaussian Mixture Model of Ground Filtering Based on Hierarchical Curvature Constraints for Airborne Lidar Point Clouds | |
| CN115937229B (zh) | 一种基于超体素和图割算法的三维自动分割方法及装置 | |
| Ma et al. | Research on the Algorithm of Building Object Boundary Extraction Based on Oblique Photographic Model |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 510000 No. 11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province Patentee after: CHINA SOUTHERN POWER GRID Co.,Ltd. Country or region after: Zhong Guo Patentee after: Southern Power Grid Digital Grid Research Institute Co.,Ltd. Address before: 510000 No. 11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province Patentee before: CHINA SOUTHERN POWER GRID Co.,Ltd. Country or region before: Zhong Guo Patentee before: Southern Power Grid Digital Grid Research Institute Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240320 Address after: Full Floor 14, Unit 3, Building 2, No. 11, Middle Spectra Road, Huangpu District, Guangzhou, Guangdong 510700 Patentee after: China Southern Power Grid Digital Grid Technology (Guangdong) Co.,Ltd. Country or region after: Zhong Guo Address before: 510000 No. 11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province Patentee before: CHINA SOUTHERN POWER GRID Co.,Ltd. Country or region before: Zhong Guo Patentee before: Southern Power Grid Digital Grid Research Institute Co.,Ltd. |