CN112001332A - 隔离开关工作状态监测方法、系统、介质、设备及应用 - Google Patents
隔离开关工作状态监测方法、系统、介质、设备及应用 Download PDFInfo
- Publication number
- CN112001332A CN112001332A CN202010874689.6A CN202010874689A CN112001332A CN 112001332 A CN112001332 A CN 112001332A CN 202010874689 A CN202010874689 A CN 202010874689A CN 112001332 A CN112001332 A CN 112001332A
- Authority
- CN
- China
- Prior art keywords
- camera
- server
- state
- isolating switch
- cameras
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000011161 development Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims description 10
- 238000013136 deep learning model Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims 2
- 238000009434 installation Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005299 abrasion Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Water Supply & Treatment (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)
- Alarm Systems (AREA)
Abstract
本发明属于智能监控技术领域,公开了一种隔离开关工作状态监测方法、系统、介质、设备及应用,在预设的指定位置安装摄像头,每个摄像头独立对应一个隔离开关,并将摄像头、服务端、开发板均连接到路由器上,且设置为同一网段;在开发板上输入预设参数,之后启动算法服务;算法服务会自动连接摄像头获取图像数据,并判断每个摄像头对应的隔离开关的分/合闸状态,若状态发生改变,则发送信号到服务端上;服务端会根据接收到信号自动显示警告或正常,供使用者判断当前隔离开关状态。本发明采用了轻量化网络,减少了模型运行时的硬件要求,使其可以直接在开发板上运行;同时能够保证安装的便捷性,并能降低成本。
Description
技术领域
本发明属于智能监控技术领域,尤其涉及一种隔离开关工作状态监测方法、系统、介质、设备及应用。
背景技术
目前,隔离开关是变电站核心设备,主要是为了隔离高压电流,保证工人检修设备及安装各类电器时的安全。在上述作业过程中,由于变电站中线路电压均为高压,隔离开关需要达到指定的位置才能保证安全性,因此隔离开关是否运动到指定位置直接影响设备的使用寿命及工作人员的生命安全。目前,对于判断隔离开关是否达到指定位置一般是通过电机信号和人眼观察两者相结合的方式来进行的。当电机旋转时可以通过其行程开关来判断是否到位,然后再由人工观察以达到二次确认的效果。但是现有的电机开关的机械装置在实际生产、加工、安装和运行过程中,存在不同程度的磨损、误差,在实际应用中,会存在误判的情况,错误率较高;同时由人工进行二次确认需要耗费大量的人力,且完全由工人自身的经验来判断,无法保证标准性。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有的隔离开关的机械装置在实际生产、加工、安装和运行过程中,存在不同程度的磨损、误差,在实际应用中,存在误判的情况,错误率较高。
(2)现有的隔离开关由人工进行二次确认需要耗费大量的人力,且完全由工人自身的经验判断,无法保证标准性。
解决以上问题及缺陷的难度为:
(1)测距电机在制造和运行过程中,不可避免的会产生不可逆的磨损,同时由于安装时由工人手工安装,误差也会较大,且这些磨损和误差造成的电机测距误差也都是千变万化且随着运行会逐渐增加,从物理层面上来说不可避免的会产生误判,将分/合闸未到位时判断为到位;
(2)工人人工确认时需要肉眼观测,由于隔离开关是应用与高压电环境下,由很高的危险性,为保证生命安全,只能在一定距离外进行肉眼观测,分/合闸是否到位的细节很难准确判断;
解决以上问题及缺陷的意义为:由于隔离开关的工作环境处于高压电下,如果在分/合闸未到位的情况下通电,则会对隔离开关的使用寿命造成损耗,且威胁高压电的输电线路,若此时有工人在附近也可能会对工人的人身安全造成威胁,因此,解决该问题后,可以有效地避免这些危险,保障设备的寿命及工人的人身安全。
发明内容
针对现有技术存在的问题,本发明提供了一种隔离开关工作状态监测方法、系统、介质、设备及应用。
本发明是这样实现的,一种隔离开关工作状态监测方法,所述隔离开关工作状态监测方法,包括:
步骤一,在预设的指定位置安装摄像头,每个摄像头独立对应一个隔离开关,并将摄像头、服务端、开发板均连接到路由器上,且设置为同一网段;
步骤二,在开发板上输入预设参数,包括摄像头ip、服务端ip、摄像头对应的隔离开关类型/编号,识别区域的坐标,之后启动算法服务;
步骤三,算法服务会自动连接摄像头获取图像数据,并判断每个摄像头对应的隔离开关的分/合闸状态,若状态发生改变,则发送信号到服务端pc上;
步骤四,服务端pc会根据接收到信号自动显示警告或正常,供使用者判断当前隔离开关状态。
进一步,所述步骤三中,在运行过程中,首先摄像头实时获取当前图像帧,在截取预设的分/合闸判断区域图像,将图像分别输入深度学习模型对当前状态进行判断;
进一步,通过提取预设的分/合闸判断区域图像的特征,结合深度学习网络为当前状态进行分类。
(1)截取图像灰度化并resize到32*32
(2)建立top-bottom网络,经过连续3个阶段的卷积池化,构建出26*26的feature-map
(3)将得到特征图像数据送入InnerProduct层内与预训练得到的参数相乘
(4)最后由softmax函数得到图像的分类概率,取最大概率为分类结果
然后通过对分/合闸区域状态的逻辑判断,来确定当前隔离开关的状态,对比预先记录的隔离开关状态;
若状态发生变化则将信号发送给服务端并更新开关状态,之后获取下一帧图像继续判断;若状态未发生改变,则直接获取下一帧图像继续判断。
本发明的另一目的在于提供一种实施所述隔离开关工作状态监测方法的隔离开关工作状态监测系统,所述隔离开关工作状态监测系统包括:开发板、路由器、若干摄像头及一个作为服务端的pc;
路由器分别与摄像头、服务端和开发板连接。
进一步,所述开发板、路由器、若干摄像头和服务端pc均通过路由器连接且处于同一个局域网内。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过采集固定角度下隔离开关分/合闸过程的视频,将分/合闸到位时隔离开关的图像作为输入数据,利用深度学习的方法训练判断模型。在这一过程中,通过对输入数据进行不同光照强度、噪声强度、位置偏移、角度偏移等可能存在的影响模拟进行数据增广,增强了模型对于不同光照、噪声、安装位置偏移的鲁棒性;最终使模型可以在不同误差影响下可以有效地判断隔离开关当前的分/合闸状态及是否运动到位,并且通过网络将状态同步传输到指定的服务端。本发明采用了轻量化网络,减少了模型运行时的硬件要求,使其可以直接在tx2的开发板上运行;同时能够保证安装的便捷性,并能降低成本。同时本发明安装简易,采用固定焦距及水平视场角的摄像头安装在指定位置即可,允许存在一定的误差适应能力强,由于采用了深度学习的方案,该算法可以有效地适应不同场景扩展简易,深度学习框架下,可以在已有模型的基础上进行增量训练,若出现识别效果差的情况,只需要用摄像头录取分/合闸的视频后,再对数据进行标注即可增量训练,使模型适应该场景轻量化,本模型采用了轻量化网络的方案,使模型可以在较低配置的开发板上直接运行,而不用在服务器上运行,降低的安装难度和成本。具体运行效果图见附图5。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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是本发明实施例提供的隔离开关工作状态监测方法流程图。
图2是本发明实施例提供的隔离开关工作状态监测系统中的软件流程图。
图3是本发明实施例提供的隔离开关工作状态监测系统结构示意图。
图中:1、摄像头;2、服务端;3、路由器;4、开发板。
图4是本发明实施例提供的实时场景图像实时检测的网络结构示意图。
图5是本发明实施例提供的隔离开关分闸状态系统应用效果图。
图6是本发明实施例提供的隔离开关中间状态系统应用效果图。
图7是本发明实施例提供的隔离开关合闸状态系统应用效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种隔离开关工作状态监测方法、系统、介质、设备及应用,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的隔离开关工作状态监测方法包括:
S101:在预设的指定位置安装摄像头,每个摄像头独立对应一个隔离开关,并将摄像头、服务端、开发板均连接到路由器上,且设置为同一网段;
S102:在开发板上输入预设参数,包括摄像头ip、服务端ip、摄像头对应的隔离开关类型/编号等,之后启动算法服务;
S103:算法服务会自动连接摄像头获取图像数据,并判断每个摄像头对应的隔离开关的分/合闸状态,若状态发生改变,则发送信号到服务端pc上;
S104:服务端pc会根据接收到信号自动显示警告或正常,供使用者判断当前隔离开关状态。
本发明提供的隔离开关工作状态监测方法业内的普通技术人员还可以采用其他的步骤实施,图1的本发明提供的隔离开关工作状态监测方法仅仅是一个具体实施例而已。
本发明实施例提供的S103中,在运行过程中,首先摄像头实时获取当前图像帧,在截取预设的分/合闸判断区域图像,将图像分别输入深度学习模型对当前状态进行判断;
然后通过对分/合闸区域状态的逻辑判断,来确定当前隔离开关的状态,对比预先记录的隔离开关状态;若状态发生变化则将信号发送给服务端并更新开关状态,之后获取下一帧图像继续判断;若状态未发生改变,则直接获取下一帧图像继续判断。该过程独立于摄像头,每个摄像头的数据独立处理,在多线程的支持下,一个开发板可以支持同时判断多个隔离开关的状态监控。
如图3所示,本发明实施例提供的隔离开关工作状态监测系统,包括:开发板4、路由器3、若干摄像头1及一个作为服务端2的pc,所有设备均通过路由器连接且处于同一个局域网内。路由器3分别与摄像头1、服务端2和开发板4连接。
运行时开发板4内的程序会访问预设的摄像头1对摄像头内的隔离开关状态进行判断;若摄像头1内隔离开关发生改变,则将其当前状态发送到作为服务端2的pc处,隔离开关若长时间处于分/合闸未到位状态,pc端会进行报警提示;若处于分/合闸到位状态,则会直接显示当前状态。
其中,用于实时分析分合闸状态的神经网络结构如图4所示,主要由一系列卷积层、池化层、上采样层组成,最后通过使用激活函数(Softmax)对图像的类型进行区分,最后提供给系统逻辑判断当前图像中隔离开关的状态。
本发明的工作原理为:在预设的指定位置安装摄像头,每个摄像头独立对应一个隔离开关,并将摄像头、服务端、开发板均连接到路由器上,且设置为同一网段。在开发板上输入预设参数,包括摄像头ip、服务端ip、摄像头对应的隔离开关类型/编号等,之后启动算法服务。算法服务会自动连接摄像头获取图像数据,通过深度学习神经网络来判断每个摄像头对应的隔离开关的分/合闸状态,若状态发生改变,则发送信号到服务端pc上。服务端pc会根据接收到信号自动显示警告或正常,供使用者判断当前隔离开关状态。
如图5、图6、图7分别表示隔离开关分闸状态、中间状态、合闸状态时分类结果。从实时图像中可以看出,在预设的分/合闸判别区域内的图像在分闸状态、中间状态及合闸状态时的结果完全不同,可以通过简单的逻辑判断将这几个状态取分开来。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”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”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种隔离开关工作状态监测方法,其特征在于,所述隔离开关工作状态监测方法包括:
在预设的指定位置安装摄像头,每个摄像头独立对应一个隔离开关,并将摄像头、服务端、开发板均连接到路由器上,且设置为同一网段;
在开发板上输入预设参数,包括摄像头ip、服务端ip、摄像头对应的隔离开关类型/编号,之后启动算法服务;
算法服务会自动连接摄像头获取图像数据,并判断每个摄像头对应的隔离开关的分/合闸状态,若状态发生改变,则发送信号到服务端pc上;
服务端pc会根据接收到信号自动显示警告/正常,供使用者判断当前隔离开关状态。
2.如权利要求1所述隔离开关工作状态监测方法,其特征在于,在运行过程中,首先摄像头实时获取当前图像帧,在截取预设的分/合闸判断区域图像,将图像分别输入深度学习模型对当前状态进行判断;
然后通过对分/合闸区域状态的逻辑判断,确定当前隔离开关的状态,对比预先记录的隔离开关状态;
若状态发生变化则将信号发送给服务端并更新开关状态,之后获取下一帧图像继续判断;若状态未发生改变,则直接获取下一帧图像继续判断。
3.一种计算机设备,其特征在于,所述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,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
在预设的指定位置安装摄像头,每个摄像头独立对应一个隔离开关,并将摄像头、服务端、开发板均连接到路由器上,且设置为同一网段;
在开发板上输入预设参数,包括摄像头ip、服务端ip、摄像头对应的隔离开关类型/编号,之后启动算法服务;
算法服务会自动连接摄像头获取图像数据,并判断每个摄像头对应的隔离开关的分/合闸状态,若状态发生改变,则发送信号到服务端pc上;
服务端pc会根据接收到信号自动显示警告/正常,供使用者判断当前隔离开关状态。
4.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
在预设的指定位置安装摄像头,每个摄像头独立对应一个隔离开关,并将摄像头、服务端、开发板均连接到路由器上,且设置为同一网段;
在开发板上输入预设参数,包括摄像头ip、服务端ip、摄像头对应的隔离开关类型/编号,之后启动算法服务;
算法服务会自动连接摄像头获取图像数据,并判断每个摄像头对应的隔离开关的分/合闸状态,若状态发生改变,则发送信号到服务端pc上;
服务端pc会根据接收到信号自动显示警告/正常,供使用者判断当前隔离开关状态。
5.一种实施如权利要求1-2任意一项所述隔离开关工作状态监测方法的隔离开关工作状态监测系统,其特征在于,所述隔离开关工作状态监测系统包括:开发板、路由器、若干摄像头及一个作为服务端的pc;
路由器分别与摄像头、服务端和开发板连接。
6.如权利要求5所述隔离开关工作状态监测系统,其特征在于,所述开发板、路由器、若干摄像头和服务端pc均通过路由器连接且处于同一个局域网内。
7.一种隔离开关,其特征在于,所述隔离开关安装有权利要求5所述的隔离开关工作状态监测系统。
8.一种变电站,其特征在于,所述变电站安装有权利要求7所述的隔离开关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010874689.6A CN112001332A (zh) | 2020-08-26 | 2020-08-26 | 隔离开关工作状态监测方法、系统、介质、设备及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010874689.6A CN112001332A (zh) | 2020-08-26 | 2020-08-26 | 隔离开关工作状态监测方法、系统、介质、设备及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112001332A true CN112001332A (zh) | 2020-11-27 |
Family
ID=73470422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010874689.6A Pending CN112001332A (zh) | 2020-08-26 | 2020-08-26 | 隔离开关工作状态监测方法、系统、介质、设备及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001332A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712547A (zh) * | 2020-12-25 | 2021-04-27 | 华雁智科(杭州)信息技术有限公司 | 一种隔离开关的状态检测方法及模型的建立方法 |
CN113341308A (zh) * | 2021-04-19 | 2021-09-03 | 云南电网有限责任公司临沧供电局 | 一种隔离开关动作特性的判断方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203071404U (zh) * | 2012-11-30 | 2013-07-17 | 四川电力科学研究院 | 一种高压开关柜内隔离开关状态智能视频监测系统 |
CN208334991U (zh) * | 2018-05-17 | 2019-01-04 | 广州供电局有限公司 | 配电房监控系统 |
EP3503331A1 (en) * | 2017-12-21 | 2019-06-26 | Tyco Electronics UK Ltd | Method for remotely monitoring failed surge arrester disconnectors and energy harvester for autonomous power supply of monitoring devices installed on surge arresters |
CN210093385U (zh) * | 2019-08-16 | 2020-02-18 | 四川神华天明发电有限责任公司 | 一种监测开关通断状态的装置 |
CN111046943A (zh) * | 2019-12-09 | 2020-04-21 | 国网智能科技股份有限公司 | 变电站隔离刀闸状态自动识别方法及系统 |
-
2020
- 2020-08-26 CN CN202010874689.6A patent/CN112001332A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203071404U (zh) * | 2012-11-30 | 2013-07-17 | 四川电力科学研究院 | 一种高压开关柜内隔离开关状态智能视频监测系统 |
EP3503331A1 (en) * | 2017-12-21 | 2019-06-26 | Tyco Electronics UK Ltd | Method for remotely monitoring failed surge arrester disconnectors and energy harvester for autonomous power supply of monitoring devices installed on surge arresters |
CN208334991U (zh) * | 2018-05-17 | 2019-01-04 | 广州供电局有限公司 | 配电房监控系统 |
CN210093385U (zh) * | 2019-08-16 | 2020-02-18 | 四川神华天明发电有限责任公司 | 一种监测开关通断状态的装置 |
CN111046943A (zh) * | 2019-12-09 | 2020-04-21 | 国网智能科技股份有限公司 | 变电站隔离刀闸状态自动识别方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712547A (zh) * | 2020-12-25 | 2021-04-27 | 华雁智科(杭州)信息技术有限公司 | 一种隔离开关的状态检测方法及模型的建立方法 |
CN112712547B (zh) * | 2020-12-25 | 2024-06-04 | 华雁智科(杭州)信息技术有限公司 | 一种隔离开关的状态检测方法及模型的建立方法 |
CN113341308A (zh) * | 2021-04-19 | 2021-09-03 | 云南电网有限责任公司临沧供电局 | 一种隔离开关动作特性的判断方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111614913B (zh) | 基于隔离开关位置智能识别的一键顺控双确认系统及方法 | |
CN111525694B (zh) | 一种基于物联网的开关柜智能标示装置及方法 | |
CN112115927B (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
CN102842211B (zh) | 一种基于图像识别的输电线路防外力监控预警系统及方法 | |
CN110865917A (zh) | 基于ar技术的电力机房巡检作业方法、系统及应用 | |
CN112001332A (zh) | 隔离开关工作状态监测方法、系统、介质、设备及应用 | |
CN109117764A (zh) | 在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法 | |
CN108545562A (zh) | 一种自动故障检测的电梯显示器及其使用方法 | |
CN110428400A (zh) | 一种设备故障的定位方法、装置、设备及存储介质 | |
KR102019340B1 (ko) | 복합 센서 기반 이동체 무인 상시 감시 시스템 | |
CN112036810A (zh) | 基于智能设备的电缆监测方法、装置、设备及存储介质 | |
CN115663999A (zh) | 基于大数据和深度学习的变电站在线智能巡视系统及方法 | |
CN109119923B (zh) | 变配电所设备智能巡检系统及其巡检方法 | |
CN110691221A (zh) | 针对无人值守变电站实现智能视频监控的系统 | |
CN214481279U (zh) | 一种基于物联网的变电站设备状态的监控系统 | |
CN114202738A (zh) | 基于边缘计算和人工智能的电网监拍方法、装置及设备 | |
CN113467349B (zh) | 一种输电线路安全隐患智能识别先兆告警系统 | |
CN113920610A (zh) | 基于ar技术的电力设备巡检方法及系统 | |
CN112383137A (zh) | 基于机器视觉和热成像技术的变压器台区监控系统及方法 | |
CN114928164A (zh) | 一种主子站协同互动的变电站运维系统 | |
CN104469329A (zh) | 一种变电站视频监控智能推图的方法及系统 | |
CN111923042A (zh) | 机柜栅格的虚化处理方法及系统、巡检机器人 | |
CN117255463B (zh) | 设备故障告警方法、装置、设备、介质和智能照明设备 | |
CN205378085U (zh) | 一种带有防静电结构的探测装置 | |
CN214540969U (zh) | 一种智慧管理平台用物联网安防巡查设备 |
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 |