CN112510552A - 基于图像识别的变电站电气设备异常检测方法及系统 - Google Patents
基于图像识别的变电站电气设备异常检测方法及系统 Download PDFInfo
- Publication number
- CN112510552A CN112510552A CN202011194431.8A CN202011194431A CN112510552A CN 112510552 A CN112510552 A CN 112510552A CN 202011194431 A CN202011194431 A CN 202011194431A CN 112510552 A CN112510552 A CN 112510552A
- Authority
- CN
- China
- Prior art keywords
- image sensor
- image
- transformer substation
- electrical equipment
- node
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 230000005856 abnormality Effects 0.000 title claims description 16
- 238000012546 transfer Methods 0.000 claims abstract description 58
- 230000005540 biological transmission Effects 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 26
- 238000012544 monitoring process Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 20
- 206010063385 Intellectualisation Diseases 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B3/00—Apparatus specially adapted for the manufacture, assembly, or maintenance of boards or switchgear
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Manufacturing & Machinery (AREA)
- Power Engineering (AREA)
- Alarm Systems (AREA)
Abstract
本公开提供了一种基于图像识别的变电站电气设备异常检测方法及系统，所述方案以一种更低成本的方案实现变电站内的智能化，以图像传感器采集图片的形式代替人工巡检，以AI图像识别的形式代替人工识别故障；提高了故障识别率，节省人工巡检的时间，提高时效性，具有很强的实用性；同时，考虑到图像传感器自身能量问题，引入中转节点，并提出路由路径优化算法，为图像传感器数据传输过程选择合适的中转节点转发路径，有效保证了整个无线传感器网络的生命周期，解决了现有无线传感器网络中某些节点需要频繁更换电源的问题。
Description
技术领域
本公开涉及变电站电气设备异常检测技术领域，尤其涉及基于图像识别的变电站电气设备异常检测系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
现有的变电站内，设备众多，为保证设备的无故障运行，需要人工定期巡检，查看设备的运行状态读取设备上的读数，人工巡检存在占用人员多，巡检不及时的情况。有些变电站意识到这样的问题，安装了巡检机器人，但是巡检机器人价格高，而且室内很多地方由于空间限制，机器人到达不了，还是需要人工巡检。现有图像分析技术，都是依赖后端图像分析服务器，实时性差，浪费数据流量费。
发明人经研究发现，现有的变电站仍存在以下问题：
(1)变电站内需要人工巡检，耗时耗力
为保证变电站内的设备运行良好，都会定期对站内设备、表计等参数进行巡检记录，由于设备多，每一个设备都需要人为检查，浪费了大量时间，而且人工巡检难免不会疏忽，发现不了本已经存在的安全隐患，造成不必要的损失。也避免不了因为人的疏忽大意进入危险区域，对人身造成伤害。
(2)巡检机器人价格昂贵，布线复杂
目前使用的巡检机器人都是几十万上百万的设备，而且为了方便巡检机器人工作，还要在变电站内铺设专门的道路，增加了施工难度。室内环境和室外环境的巡检机器人不能通用，还要单独安装室内环境用的机器人，同样面临布线困难，安装不方便的问题。
(3)图像设备依赖后端服务器
目前变电站内，基于图像分析的都是依赖后端服务器，拍完照片上传服务器，然后服务器再分析图像，推送告警。
(4)现有的无线传感器网络结构存在“能量空洞”的问题
目前，无线传感器网络被应用于物联网领域，但是在变电站的电气设备异常检测过程中并不适用，一方面，变电站占地面积较大，无线传感器的自身能量有限，因此，需要借助大量的中转节点来实现采集数据的转发，而距离接入节点(接入系统总站的节点)较近的中转节点的使用频次最多，导致此类中转节点极易过早断电死亡，对其周围图像传感器的数据传输产生极大影响；另一方面，变电站电气设备的检测具有较高的实时性和准确性的要求，由于部分中转节点的死亡，极大可能会存在某些电气设备数据传输不及时或数据丢失等问题，造成电气设备异常检测精确度不高等问题。
发明内容
本公开为了解决上述问题，提供了一种基于图像识别的变电站电气设备异常检测系统及方法，通过所述方案有效提升了变电站电气设备异常检测的效率，提高了检测安全性及准确性。
根据本公开实施例的第一个方面，提供了一种基于图像识别的变电站电气设备异常检测方法，其采用图像传感器、接入节点以及系统总站构成的无线传感器网络，所述方法包括：
根据变电站电气设备位置确定若干观察点位，在所述观察点位安装图像传感器；利用所述接入节点与所述系统总站连接，接收系统总站下发的指令，管理安装在变电站内的所有图像传感器；
所述系统总站根据用户配置的巡检时间，通过短信的形式，向接入节点发送拍照指令，接入节点接收到拍照指令后会向所有的图像传感器下发唤醒指令；图像传感器接收到唤醒指令后，执行拍照动作；
所述图像传感器将采集的照片通过无线传感器网络发送给接入节点，并通过接入节点上传到系统总站所述系统总站对获取的图像数据进行分析处理，实现变电站电气设备的异常监测。
进一步的，为了节约图像传感器的能量，所述图像传感器被唤醒执行拍照动作后，进入休眠状态，等待下次唤醒指令。
进一步的，为了节约图像传感器的能量，在所述变电站内均匀布置中转节点，所述图像传感器利用最优路由路径规划算法选择合理的中转节点进行图像数据转发。
进一步的，所述的最优路由路径规划算法的具体步骤如下：
(1)根据接收天线接收到的信号强度计算图像传感器到预设范围内所有中转节点的距离，选择其中的最小距离记作d1；
(2)计算所述图像传感器到所述系统总站间的距离记作d2，若d1不小于 d2，则所述图像传感器直传到所述系统总站，该图像传感器传输路径优化结束；
(3)若d1小于d2，则选择距离为d1的中转节点P进行转发；计算中转节点P到预设范围内所有中转节点的距离，选择其中最小距离记作d3；若d3不小于d2，则所述中转节点直传到所述系统总站，该图像传感器传输路径优化结束；若d3小于d2，则选择距离为d3的中转节点Q进行转发；循环执行步骤(3)直至优化结束。
进一步的，为了避免中转次数过多造成网络延时过长，采用最少跳数路径来确定中转节点的位置，具体的，针对每个图像传感器以广播路由的方式进行数据发送，从所述图像传感器到所述系统总站之间的所有路由路径中，选择中转次数最少的路径，并将此路径上的节点作为中转节点。
进一步的，经中转节点转发的图像数据汇聚到接入节点，并通过接入节点转发至系统总站，系统总站对获得的图像数据进行分析处理，实现对变电站电气设备的异常检测。
根据本公开实施例的第二个方面，提供了一种基于图像识别的变电站电气设备异常检测系统，包括图像传感器、接入节点和系统总站构成的无线传感器网络；
所述图像传感器，其用于采集待检测设备的图像数据；
所述接入节点，其用于向下负责管理安装在站内的所有拍照设备，下发拍照指令；向上负责和系统总站服务器连接，接受服务器指令，时刻保持和服务器的连接；
所述系统总站，其用于根据用户配置的巡检时间，通过短信的形式，向接入节点发送拍照指令，接入节点接收到拍照指令后会向所有的图像传感器下发唤醒指令；图像传感器接收到唤醒指令后，执行拍照动作；并接收所述图像传感器发送的图像数据。
进一步的，所述变电站电气设备异常检测系统还包括中转节点，其用于实现所述图像传感器采集的图像数据的转发，有效节省图像传感器的能量。
进一步的，所述图像传感器在选择中转节点过程中执行如下步骤：
(1)根据接收天线接收到的信号强度计算图像传感器到预设范围内所有中转节点的距离，选择其中的最小距离记作d1；
(2)计算所述图像传感器到所述系统总站间的距离记作d2，若d1不小于 d2，则所述图像传感器直传到所述系统总站，该图像传感器传输路径优化结束；
(3)若d1小于d2，则选择距离为d1的中转节点P进行转发；计算中转节点P到预设范围内所有中转节点的距离，选择其中最小距离记作d3；若d3不小于d2，则所述中转节点直传到所述系统总站，该图像传感器传输路径优化结束；若d3小于d2，则选择距离为d3的中转节点Q进行转发；循环执行步骤(3)直至优化结束。
进一步的，所述变电站电气设备异常检测系统还包括监控终端，所述监控终端可以为移动终端和PC机，其用于接收系统总站图像数据的分析结果，可以实时查看图像信息以及告警信息。
与现有技术相比，本公开的有益效果是：
(1)本公开所述方案通过图像传感器、接入节点以及系统总站的系统设置，替代了现有变电站依靠巡检机器人以及人工巡检的方式，节约了投入成本，提升了电气设备异常检测的安全性及准确性。
(2)本公开所述方案考虑到图像传感器自身能量有限，通过在图像传感器与接入节点之间增加中转节点，有效提高了图像传感器电源的生命周期，避免了频繁对图像传感器进行更换电源；同时，所述图像传感器仅在系统总站下发命令时才会唤醒，平时都处于休眠状态，也有效保证了图像传感器电源的生命周期。
(3)本公开所述方案针对中转节点的选择上提出了一种路由路径优化方法，有效保证了图像传感器数据传输的路由路径合理性，避免了距离接入节点最近的中转接点频繁使用，造成此类中转节点能量消耗过大的问题。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例一中所述的变电站无线传感器网络拓扑结构示意图。
图2为本公开实施例二中所述的加入中转节点后的变电站无线传感器网络拓扑结构示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一：
本实施例的目的是提供一种基于图像识别的变电站电气设备异常检测方法。
本公开的主要发明点是以一种更低成本的方案实现变电站内的智能化，以图片的形式代替人工巡检，以AI图像识别的形式代替人工识别故障，有效提高了故障识别率，节省人工巡检的时间，提高时效性，具有很强的实用性；尤其针对变电站中某些电气设备位于较高位置，无法依靠巡检机器人而只能依赖于人工巡检(而人工巡检则对于检修人员存在极大的安全风险)的问题。
一种基于图像识别的变电站电气设备异常检测方法，包括：
其采用图像传感器、接入节点以及系统总站构成的无线传感器网络，所述方法包括：
根据变电站电气设备位置确定若干观察点位，在所述观察点位安装图像传感器；利用所述接入节点与所述系统总站连接，接收系统总站下发的指令，管理安装在变电站内的所有图像传感器；
所述系统总站根据用户配置的巡检时间，通过短信的形式，向接入节点发送拍照指令，接入节点接收到拍照指令后会向所有的图像传感器下发唤醒指令；图像传感器接收到唤醒指令后，执行拍照动作；
所述图像传感器将采集的照片通过无线传感器网络发送给接入节点，并通过接入节点上传到系统总站，所述系统总站对获取的图像数据进行分析处理，实现变电站电气设备的异常监测。
进一步的，为了节约图像传感器的能量，所述图像传感器被唤醒执行拍照动作后，进入休眠状态，等待下次唤醒指令。
进一步的，为了进一步节约图像传感器的能量，在所述变电站内均匀布置中转节点，所述图像传感器利用最优路由路径规划算法选择合理的中转节点进行图像数据转发。
进一步的，所述的最优路由路径规划算法的具体步骤如下：
(1)根据接收天线接收到的信号强度计算图像传感器到预设范围内所有中转节点的距离，选择其中的最小距离记作d1；
(2)计算所述图像传感器到所述系统总站间的距离记作d2，若d1不小于 d2，则所述图像传感器直传到所述系统总站，该图像传感器传输路径优化结束；
(3)若d1小于d2，则选择距离为d1的中转节点P进行转发；计算中转节点P到预设范围内所有中转节点的距离，选择其中最小距离记作d3；若d3不小于d2，则所述中转节点直传到所述系统总站，该图像传感器传输路径优化结束；若d3小于d2，则选择距离为d3的中转节点Q进行转发；循环执行步骤(3)直至优化结束。
进一步的，为了避免中转次数过多造成网络延时过长，采用最少跳数路径来确定中转节点的位置，具体的，针对每个图像传感器以广播路由的方式进行数据发送，从所述图像传感器到所述系统总站之间的所有路由路径中，选择中转次数最少的路径，并将此路径上的节点作为中转节点。
进一步的，经中转节点转发的图像数据汇聚到接入节点，并通过接入节点转发至系统总站，系统总站对获得的图像数据进行分析处理，实现对变电站电气设备的异常检测。
实施例二：
本实施例的目的是提供一种基于图像识别的变电站电气设备异常检测系统。
如图1所示，一种基于图像识别的变电站电气设备异常检测系统，包括图像传感器、接入节点和系统总站构成的无线传感器网络；其中：
图像传感器，其用于采集待检测设备的图像数据；
接入节点，其用于向下负责管理安装在站内的所有拍照设备，下发拍照指令；向上负责和系统总站服务器连接，接受服务器指令，时刻保持和服务器的连接；
系统总站，其用于根据用户配置的巡检时间，通过短信的形式，向接入节点发送拍照指令，接入节点接收到拍照指令后会向所有的图像传感器下发唤醒指令；图像传感器接收到唤醒指令后，执行拍照动作；并接收所述图像传感器发送的图像数据。
进一步的，所述变电站电气设备异常检测系统还包括中转节点，其用于实现所述图像传感器采集的图像数据的转发，有效节省图像传感器的能量。
进一步的，所述图像传感器在选择中转节点过程中执行如下步骤：
(1)根据接收天线接收到的信号强度计算图像传感器到预设范围内所有中转节点的距离，选择其中的最小距离记作d1；
(2)计算所述图像传感器到所述系统总站间的距离记作d2，若d1不小于 d2，则所述图像传感器直传到所述系统总站，该图像传感器传输路径优化结束；
(3)若d1小于d2，则选择距离为d1的中转节点P进行转发；计算中转节点P到预设范围内所有中转节点的距离，选择其中最小距离记作d3；若d3不小于d2，则所述中转节点直传到所述系统总站，该图像传感器传输路径优化结束；若d3小于d2，则选择距离为d3的中转节点Q进行转发；循环执行步骤(3)直至优化结束。
进一步的，所述变电站电气设备异常检测系统还包括监控终端，所述监控终端可以为移动终端和PC机，其用于接收系统总站图像数据的分析结果，可以实时查看图像信息以及告警信息。
进一步的，所述图像传感器、接入节点之间使用Lora协议的自组网的方案，它们之间连接和通信都是通过无线的方式，采用星型拓扑结构，Lora协议有通信距离长，组网简单价格低等优点，适合此场景应用；系统总站即变电站内的服务器，负责指令下发和规则设置。监控终端为电脑监控界面或者手机客户端，接收图片和告警信息。
如图2所示，本公开所述系统的主要组成部分分为：图像传感器，中转节点，接入节点，系统总站以及监控终端；所述图像传感器是一种低功耗的拍照设备，体积小巧，可以安装在变电站内任意角落，采用锂亚电池供电；所述接入节点向下负责管理安装在站内的所有拍照设备，下发拍照指令；向上负责和系统总站服务器连接，接受服务器指令，时刻保持和服务器的连接，通过市电供电。系统总站是设备管理服务器，所有设备安装在服务器上，主动拍照逻辑也是通过服务器配置，主动拍照指令通过服务器下发，管理、分析、存储所有上传的图片。监控终端主要指用户的手机微信客户端和电脑管理界面，实时查看设备上传的图像和告警；接入节点和系统总站之间是通过4G传输数据的。系统总站服务器可以配置拍照间隔等规则。接入节点可以接受服务器的拍照指令，给图像传感器下发指令，唤醒图像传感器，进行拍照巡视。拍照方式分为主动拍照和定时拍照两种。定时拍照是由服务器配置的，主动拍照是人为点击操作。图像传感器拍完照片通过4G的传输，直接把图像传输个服务器。服务器对图片进行分析处理。分析完图片，如果有异常告警，服务器会通过微信、短信等形式推送给用户进行预警。
进一步的，所述系统的主要工作逻辑如下：根据用户需求，在系统总站上配置好拍照巡视间隔，把图像传感器和接入节点配置到系统总站上，图像传感器安装到需要监控的区域。系统总站会根据用户配置的时间，通过短信的形式，给接入节点发送拍照指令，接入节点接收到拍照指令会给改接入节点下配置的所有图像传感器发送唤醒指令。图像传感器收到唤醒指令，会马上执行拍照，根据环境光线情况，判断是否打开补光灯。图像传感器拍完图片通过4G形式把图片直接上传系统总站服务器。系统总站收到图片会进行智能分析，根据预先训练设置好的规则判断是否在正常范围内。如果在正常范围内，服务器只存储展示图片，如果分析结果异常，系统总站会发出预警，推送到手机微信和监控电脑端，提醒巡检人员，巡检人员最终来确认是否有必要处理；所述图像传感器也可以通过主动拍照的形式进行巡，通过系统总站管理界面点击主动拍照即可查看现场情况。
进一步的，所述系统总站服务器的工作逻辑包括：短信指令是通知接入节点更新服务器配置的模块；微信平台是给用户推送系统通知的模块；装置服务是服务器管理巡视装置和接入节点装置的模块；图片管理单元是来接收和处理图片的模块。
上述实施例提供的一种基于图像识别的变电站电气设备异常检测方法及系统完全可以实现，具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于图像识别的变电站电气设备异常检测方法，其特征在于，其采用图像传感器、接入节点以及系统总站构成的无线传感器网络，所述方法包括：
根据变电站电气设备位置确定若干观察点位，在所述观察点位安装图像传感器；利用所述接入节点与所述系统总站连接，接收系统总站下发的指令，管理安装在变电站内的所有图像传感器；
所述系统总站根据用户配置的巡检时间，通过短信的形式，向接入节点发送拍照指令，接入节点接收到拍照指令后会向所有的图像传感器下发唤醒指令；图像传感器接收到唤醒指令后，执行拍照动作；
所述图像传感器将采集的照片通过无线传感器网络发送给接入节点，并通过接入节点上传到系统总站，所述系统总站对获取的图像数据进行分析处理，实现变电站电气设备的异常监测。
2.如权利要求1所述的一种基于图像识别的变电站电气设备异常检测方法，其特征在于，为了节约图像传感器的能量，所述图像传感器被唤醒执行拍照动作后，进入休眠状态，等待下次唤醒指令。
3.如权利要求1所述的一种基于图像识别的变电站电气设备异常检测方法，其特征在于，为了进一步节约图像传感器的能量，在所述变电站内均匀布置中转节点，所述图像传感器利用最优路由路径规划算法选择合理的中转节点进行图像数据转发。
4.如权利要求3所述的一种基于图像识别的变电站电气设备异常检测方法，其特征在于，所述的最优路由路径规划算法的具体步骤如下：
(1)根据接收天线接收到的信号强度计算图像传感器到预设范围内所有中转节点的距离，选择其中的最小距离记作d1；
(2)计算所述图像传感器到所述系统总站间的距离记作d2，若d1不小于d2，则所述图像传感器直传到所述系统总站，该图像传感器传输路径优化结束；
(3)若d1小于d2，则选择距离为d1的中转节点P进行转发；计算中转节点P到预设范围内所有中转节点的距离，选择其中最小距离记作d3；若d3不小于d2，则所述中转节点直传到所述系统总站，该图像传感器传输路径优化结束；若d3小于d2，则选择距离为d3的中转节点Q进行转发；循环执行步骤(3)直至优化结束。
5.如权利要求3所述的一种基于图像识别的变电站电气设备异常检测方法，其特征在于，为了避免中转次数过多造成网络延时过长，采用最少跳数路径来确定中转节点的位置，具体的，针对每个图像传感器以广播路由的方式进行数据发送，从所述图像传感器到所述系统总站之间的所有路由路径中，选择中转次数最少的路径，并将此路径上的节点作为中转节点。
6.如权利要求3所述的一种基于图像识别的变电站电气设备异常检测方法，其特征在于，经中转节点转发的图像数据汇聚到接入节点，并通过接入节点转发至系统总站，系统总站对获得的图像数据进行分析处理，实现对变电站电气设备的异常检测。
7.一种基于图像识别的变电站电气设备异常检测系统，其特征在于，包括图像传感器、接入节点和系统总站构成的无线传感器网络；
所述图像传感器，其用于采集待检测设备的图像数据；
所述接入节点，其用于向下负责管理安装在站内的所有拍照设备，下发拍照指令；向上负责和系统总站服务器连接，接受服务器指令，时刻保持和服务器的连接；
所述系统总站，其用于根据用户配置的巡检时间，通过短信的形式，向接入节点发送拍照指令，接入节点接收到拍照指令后会向所有的图像传感器下发唤醒指令；图像传感器接收到唤醒指令后，执行拍照动作；并接收所述图像传感器发送的图像数据。
8.如权利要求7所述的一种基于图像识别的变电站电气设备异常检测系统，其特征在于，所述变电站电气设备异常检测系统还包括中转节点，其用于实现所述图像传感器采集的图像数据的转发，有效节省图像传感器的能量。
9.如权利要求8所述的一种基于图像识别的变电站电气设备异常检测系统，其特征在于，所述图像传感器在选择中转节点过程中执行如下步骤：
(1)根据接收天线接收到的信号强度计算图像传感器到预设范围内所有中转节点的距离，选择其中的最小距离记作d1；
(2)计算所述图像传感器到所述系统总站间的距离记作d2，若d1不小于d2，则所述图像传感器直传到所述系统总站，该图像传感器传输路径优化结束；
(3)若d1小于d2，则选择距离为d1的中转节点P进行转发；计算中转节点P到预设范围内所有中转节点的距离，选择其中最小距离记作d3；若d3不小于d2，则所述中转节点直传到所述系统总站，该图像传感器传输路径优化结束；若d3小于d2，则选择距离为d3的中转节点Q进行转发；循环执行步骤(3)直至优化结束。
10.如权利要求7所述的一种基于图像识别的变电站电气设备异常检测系统，其特征在于，所述变电站电气设备异常检测系统还包括监控终端，所述监控终端可以为移动终端和PC机，其用于接收系统总站图像数据的分析结果，可以实时查看图像信息以及告警信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011194431.8A CN112510552A (zh) | 2020-10-30 | 2020-10-30 | 基于图像识别的变电站电气设备异常检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011194431.8A CN112510552A (zh) | 2020-10-30 | 2020-10-30 | 基于图像识别的变电站电气设备异常检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112510552A true CN112510552A (zh) | 2021-03-16 |
Family
ID=74954773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011194431.8A Pending CN112510552A (zh) | 2020-10-30 | 2020-10-30 | 基于图像识别的变电站电气设备异常检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112510552A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005005782A (ja) * | 2003-06-09 | 2005-01-06 | Hitachi Kokusai Electric Inc | 監視システム |
| CN102271377A (zh) * | 2011-09-13 | 2011-12-07 | 河海大学常州校区 | 基于能量收集技术的无线传感器网络两跳多路径路由方法 |
| CN106451790A (zh) * | 2016-11-21 | 2017-02-22 | 北京殷图网联科技股份有限公司 | 一种变电站远程智能巡检系统及其实现方法 |
| CN107657601A (zh) * | 2017-07-28 | 2018-02-02 | 国网山东省电力公司济南供电公司 | 一种变电站设备分合物理位置监测装置及方法 |
-
2020
- 2020-10-30 CN CN202011194431.8A patent/CN112510552A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005005782A (ja) * | 2003-06-09 | 2005-01-06 | Hitachi Kokusai Electric Inc | 監視システム |
| CN102271377A (zh) * | 2011-09-13 | 2011-12-07 | 河海大学常州校区 | 基于能量收集技术的无线传感器网络两跳多路径路由方法 |
| CN106451790A (zh) * | 2016-11-21 | 2017-02-22 | 北京殷图网联科技股份有限公司 | 一种变电站远程智能巡检系统及其实现方法 |
| CN107657601A (zh) * | 2017-07-28 | 2018-02-02 | 国网山东省电力公司济南供电公司 | 一种变电站设备分合物理位置监测装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101763704B (zh) | 一种智能家居消防检测报警系统及其控制方法 | |
| CN111427286A (zh) | 一种基于5g通信的智能远程电能监控系统及监控方法 | |
| CN109885002A (zh) | 一种焊机联网智能监控系统及监控方法 | |
| CN105758541A (zh) | 一种中高压开关柜温度在线监测装置 | |
| CN108767983A (zh) | 一种低压配电设备的微型化智能在线监控装置和监控方法 | |
| CN101290514A (zh) | 节能监控系统及其节能监控方法 | |
| CN208209630U (zh) | 一种低压配电设备的微型化智能在线监控装置和监控系统 | |
| CN208572446U (zh) | 基于物联网的电缆井运行状态在线监测装置 | |
| CN102879050A (zh) | 一种用于直流接地极检测井水位和温度在线监测系统 | |
| CN111931956A (zh) | 一种隔离式监测医疗设备运维的管理系统 | |
| CN206363539U (zh) | 交通信号灯故障预警系统 | |
| CN110108366A (zh) | 一种基于调度网络的点阵红外电缆室测温系统 | |
| CN219421048U (zh) | 一种基于云平台的工业设备动态监测系统 | |
| CN207718635U (zh) | 一种交通信号设施工作状态实时监控系统 | |
| CN208568961U (zh) | 一种基于电力线载波通讯技术的电力线路检测系统 | |
| CN115811129A (zh) | 一种低功耗非直埋城市配电电缆监测系统及方法 | |
| CN112510552A (zh) | 基于图像识别的变电站电气设备异常检测方法及系统 | |
| CN212513008U (zh) | 一种测姿终端 | |
| CN109031063A (zh) | 基于sf6气体绝缘类故障远程监测系统及方法 | |
| CN215217810U (zh) | 一种用于电力系统的传感器装置 | |
| CN212660357U (zh) | 一种路灯自动采集及远程控制装置 | |
| CN107945559A (zh) | 一种交通信号设施工作状态实时监控系统及方法 | |
| CN210570822U (zh) | 一种多模通信温湿度监测设备 | |
| CN209001674U (zh) | 一种电箱智能监控系统 | |
| CN207424153U (zh) | 电感耦合等离子体质谱仪的断电监控系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |