CN112766372A - 基于微气象感知的电力设备状态监测预警方法与系统 - Google Patents
基于微气象感知的电力设备状态监测预警方法与系统 Download PDFInfo
- Publication number
- CN112766372A CN112766372A CN202110070328.0A CN202110070328A CN112766372A CN 112766372 A CN112766372 A CN 112766372A CN 202110070328 A CN202110070328 A CN 202110070328A CN 112766372 A CN112766372 A CN 112766372A
- Authority
- CN
- China
- Prior art keywords
- power equipment
- target power
- early warning
- microclimate
- fault
- 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 45
- 230000008447 perception Effects 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 title claims description 49
- 239000011248 coating agent Substances 0.000 claims description 76
- 238000000576 coating method Methods 0.000 claims description 76
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 3
- 239000012212 insulator Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 9
- 230000007547 defect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000006731 degradation reaction Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000003595 mist Substances 0.000 description 5
- 238000004445 quantitative analysis Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000008014 freezing Effects 0.000 description 3
- 238000007710 freezing Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000002844 melting Methods 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- 238000010309 melting process Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000659 freezing mixture Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请提出一种基于微气象感知的电力设备状态监测预警方法与系统,该方法采用通过双目摄像头形成深度图像识别电力设备外部形貌,并结合微气象感知分析电力设备故障演化过程,对电力设备放电、外部破坏等情况进行预警,为提升我国电力设备在大风、高温、高寒、风雪等天气下的运行安全裕度提供技术支撑。
Description
技术领域
本申请属于电力运检技术领域,涉及基于微气象感知的电力设备状态监测预警方法与系统。
背景技术
电网覆盖范围广阔,在大风、高温、高寒、风雪等天气条件下,输电线路、变电站中各电力设备会受到多种天气因素的影响,发生破坏和放电,影响电力稳定传输。以输电线路绝缘子覆冰闪络为例,研究表明冰闪主要是由绝缘子上覆冰引起的,绝缘子覆冰形态、厚度、融冰状态等对绝缘子冰闪影响较大,因此实时监测绝缘子覆冰对预警预防冰闪事故发生,具有重要的研究意义与实际意义。类似的,异常天气也会导致电力设备发热、大幅振动等现象,而实时的监测对预防发热、覆冰、振动等导致的设备放电、破坏等故障有重要意义。
从已有的设备研究来看,在发生覆冰、发热、振动等情况后,目前采取的手段还往往停留在通过无人机、边缘终端设备观测后再人工判断,或在事故发生后再进行补救,对设备在微气象影响下的事故监测预警研究较少。以高压线路覆冰情况为例,对微气象影响下,绝缘子覆冰闪络、线路脱冰跳跃、线路舞动等情况的预警手段较为匮乏,也缺少对设备覆冰程度的可靠判断标准。传统针对电力设备故障的预警分析方法依赖人工判断,海量的监测数据造成了人工预警效率的低下,实时的微气象分析对于设备状态预警有较高的参考价值。亟待提出基于微气象实时感知与经验函数预测的极端天气状态下电力设备故障预警装置。
发明内容
本发明提供一种基于微气象感知的电力设备状态监测预警方法与系统,通过双目摄像头形成深度图像识别电力设备外部形貌,并结合微气象感知分析电力设备故障演化过程,对电力设备放电、外部破坏等情况进行预警,为提升我国电力设备在大风、高温、高寒、风雪等天气下的运行安全裕度提供技术支撑。
本发明一方面的实施例提供一种基于微气象感知的电力设备状态监测预警方法,包括以下步骤:
S1、实时获取电力设备环境图像,利用训练好的目标识别算法模型,提取图像中的目标电力设备,得到目标电力设备的三维深度图像;
S2、计算所提取目标电力设备的三维深度图像中的坐标,对所述目标电力设备的坐标进行积分,计算相邻两时刻的积分差值,得出目标电力设备的覆冰量;
S3、获取目标电力设备的微气象环境数据,结合得出的覆冰量,判断目标电力设备的当前覆冰类型;
S4、获取目标电力设备的历史故障数据和当前电力数据,根据当前电力数据与历史故障数据的拟合曲线,预测目标电力设备在当前覆冰类型下的潜在故障;根据故障发生的可能性大小发出预警信息。
在本申请提供的基于微气象感知的电力设备状态监测预警方法中,通过图像识别提取二维图像中电力设备目标,通过深度图像计算获取电力设备的三维模型;通过微气象感知结合电力设备形貌动态劣化过程,以及电力设备历史故障数据,推演电力设备故障演化过程,预警电力设备故障缺陷发生的时间与故障程度。方法简单、易于实施,能够有效的对覆冰量进行量化分析,更精准的对故障发生的可能性和变化趋势进行预测,防范于未然,有效提升我国电网企业对覆冰等极端天气条件下的输电线路智能化运维管理水平。
优选的,在S2中,计算所提取目标电力设备的三维深度图像中的坐标,还包括以下步骤:S201、在深度图像成像前对双目摄像头的内参数矩阵与外参数矩阵进行标定,得出相机内外参矩阵;S202、根据得出的相机内外参矩阵,对双目摄像头拍摄的目标电力设备进行立体匹配;S203、根据二维图像坐标与三维图像坐标的对应关系,获得在三维深度图像中目标电力设备的坐标。
在本实施例中,采用双目摄像头获取电力设备的图像信息,相比于普通摄像头只能获取单角度的平面图像,双目摄像头获取的电力设备的图像是多角度图像,方便进行三维深度图像的合成,进而通过图像识别算法提取二维图像中电力设备目标。通过图像立体匹配、数据融合算法得到空间三维深度数据与电力设备三维深度数据,支撑电力设备形貌的计算。
在上述任意一项实施例中优选的,所述S2中,采用如下公式求取相邻两时刻目标电力设备的三维深度图像中的坐标的积分差值:
其中,V1=f(x1,y1,z1)表示前一时刻目标电力设备三维深度图的坐标;V2=f(x2,y2,z2)表示当前时刻目标电力设备三维深度图的坐标。
在本实施例中通过获取三维图像的坐标,进一步利用积分差值算法确定目标电力设备的外部形貌变化大小,根据积分差值的大小把握目标电力设备的外部形貌的变化过程,相比于其他形式的测量方法,能够更准确的对覆冰量进行定量分析,并且无需借助其他测量工具,结构简单,对于各种覆冰类型普遍使用。
在上述任意一项实施例中优选的,在S3中,所述微气象环境数据包括温度值、湿度值、风速值、风向、拉力值和地理位置。
优选的,在S3中,判断目标电力设备的覆冰类型,包括以下方法:
从微气象环境数据中获取温度值、湿度值、风速值结合计算得出的覆冰量;按照预设优先级依次判断是否满足任一覆冰类型的预设阈值范围,所述阈值范围包括温度范围、湿度范围、风速范围和覆冰量范围;
如果温度值、湿度值、风速值和覆冰量均满足同一种覆冰类型的阈值范围,则属于该类型覆冰。
在上述任意一项实施例中优选的,所述覆冰类型,包括以下中任意一种:雨凇、雾凇、混合淞、霜冻、积雪。
在本实施例中,利用积分差值,对覆冰量进行量化,结合多种气象传感器采集的微气象信息,能够对电力设备的覆冰量最终形成的覆冰类型以及覆冰类型的变化趋势,进行准确判断,根据掌握的变化趋势,能及时预防故障的发生。
在上述任意一项实施例中优选的,在S4中,预测目标电力设备在当前覆冰类型下的潜在故障,包括如下方法:根据历史故障数据中提取故障时的放电电压和放电时间,绘制不同覆冰类型的放电电压时间的历史经验曲线;根据当前目标电力设备的电力数据进行曲线拟合,结合当前目标电力设备所属的覆冰类型和当前为气象环境数据,判断当前目标电力设备的拟合曲线与相同覆冰类型下历史经验曲线的拟合度;判断拟合度是否符合预设阈值,若符合预设阈值,根据历史经验曲线的故障,预测当前目标电力设备的潜在故障。
进一步,在S4中,根据如下方法计算故障发生的可能性大小:根据不同覆冰类型的放电电压时间的历史经验曲线,得出目标电力设备的覆冰闪络放电时间,并依据该放电时间对应的放电电压的大小判断放电严重程度,所述放电严重程度与故障发生可能性线性对应,得出故障发生的可能性大小。
在本实施例中,通过多种气象传感器采集微气象信息,结合电力设备形貌动态劣化过程,基于电力设备历史故障数据推演电力设备故障演化过程,预警电力设备故障缺陷发生的时间与故障程度,能及早发现或预防设备故障,防范于未然,避免造成较大的电力事故。
本发明还提供一种基于微气象感知的电力设备状态监测预警系统,包括设备图像计算模块、微气象监测模块、异常故障预警模块;所述设备图像计算模块,包括双目摄像单元和图像计算单元,所述双目摄像单元用于采用双目摄像头实时获取电力设备环境图像;
所述图像计算单元,用于利用内置的目标识别算法模型,对图像中的目标电力设备进行自动提取,得到目标电力设备的三维深度图像;并提取三维深度图像中的目标电力设备的坐标,对所述目标电力设备的坐标进行积分,计算相邻两时刻的积分差值,得出目标电力设备的覆冰量;
所述微气象监测模块用于获取目标电力设备所处的微气象环境数据;
所述异常故障预警模块,包括异常分析单元和故障预警单元;所述异常分析单元用于根据目标电力设备的微气象环境数据,以及得出的覆冰量,判断目标电力设备的当前覆冰类型;
所述故障预警单元,用于获取目标电力设备的历史故障数据和当前电力数据,根据当前电力数据与历史故障数据的拟合曲线,预测目标电力设备在当前覆冰类型下的潜在故障;根据故障发生的可能性大小发出预警信息。
在本申请提供的基于微气象感知的电力设备状态监测预警系统中,设备图像计算模块通过图像识别提取二维图像中电力设备目标,通过深度图像计算获取电力设备的三维模型;通过微气象监测模块进行微气象感知结合电力设备形貌动态劣化过程,以及电力设备历史故障数据,推演电力设备故障演化过程,异常故障预警模块进行预警电力设备故障缺陷发生的时间与故障程度。结构简单,实施方便,能够有效的对覆冰量进行量化分析,更精准的把握故障的变化趋势,有效提升我国电网企业对覆冰等极端天气条件下的输电线路智能化运维管理水平。
优选的,还包括后台预警操作模块,所述后台预警操作模块,用于接收预警信息,并根据接收到的预警信息发出声光警告。
在上述任意一项实施例中优选的,微气象监测模块包括用于获取温度值的温度传感器、用于获取湿度值的湿度传感器、用于获取风速值的风速传感器、用于获取风向的风向传感器、用于获取拉力值的拉力传感器;还包括用于获取地理位置的定位器。
在本实施例中,利用积分差值,对覆冰量进行量化,结合多种气象传感器采集的微气象信息,能够对电力设备的覆冰量最终形成的覆冰类型以及覆冰类型的变化趋势,进行准确判断,根据掌握的变化趋势,能及时预防故障的发生。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本申请实施例提供的一种基于微气象感知的电力设备状态监测预警方法的流程图;
图2为本申请实施例提供的一种基于微气象感知的电力设备状态监测预警系统的结构框图;
图3为本申请另一实施例提供的一种基于微气象感知的电力设备状态监测预警系统的示意图。
图4为本申请另一实施例提供的一种基于微气象感知的电力设备状态监测预警方法的覆冰类型判断流程的示意图。
图5为本申请另一实施例提供的一种基于微气象感知的电力设备状态监测预警方法的不同覆冰类型的放电电压时间的曲线示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
如图1所示,本发明一方面的实施例提供一种基于微气象感知的电力设备状态监测预警方法,包括以下步骤:
S1、实时获取电力设备环境图像,利用训练好的目标识别算法模型,提取图像中的目标电力设备,得到目标电力设备的三维深度图像;
S2、计算所提取目标电力设备的三维深度图像中的坐标,对所述目标电力设备的坐标进行积分,计算相邻两时刻的积分差值,得出目标电力设备的覆冰量;
S3、获取目标电力设备的微气象环境数据,结合得出的覆冰量,判断目标电力设备的当前覆冰类型;
S4、获取目标电力设备的历史故障数据和当前电力数据,根据当前电力数据与历史故障数据的拟合曲线,预测目标电力设备在当前覆冰类型下的潜在故障;根据故障发生的可能性大小发出预警信息。
在本申请提供的基于微气象感知的电力设备状态监测预警方法中,通过图像识别提取二维图像中电力设备目标,通过深度图像计算获取电力设备的三维模型;通过微气象感知结合电力设备形貌动态劣化过程,以及电力设备历史故障数据,推演电力设备故障演化过程,预警电力设备故障缺陷发生的时间与故障程度。方法简单、易于实施,能够有效的对覆冰量进行量化分析,更精准的对故障发生的可能性和变化趋势进行预测,防范于未然,有效提升我国电网企业对覆冰等极端天气条件下的输电线路智能化运维管理水平。
优选的,在S2中,计算所提取目标电力设备的三维深度图像中的坐标,还包括以下步骤:S201、在深度图像成像前对双目摄像头的内参数矩阵与外参数矩阵进行标定,得出相机内外参矩阵;S202、根据得出的相机内外参矩阵,对双目摄像头拍摄的目标电力设备进行立体匹配;S203、根据二维图像坐标与三维图像坐标的对应关系,获得在三维深度图像中目标电力设备的坐标。
在本实施例中,采用双目摄像头获取电力设备的图像信息,相比于普通摄像头只能获取单角度的平面图像,双目摄像头获取的电力设备的图像是多角度图像,方便进行三维深度图像的合成,进而通过图像识别算法提取二维图像中电力设备目标。通过图像立体匹配、数据融合算法得到空间三维深度数据与电力设备三维深度数据,支撑电力设备形貌的计算。
在上述任意一项实施例中优选的,所述S2中,采用如下公式求取当前时刻与前一时刻目标电力设备的三维深度图像中的坐标的积分差值:
其中,V1=f(x1,y1,z1)表示前一时刻目标电力设备三维深度图的坐标;V2=f(x2,y2,z2)表示当前时刻目标电力设备三维深度图的坐标。
在本实施例中通过获取三维图像的坐标,进一步利用积分差值算法确定目标电力设备的外部形貌变化大小,根据积分差值的大小把握目标电力设备的外部形貌的变化过程,相比于其他形式的测量方法,能够更准确的对覆冰量进行定量分析,并且无需借助其他测量工具,结构简单,对于各种覆冰类型普遍使用。
在S3中,所述微气象环境数据包括温度值、湿度值、风速值、风向、拉力值和地理位置。所述覆冰类型包括以下中任意一种:雨凇、雾凇、混合淞、霜冻、积雪。
如图4所示,进一步,判断目标电力设备的覆冰类型,包括以下方法:
从微气象环境数据中获取温度值、湿度值、风速值结合计算得出的覆冰量;按照预设优先级依次判断是否满足任一覆冰类型的预设阈值范围,所述阈值范围包括温度范围、湿度范围、风速范围和覆冰量范围;
如果温度值、湿度值、风速值和覆冰量均满足同一种覆冰类型的阈值范围,则属于该类型覆冰。
首先根据已有研究,设定雨凇、雾凇、混合淞、霜冻对应的微气象条件中温度、湿度、风速的范围,用t、h、s分别代表温度、湿度、风速的数值,不同覆冰类型对应的微气象条件的数值范围如下表1所示:
覆冰类型 | 温度 | 湿度 | 风速 |
雾凇 | t<sub>1</sub><t<t<sub>2</sub> | h<sub>1</sub><h<h<sub>2</sub> | s<sub>1</sub><s<s<sub>2</sub> |
混合淞 | t<sub>3</sub><t<t<sub>4</sub> | h<sub>3</sub><h<h<sub>4</sub> | s<sub>3</sub><s<s<sub>4</sub> |
雨凇 | t<sub>5</sub><t<t<sub>6</sub> | h<sub>5</sub><h<h<sub>6</sub> | s<sub>5</sub><s<s<sub>6</sub> |
霜冻 | t<sub>7</sub><t<t<sub>8</sub> | h<sub>7</sub><h<h<sub>8</sub> | s<sub>7</sub><s<s<sub>8</sub> |
表1、覆冰类型判断表
当实际测得的微气象条件数值t0、h0、s0都与某一种覆冰类型吻合时,则容易得出覆冰类型。当t0、h0、s0分别与不同覆冰类型对应的指标范围吻合,则以湿度>温度>风速的优先级别对覆冰类型进行判断,其判断覆冰类型的流程如图4所示。
在本实施例中,利用积分差值,对覆冰量进行量化,结合多种气象传感器采集的微气象信息,能够对电力设备的覆冰量最终形成的覆冰类型以及覆冰类型的变化趋势,进行准确判断,根据掌握的变化趋势,能及时预防故障的发生。
如图5所示,在上述任意一项实施例中优选的,在S4中,预测目标电力设备在当前覆冰类型下的潜在故障,包括如下方法:
S401、根据历史故障数据中提取故障时的放电电压和放电时间,绘制不同覆冰类型的放电电压时间的历史经验曲线;
S402、根据当前目标电力设备的电力数据进行曲线拟合,结合当前目标电力设备所属的覆冰类型和当前为气象环境数据,判断当前目标电力设备的拟合曲线与相同覆冰类型下历史经验曲线的拟合度;
S403、判断拟合度是否符合预设阈值,若符合预设阈值,根据历史经验曲线的故障,预测当前目标电力设备的潜在故障。
还包括S405中,根据如下方法计算故障发生的可能性大小:根据不同覆冰类型的放电电压时间的历史经验曲线,得出目标电力设备的覆冰闪络放电时间,并依据该放电时间对应的放电电压的大小判断放电严重程度,所述放电严重程度与故障发生可能性线性对应,得出故障发生的可能性大小。
在本实施例中,通过多种气象传感器采集微气象信息,结合电力设备形貌动态劣化过程,基于电力设备历史故障数据推演电力设备故障演化过程,预警电力设备故障缺陷发生的时间与故障程度,能及早发现或预防设备故障,防范于未然,避免造成较大的电力事故。
需要说明的是,所述气象状态监测传感器包括以下传感器中的一种或几种:温度传感器、湿度传感器与风速传感器。所述异常运行情况为覆冰类型包括以下中任意一种:雨凇、雾凇、混合淞、霜冻、积雪。
如图3所示,下面将以具体实施例说明,图中,1为被监测绝缘子、2为双目与微气象感知预警装置、3为后台电网预警中心。
以220kV线路绝缘子的覆冰监测预警为例,本发明通过以下步骤所述技术方案实现上述目的:
首先,利用双目摄像头,对准输电线路中的绝缘子位置,如下图3所示,记录绝缘子的图像数据,并将图像数据存储在存储介质中;
然后,利用训练好的目标识别算法模型对图像数据进行绝缘子的图像提取,进而获得绝缘子三维深度图像中的坐标(x,y,z)。
需要说明的是,需要事先对双目摄像头拍摄的绝缘子进行标注,训练目标识别算法模型,实现拍摄图像中绝缘子目标的自动提取,算法部署在监测装置中,通过处理器与图形计算卡运算目标识别模型。
在深度图像成像前,首先对双目摄像头的内参数矩阵与外参数矩阵进行标定。获得相机内外参矩阵后,对双目摄像头拍摄的绝缘子图像进行立体匹配,形成二维图像坐标与三维图像坐标的对应关系。进而获得绝缘子三维深度图像中的坐标(x,y,z),则覆冰前后绝缘子三维深度图的坐标表示如下:
V1=f(x1,y1,z1) (公式1)
V2=f(x2,y2,z2) (公式2)
通过上式求得绝缘子覆冰前后外表三维积分之差,即为覆冰量。
然后,动态记录温度、湿度、风速微气象传感器数据,分析绝缘子上的覆冰类型(雨凇、雾凇、混合淞、霜冻等)。并根据微气象传感器的动态数据及摄像头记录的光照信息,结合不同覆冰类型的融化规律,判断绝缘子覆冰的动态融化过程。
根据覆冰形成过程,雨凇的判断,如果降水类型出现降雨,并且温度在0至-6度,风速0-20m/s覆冰量比重0.8-0.92,则考虑形成的覆冰类型是雨凇,由于雨凇由冻雨或雨夹雪天气形成,平滑冻结层,冷风加速冻结,粘附力强无风或不规则风时,形成的是环绕绝缘子伞盘的均匀覆冰,通常形成悬挂冰柱。
雾凇如果降水类型出现雾,根据雾气的稀薄,可以进一步分类为软雾凇和硬雾凇;如果是薄雾,且温度在-5至-25度,风速0-5m/s覆冰量比重0.1-0.6,则考虑形成的覆冰类型是软雾凇,如果是浓雾,且温度在-3至-8度,风速5-10m/s覆冰量比重0.5-0.8。
由于雾凇由过冷云雾和极小水粒冻结形成的沉淀物,软雾凇呈蓬松状,白色结晶颗粒,常发生在西部冬季,会充塞包裹整个绝缘子串。硬雾凇由小水粒冻结堆积而成,附着力较大。
其次,根据预判的绝缘子覆冰动态融化过程,结合绝缘子覆冰闪络经验数据,预判绝缘子覆冰闪络放电时间及放电严重程度,根据预判结果进行预警。
最后,根据的闪络放电预警情况,形成文本记录数据,通过监测装置的通信单元发送至电网公司的预警中心。不同的覆冰类型在融冰过程中,闪络放电电压随着时间推移会有变化,其经验数据如下图的放电曲线所示。横轴为时间,纵轴为放电电压。不同覆冰类型对应的放电电压-时间曲线不一样。同时,下图中放电电压曲线的陡度随着覆冰量、环境温度、风速等因素的变化而变化。根据微气象记录的环境条件以及覆冰类型、覆冰量,通过查阅相应的放电电压-时间经验曲线,可推测绝缘子覆冰闪络放电时间,并依据放电电压的大小判断放电严重程度,实现故障预判与预警。
如图2所示,本发明还提供一种基于微气象感知的电力设备状态监测预警系统,用于实施上述方法,包括设备图像计算模块、微气象监测模块、异常故障预警模块和后台预警操作模块;需要说明的是,本申请中设备图像计算模块、微气象监测模块、异常故障预警模块集成在目标电力设备一端。后台预警操作模块设置在后台控制中心;异常故障预警模块和后台预警操作模块之间通过有线或无线的形式进行通信,发送报警信息。
包括设备图像计算模块、微气象监测模块、异常故障预警模块;所述设备图像计算模块,包括双目摄像单元和图像计算单元,所述双目摄像单元用于采用双目摄像头实时获取电力设备环境图像;
所述图像计算单元,用于利用内置的目标识别算法模型,对图像中的目标电力设备进行自动提取,得到目标电力设备的三维深度图像;并提取三维深度图像中的目标电力设备的坐标,对所述目标电力设备的坐标进行积分,计算相邻两时刻的积分差值,得出目标电力设备的覆冰量;
所述微气象监测模块用于获取目标电力设备所处的微气象环境数据;
所述异常故障预警模块,包括异常分析单元和故障预警单元;所述异常分析单元用于根据目标电力设备的微气象环境数据,以及得出的覆冰量,判断目标电力设备的当前覆冰类型;
所述故障预警单元,用于获取目标电力设备的历史故障数据和当前电力数据,根据当前电力数据与历史故障数据的拟合曲线,预测目标电力设备在当前覆冰类型下的潜在故障;根据故障发生的可能性大小发出预警信息。
在本申请提供的基于微气象感知的电力设备状态监测预警系统中,设备图像计算模块通过图像识别提取二维图像中电力设备目标,通过深度图像计算获取电力设备的三维模型;通过微气象监测模块进行微气象感知结合电力设备形貌动态劣化过程,以及电力设备历史故障数据,推演电力设备故障演化过程,异常故障预警模块进行预警电力设备故障缺陷发生的时间与故障程度。结构简单,实施方便,能够有效的对覆冰量进行量化分析,更精准的把握故障的变化趋势,有效提升我国电网企业对覆冰等极端天气条件下的输电线路智能化运维管理水平。
还包括后台预警操作模块,所述后台预警操作模块,用于接收预警信息,并根据接收到的预警信息发出声光警告。
在上述任意一项实施例中优选的,微气象监测模块包括用于获取温度值的温度传感器、用于获取湿度值的湿度传感器、用于获取风速值的风速传感器、用于获取风向的风向传感器、用于获取拉力值的拉力传感器;还包括用于获取地理位置的定位器。
在本申请提供的基于微气象感知的电力设备状态监测预警系统中,设备图像计算模块通过图像识别提取二维图像中电力设备目标,通过深度图像计算获取电力设备的三维模型;通过微气象监测模块进行微气象感知结合电力设备形貌动态劣化过程,以及电力设备历史故障数据,推演电力设备故障演化过程,异常故障预警模块进行预警电力设备故障缺陷发生的时间与故障程度。结构简单,实施方便,能够有效的对覆冰量进行量化分析,更精准的把握故障的变化趋势,有效提升我国电网企业对覆冰等极端天气条件下的输电线路智能化运维管理水平。
优选的,所述图像计算单元在计算当前时刻与前一时刻目标电力设备的三维深度图像中的坐标的积分差值时,采用如下公式:
其中,V1=f(x1,y1,z1)表示前一时刻目标电力设备三维深度图的坐标;V2=f(x2,y2,z2)表示当前时刻目标电力设备三维深度图的坐标。
需要说明的是,在深度图像成像前对双目摄像头的内参数矩阵与外参数矩阵进行标定,得出相机内外参矩阵;根据得出的相机内外参矩阵,对双目摄像头拍摄的目标电力设备进行立体匹配;根据二维图像坐标与三维图像坐标的对应关系,获得在三维深度图像中目标电力设备的坐标。
根据获取的电力设备历史故障数据和预判的目标电力设备的覆冰动态融化过程,分析得出不同覆冰类型下目标电力设备的覆冰闪络经验数据;根据当前目标电力设备的异常运行数据,结合覆冰闪络经验数据,预判绝缘子覆冰闪络放电时间及放电严重程度,根据预判结果预测故障发生的可能性。
在本实施例中,利用积分差值,对覆冰量进行量化,结合多种气象传感器采集的微气象信息,能够对电力设备的覆冰量最终形成的覆冰类型以及覆冰类型的变化趋势,进行准确判断,根据掌握的变化趋势,能及时预防故障的发生。
利用温度传感单元、湿度传感单元与风速传感单元记录电力设备所处的微气象条件,并实时记录特定气象条件下电力设备的异常运行情况,如大风、高温、风雪下的电力设备振动、受热膨胀、覆冰等情况。结合电力设备历史故障数据,分析异常微气象条件下的电力设备的潜在故障,推演设备故障发展演化的可能性。并结合微气象条件对发生可能性较高的故障进行预警。后台警示单元收到故障预警单元的信息后,在后台控制中心发出声光警告。设备操作单元对相应电力设备发出操作信号,控制继电保护、消缺装置等装置进行工作;通过引入双目摄像头三维成像、图像识别等人工智能技术,结合微气象感知、历史故障数据分析,提出一种智能化、高灵敏、实时性的基于深度图像与微气象感知的严酷气象条件下的电力设备状态监测预警装置,支撑电力设备安全管控技术的研究。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (10)
1.一种基于微气象感知的电力设备状态监测预警方法,其特征在于,包括以下步骤:
S1、实时获取电力设备环境图像,利用训练好的目标识别算法模型,提取图像中的目标电力设备,得到目标电力设备的三维深度图像;
S2、计算所提取目标电力设备的三维深度图像中的坐标,对所述目标电力设备的坐标进行积分,计算相邻两时刻的积分差值,得出目标电力设备的覆冰量;
S3、获取目标电力设备的微气象环境数据,结合得出的覆冰量,判断目标电力设备的当前覆冰类型;
S4、获取目标电力设备的历史故障数据和当前电力数据,根据当前电力数据与历史故障数据的拟合曲线,预测目标电力设备在当前覆冰类型下的潜在故障;根据故障发生的可能性大小发出预警信息。
2.根据权利要求1所述的基于微气象感知的电力设备状态监测预警方法,其特征在于,在S2中,采用以下步骤计算所提取目标电力设备的三维深度图像中的坐标:
S201、在深度图像成像前对双目摄像头的内参数矩阵与外参数矩阵进行标定,得出相机内外参矩阵;
S202、根据得出的相机内外参矩阵,对双目摄像头拍摄的目标电力设备进行立体匹配;
S203、根据二维图像坐标与三维图像坐标的对应关系,获得在三维深度图像中目标电力设备的坐标。
4.根据权利要求1所述的基于微气象感知的电力设备状态监测预警方法,其特征在于,所述微气象环境数据包括温度值、湿度值、风速值、风向、拉力值和地理位置。
5.根据权利要求4所述的基于微气象感知的电力设备状态监测预警方法,其特征在于,在S3中,判断目标电力设备的覆冰类型,包括以下方法:
从微气象环境数据中获取温度值、湿度值、风速值结合计算得出的覆冰量;按照预设优先级依次判断是否满足任一覆冰类型的预设阈值范围,所述阈值范围包括温度范围、湿度范围、风速范围和覆冰量范围;
如果温度值、湿度值、风速值和覆冰量均满足同一种覆冰类型的阈值范围,则属于该类型覆冰。
6.根据权利要求1所述的基于微气象感知的电力设备状态监测预警方法,其特征在于,在S4中,预测目标电力设备在当前覆冰类型下的潜在故障,包括如下方法:
根据历史故障数据中提取故障时的放电电压和放电时间,绘制不同覆冰类型的放电电压时间的历史经验曲线;
根据当前目标电力设备的电力数据进行曲线拟合,结合当前目标电力设备所属的覆冰类型和当前为气象环境数据,判断当前目标电力设备的拟合曲线与相同覆冰类型下历史经验曲线的拟合度;
判断拟合度是否符合预设阈值,若符合预设阈值,根据历史经验曲线的故障,预测当前目标电力设备的潜在故障。
7.根据权利要求6所述的基于微气象感知的电力设备状态监测预警方法,其特征在于,在S4中,根据如下方法计算故障发生的可能性大小:
根据不同覆冰类型的放电电压时间的历史经验曲线,得出目标电力设备的覆冰闪络放电时间,并依据该放电时间对应的放电电压的大小判断放电严重程度,所述放电严重程度与故障发生可能性线性对应,得出故障发生的可能性大小。
8.一种基于微气象感知的电力设备状态监测预警系统,其特征在于,包括设备图像计算模块、微气象监测模块、异常故障预警模块;
所述设备图像计算模块,包括双目摄像单元和图像计算单元,所述双目摄像单元用于采用双目摄像头实时获取电力设备环境图像;
所述图像计算单元,用于利用内置的目标识别算法模型,对图像中的目标电力设备进行自动提取,得到目标电力设备的三维深度图像;并提取三维深度图像中的目标电力设备的坐标,对所述目标电力设备的坐标进行积分,计算相邻两时刻的积分差值,得出目标电力设备的覆冰量;
所述微气象监测模块用于获取目标电力设备所处的微气象环境数据;
所述异常故障预警模块,包括异常分析单元和故障预警单元;所述异常分析单元用于根据目标电力设备的微气象环境数据,以及得出的覆冰量,判断目标电力设备的当前覆冰类型;
所述故障预警单元,用于获取目标电力设备的历史故障数据和当前电力数据,根据当前电力数据与历史故障数据的拟合曲线,预测目标电力设备在当前覆冰类型下的潜在故障;根据故障发生的可能性大小发出预警信息。
9.根据权利要求8所述的基于微气象感知的电力设备状态监测预警系统,其特征在于,还包括后台预警操作模块,所述后台预警操作模块,用于接收预警信息,并根据接收到的预警信息发出声光警告。
10.根据权利要求8所述的基于微气象感知的电力设备状态监测预警系统,其特征在于,所述微气象监测模块包括以下传感器中任意一种或多种:
用于获取温度值的温度传感器、用于获取湿度值的湿度传感器、用于获取风速值的风速传感器、用于获取风向的风向传感器、用于获取拉力值的拉力传感器;还包括用于获取地理位置的定位器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070328.0A CN112766372A (zh) | 2021-01-19 | 2021-01-19 | 基于微气象感知的电力设备状态监测预警方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070328.0A CN112766372A (zh) | 2021-01-19 | 2021-01-19 | 基于微气象感知的电力设备状态监测预警方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112766372A true CN112766372A (zh) | 2021-05-07 |
Family
ID=75703201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110070328.0A Pending CN112766372A (zh) | 2021-01-19 | 2021-01-19 | 基于微气象感知的电力设备状态监测预警方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766372A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232591A (zh) * | 2020-11-02 | 2021-01-15 | 国网湖南省电力有限公司 | 基于气象因素的覆冰厚度智能预警方法 |
CN113642234A (zh) * | 2021-08-09 | 2021-11-12 | 贵州电网有限责任公司 | 一种基于多源特征时间卷积深度学习的电网覆冰预测方法 |
CN114445850A (zh) * | 2021-12-10 | 2022-05-06 | 国网甘肃省电力公司电力科学研究院 | 基于深度图像的电力生产人员安全监测方法 |
CN115087003A (zh) * | 2022-07-14 | 2022-09-20 | 安徽电信规划设计有限责任公司 | 一种基于5g网络的基站智能巡视方法和系统 |
CN115525080A (zh) * | 2022-11-23 | 2022-12-27 | 北京昆仑海岸科技股份有限公司 | 一种基于温度监测的防结冰控制方法及系统 |
CN116256592A (zh) * | 2022-11-28 | 2023-06-13 | 国网山东省电力公司德州供电公司 | 一种中压配电电缆潜伏性故障检测方法及系统 |
CN117783769A (zh) * | 2024-02-28 | 2024-03-29 | 国网山西省电力公司太原供电公司 | 基于可视平台的配电网络故障定位方法、系统、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102927949A (zh) * | 2012-09-07 | 2013-02-13 | 浙江工业大学 | 基于多元物理量数学模型的输电线路覆冰预测方法 |
CN105675055A (zh) * | 2016-01-26 | 2016-06-15 | 云南电网有限责任公司电力科学研究院 | 一种输电线路覆冰预测预警的方法与系统 |
CN106033556A (zh) * | 2015-03-16 | 2016-10-19 | 国家电网公司 | 一种电网微气象灾害监测预警系统及其预警方法 |
CN108036731A (zh) * | 2017-12-26 | 2018-05-15 | 国家电网公司 | 电缆覆冰监测方法及系统 |
CN110210002A (zh) * | 2019-05-21 | 2019-09-06 | 国网湖北省电力有限公司 | 一种输电线覆冰预警算法 |
CN110702015A (zh) * | 2019-09-26 | 2020-01-17 | 中国南方电网有限责任公司超高压输电公司曲靖局 | 输电线路覆冰厚度测量方法及装置 |
CN111753712A (zh) * | 2020-06-22 | 2020-10-09 | 中国电力科学研究院有限公司 | 电力生产人员安全监测方法、系统以及设备 |
CN112232591A (zh) * | 2020-11-02 | 2021-01-15 | 国网湖南省电力有限公司 | 基于气象因素的覆冰厚度智能预警方法 |
-
2021
- 2021-01-19 CN CN202110070328.0A patent/CN112766372A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102927949A (zh) * | 2012-09-07 | 2013-02-13 | 浙江工业大学 | 基于多元物理量数学模型的输电线路覆冰预测方法 |
CN106033556A (zh) * | 2015-03-16 | 2016-10-19 | 国家电网公司 | 一种电网微气象灾害监测预警系统及其预警方法 |
CN105675055A (zh) * | 2016-01-26 | 2016-06-15 | 云南电网有限责任公司电力科学研究院 | 一种输电线路覆冰预测预警的方法与系统 |
CN108036731A (zh) * | 2017-12-26 | 2018-05-15 | 国家电网公司 | 电缆覆冰监测方法及系统 |
CN110210002A (zh) * | 2019-05-21 | 2019-09-06 | 国网湖北省电力有限公司 | 一种输电线覆冰预警算法 |
CN110702015A (zh) * | 2019-09-26 | 2020-01-17 | 中国南方电网有限责任公司超高压输电公司曲靖局 | 输电线路覆冰厚度测量方法及装置 |
CN111753712A (zh) * | 2020-06-22 | 2020-10-09 | 中国电力科学研究院有限公司 | 电力生产人员安全监测方法、系统以及设备 |
CN112232591A (zh) * | 2020-11-02 | 2021-01-15 | 国网湖南省电力有限公司 | 基于气象因素的覆冰厚度智能预警方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112232591A (zh) * | 2020-11-02 | 2021-01-15 | 国网湖南省电力有限公司 | 基于气象因素的覆冰厚度智能预警方法 |
CN113642234A (zh) * | 2021-08-09 | 2021-11-12 | 贵州电网有限责任公司 | 一种基于多源特征时间卷积深度学习的电网覆冰预测方法 |
CN114445850A (zh) * | 2021-12-10 | 2022-05-06 | 国网甘肃省电力公司电力科学研究院 | 基于深度图像的电力生产人员安全监测方法 |
CN114445850B (zh) * | 2021-12-10 | 2024-08-20 | 国网甘肃省电力公司电力科学研究院 | 基于深度图像的电力生产人员安全监测方法 |
CN115087003A (zh) * | 2022-07-14 | 2022-09-20 | 安徽电信规划设计有限责任公司 | 一种基于5g网络的基站智能巡视方法和系统 |
CN115087003B (zh) * | 2022-07-14 | 2022-11-08 | 安徽电信规划设计有限责任公司 | 一种基于5g网络的基站智能巡视方法和系统 |
CN115525080A (zh) * | 2022-11-23 | 2022-12-27 | 北京昆仑海岸科技股份有限公司 | 一种基于温度监测的防结冰控制方法及系统 |
CN116256592A (zh) * | 2022-11-28 | 2023-06-13 | 国网山东省电力公司德州供电公司 | 一种中压配电电缆潜伏性故障检测方法及系统 |
CN116256592B (zh) * | 2022-11-28 | 2023-09-26 | 国网山东省电力公司德州供电公司 | 一种中压配电电缆潜伏性故障检测方法及系统 |
CN117783769A (zh) * | 2024-02-28 | 2024-03-29 | 国网山西省电力公司太原供电公司 | 基于可视平台的配电网络故障定位方法、系统、设备及存储介质 |
CN117783769B (zh) * | 2024-02-28 | 2024-05-10 | 国网山西省电力公司太原供电公司 | 基于可视平台的配电网络故障定位方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766372A (zh) | 基于微气象感知的电力设备状态监测预警方法与系统 | |
CN104614783A (zh) | 一种对电力系统输电杆塔周边环境的气象风险确定方法 | |
CN113344735B (zh) | 电网设备的防灾减灾监测预警系统 | |
CN116127855A (zh) | 一种电网覆冰灾害风险判断方法及相关设备 | |
CN104361535A (zh) | 一种输电线路覆冰状态评估方法 | |
CN116050599A (zh) | 一种线路覆冰故障预测方法、系统、存储介质及设备 | |
CN112653242B (zh) | 一种基于云平台服务的输电线路监测系统 | |
CN111596157B (zh) | 一种电力系统故障情况预测方法、装置、系统及存储介质 | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN114241292A (zh) | 基于智能网关的输电线路覆冰监测方法和装置 | |
CN117353460A (zh) | 一种电力线路巡检方法、装置、设备及介质 | |
CN117132119A (zh) | 一种基于5g切片网络的电力线路巡检方法、系统及存储介质 | |
CN109740797B (zh) | 一种基于条件概率的电力设备缺陷事件预警方法 | |
CN117093943A (zh) | 一种用电量监测预警方法及装置 | |
CN116362389A (zh) | 线路覆冰厚度预测方法和装置 | |
CN104036427A (zh) | 一种基于气象参数的冰冻灾害中电网供电可靠性评估方法 | |
CN112949920B (zh) | 一种基于观冰代表站数据的区域覆冰预测及预警方法 | |
CN108510098B (zh) | 基于卫星遥感的输电线路走廊雪深估算与预警方法及系统 | |
CN110649505B (zh) | 输电线路覆冰的立体式监测方法及装置 | |
CN109740900A (zh) | 电力设备的防汛方法及装置 | |
CN104615868B (zh) | 一种输电线路覆冰有无判别和覆冰厚度预报方法 | |
CN114446025A (zh) | 一种电缆箱盒内部环境监控方法、系统、存储介质及设备 | |
CN112054594A (zh) | 一种配电站智能状态监测系统 | |
CN109118731B (zh) | 输电线路覆冰雪监测预警方法及系统 | |
CN113640624A (zh) | 一种输电线路绝缘缺陷预放电风险预警系统及方法 |
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 |