CN112862921B - 一种电网分布图像绘制方法 - Google Patents
一种电网分布图像绘制方法 Download PDFInfo
- Publication number
- CN112862921B CN112862921B CN202110243841.5A CN202110243841A CN112862921B CN 112862921 B CN112862921 B CN 112862921B CN 202110243841 A CN202110243841 A CN 202110243841A CN 112862921 B CN112862921 B CN 112862921B
- Authority
- CN
- China
- Prior art keywords
- image
- marker
- node
- distribution
- nodes
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000003550 marker Substances 0.000 claims abstract description 143
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000010586 diagram Methods 0.000 claims description 48
- 230000000007 visual effect Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种电网分布图像绘制方法。所述方法包括：采集待绘制区域的遥感地理图像，所述遥感地理图像是亚米级分辨率的图像；获取系统数据库中标志物节点的地理坐标数据；所述标志物节点为发电站、变电站以及塔杆；根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记；根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像。本申请提供的技术方案中，使用地理遥感图像作为电网分布图绘制的基础，能够准确反映电网分布与自然环境之间的关联，保证了电网绘制的效率和准确率。
Description
技术领域
本申请涉及电力电网绘制领域，尤其涉及一种电网分布图像绘制方法。
背景技术
绘制电网分布图是监管检测电网分布的有效手段。配电网结构包括发电站、变电站、输送线路等主要节点，一般需要在电网分布图中将节点之间的连接关系绘制清楚。
传统的电网分布图绘制方法主要是将上述节点已知的地理坐标信息直接导入电网系统中，形成电网各节点在地理上关联关系的矢量地图，得到最终的电网分布图。
但在实际应用过程中，使用上述方法绘制出的电网分布图，存在电网与真实自然环境的联系比较薄弱的问题，不能反映电网在自然环境中的真实形态与分布。
发明内容
本申请提供一种电网分布图像绘制方法，以解决传统绘制方法电网与真实自然环境联系薄弱的问题。
本申请提供一种电网分布图像绘制方法，包括：
采集待绘制区域的遥感地理图像，所述遥感地理图像是亚米级分辨率的图像；
获取系统数据库中标志物节点的地理坐标数据；所述标志物节点为发电站、变电站以及塔杆；
根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记；
根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像。
可选的，采集待绘制区域的遥感地理图像的步骤包括：
使用多传感器融合采集法，收集待绘制区域内发射或反射的电磁波的大小，形成区域内电磁波数据；所述多传感器为航空摄影、航空扫描或微波雷达中的一种或几种；
对收集到的区域内电磁波数据进行数模转换；
对数模转换后的区域内电磁波数据进行编码，生成遥感地理图像，保存至系统数据库中。
可选的，获取系统数据库中标志物节点的地理坐标数据步骤中，所述地理坐标数据由以下步骤生成：
获取所述标志物节点的初始地理坐标；
通过坐标系变换方法，将所述初始地理坐标所属的坐标系转换至与所述遥感地理图像一致的坐标系；
根据所述初始地理坐标根据转换后的坐标系生成所述标志物节点的地理坐标数据；
将所述标志物节点的地理坐标数据保存至所述系统数据库中。
可选的，获取系统数据库中标志物节点的地理坐标数据步骤中，还包括：
获取参考航空影像；
根据参考航空影像，得到所述标志物节点的主要形态以及不同地图尺度下的具体形状；
将所述标志物节点的主要形态以及不同地图尺度下的具体形状保存至所述系统数据库中。
可选的，根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记的步骤包括：
使用跳跃连接的编解码器模型对所述遥感地理图像进行多尺度特征提取，形成每个尺度的特征图；
将提取到的特征图输入至视觉注意网络模型，生成目标区域图；
将所述目标区域图及地理坐标数据输入至显著性分析模型，得到所述标志物节点的估计位置数据；
将所述标志物节点的估计位置数据输入至显著性主动轮廓模型，得到所述标志物节点的轮廓；
对得到的所述标志物节点的轮廓使用矩形框标记，以对所述标志物节点进行区分；
从所述系统数据库获取所述标志物节点的主要形态以及不同地图尺度下的具体形状；
根据所述标志物节点的主要形态以及不同地图尺度下的具体形状，对矩形框标记的所述标志物节点进行识别，得到所述标志物节点的种类是发电站、变电站或塔杆。
可选的，所述方法还包括视觉注意网络模型的构建，具体步骤如下：
建立一个分类分支和一个回归分支，形成视觉注意网络模型；
使用混合损失函数训练所述视觉注意网络模型；所述混合损失函数是注意损失、分类损失和回归损失的加权和。
可选的，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤包括：
从所述遥感地理图像中选取特征线条训练区；
使用图像分类法对所述特征线条训练区进行训练，以建立分类标准；
使用所述分类标准对所述遥感地理图像进行分类，以形成所述标志物节点之间的连线；
对分类后的遥感地理图像进行拓扑结构的构建，得到电网拓扑结构；所述电网拓扑结构包括主网拓扑结构图以及配电网拓扑结构图；所述主网拓扑结构图是包括所述标志物节点以及主网设备节点的图像；所述配电网拓扑结构图是包括所述标志物节点以及配电网设备节点的图像。
可选的，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤还包括：
识别所述遥感地理图像中的主网设备，形成所述主网设备节点；
根据所述主网设备节点与输电线路的连接关系，在所述主网拓扑结构图中绘制所述主网设备节点之间的连线；
根据所述标志物节点以及主网设备节点之间的从属关系，在所述主网拓扑结构图中绘制所述标志物节点以及所述主网设备节点之间的连线；
根据主网场站之间的连接关系，在所述主网拓扑结构图中绘制所述主网场站与输电线路之间的连线；形成主网分布图像。
可选的，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤还包括：
识别所述遥感地理图像中的配电网设备，形成所述配电网设备节点；
根据所述配电网设备节点与其所属馈线的连接关系，在所述配电网拓扑结构图中绘制所述配电网设备节点之间的连线；
通过所述配电网设备节点与其所属馈线的从属关系，得到所述配电网设备节点与所述标志物节点之间的从属关系，在所述配电网拓扑结构图中绘制所述配电网设备节点以及所述标志物节点之间的连线，形成配电网分布图像。
可选的，所述方法还包括：
根据所述地理坐标数据，对所述主网分布图像以及配电网分布图像进行等级划分；
使用色标对等级划分后的所述主网分布图像以及配电网分布图像进行标记区分；以对所述主网分布图像以及配电网分布图像进行校正。
由以上技术方案可知，本申请提供一种电网分布图像绘制方法。所述方法包括：采集待绘制区域的遥感地理图像，所述遥感地理图像是亚米级分辨率的图像；获取系统数据库中标志物节点的地理坐标数据；所述标志物节点为发电站、变电站以及塔杆；根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记；根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像。本申请提供的技术方案中，使用地理遥感图像作为电网分布图绘制的基础，能够准确反映电网分布与自然环境之间的关联，保证了电网绘制的效率和准确率。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请电网分布图像绘制方法流程示意图；
图2为本申请遥感地理图像获取流程示意图；
图3为本申请实施例地理坐标数据生成流程示意图；
图4为本申请实施例对标志物节点标记流程示意图；
图5为本申请实施例拓扑结构图构建流程示意图；
图6为本申请实施例主网分布图形成流程示意图；
图7为本申请实施例配电网分布图形成流程示意图。
具体实施方式
下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1，为本申请电网分布图像绘制方法流程示意图。由图1可知，本申请提供的电网分布图像绘制方法，包括以下步骤：
S1：采集待绘制区域的遥感地理图像，所述遥感地理图像是亚米级分辨率的图像。
在实际应用中，遥感影像是记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。参见图2，为本申请遥感地理图像获取流程示意图。由图2可知，本申请使用的遥感地理图像，具体获取步骤如下：
S101：使用多传感器融合采集法，收集待绘制区域内发射或反射的电磁波的大小，形成区域内电磁波数据；所述多传感器为航空摄影、航空扫描或微波雷达中的一种或几种；
S102：对收集到的区域内电磁波数据进行数模转换；
S103：对数模转换后的区域内电磁波数据进行编码，生成遥感地理图像，保存至系统数据库中。
在本实施例中，采用多传感器融合采集的方式，采集到的遥感图像准确性更高。通过主动或被动的方式收集地物发射反射的电磁波的大小，能够更加准确的反映待绘制区域的地理情况。所采用的多传感器可以是航空摄影、航空扫描或微波雷达中的一种或几种，在实际应用中，所述多传感器的种类也可以根据实际需要进行设计。亚米级分辨率的遥感地理图像，也能进一步地增加图像的准确性。
S2：获取系统数据库中标志物节点的地理坐标数据；所述标志物节点为发电站、变电站以及塔杆。
在实际应用中，将发电站、变电站以及塔杆等地理标志物作为标志物节点，并在地理遥感图像上对标志物节点进行标记，能够起到标识的作用，便于后续的进一步绘制。
参见图3，为本申请实施例地理坐标数据生成流程示意图。由图3可知，获取系统数据库中标志物节点的地理坐标数据步骤中，所述地理坐标数据由以下步骤生成：
S201：获取所述标志物节点的初始地理坐标；
S202：通过坐标系变换方法，将所述初始地理坐标所属的坐标系转换至与所述遥感地理图像一致的坐标系；
S203：根据所述初始地理坐标根据转换后的坐标系生成所述标志物节点的地理坐标数据；
S204：将所述标志物节点的地理坐标数据保存至所述系统数据库中。
在本实施例中，所述标志物节点的初始地理坐标可以是经纬度地理坐标。通过坐标系变化方法，能够使得所述标志物节点的坐标适用于遥感地理图像，便于标志物节点的确定。在实际应用中，坐标系变换可以采用高斯投影换算的方法进行转换，本申请不作具体限定。
进一步地，为了便于在遥感地理图像中对所述标志物节点的种类进行区分，本申请获取系统数据库中标志物节点的地理坐标数据步骤中，还包括：
S205：获取参考航空影像；
S206：根据参考航空影像，得到所述标志物节点的主要形态以及不同地图尺度下的具体形状；
S207：将所述标志物节点的主要形态以及不同地图尺度下的具体形状保存至所述系统数据库中。
在本实施例中，所述参考航空影像记载有所述标志物节点，通过所述参考航空影像，可以获知所述标志物节点的形态形状等特性，这些特性可以用于进一步的区分所述标志物节点的种类。
S3：根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记。
在实际应用中，对标志物节点进行标记，能够在遥感地理图像中，对标志物节点与其他物体产生区分，避免其他物体对电网分布绘制产生干扰。
参见图4，为本申请实施例对标志物节点标记流程示意图。由图4可知，具体的，根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记的步骤包括：
S301：使用跳跃连接的编解码器模型对所述遥感地理图像进行多尺度特征提取，形成每个尺度的特征图；
S302：将提取到的特征图输入至视觉注意网络模型，生成目标区域图；
S303：将所述目标区域图及地理坐标数据输入至显著性分析模型，得到所述标志物节点的估计位置数据；
S304：将所述标志物节点的估计位置数据输入至显著性主动轮廓模型，得到所述标志物节点的轮廓；
S305：对得到的所述标志物节点的轮廓使用矩形框标记，以对所述标志物节点进行区分；
具体的，所述视觉注意网络模型可以通过下述步骤构建：
S3021：建立一个分类分支和一个回归分支，形成视觉注意网络模型；
S3022：使用混合损失函数训练所述视觉注意网络模型；所述混合损失函数是注意损失、分类损失和回归损失的加权和。
在实际应用中，一个分类分支以及一个回归分支组成的视觉注意网络模型，能够抑制背景的杂乱，突出目标区域的特征，也就是说，通过所述视觉注意网络模型得到的目标区域图，标志物节点更加突出。
在实际应用中，编解码器(codec)指的是能够对一个信号或者一个数据流进行变换的设备或者程序。所述显著性分析模型能够面向视觉的显著性，是一种图像显著性特征提取的模型，具体的，可以采用LC算法、HC算法或者AC算法，可以根据实际需要进行设计。
在本申请部分实施例中，所述显著性主动轮廓模型能够将图像分割问题转换为求解能量泛函最小值问题。主动轮廓模型通过构造能量泛函，在能量函数最小值驱动下，轮廓曲线逐渐向待检测物体的边缘逼近，最终分割出目标。具有得到连续、光滑的闭合分割边界的优点。在本申请中，通过所述显著性主动轮廓模型，能够确定所述标志物节点的轮廓，以便于在遥感地理图像中进一步确定标志物节点的确切位置。
进一步地，根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记的步骤，还包括：
S306：从所述系统数据库获取所述标志物节点的主要形态以及不同地图尺度下的具体形状；
S307：根据所述标志物节点的主要形态以及不同地图尺度下的具体形状，对矩形框标记的所述标志物节点进行识别，得到所述标志物节点的种类是发电站、变电站或塔杆。
在实际应用中，通过对所述标志物节点的识别分类，能够对绘制节点之间的连线起到便利作用。
S4：根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像。
在本实施例中，所述电网拓扑结构是一种将电网中的各个地理标志物抽象成节点，并将各个地理标志物之间的电力线路抽象成节点之间连线的结构，进而通过拓扑图的形式反映地理标志物之间的关系。使用电网拓扑结构构建绘制电网分布图像，更加具有准确性。
参见图5，为本申请实施例拓扑结构图构建流程示意图。由图5可知，具体的，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤包括：
S401：从所述遥感地理图像中选取特征线条训练区；
S402：使用图像分类法对所述特征线条训练区进行训练，以建立分类标准；
S403：使用所述分类标准对所述遥感地理图像进行分类，以形成所述标志物节点之间的连线；
S404：对分类后的遥感地理图像进行拓扑结构的构建，得到电网拓扑结构；所述电网拓扑结构包括主网拓扑结构图以及配电网拓扑结构图；所述主网拓扑结构图是包括所述标志物节点以及主网设备节点的图像；所述配电网拓扑结构图是包括所述标志物节点以及配电网设备节点的图像。
在本实施例中，由于电网中的发电站、变电站以及塔杆等标志物节点之间的连线具有比较直的特征，因此在绘制节点之间的连线时，可以采用对线条等纹理特征进行特征提取的方式，以形成所述标志物节点之间的连线。使用监督分类的图像分类法，在待绘制区域选定一些典型的特征线条训练区，以此来建立分类标准。进行分类后的遥感地理图像能够体现标志物节点之间的连线关系，以便后续进行其他节点之间的连线。在实际应用中，监督分类的图像分类法可以采用最小距离分类法或者最大似然分类法等，可以根据实际需要进行设计。
在本实施例中，拓扑图的构建方法可以是，将所述标志物节点定位在二维或三维空间中，使得所有连接节点的边具有近似相等的长度，并在可视化中尽可能少的产生交叉。基于主网设备节点及标志物节点形成的图像，即为主网拓扑结构图，基于配电网设备节点及标志物节点形成的图像，即为配电网拓扑结构图。所述电网拓扑结构即为所述主网拓扑结构图及配电网拓扑结构图。在实际应用中，构建拓扑结构的过程即为调整标志物节点之间的连线的过程。
参见图6，为本申请实施例主网分布图形成流程示意图。由图6可知，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤还包括：
S405：识别所述遥感地理图像中的主网设备，形成所述主网设备节点；
S406：根据所述主网设备节点与输电线路的连接关系，在所述主网拓扑结构图中绘制所述主网设备节点之间的连线；
S407：根据所述标志物节点以及主网设备节点之间的从属关系，在所述主网拓扑结构图中绘制所述标志物节点以及所述主网设备节点之间的连线；
S408：根据主网场站之间的连接关系，在所述主网拓扑结构图中绘制所述主网场站与输电线路之间的连线；形成主网分布图像。
在本实施例中，根据所述主网场站之间的连接关系，绘制所述主网场站之间的连线的具体步骤为：如果两个所述主网场站之间的输电线段标识对应于同一条输电线路的两点，则两个主网场站通过同一条输电线路直线连接。如果两个主网场站之间的输电线段标识不对应于同一条输电线路的两点，则两个主网场站各自通过T型接线与输电线路进行连接，在所述主网拓扑结构图中绘制上述主网场站与输电线路之间的连接关系。在实际应用中，通过绘制主网设备节点、主网场站以及标志物节点之间的连线，即可形成主网分布图像。
参见图7，为本申请实施例配电网分布图形成流程示意图。由图7可知，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤还包括：
S409：识别所述遥感地理图像中的配电网设备，形成所述配电网设备节点；
S410：根据所述配电网设备节点与其所属馈线的连接关系，在所述配电网拓扑结构图中绘制所述配电网设备节点之间的连线；
S411：通过所述配电网设备节点与其所属馈线的从属关系，得到所述配电网设备节点与所述标志物节点之间的从属关系，在所述配电网拓扑结构图中绘制所述配电网设备节点以及所述标志物节点之间的连线，形成配电网分布图像。
在实际应用中，通过所述配电网设备节点与其所述馈线之间的从属关系，就能够确定配电网设备节点与标志物节点之间从属关系，绘制配电网设备节点及标志物节点之间的连线，即可形成配电网分布图像。所述主网分布图像以及所述配电网分布图像即为绘制出的电网分布图像。
继续参见图1，本申请提供的电网分布图像绘制方法，还可以包括：
S5：根据所述地理坐标数据，对所述主网分布图像以及配电网分布图像进行等级划分；
S6：使用色标对等级划分后的所述主网分布图像以及配电网分布图像进行标记区分；以对所述主网分布图像以及配电网分布图像进行校正。
在本实施例中，使用色标对主网分布图像及配电网分布图像进行标记区分，有利于电网分布图像的实际应用。
由以上技术方案可知，本申请提供一种电网分布图像绘制方法。所述方法包括：采集待绘制区域的遥感地理图像，所述遥感地理图像是亚米级分辨率的图像；获取系统数据库中标志物节点的地理坐标数据；所述标志物节点为发电站、变电站以及塔杆；根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记；根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像。本申请提供的技术方案中，使用地理遥感图像作为电网分布图绘制的基础，能够准确反映电网分布与自然环境之间的关联，保证了电网绘制的效率和准确率。
本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (9)
1.一种电网分布图像绘制方法，其特征在于，包括：
采集待绘制区域的遥感地理图像，所述遥感地理图像是亚米级分辨率的图像；
获取系统数据库中标志物节点的地理坐标数据；所述标志物节点为发电站、变电站以及塔杆；
根据获取到的地理坐标数据对所述遥感地理图像中的所述标志物节点进行筛选，对筛选到的所述标志物节点进行标记；
使用跳跃连接的编解码器模型对所述遥感地理图像进行多尺度特征提取，形成每个尺度的特征图；
将提取到的特征图输入至视觉注意网络模型，生成目标区域图；
将所述目标区域图及地理坐标数据输入至显著性分析模型，得到所述标志物节点的估计位置数据；
将所述标志物节点的估计位置数据输入至显著性主动轮廓模型，得到所述标志物节点的轮廓；
对得到的所述标志物节点的轮廓使用矩形框标记，以对所述标志物节点进行区分；
从所述系统数据库获取所述标志物节点的主要形态以及不同地图尺度下的具体形状；
根据所述标志物节点的主要形态以及不同地图尺度下的具体形状，对矩形框标记的所述标志物节点进行识别，得到所述标志物节点的种类是发电站、变电站或塔杆；
根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像。
2.根据权利要求1所述的电网分布图像绘制方法，其特征在于，采集待绘制区域的遥感地理图像的步骤包括：
使用多传感器融合采集法，收集待绘制区域内发射或反射的电磁波的大小，形成区域内电磁波数据；所述多传感器为航空摄影、航空扫描或微波雷达中的一种或几种；
对收集到的区域内电磁波数据进行数模转换；
对数模转换后的区域内电磁波数据进行编码，生成遥感地理图像，保存至系统数据库中。
3.根据权利要求2所述的电网分布图像绘制方法，其特征在于，获取系统数据库中标志物节点的地理坐标数据步骤中，所述地理坐标数据由以下步骤生成：
获取所述标志物节点的初始地理坐标；
通过坐标系变换方法，将所述初始地理坐标所属的坐标系转换至与所述遥感地理图像一致的坐标系；
根据所述初始地理坐标根据转换后的坐标系生成所述标志物节点的地理坐标数据；
将所述标志物节点的地理坐标数据保存至所述系统数据库中。
4.根据权利要求2所述的电网分布图像绘制方法，其特征在于，获取系统数据库中标志物节点的地理坐标数据步骤中，还包括：
获取参考航空影像；
根据参考航空影像，得到所述标志物节点的主要形态以及不同地图尺度下的具体形状；
将所述标志物节点的主要形态以及不同地图尺度下的具体形状保存至所述系统数据库中。
5.根据权利要求1所述的电网分布图像绘制方法，其特征在于，所述方法还包括视觉注意网络模型的构建，具体步骤如下：
建立一个分类分支和一个回归分支，形成视觉注意网络模型；
使用混合损失函数训练所述视觉注意网络模型；所述混合损失函数是注意损失、分类损失和回归损失的加权和。
6.根据权利要求1所述的电网分布图像绘制方法，其特征在于，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤包括：
从所述遥感地理图像中选取特征线条训练区；
使用图像分类法对所述特征线条训练区进行训练，以建立分类标准；
使用所述分类标准对所述遥感地理图像进行分类，以形成所述标志物节点之间的连线；
对分类后的遥感地理图像进行拓扑结构的构建，得到电网拓扑结构；所述电网拓扑结构包括主网拓扑结构图以及配电网拓扑结构图；所述主网拓扑结构图是包括所述标志物节点以及主网设备节点的图像；所述配电网拓扑结构图是包括所述标志物节点以及配电网设备节点的图像。
7.根据权利要求6所述的电网分布图像绘制方法，其特征在于，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤还包括：
识别所述遥感地理图像中的主网设备，形成所述主网设备节点；
根据所述主网设备节点与输电线路的连接关系，在所述主网拓扑结构图中绘制所述主网设备节点之间的连线；
根据所述标志物节点以及主网设备节点之间的从属关系，在所述主网拓扑结构图中绘制所述标志物节点以及所述主网设备节点之间的连线；
根据主网场站之间的连接关系，在所述主网拓扑结构图中绘制所述主网场站与输电线路之间的连线；形成主网分布图像。
8.根据权利要求6所述的电网分布图像绘制方法，其特征在于，根据电网拓扑结构，对标记后的所述遥感地理图像进行主网设备节点、配电网设备节点以及所述标志物节点之间连线的绘制，形成电网分布图像的步骤还包括：
识别所述遥感地理图像中的配电网设备，形成所述配电网设备节点；
根据所述配电网设备节点与其所属馈线的连接关系，在所述配电网拓扑结构图中绘制所述配电网设备节点之间的连线；
通过所述配电网设备节点与其所属馈线的从属关系，得到所述配电网设备节点与所述标志物节点之间的从属关系，在所述配电网拓扑结构图中绘制所述配电网设备节点以及所述标志物节点之间的连线，形成配电网分布图像。
9.根据权利要求1所述的电网分布图像绘制方法，其特征在于，所述方法还包括：
根据所述地理坐标数据，对所述主网分布图像以及配电网分布图像进行等级划分；
使用色标对等级划分后的所述主网分布图像以及配电网分布图像进行标记区分；以对所述主网分布图像以及配电网分布图像进行校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110243841.5A CN112862921B (zh) | 2021-03-05 | 2021-03-05 | 一种电网分布图像绘制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110243841.5A CN112862921B (zh) | 2021-03-05 | 2021-03-05 | 一种电网分布图像绘制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112862921A CN112862921A (zh) | 2021-05-28 |
| CN112862921B true CN112862921B (zh) | 2024-04-19 |
Family
ID=75993615
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110243841.5A Active CN112862921B (zh) | 2021-03-05 | 2021-03-05 | 一种电网分布图像绘制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112862921B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115131682A (zh) * | 2022-07-19 | 2022-09-30 | 云南电网有限责任公司电力科学研究院 | 一种基于遥感图像的电网分布情况绘制方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104462660A (zh) * | 2014-11-14 | 2015-03-25 | 贵州电力试验研究院 | 一种野外输电线路冬季覆冰厚度分布绘制方法 |
| CN105426825A (zh) * | 2015-11-09 | 2016-03-23 | 国网山东省电力公司烟台供电公司 | 一种基于航拍图像识别的电网地理接线图绘制方法 |
| CN105868209A (zh) * | 2015-01-19 | 2016-08-17 | 周泉 | 智能电网电力信息与地理信息相结合的方法及系统 |
| CN105894041A (zh) * | 2016-04-26 | 2016-08-24 | 国网山东省电力公司经济技术研究院 | 基于高光谱遥感影像提取配电网系统中变电站信息的方法 |
| CN106570789A (zh) * | 2016-11-09 | 2017-04-19 | 国电环境保护研究院 | 一种基于gis系统的电网规划生态敏感区识别方法 |
| CN110399447A (zh) * | 2019-07-29 | 2019-11-01 | 广东电网有限责任公司 | 一种配电网10千伏线路区域联络图的生成方法及系统 |
| CN110986889A (zh) * | 2019-12-24 | 2020-04-10 | 国网河南省电力公司检修公司 | 一种基于遥感图像技术的高压变电站全景态监测方法 |
| CN111061897A (zh) * | 2020-01-15 | 2020-04-24 | 国网江西省电力有限公司电力科学研究院 | 一种适于电网高分辨遥感图像多尺度自动截取与分类方法 |
-
2021
- 2021-03-05 CN CN202110243841.5A patent/CN112862921B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104462660A (zh) * | 2014-11-14 | 2015-03-25 | 贵州电力试验研究院 | 一种野外输电线路冬季覆冰厚度分布绘制方法 |
| CN105868209A (zh) * | 2015-01-19 | 2016-08-17 | 周泉 | 智能电网电力信息与地理信息相结合的方法及系统 |
| CN105426825A (zh) * | 2015-11-09 | 2016-03-23 | 国网山东省电力公司烟台供电公司 | 一种基于航拍图像识别的电网地理接线图绘制方法 |
| CN105894041A (zh) * | 2016-04-26 | 2016-08-24 | 国网山东省电力公司经济技术研究院 | 基于高光谱遥感影像提取配电网系统中变电站信息的方法 |
| CN106570789A (zh) * | 2016-11-09 | 2017-04-19 | 国电环境保护研究院 | 一种基于gis系统的电网规划生态敏感区识别方法 |
| CN110399447A (zh) * | 2019-07-29 | 2019-11-01 | 广东电网有限责任公司 | 一种配电网10千伏线路区域联络图的生成方法及系统 |
| CN110986889A (zh) * | 2019-12-24 | 2020-04-10 | 国网河南省电力公司检修公司 | 一种基于遥感图像技术的高压变电站全景态监测方法 |
| CN111061897A (zh) * | 2020-01-15 | 2020-04-24 | 国网江西省电力有限公司电力科学研究院 | 一种适于电网高分辨遥感图像多尺度自动截取与分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112862921A (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109325085B (zh) | 一种城市用地功能识别与变化检测方法 | |
| US11875561B2 (en) | Electrical power grid modeling | |
| CN105320811A (zh) | 一种建立城市地下电力管网拓扑连通模型的方法 | |
| Sohn et al. | An implicit regularization for 3D building rooftop modeling using airborne lidar data | |
| CN109241846A (zh) | 遥感影像的时空变化估测方法、装置与存储介质 | |
| Esch et al. | Urban remote sensing–how can earth observation support the sustainable development of urban environments? | |
| Sun et al. | Roads and Intersections Extraction from High‐Resolution Remote Sensing Imagery Based on Tensor Voting under Big Data Environment | |
| CN115375868A (zh) | 地图显示和遥感地图显示方法、计算设备以及存储介质 | |
| CN114722944A (zh) | 点云精度确定方法、电子设备及计算机存储介质 | |
| CN116486289A (zh) | 一种多源数据和知识驱动下的燃气管道高后果区识别方法 | |
| CN112862921B (zh) | 一种电网分布图像绘制方法 | |
| CN110457417B (zh) | 基于边缘检测算法的室内地图构建的方法、计算机存储介质和终端 | |
| CN109727255B (zh) | 一种建筑物三维模型分割方法 | |
| CN104036295A (zh) | 多光谱遥感影像道路中心线自动检测方法 | |
| CN117953387A (zh) | 基于知识一致性约束的跨分辨率土地覆盖分类方法和系统 | |
| JP2013008310A (ja) | 三次元地図作成装置およびその窓領域検出装置 | |
| CN112733782A (zh) | 基于道路网的城市功能区识别方法、存储介质和电子设备 | |
| CN109784225B (zh) | 一种基于可达空间的地理空间模式识别方法 | |
| CN116299543A (zh) | 边坡形变监测方法、装置、飞行设备及存储介质 | |
| Su et al. | Automatic multi-source data fusion technique of powerline corridor using UAV Lidar | |
| CN115713603A (zh) | 基于建筑空间图谱的多类型街区建筑群形态智能生成方法 | |
| Guo et al. | Population estimation in Singapore based on remote sensing and open data | |
| Lohani et al. | Effect of data density, scan angle, and flying height on the accuracy of building extraction using LiDAR data | |
| Yastikli et al. | Automatic 3D building model generations with airborne LiDAR data | |
| Li et al. | Low-cost 3D building modeling via image processing |
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 |