CN112883481A - 基于bim的智能变电站建模方法及系统 - Google Patents

Abstract

本发明提供了基于BIM的智能变电站建模方法及系统，方法包括获取智能变电站的点云数据；对所述点云数据进行离散化处理，得到对应的特征值；基于BIM，将预先创建的智能变电站组件的智能符号与所述特征值进行匹配，将匹配成功的符号置入智能变电站模型中，得到包含智能符号的智能变电站模型。本发明对获取的点云数据进行离散化处理并得到特征值后，与BIM中形成的变电站组件的智能符号进行匹配，将匹配成功的智能符号用于智能变电站的三维建模中，本发明形成的三维模型，能够使用BIM中primtech软件进行计算，便于变电站的虚拟现实模拟，提高变电站的规划设计效率。

Description

基于BIM的智能变电站建模方法及系统

技术领域

本发明涉及变电站建筑信息建模技术领域，尤其是一种基于BIM的智能变电站建模方法及系统。

背景技术

激光扫描作为一种用来捕捉物体和景观表面的方法，在变电站的三维捕捉和可视化方面应用越来越多。在没有激光扫描的情况下，获得已建变电站信息的常用方法是由专家直接在变电站内部进行测量。由此产生的问题是变电站可能需要离线工作并且测量误差较大。现在通过激光扫描技术可以捕捉变电站的各项信息，并通过点云进行精确测量。

点云仅代表一个基于点的3D模型，这意味着这个模型不可能在技术图纸上打印出来，也不可能在后续的施工过程中使用。实际应用中面临的问题是如何获得一个基于点云的智能BIM变电站模型，以便在这个模型上执行计算，方便进行变电站规划设计。

将点云转换为智能三维模型的常规方法通常为手动转换，即在CAD环境中手动测量每个物体的点云之后，可以使用定义的块或设备来获得三维变电站模型。但是这种方法十分耗时，同时模型只包含二维或三维几何图形而没有智能3D符号，无法用于实际计算求解。

发明内容

本发明提供了基于BIM的智能变电站建模方法及系统，用于解决现有针对点云数据手动转换形成的三维模型无法执行进一步计算的问题。

为实现上述目的，本发明采用下述技术方案：

本发明第一方面提供了基于BIM的智能变电站建模方法，所述方法包括以下步骤：

获取智能变电站的点云数据；

对所述点云数据进行离散化处理，得到对应的特征值；

基于BIM，将预先创建的智能变电站组件的智能符号与所述特征值进行匹配，将匹配成功的符号置入智能变电站模型中，得到包含智能符号的智能变电站模型。

进一步地，所述获取智能变电站点云数据的具体过程为：

对智能变电站进行动态激光扫描，得到所述点云数据。

进一步地，对所述点云数据进行离散化处理，得到对应的特征值的具体过程为：

对所述点云数据某一属性下的所有取值按照大小进行排序；

遍历该属性的每一个值，将该属性的值分为两个区间，且分割后数据集的熵最小，实现数据离散化；

对离散化的数据进行向量特征值计算，得到离散数据集点云特征值。

进一步地，所述将该属性的值分为两个区间的过程包括：

若划分后数据集的熵大于设定阈值，且小于设定数据个数时，进行递归，重复执行划分步骤，达到数据离散化。

进一步地，所述对所述点云数据进行离散化处理，得到对应的特征值的过程通过MDCE集群并行池进行，所述MDCE集群中包括若干CUDA计算单元，所述每个CUDA计算单元对应点云数据一个属性的计算，通过MDCE集群并行池将各CUDA计算单元的计算结果汇总，并通过设定格式保存。

进一步地，在所述进行匹配之前还包括步骤：

在BIM中创建导体，并建立设备间导线的连接关系。

进一步地，所述导体包括导线和管路，所述导线的创建通过选取设备起点锚点、设备最大下垂点和设备终点锚点实现。

进一步地，所述智能符号包括电气设备、支撑结构和基础设施的符号集合。

进一步地，所述将预先创建的智能变电站组件的智能符号与所述特征值进行匹配的具体过程为：

根据点云数据特征值判断当前符号是否匹配；

若匹配，则统计当前识别的符号数量，若数量大于1，则通过列表显示识别符号信息及对应的点云特征值，且点云特征值与数据中的数值匹配时，将符号加入模型中，若数量等于1，将符号加入模型中；

若不匹配，则更换符号。

本发明第二方面提供了基于BIM的智能变电站建模系统，所述系统包括：

信息采集单元，用于获取智能变电站的点云数据；

数据处理单元，用于对所述点云数据进行离散化处理，得到对应的特征值；

模型构建单元，基于BIM，将预先创建的智能变电站组件的智能符号与所述特征值进行匹配，将匹配成功的符号置入智能变电站模型中，得到包含智能符号的智能变电站模型。

本发明第二方面的所述智能变电站建模系统能够实现第一方面及第一方面的各实现方式中的方法，并取得相同的效果。

发明内容中提供的效果仅仅是实施例的效果，而不是发明所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：

1、本发明对获取的点云数据进行离散化处理并得到特征值后，与BIM中形成的变电站组件的智能符号进行匹配，将匹配成功的智能符号用于智能变电站的三维建模中，通过本发明的方法形成的三维模型，能够使用BIM中primtech软件进行计算，包括使用检查工具进行设备特性检查并且创建相应的技术说明文档。便于变电站的虚拟现实模拟，提高变电站的规划设计效率。

2、本发明在进行点云数据离散化处理时，采用MDCE集群并行池，集群中包括多个GPU计算单元，数据处理效率高，且能够得到符合BIM输入的数据格式。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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是本发明所述方法的流程示意图；

图2是本发明所述基于GPU并行数据处理的结构示意图；

图3是本发明所述OSR方法的流程示意图；

图4是本发明所述系统的结构示意图。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

如图1所示，本发明基于BIM的智能变电站建模方法，包括以下步骤：

S1,获取智能变电站的点云数据；

S2,对所述点云数据进行离散化处理，得到对应的特征值；

S3,基于BIM，将预先创建的智能变电站组件的智能符号与所述特征值进行匹配，将匹配成功的符号置入智能变电站模型中，得到包含智能符号的智能变电站模型。

步骤S1中，对智能变电站进行动态激光扫描，得到所述点云数据。

激光扫描技术是使用激光束收集的空间数据，其中点的坐标根据测量的方向和距离确定。这些坐标的数据被处理后得到点，所有点的集合被称为点云。激光扫描包括静态激光扫描和动态激光扫描。当激光扫描仪在记录表面时处于静止状态时，就是静态激光扫描。当激光扫描仪连接到移动平台时，则为动态激光扫描。

静态激光器更适合记录物体、建筑物、场地等。目前，变电站的静态扫描方法比较普遍，而动态扫描方法相对使用较少。新兴的激光扫描仪技术已经可以提供精确的三维测量与高分辨率的点云。本实施例采用动态扫描方法。

采用动态扫描方法在各种实际工程和研究需要十分详细的3D数据，如：1)虚拟规划，对象之间的空间关系分析，对象与环境之间的空间关系分析；2)质量控制，监督和比较对象与设计和文件。动态扫描方法获得的点分辨率较高带来的问题是文件大小很大可能达到几个G，因此需要较大存储空间和拥有强大计算能力的设备来处理这些数据。每个点都包含它在一个确定的坐标系中的坐标。这些文件可以通过特殊的点云软件读取。此类文件的常见格式有以下扩展名：.asc、.c13、.clr、.e57、.fls、.fws、.isproj、.las、.pcg、.ptg、.pts、.ptx、.rds、.txt、.xyb、.xyz、.zfs和.zfprj。

步骤S2中，考虑到点云数据处理过程只包含数值计算和简单的逻辑运算，本实施例采用基于CPU+GPU(Graphics Processing Unit，图形处理器)的异构计算架构进行数据处理。GPU由数量众多的计算单元和超长的流水线组成，适合处理大量的类型统一的数据。但GPU无法单独工作，需由CPU进行控制调用才能工作。GPU擅长的是图形类的或者是非图形类的高度并行数值计算，其可以容纳上千个没有逻辑关系的数值计算线程，它的优势是无逻辑关系数据的并行计算。GPU的这种特点完美契合我们点云数据处理的要求。

基于此，本实施例开发了基于matlab软件的GPU并行加速数据处理方式，提高了点云数据处理效率，通过该方法可快速准确地对初始点云数据进行特殊的离散化处理，并求解得到该点云数据的特征值，使得动态扫描方法用于变电站测量中成为可能。

数据处理过程基于信息熵分组的方法进行点云数据离散化，具体过程为：对所述点云数据某一属性下的所有取值按照大小进行排序；遍历该属性的每一个值，将该属性的值分为两个区间，且分割后数据集的熵最小，若划分后数据集的熵大于设定阈值，且小于设定数据个数时，进行递归，重复执行划分步骤，达到数据离散化；对离散化的数据进行向量特征值计算，得到离散数据集点云特征值。

如图2所示，对点云数据进行离散化处理，得到对应的特征值的过程通过MDCE(Matlab Distributed Computing Engine，分布式计算引擎)集群并行池进行，所述MDCE集群中包括若干CUDA(Compute Unified Device Architecture，统一计算设备架构)计算单元，所述每个CUDA计算单元对应点云数据一个属性的计算，通过MDCE集群并行池将各CUDA计算单元的计算结果汇总，并通过设定格式保存。CUDA计算单元中采用GPU进行数据处理。

MDCE集群并行池的工作流程：通过启动Matlab Distributed Computing Engine(MDCE)的服务，来管理各个CUDA的工作流程，给CUDA统一分配计算任务，并收集CUDA计算后的结果。通过MDCE并行池，将各个计算单元的计算结果汇总，并通过matlab将汇总后的数据按照要求存储为本发明BIM中所需要的文本文档格式，用于后面的操作。

primtech变电站设计软件是BIM软件中的重要组件，它使用Autodesk AutoCAD系列作为图形编辑器，提供熟悉的CAD环境。电气专业设计模块Bentley Substation软件可以快速完成二维原理设计、三维布置设计，并可实现二三维数据的同步，具有接地、防雷系统的设计功能，可以自动生成材料表和计算书，可以从三维布置设计快速得到二维的平断面施工图纸，而主接线模块，采用典型图方式快速地创建原理接线图，典型图库可以随时进行扩充，也可以按照不同电压等级下的进出线回路分别进行设计，设计的信息自动保存在项目数据库中。

BIM软件提供了一个涵盖范围很广的数据库，其中包含超过4000个智能2D和3D符号，例如不同制造商的电气设备，钢结构，电线和管道等基本设施。该库包含通用符号和某些设备制造商特定符号。每个符号(设备、钢或基础等)在数据库中都有一个特定的几何特征，包含有元数据、文件链接、连接点和已定义对象行为的智能符号。它提供了开发OSR技术将点云转换为智能变电站信息模型的接口和实现基础。

步骤S3中，在将处理后的点云数据保存为txt文本文档格式后，通过BIM软件导入BIM数据库，用于进行符号信息对比，通过OSR方法将点云转换为变电站信息模型。OSR方法是在变电站BIM软件primtech中开发的，是进行变电站点云符号识别的特殊方法。

如图3所示，步骤S3的具体实现过程为：

在BIM中创建导体，并建立设备间导线的连接关系。所述导体包括导线和管路，所述导线的创建通过选取设备起点锚点、设备最大下垂点和设备终点锚点实现。而对于管路的创建，可以选择两个或更多点。BIM软件库中包含了不同类型的导线和管，可以方便快捷地完成导体创建的工作。

启动智能符号识别，为每个智能符号类型提供了一个兼容的库符号列表。由用户决定应该选择哪个符号。用户可以自主选择完美匹配的符号或列表中的另一个符号，OSR方法将通过TempoAI工具比对用户选择的符号与之前获取的该符号的点云特征值是否匹配，该流程同样适用于所有其他符号，如支持结构和基础设施。然后，系统将这些符号组合成组件(电气设备、支撑结构、基础设施)，将它们放置在模型中，通过设备布置模块进行三维模型创建，同时自动从项目点云数据库中获取设备清单及特征值，以列表形式显示，方便工程师进行选取。

根据点云数据特征值判断当前符号是否匹配；若匹配，则统计当前识别的符号数量，若数量大于1，则通过列表显示识别符号信息及对应的点云特征值，且点云特征值与数据中的数值匹配时，将符号加入模型中，若数量等于1，将符号加入模型中；若不匹配，则更换符号重新匹配。

模型中符号数量达到设定要求后，到处智能变电站模型及符号信息列表。

通过该方法，二维原理图的设备参数和三维布置图的参数可以实时共享，并可以相互导航。若二维原理图发生更改，通过刷新数据库信息，三维布置图可以自动进行更改。循环重复这个过程，直到组件数量达到用户预设的数量为止，并选取装配方案进行模型装配导出三维模型及符号信息列表。为了获得更精确的结果，可以按类型和电压级别进行符号过滤。利用OSR方法，可以逐步建立一个包含智能符号的智能变电站模型。

所述智能符号包括电气设备、支撑结构和基础设施的符号集合。

在变电站BIM软件中采用上述方法步骤生成的最终变电站信息模型(从点云转换而来)可以使用primtech软件进行计算、使用检查工具进行设备特性检查并且创建相应的技术说明文档。通过该智能模型可以进行的计算包括相位检查、间隙计算、防雷计算、弧垂和短路效应计算等。

这些计算结果在实际项目的检查规划设计中是十分必要的，如果需要更换设备可以将模型中的符号信息列表导入primtech软件，经过求解得到设备参数给设备选型提供参考；对于运行中的N重复故障问题可以归结为多口网络的计算问题，可以通过模型的符号信息列表，根据要求选取列表信息，将故障区域视作一个多口网络，并求得多口网络参数组成多口序网，将数据导入故障分析程序进行故障诊断分析。

通过间隙计算方法配合该智能模型还可以用来检查变电站中设备运输的可用空间，例如，在实际工作中，当需要进行设备更换时，需要临时开辟一条通道用来供车辆和工作人员同行，间隙计算可以通过改变三维模型位置参数，来改变局部的设备布局模型，模拟更换设备时的真实情况，用以合理规划车辆和维修人员可以操作的安全区域及设备放置情况，实现安全区域可视化，保证人员工作环境的安全。

如图4所示，本发明基于BIM的智能变电站建模系统，包括信息采集单元1、数据处理单元2和模型构建单元3。

信息采集单元1用于获取智能变电站的点云数据；数据处理单元2用于对所述点云数据进行离散化处理，得到对应的特征值；模型构建单元3基于BIM，将预先创建的智能变电站组件的智能符号与所述特征值进行匹配，将匹配成功的符号置入智能变电站模型中，得到包含智能符号的智能变电站模型。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明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发明的保护范围以内。

Claims (10)

1.基于BIM的智能变电站建模方法，其特征是，所述方法包括以下步骤：

获取智能变电站的点云数据；

对所述点云数据进行离散化处理，得到对应的特征值；

基于BIM，将预先创建的智能变电站组件的智能符号与所述特征值进行匹配，将匹配成功的符号置入智能变电站模型中，得到包含智能符号的智能变电站模型。

2.根据权利要求1所述基于BIM的智能变电站建模方法，其特征是，所述获取智能变电站点云数据的具体过程为：

对智能变电站进行动态激光扫描，得到所述点云数据。

3.根据权利要求1所述基于BIM的智能变电站建模方法，其特征是，对所述点云数据进行离散化处理，得到对应的特征值的具体过程为：

对所述点云数据某一属性下的所有取值按照大小进行排序；

遍历该属性的每一个值，将该属性的值分为两个区间，且分割后数据集的熵最小，实现数据离散化；

对离散化的数据进行向量特征值计算，得到离散数据集点云特征值。

4.根据权利要求3所述基于BIM的智能变电站建模方法，其特征是，所述将该属性的值分为两个区间的过程包括：

若划分后数据集的熵大于设定阈值，且小于设定数据个数时，进行递归，重复执行划分步骤，达到数据离散化。

5.根据权利要求3所述基于BIM的智能变电站建模方法，其特征是，所述对所述点云数据进行离散化处理，得到对应的特征值的过程通过MDCE集群并行池进行，所述MDCE集群中包括若干CUDA计算单元，每个所述CUDA计算单元对应点云数据一个属性的计算，通过MDCE集群并行池将各CUDA计算单元的计算结果汇总，并通过设定格式保存。

6.根据权利要求1所述基于BIM的智能变电站建模方法，其特征是，在所述进行匹配之前还包括步骤：

在BIM中创建导体，并建立设备间导线的连接关系。

7.根据权利要求6所述基于BIM的智能变电站建模方法，其特征是，所述导体包括导线和管路，所述导线的创建通过选取设备起点锚点、设备最大下垂点和设备终点锚点实现。

8.根据权利要求1所述基于BIM的智能变电站建模方法，其特征是，所述智能符号包括电气设备、支撑结构和基础设施的符号集合。

9.根据权利要求1所述基于BIM的智能变电站建模方法，其特征是，所述将预先创建的智能变电站组件的智能符号与所述特征值进行匹配的具体过程为：

根据点云数据特征值判断当前符号是否匹配；

若匹配，则统计当前识别的符号数量，若数量大于1，则通过列表显示识别符号信息及对应的点云特征值，且点云特征值与数据中的数值匹配时，将符号加入模型中，若数量等于1，将符号加入模型中；

若不匹配，则更换符号。

10.基于BIM的智能变电站建模系统，其特征是，所述系统包括：

信息采集单元，用于获取智能变电站的点云数据；

数据处理单元，用于对所述点云数据进行离散化处理，得到对应的特征值；

模型构建单元，基于BIM，将预先创建的智能变电站组件的智能符号与所述特征值进行匹配，将匹配成功的符号置入智能变电站模型中，得到包含智能符号的智能变电站模型。

Images