CN113256839B - 一种基于ai的配电网智能巡检系统 - Google Patents
一种基于ai的配电网智能巡检系统 Download PDFInfo
- Publication number
- CN113256839B CN113256839B CN202110535609.9A CN202110535609A CN113256839B CN 113256839 B CN113256839 B CN 113256839B CN 202110535609 A CN202110535609 A CN 202110535609A CN 113256839 B CN113256839 B CN 113256839B
- Authority
- CN
- China
- Prior art keywords
- area
- power distribution
- distribution network
- detail
- target area
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于AI的配电网智能巡检系统,本发明属于人工智能领域,用于解决如何通过AI辅助技术快速定位配电网区域内需要巡查的区域,有目标性的进行巡检,增加巡查效率的问题;采集若干配电网关联照片,其中配电网关联照片包括目标区域以及细节区域;目标区域为配电网关联照片内配电网组件所属区域,细节区域为目标区域内若干个细节组件所属区域;将若干配电网关联照片、目标区域以及细节区域输入深度神经网络进行学习训练,得到配电网识别模型;获取配电网对应的配电区域卫星遥感图,通过主网分割模型分割为若干个带有分割编号的分割图片;分割图片作为输入值输入配电网识别模型进行目标区域与细节区域识别。
Description
技术领域
本发明属于人工智能领域,涉及配电网智能巡检技术,具体是一种基于AI的配电网智能巡检系统。
背景技术
配电网智能巡检通常都是基于巡查员以及无人机进行巡查,无人机是一种通过无线信号控制或者既定程序进行控制、无人驾驶的飞行器的统称。随着电子与材料技术的快速发展,质量轻,效率高的无人机设备不断涌现,由于无人机能够在高空长航程下进行较为高效便捷的工作,因此它在军事、测绘、拍摄、监测等领域里得到了广泛的应用,无人机的特性以及其功能使得其与电网规划与巡检工作具有很好的契合性,电网规划巡检过程中需要主动规划区域准确的地表结构、电网设施位置等地理数据,这可以利用在无人机上搭载摄像机等遥感监测设备获取,之后通过图像识别等方式分析处理后获得可用的地理数据。而随着相应数据处理和设备的改进,实际上影响无人机在电力巡检等领域应用的主要问题在于无人机的持续工作能力,与大型的高空探测机器人体积大续航能力强不同,在电力巡检过程中,一般是从输电网基础设施包括输电线。变压器等上空飞过,为保证图片质量,飞行高度相对较低,同时需要较好的操控性以躲避输电线沿线存在的植被和建筑物,因此一般采用体积较小控制较为灵活的小型或中型无人机,但中小型无人机自身载重量有限,在加装了满足作业需求的遥感检测设备之后,无人机内部可用于装备电池的空间不足,因此自身持续工作能力有限,而输电网自身长度却较长,且常常设置在较为偏僻或绕过繁华区域设置,为解决上述问题,人们提出了利用输电网内部电能持续为无人机供电的技术,但如何使得无人机能够准确迅速地泊入供电位置尚没有较好的方法,常规方法是通过在输电网沿线设置充电泊点,并利用传感器、活动连接结构等实现停泊定位、连接、充电以及脱离等操作,但这也导致,在除了必要的充电设施之外,还需要在输电网沿线设置众多的支持和固定结构,更重要的是还需要在无人机上配套设置各类结构或设备来实现连接,进一步削弱了无人机的负载能力,因此有必要通过AI辅助技术快速定位配电网区域内需要巡查的区域,有目标性的进行巡检,减轻巡查员以及巡查机器的巡查强度,增加巡查效率。
发明内容
本发明的目的在于提供一种基于AI的配电网智能巡检系统,用于解决如何通过AI辅助技术快速定位配电网区域内需要巡查的区域,有目标性的进行巡检,减轻巡查员以及巡查机器的巡查强度,增加巡查效率的问题。
本发明的目的可以通过以下技术方案实现:
一种基于AI的配电网智能巡检系统,配电网智能巡检系统包括:
用于生成AI指令的AI模块;用于标记巡检区域的节点模块;用于生成巡检地图的地图模块;用于控制巡检机器的控制模块;
所述生成AI指令前还包括以下步骤:
采集若干配电网关联照片,其中所述配电网关联照片包括目标区域以及细节区域;
所述目标区域为配电网关联照片内配电网组件所属区域,所述细节区域为目标区域内若干个细节组件所属区域;
将若干所述配电网关联照片、目标区域以及细节区域输入深度神经网络进行学习训练,得到配电网识别模型;
获取配电网对应的配电区域卫星遥感图,通过主网分割模型分割为若干个带有分割编号的分割图片;
所述分割图片作为输入值输入配电网识别模型进行目标区域与细节区域识别;
所述目标区域与细节区域作为输入值输入AI模块生成AI指令。
进一步的,所述AI指令包括巡视区域、巡视任务、巡视时长以及出发时间。
进一步的,所述通过主网分割模型分割为若干个带有分割编号的分割图片前还包括以下步骤:
采集若干配电区域卫星遥感图,通过人工经验池选取出中心区域以及分割距离;
将若干配电区域卫星遥感图、中心区域以及分割距离输入深度神经网络进行学习训练,得到主网分割模型。
进一步的,所述人工经验池包括挑选分池、统计分池以及区域分池;
所述挑选分池用于存储人工经验挑选出的中心区域坐标集合;
所述统计分池包括若干个与中心区域坐标集合相同命名的接收池,并统计接收池内中心区域坐标集合的数量;
所述区域分池用于获取中心区域坐标集合内距离最远两点坐标的极坐标距离。
进一步的,所述节点模块用于获取分割图片内目标区域与细节区域的轮廓边缘,并将轮廓边缘对应坐标标记为节点坐标。
进一步的,所述地图模块内存储有配电网区域的电子地图,其中,所述电子地图包括配电网区域内全部坐标信息。
进一步的,所述AI模块包括预设信息子模块、对比子模块以及指令生成子模块;
所述预设信息子模块用于存储配电网区域的预设巡检信息;
所述对比子模块用于将目标区域、细节区域与预设巡检信息进行对比;
所述指令生成子模块根据所述对比子模块的信息生成AI指令。
与现有技术相比,本发明的有益效果是:
采集若干配电网关联照片,其中配电网关联照片包括目标区域以及细节区域;目标区域为配电网关联照片内配电网组件所属区域,细节区域为目标区域内若干个细节组件所属区域;将若干配电网关联照片、目标区域以及细节区域输入深度神经网络进行学习训练,得到配电网识别模型;获取配电网对应的配电区域卫星遥感图,通过主网分割模型分割为若干个带有分割编号的分割图片;分割图片作为输入值输入配电网识别模型进行目标区域与细节区域识别;目标区域与细节区域作为输入值输入AI模块生成AI指令,通过AI辅助技术快速定位配电网区域内需要巡查的区域,有目标性的进行巡检,减轻巡查员以及巡查机器的巡查强度,增加巡查效率。
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,下面描述中的附图仅仅是本发明的一些实施例,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为本发明原理框图。
具体实施方式
下面结合本发明实施例中的附图对本发明实施例进行描述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
传统的,配电网智能巡检通常都是基于巡查员以及无人机进行巡查,无人机是一种通过无线信号控制或者既定程序进行控制、无人驾驶的飞行器的统称。随着电子与材料技术的快速发展,质量轻,效率高的无人机设备不断涌现,由于无人机能够在高空长航程下进行较为高效便捷的工作,因此它在军事、测绘、拍摄、监测等领域里得到了广泛的应用,无人机的特性以及其功能使得其与电网规划与巡检工作具有很好的契合性,电网规划巡检过程中需要主动规划区域准确的地表结构、电网设施位置等地理数据,这可以利用在无人机上搭载摄像机等遥感监测设备获取,之后通过图像识别等方式分析处理后获得可用的地理数据。而随着相应数据处理和设备的改进,实际上影响无人机在电力巡检等领域应用的主要问题在于无人机的持续工作能力,与大型的高空探测机器人体积大续航能力强不同,在电力巡检过程中,一般是从输电网基础设施包括输电线。变压器等上空飞过,为保证图片质量,飞行高度相对较低,同时需要较好的操控性以躲避输电线沿线存在的植被和建筑物,因此一般采用体积较小控制较为灵活的小型或中型无人机,但中小型无人机自身载重量有限,在加装了满足作业需求的遥感检测设备之后,无人机内部可用于装备电池的空间不足,因此自身持续工作能力有限,而输电网自身长度却较长,且常常设置在较为偏僻或绕过繁华区域设置,为解决上述问题,人们提出了利用输电网内部电能持续为无人机供电的技术,但如何使得无人机能够准确迅速地泊入供电位置尚没有较好的方法,常规方法是通过在输电网沿线设置充电泊点,并利用传感器、活动连接结构等实现停泊定位、连接、充电以及脱离等操作,但这也导致,在除了必要的充电设施之外,还需要在输电网沿线设置众多的支持和固定结构,更重要的是还需要在无人机上配套设置各类结构或设备来实现连接,进一步削弱了无人机的负载能力,因此有必要通过AI辅助技术快速定位配电网区域内需要巡查的区域,有目标性的进行巡检,减轻巡查员以及巡查机器的巡查强度,增加巡查效率。
针对上述技术问题,本申请提出了配电网智能巡检系统,配电网智能巡检系统包括:
用于生成AI指令的AI模块;用于标记巡检区域的节点模块;用于生成巡检地图的地图模块;用于控制巡检机器的控制模块;生成AI指令前还包括以下步骤:采集若干配电网关联照片,其中配电网关联照片包括目标区域以及细节区域;目标区域为配电网关联照片内配电网组件所属区域,细节区域为目标区域内若干个细节组件所属区域;将若干配电网关联照片、目标区域以及细节区域输入深度神经网络进行学习训练,得到配电网识别模型;获取配电网对应的配电区域卫星遥感图,通过主网分割模型分割为若干个带有分割编号的分割图片;分割图片作为输入值输入配电网识别模型进行目标区域与细节区域识别;目标区域与细节区域作为输入值输入AI模块生成AI指令。
其中,配电网是指从输电网或地区发电厂接受电能,通过配电设施就地分配或按电压逐级分配给各类用户的电力网。是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿器及一些附属设施等组成的,在电力网中起重要分配电能作用的网络。
再具体实施中,将电力系统中从降压配电变电站(高压配电变电站)出口到用户端的这一段系统称为配电系统。配电系统是由多种配电设备(或元件)和配电设施所组成的变换电压和直接向终端用户分配电能的一个电力网络系统。
配电网由架空线路、杆塔、电缆、配电变压器、开关设备、无功补偿电容等配电设备及附属设施组成,它在电力网中的主要作用是分配电能。从配电网性质角度来看,配电网设备还包括变电站的配电装置。
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
本申请实施例公开的 可以应用在个人电脑、智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑或者可穿戴设备等电子设备中,也可以应用在电子设备运行的多媒体播放应用(例如QQ音乐播放器)或者多媒体编辑应用(例如Au)中。
基于上述描述,本发明实施例提出一种如图1所示的一种基于AI的配电网智能巡检系统,配电网智能巡检系统包括:
用于生成AI指令的AI模块;用于标记巡检区域的节点模块;用于生成巡检地图的地图模块;用于控制巡检机器的控制模块;
生成AI指令前还包括以下步骤:
采集若干配电网关联照片,其中配电网关联照片包括目标区域以及细节区域;
目标区域为配电网关联照片内配电网组件所属区域,细节区域为目标区域内若干个细节组件所属区域;
将若干配电网关联照片、目标区域以及细节区域输入深度神经网络进行学习训练,得到配电网识别模型;
获取配电网对应的配电区域卫星遥感图,通过主网分割模型分割为若干个带有分割编号的分割图片;
分割图片作为输入值输入配电网识别模型进行目标区域与细节区域识别;
目标区域与细节区域作为输入值输入AI模块生成AI指令。
AI指令包括巡视区域、巡视任务、巡视时长以及出发时间。
通过主网分割模型分割为若干个带有分割编号的分割图片前还包括以下步骤:
采集若干配电区域卫星遥感图,通过人工经验池选取出中心区域以及分割距离;
将若干配电区域卫星遥感图、中心区域以及分割距离输入深度神经网络进行学习训练,得到主网分割模型。
人工经验池包括挑选分池、统计分池以及区域分池;
挑选分池用于存储人工经验挑选出的中心区域坐标集合;
统计分池包括若干个与中心区域坐标集合相同命名的接收池,并统计接收池内中心区域坐标集合的数量;
区域分池用于获取中心区域坐标集合内距离最远两点坐标的极坐标距离。
节点模块用于获取分割图片内目标区域与细节区域的轮廓边缘,并将轮廓边缘对应坐标标记为节点坐标。
地图模块内存储有配电网区域的电子地图,其中,电子地图包括配电网区域内全部坐标信息。
AI模块包括预设信息子模块、对比子模块以及指令生成子模块;
预设信息子模块用于存储配电网区域的预设巡检信息;
对比子模块用于将目标区域、细节区域与预设巡检信息进行对比;
指令生成子模块根据对比子模块的信息生成AI指令。
下面结合具体实施例对公开进行详细阐述。
具体实施例;
本实施例以上海配电网浦东分区配电网为例;
首先采集若干配电区域卫星遥感图,通过人工经验池选取出中心区域以及分割距离;
再具体实施时,通过与浦东遥感测绘研究院或气象局等科研机构建立数据共享机制获取浦东分区配电网区域的卫星遥感图,其中,卫星遥感图的分辨率为0.8米到2米之间,若超过2米则会导致分辨率不足导致的分析错误;
人工经验池为长时间收集的经验池,示例性的,将各类会议、报道以及学术科研内对配电网区域进行划分的过程或经验进行收集存储记录;
挑选分池用于存储人工经验挑选出的中心区域坐标集合;
再具体实施时,通过设置配电网区域名称获取全部的划分的过程或经验;
示例性的,挑选浦东分区配电网在收集日期前的全部划分的过程或经验,并将对应划分的中心区域的坐标进行汇总,形成中心区域坐标集合;
统计分池包括若干个与中心区域坐标集合相同命名的接收池,并统计接收池内中心区域坐标集合的数量。
再具体实施时,通过若干个中心区域坐标集合相同命名的接收池接收池内中心区域坐标集合的数量,可以统计出在收集日期前的全部划分的过程或经验内的相同数据;
示例性的,挑选浦东分区配电网中心区域坐标集合出现评率最多的中心区域坐标集合对应的区域为中心区域;
所述区域分池用于获取中心区域坐标集合内距离最远两点坐标的极坐标距离;
再具体实施时,通过获取中心区域对应的区域坐标集合内两两坐标差值最大的两个坐标为距离坐标;在通过极坐标方程式将两个距离坐标转换为极坐标,并获取极坐标距离;
示例性的,浦东分区配电网的极坐标距离为30米;
在完成上述步骤后,采集若干配电网关联照片,其中所述配电网关联照片包括目标区域以及细节区域;
再具体实施时,通过互联网或遥感研究院或气象局一种或多种途径获若干张配电网关联照片,其中,配电网关联照片包括配电网局部或清全部特征照片;
其中特征指架空线路、杆塔、电缆、配电变压器、开关设备、无功补偿电容等配电设备及附属设施;
通过BP卷积神经网络对配电网关联照片的目标区域以及细节区域进行划分,具体的,目标区域为配电网关联照片内配电网组件所属区域,既配电网关联照片内架空线路、杆塔、电缆、配电变压器、开关设备、无功补偿电容等配电设备及附属设施等共同组成的区域;
细节区域为目标区域内若干个细节组件所属区域,既配电网关联照片内架空线路、杆塔、电缆、配电变压器、开关设备、无功补偿电容等配电设备及附属设施等独立设备的区域;
将若干所述配电网关联照片、目标区域以及细节区域输入深度神经网络进行学习训练,得到配电网识别模型。
具体的,配电网识别模型为一种卷积神经网络系统;
完成上述配置操作后,获取配电网对应的配电区域卫星遥感图,通过主网分割模型分割为若干个带有分割编号的分割图片;
所述分割图片作为输入值输入配电网识别模型进行目标区域与细节区域识别;
示例性的,通过获取浦东分区配电网的配电区域卫星遥感图,通过主网分割模型获取与之最相近或形同的配电区域的中心区域坐标集合与极坐标距离,其中,极坐标距离即为分割距离;
将浦东分区配电网的配电区域卫星遥感图分割为若干个区域,其中,中心区域包含在若干个区域;
其中,中心区域对应的分割图为0号分割图,对应的围绕中心区域对应的分割图周向顺时针依次为1号分割图、2号分割图等;1号分割图周向顺时针依次为101分割图、102分割图等,依次类推得到带有分割编号的分割图片;
将带有分割编号的分割图片作为输入值输入配电网识别模型进行目标区域与细节区域识别;
得到浦东分区配电网的配电区域卫星遥感图对应的目标区域与细节区域,并将目标区域与细节区域作为输入值输入AI模块生成AI指令;
在具体实施时,AI模块包括预设信息子模块、对比子模块以及指令生成子模块;
其中,设信息子模块用于存储配电网区域的预设巡检信息,更具体的,预设巡检信息通过电网工作人员拟定;
示例性的,预设巡检信息包括但不限于中心区域内开关设备指示灯光因为常绿;
对比子模块用于将目标区域、细节区域与预设巡检信息进行对比;
示例性的,目标区域为中心区域,细节区域为开关设备指示灯光为非绿;
指令生成子模块根据所述对比子模块的信息生成AI指令;
示例性的,更具对比子模块的信息可以得出中心区域内开关设备指示灯光出现问题;此时,生成巡视区域为中心区域、巡视任务为拍摄开关设备指示灯光、巡视时长为30秒、出发时间为即刻出发的指令;
同时,节点模块用于获取分割图片内目标区域与细节区域的轮廓边缘,并将轮廓边缘对应坐标标记为节点坐标;
具体的,节点模块将需要进行巡检的区域与目标进行标记,进而引导巡检机器进行精准巡检;
同时,地图模块内存储有配电网区域的电子地图,其中,所述电子地图包括配电网区域内全部坐标信息,具体的,地图模块将节点模块的标记与电子地图重合,发送至巡检机器内;
控制模块用于整合上述信息,控制巡检机器进行巡检,具体的,巡检机器包括但不限于无人机、无人越野车、物联网设备等。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (5)
1.一种基于AI的配电网智能巡检系统,其特征在于,所述配电网智能巡检系统包括:
用于生成AI指令的AI模块;用于标记巡检区域的节点模块;用于生成巡检地图的地图模块;用于控制巡检机器的控制模块;
所述生成AI指令前还包括以下步骤:
采集若干配电网关联照片,其中所述配电网关联照片包括目标区域以及细节区域;
所述目标区域为配电网关联照片内配电网组件所属区域,所述细节区域为目标区域内若干个细节组件所属区域;
将若干所述配电网关联照片、目标区域以及细节区域输入深度神经网络进行学习训练,得到配电网识别模型;
获取配电网对应的配电区域卫星遥感图,通过主网分割模型分割为若干个带有分割编号的分割图片;
所述分割图片作为输入值输入配电网识别模型进行目标区域与细节区域识别;
所述目标区域与细节区域作为输入值输入AI模块生成AI指令;
所述通过主网分割模型分割为若干个带有分割编号的分割图片前还包括以下步骤:
采集若干配电区域卫星遥感图,通过人工经验池选取出中心区域以及分割距离;
将若干配电区域卫星遥感图、中心区域以及分割距离输入深度神经网络进行学习训练,得到主网分割模型;
所述人工经验池包括挑选分池、统计分池以及区域分池;
所述挑选分池用于存储人工经验挑选出的中心区域坐标集合;
所述统计分池包括若干个与中心区域坐标集合相同命名的接收池,并统计接收池内中心区域坐标集合的数量;
所述区域分池用于获取中心区域坐标集合内距离最远两点坐标的极坐标距离。
2.根据权利要求1所述的一种基于AI的配电网智能巡检系统,其特征在于,所述AI指令包括巡视区域、巡视任务、巡视时长以及出发时间。
3.根据权利要求1所述的一种基于AI的配电网智能巡检系统,其特征在于,所述节点模块用于获取分割图片内目标区域与细节区域的轮廓边缘,并将轮廓边缘对应坐标标记为节点坐标。
4.根据权利要求1所述的一种基于AI的配电网智能巡检系统,其特征在于,所述地图模块内存储有配电网区域的电子地图,其中,所述电子地图包括配电网区域内全部坐标信息。
5.根据权利要求1所述的一种基于AI的配电网智能巡检系统,其特征在于,所述AI模块包括预设信息子模块、对比子模块以及指令生成子模块;
所述预设信息子模块用于存储配电网区域的预设巡检信息;
所述对比子模块用于将目标区域、细节区域与预设巡检信息进行对比;
所述指令生成子模块根据所述对比子模块的信息生成AI指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110535609.9A CN113256839B (zh) | 2021-05-17 | 2021-05-17 | 一种基于ai的配电网智能巡检系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110535609.9A CN113256839B (zh) | 2021-05-17 | 2021-05-17 | 一种基于ai的配电网智能巡检系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113256839A CN113256839A (zh) | 2021-08-13 |
CN113256839B true CN113256839B (zh) | 2022-05-17 |
Family
ID=77183253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110535609.9A Active CN113256839B (zh) | 2021-05-17 | 2021-05-17 | 一种基于ai的配电网智能巡检系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256839B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115623440B (zh) * | 2022-12-15 | 2023-03-14 | 广东广宇科技发展有限公司 | 一种基于物联网的智慧城市消防巡检系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110133440A (zh) * | 2019-05-27 | 2019-08-16 | 国电南瑞科技股份有限公司 | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 |
CN110633629A (zh) * | 2019-08-02 | 2019-12-31 | 广东电网有限责任公司清远供电局 | 基于人工智能的电网巡检方法、装置、设备及存储介质 |
CN111427375A (zh) * | 2020-03-09 | 2020-07-17 | 深圳中科保泰科技有限公司 | 无人机巡采巡查的微区域智能划分方法及系统 |
KR20200087297A (ko) * | 2018-12-28 | 2020-07-21 | 이화여자대학교 산학협력단 | 인공신경망 기반의 영상 분할을 이용한 불량 검출 방법 및 불량 검출 장치 |
CN111598101A (zh) * | 2020-05-25 | 2020-08-28 | 中国测绘科学研究院 | 基于遥感影像场景分割的城区智能提取方法、系统及设备 |
CN111930982A (zh) * | 2020-07-20 | 2020-11-13 | 南京南瑞信息通信科技有限公司 | 一种电网图像智能标签方法 |
-
2021
- 2021-05-17 CN CN202110535609.9A patent/CN113256839B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200087297A (ko) * | 2018-12-28 | 2020-07-21 | 이화여자대학교 산학협력단 | 인공신경망 기반의 영상 분할을 이용한 불량 검출 방법 및 불량 검출 장치 |
CN110133440A (zh) * | 2019-05-27 | 2019-08-16 | 国电南瑞科技股份有限公司 | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 |
CN110633629A (zh) * | 2019-08-02 | 2019-12-31 | 广东电网有限责任公司清远供电局 | 基于人工智能的电网巡检方法、装置、设备及存储介质 |
CN111427375A (zh) * | 2020-03-09 | 2020-07-17 | 深圳中科保泰科技有限公司 | 无人机巡采巡查的微区域智能划分方法及系统 |
CN111598101A (zh) * | 2020-05-25 | 2020-08-28 | 中国测绘科学研究院 | 基于遥感影像场景分割的城区智能提取方法、系统及设备 |
CN111930982A (zh) * | 2020-07-20 | 2020-11-13 | 南京南瑞信息通信科技有限公司 | 一种电网图像智能标签方法 |
Non-Patent Citations (1)
Title |
---|
基于全卷积网络的高分辨遥感影像目标检测;徐逸之等;《测绘通报》;20180125(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113256839A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN106468918B (zh) | 一种线路巡检的标准化数据采集方法及系统 | |
US10850840B2 (en) | Drone and rover preplacement for remote autonomous inspection of utility system components | |
CN112633535A (zh) | 一种基于无人机图像的光伏电站智能巡检方法及系统 | |
CN111667230A (zh) | 一种无人机自主巡检作业监控分析系统及方法 | |
CN106547814A (zh) | 一种输电线路无人机巡检图像的结构化自动归档方法 | |
CN108648169A (zh) | 高压输电塔绝缘子缺陷自动识别的方法及装置 | |
CN113075938A (zh) | 一种输电线路远距离智能巡检系统及方法 | |
CN113239764B (zh) | 输电线路无人机巡检图像预处理方法 | |
CN113033508B (zh) | 一种基于点云的精细巡检航点快速生成方法 | |
CN113256839B (zh) | 一种基于ai的配电网智能巡检系统 | |
CN113359829B (zh) | 一种基于大数据的无人机电厂智能巡检方法 | |
CN113077561A (zh) | 一种无人机智能巡检系统 | |
CN115272572A (zh) | 输电线路重建方法、装置、电子设备及存储介质 | |
CN116223511A (zh) | 基于无人机自动巡检的分布式屋顶光伏组件缺陷诊断方法及装置 | |
CN113485433A (zh) | 输电线路的巡检方法与装置 | |
CN116736891A (zh) | 一种多机协同巡检电网线路的自主航迹规划系统和方法 | |
CN114020039A (zh) | 无人机巡检杆塔自动对焦系统及方法 | |
CN111738312B (zh) | 基于gis和虚拟现实融合的输电线状态监控方法、装置及计算机可读存储介质 | |
CN113132689A (zh) | 基于ai深度学习类算法研究的低压集抄运维仿真装置 | |
CN115297303B (zh) | 适用于电网输变电设备的图像数据采集处理方法及装置 | |
CN116910831A (zh) | 一种输变电三维数字化系统 | |
CN116594426A (zh) | 一种变电站无人机巡检航线规划方法及系统 | |
CN207473653U (zh) | 变电站运维绩效的评价系统 | |
CN116164730A (zh) | 光伏设备定位导航方法及相关设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |