CN113537011A - 一种基于云边融合的电力杆塔输电线路状态监测的方法 - Google Patents

一种基于云边融合的电力杆塔输电线路状态监测的方法 Download PDF

Info

Publication number
CN113537011A
CN113537011A CN202110759953.6A CN202110759953A CN113537011A CN 113537011 A CN113537011 A CN 113537011A CN 202110759953 A CN202110759953 A CN 202110759953A CN 113537011 A CN113537011 A CN 113537011A
Authority
CN
China
Prior art keywords
power tower
electric power
information
state
bad state
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
Application number
CN202110759953.6A
Other languages
English (en)
Inventor
张志海
唐元
林和昀
彭舜杰
阳佑敏
罗轩
黄国伦
潘信宏
王伟亮
黄志都
蓝天宝
磨唯
李买林
陈靖东
于肖杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Power Grid Co Ltd
Original Assignee
Guangxi Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi Power Grid Co Ltd filed Critical Guangxi Power Grid Co Ltd
Priority to CN202110759953.6A priority Critical patent/CN113537011A/zh
Publication of CN113537011A publication Critical patent/CN113537011A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明公开了一种基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，包括以下步骤：采集模块采集电力杆塔信息，并发送至边缘计算设备；所述边缘计算设备将电力杆塔信息进行处理，并将一次识别结果为不良状态的电力杆塔信息发送至云端服务器；所述云端服务器接收一次识别结果为不良状态的电力杆塔信息进行二次识别；所述云端服务器生成最终识别结果。实现了云端服务器将边缘计算设备误识别为不良状态的电力杆塔信息识别为正常状态的电力杆塔信息，云端服务器将不良状态的电力杆塔信息识别为不良状态的电力杆塔信息，并发出报警信号，可以查看不良状态的电力杆塔信息，可以及时对不良状态的电力杆塔进行维护。

Description

一种基于云边融合的电力杆塔输电线路状态监测的方法
技术领域
本发明涉及电力信息技术领域，尤其涉及一种基于云边融合的电力杆塔输电线路状态监测的方法。
背景技术
在电力输送网络中，输电电力杆塔是非常重要的一环，输电电力杆塔安全正常的状态对于输电网络来说尤为重要。对输电电力杆塔状态的监测是一项非常重要的工作，由于施工外力破坏，地质灾害等原因导致杆塔基座下陷，倾斜等会严重影响输电网络的安全运行。但是输电杆塔数量庞大，如果完全依靠人工检修，难免存在错漏，且不容易及时发现问题。
发明内容
为了克服现有技术的不足，本发明提供了一种基于云边融合的电力杆塔输电线路状态监测的方法，实现了精确识别电力杆塔状态信息。
为了实现上述发明目的，本发明采用以下技术方案：
S101、采集模块采集电力杆塔信息，并发送至边缘计算设备；
S102、边缘计算设备将电力杆塔信息进行处理，将一次识别结果为不良状态的电力杆塔信息发送至云端服务器；
S103、云端服务器接收一次识别结果为不良状态的电力杆塔信息进行二次识别；
S104、云端服务器生成最终识别结果；
步骤S101至步骤S104，云端服务器将一次识别结果为不良状态的电力杆塔信息进行二次识别，云端服务器将边缘计算设备误识别为不良状态的电力杆塔信息进行二次识别，识别为正常状态的电力杆塔信息。
进一步的，采集模块采集电力杆塔信息包括电力杆塔图像信息和电力杆塔地理位置信息；电力杆塔图像信息与电力杆塔地理位置信息一一对应，通过识别电力杆塔图像信息可以获取该电力杆塔所在的地理位置信息。
进一步的，电力杆塔映入采集模块摄像头的成像区域视角内，边缘计算设备的目标检测算法检测出电力杆塔的基座区域位置，并根据电力杆塔的基座区域位置进行自动对焦。
进一步的，边缘计算设备的神经网络模型检测出摄像头视角内的电力杆塔的基座区域位置，并根据电力杆塔的基座区域位置控制采集模块的摄像头进行变焦。
进一步的，采集模块和边缘计算设备接入同一局域网络，在同一局域网络中，采集模块采集的电力杆塔信息，发送至边缘计算设备。
进一步的，边缘计算设备接收采集模块发送的电力杆塔信息，边缘计算设备将电力杆塔图像信息进行图像压缩、图像栽切和图像识别。
进一步的，边缘计算设备采用下采样算法将电力杆塔图像信息进行图像压缩图像压缩采用下采样算法，下采样算法的公式为：
Figure BDA0003149182830000021
其中，Pk为窗口下采样得到像素点的像素值，Ii为窗口中所有像素点像素均值，S2为窗口面积,i为窗口中第i个像素点，k为下采样的窗口序号，win(k)为第k个窗口。
进一步的，边缘计算设备采用算法模型检测电力杆塔图像信息中电力杆塔的基座区域位置，并根据电力杆塔的基座区域位置进行图像栽切。
进一步的，边缘计算设备采用神经网络模型识别经过图像栽切处理的电力杆塔图像信息，并根据电力杆塔的基座区域位置识别电力杆塔不良状态类型，电力杆塔不良状态类型包括：电力杆塔基座下陷、电力杆塔基座倾斜和电力杆塔存在周围地质灾害。
进一步的，边缘计算设备将一次识别结果为不良状态的电力杆塔信息发送至云端服务器，边缘计算设备一次识别结果为不良状态的电力杆塔信息中包括误识别为不良状态的电力杆塔信息和识别为不良状态的电力杆塔信息。
进一步的，云端服务器接收边缘计算设备发送的一次识别结果为不良状态的电力杆塔信息，云端服务器采用层数更多的神经网络模型进行二次识别，云端服务器将一次识别结果为不良状态的电力杆塔信息进行二次识别。
进一步的，云端服务器将正常状态的电力杆塔信息误识别为不良状态的电力杆塔信息进行二次识别，云端服务器将误识别为不良状态的电力杆塔信息识别为正常状态的电力杆塔信息；云端服务器将不良状态的电力杆塔信息识别为不良状态的电力杆塔信息，并发出报警。
进一步的，云端服务器生成最终识别结果，识别结果包括不良状态的电力杆塔信息和正常状态的电力杆塔信息；选择不良状态的电力杆塔信息，可以查看不良状态的电力杆塔信息是属于哪一种不良状态类型，不良状态类型包括电力杆塔基座下陷、电力杆塔基座倾斜和电力杆塔存在周围地质灾害，可以查看不良状态的电力杆塔的地理位置信息；选择正常状态的电力杆塔信息，可以查看正常状态的电力杆塔信息，以及误识别为不良状态的电力杆塔信息，可以查看正常状态的电力杆塔的地理位置信息和误识别为不良状态的电力杆塔地理位置信息。
本发明的有益效果：一种基于云边融合的电力杆塔输电线路状态监测的方法，边缘计算设备对电力杆塔信息进行一次识别，将一次识别结果为不良状态的电力杆塔信息发送至云端服务器进行二次识别，云端服务器将边缘计算设备误识别为不良状态的电力杆塔信息识别为正常状态的电力杆塔信息，云端服务器将不良状态的电力杆塔信息识别为不良状态的电力杆塔信息，并发出报警信号，选择不良状态的电力杆塔信息，可以查看不良状态的电力杆塔信息是属于哪一种不良状态类型和查看不良状态的电力杆塔的地理位置信息，可以及时对不良状态的电力杆塔进行维护。
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，显而易见的，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它的附图。
图1是本发明一种基于云边融合的电力杆塔输电线路状态监测的方法的步骤示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
实施例一：
S101、采集模块采集电力杆塔信息，并发送至边缘计算设备；
采集模块采集电力杆塔信息包括电力杆塔图像信息和电力杆塔地理位置信息；电力杆塔图像信息与电力杆塔地理位置信息一一对应，即识别电力杆塔图像信息可以获取该电力杆塔所在的地理位置信息；电力杆塔映入采集模块摄像头的成像区域视角内，边缘计算设备的目标检测算法检测出电力杆塔的基座区域位置，并根据电力杆塔的基座区域位置进行自动对焦，边缘计算设备的神经网络模型检测出摄像头视角内的电力杆塔的基座区域位置，并根据电力杆塔的基座区域位置控制采集模块的摄像头进行变焦；采集模块将电力杆塔图像信息和电力杆塔地理位置信息发送至边缘计算设备；采集模块和边缘计算设备接入同一局域网络，在同一局域网络中，采集模块采集的电力杆塔信息，发送至边缘计算设备。
S102、边缘计算设备将电力杆塔信息进行处理，将一次识别结果为不良状态的电力杆塔信息发送至云端服务器；
边缘计算设备接收采集模块发送的电力杆塔信息，边缘计算设备将电力杆塔图像信息进行图像压缩、图像栽切和图像识别；边缘计算设备采用下采样算法将电力杆塔图像信息进行图像压缩，图像压缩采用下采样算法，下采样算法的公式为：
Figure BDA0003149182830000051
其中，Pk为窗口下采样得到像素点的像素值，Ii为窗口中所有像素点像素均值，S2为窗口面积,i为窗口中第i个像素点，k为下采样的窗口序号，win(k)为第k个窗口；边缘计算设备采用算法模型检测电力杆塔图像信息中电力杆塔的基座区域位置，并根据电力杆塔的基座区域位置进行图像栽切；边缘计算设备采用神经网络模型识别经过图像栽切处理的电力杆塔图像信息，并根据电力杆塔的基座区域位置识别电力杆塔不良状态类型，电力杆塔不良状态类型包括：电力杆塔基座下陷、电力杆塔基座倾斜和电力杆塔存在周围地质灾害；边缘计算设备将一次识别结果为不良状态的电力杆塔信息发送至云端服务器，边缘计算设备一次识别结果为不良状态的电力杆塔信息中包括误识别为不良状态的电力杆塔信息和识别为不良状态的电力杆塔信息。
S103、云端服务器接收一次识别结果为不良状态的电力杆塔信息进行二次识别；
云端服务器接收边缘计算设备发送的一次识别结果为不良状态的电力杆塔信息，云端服务器采用层数更多的神经网络模型进行二次识别，云端服务器将一次识别结果为不良状态的电力杆塔信息进行二次识别；边缘计算设备发送的一次识别结果为不良状态的电力杆塔信息通过云端服务器进行二次识别，云端服务器将正常状态的电力杆塔信息误识别为不良状态的电力杆塔信息进行二次识别，云端服务器将误识别为不良状态的电力杆塔信息识别为正常状态的电力杆塔信息；云端服务器将不良状态的电力杆塔信息识别为不良状态的电力杆塔信息，并发出报警信号。
S104、云端服务器生成最终识别结果；
云端服务器将正常状态的电力杆塔信息误识别为不良状态的电力杆塔信息进行二次识别，识别为正常状态的电力杆塔信息；云端服务器将不良状态的电力杆塔信息进行二次识别，识别为不良状态的电力杆塔信息；云端服务器生成最终识别结果，识别结果包括不良状态的电力杆塔信息和正常状态的电力杆塔信息；选择不良状态的电力杆塔信息，可以查看不良状态的电力杆塔信息是属于哪一种不良状态类型，不良状态类型包括电力杆塔基座下陷、电力杆塔基座倾斜和电力杆塔存在周围地质灾害，可以查看不良状态的电力杆塔的地理位置信息；选择正常状态的电力杆塔信息，可以查看正常状态的电力杆塔信息，以及误识别为不良状态的电力杆塔信息，可以查看正常状态的电力杆塔的地理位置信息和误识别为不良状态的电力杆塔地理位置信息。
以上仅为说明本发明的实施方式，并不用于限制本发明，对于本领域的技术人员来说，凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，包括以下步骤：
S101、采集模块采集电力杆塔信息，并发送至边缘计算设备；
S102、所述边缘计算设备将电力杆塔信息进行处理，并将一次识别结果为不良状态的电力杆塔信息发送至云端服务器；
S103、所述云端服务器接收一次识别结果为不良状态的电力杆塔信息进行二次识别；
S104、所述云端服务器生成最终识别结果。
2.根据权利要求1所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，所述边缘计算设备将电力杆塔信息进行处理的方式包括图像压缩、图像栽切和图像识别。
3.根据权利要求2所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，所述图像压缩采用下采样算法，下采样算法的公式为：
Figure FDA0003149182820000011
其中，Pk为窗口下采样得到像素点的像素值，Ii为窗口中所有像素点像素均值，S2为窗口面积,i为窗口中第i个像素点，k为下采样的窗口序号，win(k)为第k个窗口。
4.根据权利要求2所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，所述图像栽切具体包括：
通过算法模型检测所述电力杆塔图像信息中电力杆塔的基座区域位置；
根据所述电力杆塔的基座区域位置进行图像栽切。
5.根据权利要求2所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，所述图像识别具体包括：
采用神经网络模型识别经过图像栽切处理的电力杆塔图像信息；
根据所述电力杆塔的基座区域位置识别电力杆塔不良状态类型。
6.根据权利要求1所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，所述一次识别结果为不良状态的电力杆塔信息包括误识别为不良状态的电力杆塔信息和识别为不良状态的电力杆塔信息。
7.根据权利要求1或6所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，所述云端服务器采用层数更多的神经网络模型对一次识别结果为不良状态的电力杆塔信息进行二次识别。
8.根据权利要求6所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，所述云端服务器将误识别为不良状态的电力杆塔信息识别为正常状态的电力杆塔信息；所述云端服务器将不良状态的电力杆塔信息识别为不良状态的电力杆塔信息，并发出报警。
9.根据权利要求1所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，所述最终识别结果包括不良状态的电力杆塔信息和正常状态的电力杆塔信息。
10.根据权利要求9所述的基于云边融合的电力杆塔输电线路状态监测的方法，其特征在于，当选择所述不良状态的电力杆塔信息时，实现查看不良状态状态类型和不良状态的电力杆塔的地理位置信息；当选择所述正常状态的电力杆塔信息时，实现查看正常状态的电力杆塔的地理位置信息和误识别为不良状态的电力杆塔地理位置信息。
CN202110759953.6A 2021-07-06 2021-07-06 一种基于云边融合的电力杆塔输电线路状态监测的方法 Pending CN113537011A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110759953.6A CN113537011A (zh) 2021-07-06 2021-07-06 一种基于云边融合的电力杆塔输电线路状态监测的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110759953.6A CN113537011A (zh) 2021-07-06 2021-07-06 一种基于云边融合的电力杆塔输电线路状态监测的方法

Publications (1)

Publication Number Publication Date
CN113537011A true CN113537011A (zh) 2021-10-22

Family

ID=78126855

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110759953.6A Pending CN113537011A (zh) 2021-07-06 2021-07-06 一种基于云边融合的电力杆塔输电线路状态监测的方法

Country Status (1)

Country Link
CN (1) CN113537011A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019165876A1 (zh) * 2018-02-27 2019-09-06 华为技术有限公司 网络连接的建立方法及装置
CN111402253A (zh) * 2020-04-03 2020-07-10 华东交通大学 融合边缘计算和深度学习的输变电设备状态在线监测方法
CN112491982A (zh) * 2020-11-13 2021-03-12 国网天津市电力公司 基于云边协同输电线路精细化感知方法
CN112818758A (zh) * 2021-01-14 2021-05-18 广州穗能通能源科技有限责任公司 电力施工现场的监测方法、系统、装置和存储介质
WO2021114661A1 (zh) * 2019-12-11 2021-06-17 重庆邮电大学 一种基于边云协同的工厂电能管控系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019165876A1 (zh) * 2018-02-27 2019-09-06 华为技术有限公司 网络连接的建立方法及装置
WO2021114661A1 (zh) * 2019-12-11 2021-06-17 重庆邮电大学 一种基于边云协同的工厂电能管控系统及方法
CN111402253A (zh) * 2020-04-03 2020-07-10 华东交通大学 融合边缘计算和深度学习的输变电设备状态在线监测方法
CN112491982A (zh) * 2020-11-13 2021-03-12 国网天津市电力公司 基于云边协同输电线路精细化感知方法
CN112818758A (zh) * 2021-01-14 2021-05-18 广州穗能通能源科技有限责任公司 电力施工现场的监测方法、系统、装置和存储介质

Similar Documents

Publication Publication Date Title
CN104899936B (zh) 一种基于图像识别的光伏组件故障提示方法及系统
CN108872781B (zh) 基于电力设施智能巡检的分析方法及装置
CN105654461A (zh) 一种多分裂导线间隔棒断裂的机器视觉检测方法
CN110335271B (zh) 一种电气部件故障的红外检测方法及装置
CN111145159B (zh) 提取巡检关键部件点的方法及装置
CN108537170A (zh) 一种电力设备固件无人机巡检销钉缺失检测方法
CN111337789A (zh) 一种高压输电线路中故障电气元件检测方法及检测系统
CN115761644A (zh) 基于深度学习和帧差法的输电导线异物检测方法
CN112697798A (zh) 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置
CN109523543A (zh) 一种基于边缘距离的导线断股检测方法
CN109063634A (zh) 在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法
CN112688434A (zh) 输配电线路的监测预警方法、装置、计算机设备和介质
CN113343998A (zh) 电力机械表计读数监测系统、方法、计算机设备及应用
CN115620239A (zh) 一种点云和视频结合的输电线路在线监测方法和系统
CN113538434B (zh) 一种电力设备缺陷识别方法、系统和可读存储介质
CN113516091B (zh) 一种识别变电站电火花图像的方法
CN114998245A (zh) 基于双目测距和图像分割对输电线舞动的检测方法
CN114119528A (zh) 一种配电线路绝缘子的缺陷检测方法及装置
CN116958841B (zh) 基于图像识别的配电线路无人机巡检系统
CN106355187A (zh) 视觉信息在电力设备监测中的应用
CN111444857B (zh) 无人机巡检数据处理方法
CN113537011A (zh) 一种基于云边融合的电力杆塔输电线路状态监测的方法
CN112016641A (zh) 一种异物导致线路短路故障告警方法及装置
CN111105395B (zh) 一种用于输电运行监测的ai智能云台
CN110516551B (zh) 一种基于视觉的巡线位置偏移识别系统、方法及无人机

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211022