CN113592324A - 一种基于层次分析的电缆终端塔带电作业的风险评估方法 - Google Patents
一种基于层次分析的电缆终端塔带电作业的风险评估方法 Download PDFInfo
- Publication number
- CN113592324A CN113592324A CN202110896271.XA CN202110896271A CN113592324A CN 113592324 A CN113592324 A CN 113592324A CN 202110896271 A CN202110896271 A CN 202110896271A CN 113592324 A CN113592324 A CN 113592324A
- Authority
- CN
- China
- Prior art keywords
- cable terminal
- human body
- electric field
- live working
- risk
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 108
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 238000012502 risk assessment Methods 0.000 title claims abstract description 29
- 230000005684 electric field Effects 0.000 claims abstract description 73
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 230000005672 electromagnetic field Effects 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims abstract description 16
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 229910052782 aluminium Inorganic materials 0.000 claims description 9
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000004703 cross-linked polyethylene Substances 0.000 claims description 4
- 229920003020 cross-linked polyethylene Polymers 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 6
- 239000012212 insulator Substances 0.000 abstract description 3
- 238000005406 washing Methods 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 9
- 238000005070 sampling Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000011410 subtraction method Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009422 external insulation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 231100000616 occupational exposure limit Toxicity 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000010626 work up procedure Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于，包括以下步骤：步骤1，利用电磁场仿真方法获取三相电缆终端带电消缺时的人体体表电场分布、电缆终端套管应力锥的电场分布；步骤2，建立电缆终端塔带电作业的风险评估指标与风险评价矩阵，基于层次分析法为所述指标构造模糊判断矩阵并求解权重向量，以及基于所述权重向量合成评价结果；步骤3，基于所述评价结果对带电作业场景进行安全等级评估。本发明中的方法，依据可靠、仿真精确性高，能够对实际作业过程中的风险进行准确评估，从而为输电线路电缆终端带电作业，如带电水冲洗，带电更换支柱绝缘子提供依据。
Description
技术领域
本发明涉及电力维护作业领域，更具体地，涉及一种基于层次分析的电缆终端塔带电作业的风险评估方法。
背景技术
现有技术中，带电作业是一项技能要求高、投入高、风险较高、劳动强度大、技术性较强、操作安全水平要求较高的特殊工种和特殊作业方式，是在高空和强电场条件下进行的一种不停电的检修作业对带电作业的主要风险进行危害辨识与评估是保证带电作业安全的前提，而根据主要风险制定重点管控措施是保证带电作业安全的关键。
然而，截止目前为止电力维护作业领域仍然存在着较大的作业风险。一方面，带电作业中存在紧急处理重大缺陷的作业方式，多单位多工种的交叉作业和重复作业，以及作业人员的安全意识不强、专业技术不足等多种因素都使得作业风险较大。另一方面，由于在开展检修和缺陷处理工作的过程中，现场勘察不到位等可能引起作业现场的风险无法得到有限管控。同时配电网的基础数据不够完善，线路跳闸、绝缘工具性能受到地域、海拔、天气、湿度等多种因素的影响等，都会对作业风险造成影响。然而，现有技术中，仍然没有一种较好的方法，能够综合考虑各种风险因素，并能够在进行高风险的作业之前对电力消缺作业风险进行充分评估。
因此，亟需一种基于层次分析的电缆终端塔带电作业的风险评估方法。
发明内容
为解决现有技术中存在的不足，本发明的目的在于，提供一种基于层次分析的电缆终端塔带电作业的风险评估方法，能够采用三维模型建模方法对带电作业过程中的电磁场强度情况进行估计，并基于层次分析方法获得对于作业风险的评估。
本发明采用如下的技术方案。
一种基于层次分析的电缆终端塔带电作业的风险评估方法，其中包括以下步骤：步骤1，利用电磁场仿真方法获取三相电缆终端带电消缺时的人体体表电场分布、电缆终端套管应力锥的电场分布；步骤2，建立电缆终端塔带电作业的风险评估指标与风险评价矩阵，基于层次分析法为指标构造模糊判断矩阵并求解权重向量，以及基于权重向量合成评价结果；步骤3，基于评价结果对带电作业场景进行安全等级评估。
优选地，步骤1中还包括：步骤1.1，基于激光雷达点云数据获取电缆终端塔的三维模型，建立三相电缆终端、电缆接地线、空气包的仿真模型；参照人机工程学标准建立人体模型；步骤1.2，采用视频识别方式获得人体模型在电缆终端塔中的姿态和位置；步骤1.3，基于姿态和位置设置人体模型和电缆终端塔模型，并采用电磁场仿真方法对电缆终端塔下电场分布情况进行仿真，以获得人体模型部分的电场畸变状态。
优选地，在作业人员的安全帽、手部和脚部位置分别设置电场传感器，并在作业人员作业过程中测量人体模型部分的电场畸变状态；基于测量更新人体模型、电缆终端塔模型以及电磁场仿真方法。
优选地，步骤1.1中还包括：采用激光雷达传感器VLP-16采集电缆终端塔的点云数据；并对采集到的点云数据依次进行格式转换，以实现可视化预处理。
优选地，采用欧式聚类对预处理后的点云数据进行分类；即，采用点云数据之间的欧式距离作为参数实现距离数目的确定。
优选地，步骤1.2中还包括：采用背景差分法对视频中的运动目标进行检测，从而识别出人体姿态和位置。
优选地，步骤2中还包括：步骤2.1，根据电磁场仿真方法获得不同作业方式和作业位置下的电场数据；步骤2.2，选定一种作业方式，基于步骤2.1中获得的不同作业位置下的人体体表、电缆终端套管应力锥的最大电场构造模糊判断矩阵，并计算权重。
优选地，不同作业方式和作业位置下的电场数据包括应力锥位置、人体体表位置以及XLPE电缆与应力锥交界位置的最大电场的仿真数据。
优选地，不同作业方式包括地电位作业、等电位作业和中间电位作业；不同作业位置包括站位于高压引线位置、应力锥位置、铝护套位置，以及站位于距离应力锥0至1.5米的距离处。
优选地，地电位作业时，人体模型距离应力锥为1m、0.5m、0.3m、0.2m以及接触状态；等电位作业时，人体模型距离电缆终端套管高压引线处为接触状态，距离0.1m，0.2m，0.3m，0.4m以及0.5m；中间电位作业时，人体模型距离电缆终端套管1m处，与高压引线，应力锥以及铝护套为接触状态，距离应力锥1m，1.1m，1.2m和1.5m。
本发明的有益效果在于，与现有技术相比，本发明中一种基于层次分析的电缆终端塔带电作业的风险评估方法，采用三维模型建模方法对带电作业过程中的电磁场强度情况进行估计，并基于层次分析方法获得对于作业风险的评估。本发明中的方法，依据可靠、仿真精确性高，能够对实际作业过程中的风险进行准确评估，从而为输电线路电缆终端带电作业，如带电水冲洗，带电更换支柱绝缘子提供依据。
本发明的有益效果还包括：
1、本发明可以基于激光雷达点云数据，获得电缆终端塔的三维模型，并采用视频识别和人体模型获得人体在电缆终端中的站位和行为，从而建立电缆终端塔带电作业的数字孪生体，通过电磁场仿真软件ANSYS获得作业人员在作业状态的下对电缆终端的电场分布的影响以及人体对电场的畸变。
2、由于本发明中在作业人员的安全帽、手环和脚部增加了微型电场传感器，从而测量获得更加准确的人体的电场分布，使得模型得更新称为可能，最终模型更能贴合实际。
3、本发明中所采用的模糊层次分析法基于电缆终端带电作业过程中的风险因素能够建立更加直观的评价体系，从而能够定量定性地评估带电作业的风险，并能对带电作业提供相应的防范措施。同时，本发明能够基于国家制定的允许电场水平标准更全面地评估带电作业时作业人员的安全风险，通过作业人员体表及电缆终端应力锥的电场值及电场职业暴露水平来判断作业人员的安全性，为带电作业方式方法以及安全防护的制定提供了依据。
4、本发明所搭建的基于数据采集、数据转换、模型导入、仿真求解、模糊层次分析法判定安全风险的这一系列构架，能够采集实时信息并进行安全评估，对作业方式的制定提供了依据。
附图说明
图1为本发明中一种基于层次分析的电缆终端塔带电作业的风险评估方法的步骤流程示意图；
图2为本发明一种基于层次分析的电缆终端塔带电作业的风险评估方法中电缆终端塔带电作业的示意图；
图3为本发明一种基于层次分析的电缆终端塔带电作业的风险评估方法中风险评价指标层次模型的示意图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。
图1为本发明中一种基于层次分析的电缆终端塔带电作业的风险评估方法的步骤流程示意图。如图1所示，本发明中一种基于层次分析的电缆终端塔带电作业的风险评估方法，其中包括以下步骤：步骤1，利用电磁场仿真方法获取三相电缆终端带电消缺时的人体体表电场分布、电缆终端套管应力锥的电场分布；步骤2，建立电缆终端塔带电作业的风险评估指标与风险评价矩阵，基于层次分析法为指标构造模糊判断矩阵并求解权重向量，以及基于权重向量合成评价结果；步骤3，基于评价结果对带电作业场景进行安全等级评估。
具体来说，本发明中可以首先通过电磁场仿真软件，例如ANSYS等，对于电缆终端塔和人体模型进行建模，通过建模方式获得电缆终端塔各个位置处，和人体模型各个位置上的电场场强分布情况。随后，从中提取出具有代表性的电场场强数据作为风险评估的因素，并采用层次分析法，进行安全等级评估。这种方法可为输电线路电缆终端带电作业，如带电水冲洗，带电更换支柱绝缘子提供依据。
优选地，步骤1中还包括：步骤1.1，基于激光雷达点云数据获取电缆终端塔的三维模型，建立三相电缆终端、电缆接地线、空气包的仿真模型；参照人机工程学标准建立人体模型；步骤1.2，采用视频识别方式获得人体模型在电缆终端塔中的姿态和位置；步骤1.3，基于姿态和位置设置人体模型和电缆终端塔模型，并采用电磁场仿真方法对电缆终端塔下电场分布情况进行仿真，以获得人体模型部分的电场畸变状态。
可以理解的是，由于电缆终端塔的几何结构受线路环境、电气间隙和机械性能等技术经济指标的约束，结构多种多样，而杆塔的带电体和接地体的几何机构对带电作业的电场分布和空气间隙的绝缘性能有着重要影响；另外杆塔的实际结构和设计的三维模型之间存在一定的差异性，采用传统方法构建的三维模型不具备良好的复用性。因此本发明中为了实现对于电缆终端塔的准确模拟，可以采用激光雷达点云数据构建电缆终端塔的三维模型，这样的方法构建三维模型十分的快速准确。
现有技术中，获取点云数据最常见的两种方式就是利用激光雷达传感器或者Kinect传感器。一般来说，激光雷达传感器可用于测量户外空间场景，相比于其它类型的传感器，其采集范围大、测量距离远，但激光点云数据的分布不均匀而且比较稀疏。而Kinect传感器常常用来测量室内空间范围较小的场景，其点云数据的分布相对稠密，在有的情况下两种类型的传感器也可配合使用。
优选地，步骤1.1中还包括：采用激光雷达传感器VLP-16采集电缆终端塔的点云数据；并对采集到的点云数据依次进行格式转换，以实现可视化预处理。
本发明中可以通过激光雷达传感器VLP-16采集杆塔模型的点云数据，这是因为相较于Kinect采集，本发明中的方法采集范围大、测量距离远，测量数据较稀疏，能够较快地得到数据，满足实时性要求。通过这种激光雷达传感器采集到的原始点云数据，大约可以包含18万个数据点。
在完成点云数据采集后，就可以对18万个点云数据点执行预处理操作了。现有技术中，通常采用三维点云滤波对点云数据进行预处理。同信号处理滤波一样，点云数据滤波可以去除或减少信息中的干扰因素，以便于获得更加简洁明了的结果。三维点云滤波是点云数据预处理过程中非常重要的环节，是后续进行点云分割、目标跟踪的基础。
现有技术中，通常采用统计滤波器滤波、下采样滤波和直通滤波三种滤波方式。具体来说三种滤波方式各有优势。
首先，由于传感器自身的原因，会使得采集到的激光点云数据出现噪声点和离群点。在点云数据滤波过程中，经常采用统计滤波器来去除由传感器自身或是物体表面反射而造成的噪声点和离群点。
统计滤波器滤波的基本原理是对于点云数据中的每个点，计算它到它最近k个点的平均距离μi，然后再对每个点的均值
和方差σ进行计算在点云模型中，如果这个平均距离μi大于规定阈值Th，则可将其看作是离群点并从点云集中去除掉。具体来说，每个点的均值的计算公式为
而每个点的方差的计算公式为
另外，平均距离的规定阈值的计算公式为
其次，通常来说，由于采集的点云数据中包含了太多无用的数据点，而大规模的点云数据将会给传输存储和后续处理等工作造成一定的困难，如果直接处理此类点云数据，则会消耗大量的硬件资源，同时对处理结果产生影响。为了便于点云的存储、传输、配准和曲面重建，必须对点云进行简化处理，其简化处理的基本要求是：保持点云的形状特征，减少点云的数量，突出关键点、线、面的特征。而现有技术中通常采用下采样滤波的方法实现这一需求。
点云数据滤波中可以采用体素滤波器VoxelGrid，通过体素滤波器VoxelGrid可以设置合适的下采样参数从而创建三维体素网格，然后在每个三维立方体中用体素中所有点的重心来代表这一体素中的其他点。在确保下采样处理后点云的空间信息与下采样处理前基本一致的情况下，运用体素网格采样法对点云集进行下采样能够大大减少点云的数量，从而改善系统的实时性。同样的还可以采用体素网格采样法来实现点云配准、曲面重建。
第三，通常采集的三维点云数据集中，有许多目标是静止的，例如树、建筑物、灌木丛等。而这些目标属于点云数据追踪过程中无需太过关注的部分。因此，为了方便后续处理，只需要获取感兴趣区域ROI。现有技术中，在给定的限制条件下，通常可以采用直通滤波对点云进行简单的滤波处理，直通滤波可以过滤掉除了指定范围内的任何点，使用起来较为灵活方便。
根据上述各种不同滤波方式的优点，本发明中采用了直通滤波方法。
待完成点云数据的滤波后，可以采用聚类算法进行聚类分割，并按照不同点云所处的位置将其归为不同的整体。现有技术中，在处理点云数据时，通常采用的聚类算法包括K-Means均值聚类算法和欧氏聚类算法两种。然而，由于K-Means均值聚类算法需要预先为点云数据设置聚类的类数量，而在复杂的环境下进行聚类时，很难假设聚类数目，因此，本申请中采用了欧式聚类算法。
本发明中，可以根据实际的电缆终端带电作业场景情况，设定两空间坐标(x1，y1，z1)和(x2，y2，z2)下的欧氏聚类的欧几里得距离参数为
在点云处理中，建立离散点之间的拓扑关系，k维树是一种表示k维空间里点的集合的二叉树，其是在区间还是近邻搜索中都至为重要，具有搜索速度快的优点。因而，点云集中所有的点用一个二叉树来组织，每个点之间的距离表示其邻近距离。在二叉树中，包含在其中的非叶子节点可看作用一个超平面把整体的空间分割成相对于原来那个整体空间的两个半空间。
根据多个不同点云数据之间的欧式距离，通过利用二叉树组织所有点，在需要集合的空间设定一个曲面半径，在曲面半径内搜索点p附近的点，根据计算p及其附近的点的欧几里得距离，判断是否划为一类，这样就获得了聚类数目。
图2为本发明一种基于层次分析的电缆终端塔带电作业的风险评估方法中电缆终端塔带电作业的示意图。如图2所示，当电缆终端作业人员在进行消缺作业过程中，通常会采用地电位作业、等电位作业和中间电位作业的三种模式中的一种。
本申请中可以首先参照人机工程学中中国男性的平均测量尺寸，身高168cm，头部为椭球形，头围560mm，身体厚度为212mm，长533mm，腿长834mm，手臂长550mm，进行人体模型的构建。其中，建模尽量用球形和圆柱，所有尖角处用圆角处理，模型有所简化。另外，还需要从作业视频中提取出作业过程中的人体姿态和位置。
优选地，步骤1.2中还包括：采用背景差分法对视频中的运动目标进行检测，从而识别出人体姿态和位置。
通常来说，运动目标检测是指将运动目标从视频序列中有效的检测及提取出来，忽略非运动的物体及背景，获得运动目标的相应信息。常规的运动目标检测算法有三种，分别是帧间差分法、光流法、背景差分法。对三种算法的进行了对比分析，背景差分法相比其他两种算法，运算量小很多，实时性好。
其中，背景差分法是通过识别背景的方法，将原始图像中的像素区分为前景与背景的方法。在背景差分法中首先假设了背景是静态的，并对背景进行建模，然后区分了前景与背景后把视频序列中的当前帧与背景做差分，这样就能够获得前景目标，由静态假设可知前景对应于运动的物体。由于背景差分法通过建立背景模型，并使用这个模型来检测视频序列中的运动目标，因此，背景建模最重要的部分就是构建可用于表示背景的数学公式。
为了实现背景差分法，需要提取视频中每一帧图像中的边缘信息。现有技术中，可以首先提取视频序列，并对视频的每一帧进行预处理操作。具体来收可以首先对图片进行灰度化操作，通过灰度化操作改变图像的颜色，可以在加快运算速度的同时，保留图像中的边缘特征。然后，可以从图像中选取ROI感兴趣区域，换言之就是剔除图像中无用的区域，并实现图像滤波去噪。随后，可以对预处理后的图像先进行二值化处理，即通过选取一个合适大小的阈值T，将图像区分为目标和背景两部分内容。其计算公式为
其中Gray(i，j)表示图片(i，j)处的灰度值，g(i，j)表示二值化后的值，只能取0或1。待完成二值化处理后，还可以采用Prewitt边缘检测提取图像中的边缘特征。具体的，Prewitt边缘检测结合了差分运算与领域平均的方法，它的卷积核为3×3的矩阵，其计算公式为
式中，Dx表示图像水平梯度，Dy表示图像垂直梯度。最后可以采用改进的Hough变换特征信息点，从而得到检测结果。Hough变换原理是，假设在xy坐标系上存在直线y＝kx+b，由参数方程描述为：ρ＝x cosθ+y sinθ。式中，x，y是直线上的坐标；ρ为原点到直线y＝kx+b的距离；0为该直线的法线与x轴之间的逆时针方向的角度。Hough变换的步骤是首先根据公式ρ＝x cosθ+y sinθ，对图像的每个边缘点变换。随后，求出一组(ρ,θ)并进行投票累加，设定累加器k(ρ,θ)＝k(ρ,θ)+1；当累加器超过设定的阈值时，保留；若未达到阈值，则构不成直线，予以清除；直到遍历所有像素点，Hough变换结束。
基于上述内容，本发明中选择了背景差分法进行了人体姿态的识别。
优选地，在作业人员的安全帽、手部和脚部位置分别设置电场传感器，并在作业人员作业过程中测量人体模型部分的电场畸变状态；基于测量更新人体模型、电缆终端塔模型以及电磁场仿真方法。
具体来说，基于带电作业工况下人体体表电场的计算，一般人体电场畸变最大的部位主要位于头部、脚尖和手指等部位，该电场传感器基于MEMS传感器，有中国科学院电子所生产，直径小于1cm，该传感器采用蓝牙组网进行通讯。该方法为利用绑定在人体多个尖端部位的电场传感器获取人体运动过程中的电场信息，并通过数据传递来实现人体姿态电场实时感知和再现的技术。
另外，为了实现对于电缆终端作业人员作业过程中作业风险的准确评估，不仅要根据本文中的前述方法实现对于电缆终端塔、人体的建模，还需要同时对三相电缆终端、电缆接地线、空气包页进行仿真建模，最后对多种模型的相对位置进行组合，从而仿真出作业过程中的人体电场。
具体来说，可以设置电缆终端塔高26m，电缆终端平台高9m，电缆线从终端处引出接地。电缆终端依据110kV XLPE电缆整体预制干式绝缘户外终端装配图建模，相间距离2m，选择电缆线芯630mm2。
基于上述仿真方法，就可以获得不同作业方式和作业位置下人体体表以及电缆终端塔各个位置上的电场仿真数据了。然而，为了确保作业人员的安全，可以进一步的对于仿真出的数据进行提取，选择其中的关键信息，并基于分析方法，确认当前作业位置、作业方式下作业人员的关键信息能过确保作业人员处于哪一个等级的安全程度中。
优选地，步骤2中还包括：步骤2.1，根据电磁场仿真方法获得不同作业方式和作业位置下人体体表、电缆终端套管应力锥的最大电场；步骤2.2，选定一种作业方式，基于步骤2.1中获得的不同作业位置下的所述人体体表、电缆终端套管应力锥的最大电场构造模糊判断矩阵，并计算权重。
根据对于不同作业条件下的仿真，本发明汇总出了各种不同工况情况下，应力锥位置、人体体表位置以及XLPE电缆与应力锥交界位置的最大电场的仿真数据。
选择上述电场数据的原因是，带电作业短接间隙的过程中，作业人员的体表电场是最能反映作业时的安全性的参数。例如，体表电场超出人体能承受电场最大值240kV/m越多，代表作业风险越高。除此之外，电缆本体在终端内剥去金属护套与绝缘屏蔽层后将会形成一个电场强畸变区域，应力锥作为电缆终端优化电场的核心结构，产生了平行和垂直于电缆长度方向的电场分量，呈现不均匀分布，其周围电场分布复杂，易发生电场畸变甚至引起击穿，且在金属护套边缘处的电场强度相对集中。因此，应力锥处的电场分布对于保证电缆线路及电缆终端的正常运行也有决定作用。
本发明一实施例中针对不同的作业方式，即地电位作业、等电位作业和中间电位作业分别进行了汇总，汇总结果如表格1-3所示。具体来说，在进行三种不同的作业方式的仿真时，可以采用ICCG求解器改变载荷施加的方式和人体站位得到电场分布结果。例如，对于等电位作业，可以使人体与带电体接触，且人体电位与带电体电位相同；对于中间电位作业，可以设置人体为子耦合，电位为悬浮电位；对于地电位作业，可以设置人体与接地体接触，且电位为0。
需要说明的是，该实施例所针对的仿真条件为：给电缆线芯施加额定相电压，在工作相施加110kV相电压幅值89kV，非工作相施加-44kV电压，应力锥施加0kV电压，电缆接地，外部绝缘施加0电位。
表1地电位作业时不同作业位置下电场仿真数据表
表2等电位作业时不同作业位置下电场仿真数据表
表3中间电位作业时不同作业位置下电场仿真数据表
如表1和表3中所示内容可知。对于不同的作业方式，作业工况的选择也不同。本发明中，地电位作业时设置了人体模型距离应力锥1m、0.5m、0.3m、0.2m以及接触作业时的工况；等电位作业以下蹲姿势在电缆终端套管高压引线处从接触作业到远离0.1m，0.2m，0.3m，0.4m，0.5m；中间电位作业距离电缆终端套管1m处，在高压引线，应力锥以及铝护套处作业，在距应力锥处1m，1.1m，1.2m和1.5m等位置作业。
具体的，地电位作业的垂直方向站位可以选择在高压引线(即导电端子处)、应力锥以及电缆铝护套处。同时，为了解短接间隙过程中应力锥及体表电场的变化，可以设置人体模型距离应力锥1m、0.5m、0.3m、0.2m以及接触作业时的工况，距离为手端部到电缆线芯中心线。
另外，为了减小对作业间隙的短接，等电位作业时可以以下蹲姿势在电缆终端套管高压引线处从接触应力锥作业到远离应力锥0.1m，0.2m，0.3m，0.4m，0.5m。以电缆线芯的中心线为水平零点，作业距离为脚与线芯中心线的距离。
最后，中间电位作业应当考虑安全距离，通常来说应当距离电缆终端套管1m以上，例如在距应力锥处1米，1.1米，1.2米和1.5米等位置作业。垂直站位在高压引线，应力锥以及铝护套处作业。以电缆线芯的中心线为水平零点，距离为线芯中心线到手的距离。
本发明中对于作业人员的不同作业方式、不同的作业位置均作为导致作业风险发生的因素。图3为本发明一种基于层次分析的电缆终端塔带电作业的风险评估方法中风险评价指标层次模型的示意图。如图3所示，对于每一种不同的作业方式，可以以每种作业方式中不同的作业位置作为具体的评价指标，对作业风险进行判断。
在进行带电作业的过程中，不可避免面临着各种风险，必须分析风险的来源及风险的可能性，事故风险是其中最重要的一项。如何避免事故给作业人员带来的风险是风险管理的主要内容。大量的实践表明，风险管理可以有效地提高企业和生产设备的本质安全程度，还可以为各级安全生产监督管理部门的决策和监督检查提供有力的技术支撑。风险管理是一个庞大而复杂的系统工程，事故风险管理的核心是系统安全。因此，从系统的观点出发，以全局的观点、更大的范围、更长的时间、更大的空间、更深层次地考虑系统风险管理问题，并把系统那个中影响安全的因素用集合性、相关性和层次性协调起来。进行事故风险管理必须明确系统、危险与风险等的含义，对它们挖掘得越深刻，风险管理的效果也将越明显。
层次分析法是一种简洁、实用的系统性分析方法。该方法是定性和定量相结合，可以把难以接受的问题转换为明确、简便的问题使人们易于接受。该系统性分析方法的思维模式是分解、判断、综合，在系统中每一层元素都会对结果造成影响，并通过量化相对值表示出来。层次分析过程中定性成分相对占主导地位，是通过元素的权重比例计算确定元素的影响程度，它是模拟用人的大脑思考分析问题的决策方法，包含了很多的定性成分。在层次分析法中能够体现分析的核心关键在于各层次因素的确定和权重比例的确定，那么在各层次中因素的分析是指能够影响分析指标的因素进行权重分配，从而确定因素对分析指标影响的方向和程度。
若将每个事件的风险定义为该事件发生的概率与该事件发生的后果之间的函数，则能够得到R＝f(P，L)。其中，R为风险，P为事件发生的概率，L为事件发生造成的后果。
本发明中可以基于层次分析法来对各种不同作业情况下的风险进行判断。首先，可以采用表4中所示的比例标度对三角模糊数b＝(bp，bm，bq)进行赋值。
在该三角模糊数中，bp，bm，bq分别表示最悲观值、最可能值和最乐观值。
| 标度值 | 标度含义 |
| 0.1-0.4 | 后者比前者重要，参考0.6～0.9 |
| 0.5 | 前者与后者同等重要 |
| 0.6 | 前者比后者略微重要 |
| 0.7 | 前者比后者明显重要 |
| 0.8 | 前者比后者重要很多 |
| 0.9 | 前者比后者极端重要 |
表4层次分析模型中0.1至0.9的比例标度
本发明中，可以以表1中的地电位作业时不同作业位置下电场仿真数据为例进行三角互补判断矩阵的构建。具体来说，设判断矩阵B＝(bij)n*n＝。式中bij＝(bpij，bmij，bqij)，bji＝(bpji，bmji，bqji)。可以理解的是，如若在矩阵中存在有bpij+bqji＝bmij+bmji＝bqij+bpji，0≤bpij≤bmij≤bqij，i，j∈N，N＝{1,2,3...n}，则B为三角互补判断矩阵。因此，根据本发明中对矩阵的构建方式可知，构建出来的判断矩阵一定是三角互补的。
本发明一实施例中，对表1中的七种工作位置，由于应力锥处电场分布复杂，铝护套处的热缩管又是经常发生故障的位置，再加上高压引线处电场很高，故工况安排为垂直方向上站位于高压引线(即导电端子)、应力锥或者电缆铝护套位置，水平方向上人体模型中手的端部距离应力锥的距离分别为0.2米、0.3米、0.5米和1米左右的7种情况进行比较，从而获得了如下的判断矩阵。
本发明中，由专家对上述7个指标中的每两个指标进行比较，当遍历所有的每两个指标后，就可以构建出完整的模糊判断矩阵了。本发明中，具体来说，可以通过电场值大小比较安全性，并通过三角模糊数构建判断矩阵。
表5地电位作业的模糊判断矩阵
本发明可以通过三角模糊数的隶属度函数计算出三角模糊数的期望值。本申请中隶属度函数为：
其中，x∈U，在论域U上都有一个数μ(x)∈[0,1]与之对应。从隶属度函数中可知，μ(x)称为x对U的隶属度，μ(x)称为x的隶属函数，也就是模糊数。进一步地，对模糊判断矩阵中的每一行进行求和计算，从而得到多个权重向量。这种计算模糊判断矩阵中权重向量的方法也可以被称为规范列平均法。
具体来说，权重向量为ω＝(ω1，ω2，...，ωn)T。其中，每一向量的计算公式为：
可见，每一个向量均等于矩阵当前行中所有项的和进行归一化后的取值。
本发明一实施例中，根据上述方法计算获得的判断矩阵中7行数据的权重向量的取值分别为ω1＝(0.166，0.213，0.232)，ω2＝(0.140，0.170，0.197)，ω3＝(0.147，0.181，0.205)，ω4＝(0.127，0.156，0.181)，ω5＝(0.088，0.103，0.131)，ω6＝(0.072，0.089，0.120)，ω7＝(0.072，0.089，0.120)。
将权重向量进行两两比较从能能够得到其中一个向量大于另一个向量的概率，即可能度P(ωi≥ωj)，从而建立可能度矩阵Pij。具体的计算方法为，
式中，μ∈(0,1)。
本发明一实施例中，可以设置μ的取值为0.5，因此，可以算出可能度矩阵为
根据可能度矩阵中每行每列数据项的取值，进行求和和归一化运算，可以得到算法最终的权重取值。
权重的计算公式为
根据公式可知，本发明实施例中的可能度矩阵的权重值为
ω＝(0.554,0.365,0.383,0.187,0.046,0.214,0.214)T。
本发明中，可以为层次分析算法建立风险评语集。具体来说，该风险评语集的确立方法为通过电场及作业安全性数据建立风险评估模型，通过三角模糊数对权重进行计算，对权重排序，通过最先建立的风险评语集一一对应，得到具体工况的风险评语。这种方法设计的风险评语集具有具体、可视化的有益效果。通过建立安全风险评估体系，可以归纳汇总出安全生产实际中风险控制标准，结合电场仿真结果以及层次分析法结果，明确安全风险如何进行判定，安全风险的等级如何划分,各种等级的安全风险如何进行管理。因此，风险评估体系即评语集就通过风险程度制定相关的安全措施。
例如，本发明一实施例中，风险评语集可以被设计为V＝(V1，V2，V3，V4，V5，V6，V7)。其中V1至V7分别表示非常安全、安全、较安全、一般安全、一般危险、危险、极度危险七个层次。同时，为每个层次提供一个权重v1至v7，本发明实施例中，V1至V7的权重可以依次为(10，8，7，5，3，2，1)。
因此，模糊综合评价集的计算结果可以为W＝(ω1v1,ω2v2,…,ωnvn)，其中，ω1至ωn为可能度矩阵的每行权重，v1至vn为可能度矩阵的每行权重的所对应的每个层次的权重。因此，在本发明实施例中，最终可以得到的评价结果为W＝12.85。
这一数据代表了当作业人员靠近电缆终端地电位进行消缺作业时，其风险状态为非常安全。
根据上述计算过程还可以对每一种不同的作业方式进行求解，从而获取不同作业方式下的带电作业风险程度。
本发明的有益效果在于，与现有技术相比，本发明中一种。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (10)
1.一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于，包括以下步骤：
步骤1，利用电磁场仿真方法获取三相电缆终端带电消缺时的人体体表电场分布、电缆终端套管应力锥的电场分布；
步骤2，建立电缆终端塔带电作业的风险评估指标与风险评价矩阵，基于层次分析法为所述指标构造模糊判断矩阵并求解权重向量，以及基于所述权重向量合成评价结果；
步骤3，基于所述评价结果对带电作业场景进行安全等级评估。
2.根据权利要求1中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
所述步骤1中还包括：
步骤1.1，基于激光雷达点云数据获取电缆终端塔的三维模型，建立三相电缆终端、电缆接地线、空气包的仿真模型；参照人机工程学标准建立人体模型；
步骤1.2，采用视频识别方式获得人体模型在电缆终端塔中的姿态和位置；
步骤1.3，基于所述姿态和位置设置人体模型和电缆终端塔模型，并采用电磁场仿真方法对电缆终端塔下电场分布情况进行仿真，以获得人体模型部分的电场畸变状态。
3.根据权利要求2中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
在作业人员的安全帽、手部和脚部位置分别设置电场传感器，并在作业人员作业过程中测量人体模型部分的电场畸变状态；
基于所述测量更新人体模型、电缆终端塔模型以及所述电磁场仿真方法。
4.根据权利要求2中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
所述步骤1.1中还包括：
采用激光雷达传感器VLP-16采集所述电缆终端塔的点云数据；
并对采集到的所述点云数据依次进行格式转换，以实现可视化预处理。
5.根据权利要求4中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
采用欧式聚类对预处理后的点云数据进行分类；即，采用点云数据之间的欧式距离作为参数实现距离数目的确定。
6.根据权利要求2中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
所述步骤1.2中还包括：
采用背景差分法对视频中的运动目标进行检测，从而识别出人体姿态和位置。
7.根据权利要求1中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
所述步骤2中还包括：
步骤2.1，根据电磁场仿真方法获得不同作业方式和作业位置下的电场数据；
步骤2.2，选定一种作业方式，基于步骤2.1中获得的不同作业位置下的所述人体体表、电缆终端套管应力锥的最大电场构造模糊判断矩阵，并计算权重。
8.根据权利要求7中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
所述不同作业方式和作业位置下的电场数据包括应力锥位置、人体体表位置以及XLPE电缆与应力锥交界位置的最大电场的仿真数据。
9.根据权利要求8中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
不同作业方式包括地电位作业、等电位作业和中间电位作业；
不同作业位置包括站位于高压引线位置、应力锥位置、铝护套位置，以及站位于距离应力锥0至1.5米的距离处。
10.根据权利要求9中所述的一种基于层次分析的电缆终端塔带电作业的风险评估方法，其特征在于：
地电位作业时，人体模型距离应力锥为1m、0.5m、0.3m、0.2m以及接触状态；
等电位作业时，人体模型距离电缆终端套管高压引线处为接触状态，距离0.1m，0.2m，0.3m，0.4m以及0.5m；
中间电位作业时，人体模型距离电缆终端套管1m处，与高压引线，应力锥以及铝护套为接触状态，距离应力锥1m，1.1m，1.2m和1.5m。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110896271.XA CN113592324B (zh) | 2021-08-05 | 2021-08-05 | 一种基于层次分析的电缆终端塔带电作业的风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110896271.XA CN113592324B (zh) | 2021-08-05 | 2021-08-05 | 一种基于层次分析的电缆终端塔带电作业的风险评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113592324A true CN113592324A (zh) | 2021-11-02 |
| CN113592324B CN113592324B (zh) | 2024-07-02 |
Family
ID=78255468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110896271.XA Active CN113592324B (zh) | 2021-08-05 | 2021-08-05 | 一种基于层次分析的电缆终端塔带电作业的风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113592324B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114792371A (zh) * | 2022-05-10 | 2022-07-26 | 北京御航智能科技有限公司 | 基于模糊层次分析的算法评价方法、装置、设备及介质 |
| CN115184193A (zh) * | 2022-09-06 | 2022-10-14 | 深圳永贵技术有限公司 | 线缆的自动化测试方法、装置、设备及存储介质 |
| CN115423387A (zh) * | 2022-11-04 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 超特高压线路带电作业人员现场行为智能预警方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376400A (zh) * | 2014-10-27 | 2015-02-25 | 广州市中南民航空管通信网络科技有限公司 | 基于模糊矩阵层次分析法的风险评估方法 |
| CN110648072A (zh) * | 2019-09-26 | 2020-01-03 | 国网安徽省电力有限公司信息通信分公司 | 基于模糊层次分析法的电力通信运维安全风险评估的方法 |
| CN112668830A (zh) * | 2020-11-20 | 2021-04-16 | 国网湖南省电力有限公司 | 一种变电站作业风险多层模糊评估方法 |
| CN112906257A (zh) * | 2021-01-15 | 2021-06-04 | 国网江苏省电力有限公司无锡供电分公司 | 一种基于人体体表电场的电缆终端带电作业风险评估方法 |
-
2021
- 2021-08-05 CN CN202110896271.XA patent/CN113592324B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104376400A (zh) * | 2014-10-27 | 2015-02-25 | 广州市中南民航空管通信网络科技有限公司 | 基于模糊矩阵层次分析法的风险评估方法 |
| CN110648072A (zh) * | 2019-09-26 | 2020-01-03 | 国网安徽省电力有限公司信息通信分公司 | 基于模糊层次分析法的电力通信运维安全风险评估的方法 |
| CN112668830A (zh) * | 2020-11-20 | 2021-04-16 | 国网湖南省电力有限公司 | 一种变电站作业风险多层模糊评估方法 |
| CN112906257A (zh) * | 2021-01-15 | 2021-06-04 | 国网江苏省电力有限公司无锡供电分公司 | 一种基于人体体表电场的电缆终端带电作业风险评估方法 |
Non-Patent Citations (4)
| Title |
|---|
| 孟遂民等: "基于模糊层次分析法的特高压直流输电线路带电作业安全评价", 高压电器, no. 11, 16 November 2016 (2016-11-16), pages 42 - 44 * |
| 彭熠等: "基于层次分析法的输电线路带电作业安全综合评估模型", 电工技术, no. 21, 10 November 2018 (2018-11-10), pages 49 - 51 * |
| 欧相林等: "10kV配电线路带电作业安全综合评价应用分析", 高压电器, no. 02, 16 February 2013 (2013-02-16), pages 55 - 59 * |
| 盛从兵等: "基于3D激光点云的输电线提取及建模方法研究", 《电工技术》, vol. 17, 10 September 2020 (2020-09-10), pages 60 - 61 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114792371A (zh) * | 2022-05-10 | 2022-07-26 | 北京御航智能科技有限公司 | 基于模糊层次分析的算法评价方法、装置、设备及介质 |
| CN114792371B (zh) * | 2022-05-10 | 2023-07-25 | 北京御航智能科技有限公司 | 电线实时分割和识别算法的确定方法、装置、设备及介质 |
| CN115184193A (zh) * | 2022-09-06 | 2022-10-14 | 深圳永贵技术有限公司 | 线缆的自动化测试方法、装置、设备及存储介质 |
| CN115423387A (zh) * | 2022-11-04 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 超特高压线路带电作业人员现场行为智能预警方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113592324B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113592324B (zh) | 一种基于层次分析的电缆终端塔带电作业的风险评估方法 | |
| CN108037133B (zh) | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 | |
| CN106709946B (zh) | 基于LiDAR点云的多分裂导线自动提取与精细建模方法 | |
| Meng et al. | Morphology-based building detection from airborne LIDAR data | |
| CN110264448B (zh) | 一种基于机器视觉的绝缘子故障检测方法 | |
| WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
| CN111144325A (zh) | 变电站电力设备的故障识别定位方法、装置及设备 | |
| CN112883878B (zh) | 一种基于三维格网的变电站场景下的点云自动分类方法 | |
| CN110827311A (zh) | 一种基于成像法的电缆导体截面积测量方法及系统 | |
| CN111402224A (zh) | 一种用于电力设备的目标识别方法 | |
| CN110675441A (zh) | 基于激光点云的输电线路导地线建模提取方法 | |
| CN110794413A (zh) | 线性体素分割的激光雷达点云数据电力线检测方法和系统 | |
| CN112102296A (zh) | 一种基于人类概念学的电力设备目标识别方法 | |
| CN117788902A (zh) | 超高压检修作业人员安全评估方法、装置、设备及介质 | |
| Shen et al. | An automatic extraction algorithm of high voltage transmission lines from airborne LIDAR point cloud data | |
| Shokri et al. | A robust and efficient method for power lines extraction from mobile LiDAR point clouds | |
| CN112991432A (zh) | 基于图像处理的覆冰冰形识别方法 | |
| CN115825984A (zh) | 一种基于激光点云的输电线路巡检系统及巡检方法 | |
| CN115410036A (zh) | 一种高压架空输电线路关键要素激光点云自动分类方法 | |
| CN116452604B (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
| CN112734637A (zh) | 一种导线温度监测的热红外图像处理方法和系统 | |
| CN116958841A (zh) | 基于图像识别的配电线路无人机巡检系统 | |
| CN115641448A (zh) | 一种基于无人机遥感快速识别电力线下树障高度的方法 | |
| CN115841568A (zh) | 一种基于台账数据的输电杆塔绝缘子重建的方法 | |
| CN111626329B (zh) | 一种基于lda寻优多尺度纹理特征的绝缘管母故障诊断方法 |
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 | ||
| GR01 | Patent grant |