CN113723268B - 识别电网故障的方法、装置、计算机存储介质及处理器 - Google Patents
识别电网故障的方法、装置、计算机存储介质及处理器 Download PDFInfo
- Publication number
- CN113723268B CN113723268B CN202110984649.1A CN202110984649A CN113723268B CN 113723268 B CN113723268 B CN 113723268B CN 202110984649 A CN202110984649 A CN 202110984649A CN 113723268 B CN113723268 B CN 113723268B
- Authority
- CN
- China
- Prior art keywords
- determining
- power grid
- images
- transformer substation
- fluctuation degree
- 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 60
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 230000003068 static effect Effects 0.000 claims description 13
- 230000000739 chaotic effect Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 description 12
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010892 electric spark Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请提供了一种识别电网故障的方法、装置、计算机存储介质及处理器。其中,该方法包括:获取变电站监控视频;从变电站监控视频中提取出多张变电站图像;根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。本发明解决了现有技术中在电网发生故障时,无法准确、及时地确定是否发生故障的技术问题。
Description
技术领域
本申请涉及电网领域,具体而言,涉及一种识别电网故障的方法、装置、计算机存储介质及处理器。
背景技术
电力调控中心要求在电网发生故障时,调控人员必须在十五分钟内完成故障设备的试送工作。电网故障经常会涉及到多个场站多种设备的同时跳闸,调度规程要求调控人员在决定设备是否试送前必须先确定设备状态,通过变电站工业视频监控系统查看故障时间点前历史监控画面是调控人员判断故障位置、事故类型、是否试送的重要手段,人工查看少则几路多则几十路的视频监控画面来发现异常现象费时费力,影响调控人员对事故的准确判断和快速处理。
发明内容
本申请的主要目的在于提供一种识别电网故障的方法、装置、计算机存储介质及处理器,以解决现有技术中在电网发生故障时,无法准确、及时地确定是否发生故障的技术问题。
为了实现上述目的,根据本申请的一个方面,提供了一种识别电网故障的方法,该方法包括:获取变电站监控视频;从变电站监控视频中提取出多张变电站图像;根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。
进一步地,根据多张变电站图像的波动程度,至少确定是否发生电网故障,该方法还包括:将多张变电站图像的尺寸调整为预定尺寸,得到调整后的图像;对多张调整后的图像进行归一化处理,得到多张归一化图像;基于多张归一化图像的属性值的波动程度,至少确定是否发生电网故障。
进一步地,基于多张归一化图像的属性值的波动程度,至少确定是否发生电网故障,该方法还包括:确定多张归一化图像的特征值;计算多个特征值的标准方差;根据所述标准方差,确定波动程度。
进一步地,该方法还包括:在未发生电网故障,且波动程度大于第一预定值的情况下,确定变电站画面处于混乱状态;在未发生电网故障,且波动程度小于第二预定值的情况下,确定变电站画面处于静止状态,第一预定值大于第二预定值。
进一步地,根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,该方法还包括:在变电站画面处于混乱状态的情况下,实时获取波动程度,在波动程度大于第一阈值的情况下,确定发生电网故障;在变电站画面处于静止状态的情况下,实时获取波动程度,在波动程度大于第二阈值的情况下,确定发生电网故障,第一阈值大于第二阈值。
进一步地,根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,该方法还包括:根据多张变电站图像的属性值的波动程度,确定是否发生电网故障,以及在电网故障发生时确定故障类型。
进一步地,该方法还包括:在发生电网故障的情况下,发出告警信息。
根据本申请的另一个方面,提供了一种识别电网故障的装置,该装置包括:获取单元,用于获取变电站监控视频;提取单元,用于从变电站监控视频中提取出多张变电站图像;确定单元,用于根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。
根据本申请的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的程序,其中,在程序运行时控制计算机可读存储介质所在设备执行上述的识别电网故障的方法。
根据本申请的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述的识别电网故障的方法。
应用本申请的技术方案,可以先获取变电站监控视频;然后从变电站监控视频中提取出多张变电站图像;之后根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。本申请通过根据提取到的多张变电站图像的属性值的波动程度的方式,可以实现明确故障范围,从而达到了在变电站出现异常的情况下,快速精确的确定故障的技术效果,进而解决了现有技术中在电网发生故障时,无法准确、及时地确定是否发生故障的技术问题。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种识别电网故障的方法的流程图;
图2是根据本申请实施例的一种可选的识别电网故障的方法的流程图;
图3是根据本申请实施例的一种识别电网故障的装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,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”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应该理解的是,当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时,该元件可直接在该另一元件上,或者也可存在中间元件。而且,在说明书以及权利要求书中,当描述有元件“连接”至另一元件时,该元件可“直接连接”至该另一元件,或者通过第三元件“连接”至该另一元件。
实施例1
根据本申请的实施例,提供了一种识别电网故障的方法。需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种识别电网的故障的方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,获取变电站监控视频。
上述步骤中的变电站监控视频可以通过变电站工业视频监控系统获得。
步骤S102,从变电站监控视频中提取出多张变电站图像。
上述步骤中的变电站图像可以是变电站正常工作时的图像,也可以是当变电站处于异常时的图像,其中,异常图像包括但不限于变电站工业视频监控画面中的着火、冒烟、放电、闪络等故障图片。
步骤S103,根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。
上述步骤中的变电站图像的属性值的波动程度可以通过处理后的图像及经过处理后的图像的对应的数学量确定,其中,处理图像的方式包括但不限于调整图像的大小,对图像进行归一化处理等,数学量包括但不限于特征值、标准方差等。
在一个可选的实施例中,装置在进行无监督机制学习过程中,提取变电站正常视频场景样本数据,需提取一年内不同时样本数据和一天24小时的样本数据避免由于光线明暗变换将站内正常场景误判为异常。通过对变电站视频监控系统获得的多张变电站图像进行处理,可以确定变电站图像的属性值的波动程度,根据确定的波动程度,当装置判定变电站视频场景处于异常时,可作出判定动作,对视频场景画面进行剪切,人为准确判定该画面异常为着火或者冒烟或者电火花,通过内网将异常信息推送进行告警供调度员决策,不仅能降低电网故障紧急处理时调控人员的工作强度,而且有助于调控人员电网故障的准确判断和快速处理。
应用本申请的技术方案,可以先获取变电站监控视频;然后从变电站监控视频中提取出多张变电站图像;之后根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。本申请通过根据提取到的多张变电站图像的属性值的波动程度的方式,可以实现明确故障范围,从而达到了在变电站出现异常的情况下,快速精确的确定故障的技术效果,进而解决了现有技术中在电网发生故障时,无法准确、及时地确定是否发生故障的技术问题。
进一步地,根据多张变电站图像的波动程度,至少确定是否发生电网故障,该方法还包括:将多张变电站图像的尺寸调整为预定尺寸,得到调整后的图像;对多张调整后的图像进行归一化处理,得到多张归一化图像;基于多张归一化图像的属性值的波动程度,至少确定是否发生电网故障。
在一个可选的实施例中,计算机提取工业视频画面图像像素为RGB格式,然后将图像统一尺寸对每张图片的所有像素值进行归一化处理,除以像素范围最大值255,得到原始图像每位像素点范围[0,1],利用图像面积插值算法实现该帧图像形状变换,设置图像统一尺寸为25*25大小,例如:图像帧RGB图像数据(36,25,254)经过归一化处理后(0.14117647,0.9803922,0.99607843)。
进一步地,基于多张归一化图像的属性值的波动程度,至少确定是否发生电网故障,该方法还包括:确定多张归一化图像的特征值;计算多个特征值的标准方差;根据所述标准方差,确定波动程度。
在一个可选的实施例中,将上述得到的归一化处理的图片RGB数据以0.5为界限进行处理便于后续计算。
像素点:(0.14117647,0.9803922,0.99607843)
由于0.14117647<0.5,0.9803922>0.5,0.99607843>0.5
那么(0.14117647,0.9803922,0.99607843)可写成(0,1,1)
将得到0和1二值化的帧图像一维矩阵,合计625个像素点,将该625个像素点相加值,与625做商得到这张帧图像特征值T,其中,625个像素点相加可以是先将处理后的每一个像素点相加,再将625个像素点相加,例如,假设5个处理后像素点分别为为(0,1,1)、(0,1,0)、(1,0,1)、(0,0,1)、(1,1,0)、先将每个像素点相加,相加后即为2、1、2、1、2,再将5个像素点相加,即2+1+2+1+2。接着计算10s内每秒取变电站视频帧图像特征值T的标准方差,由于该数量级太小便于计算扩大1000倍最终获得表示视频波动程度的值B。
进一步地,该方法还包括:在未发生电网故障,且波动程度大于第一预定值的情况下,确定变电站画面处于混乱状态;在未发生电网故障,且波动程度小于第二预定值的情况下,确定变电站画面处于静止状态,第一预定值大于第二预定值。
上述步骤中,本领域技术人员可以根据实际情况确定第一预定值和第二预定值。
进一步地,根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,该方法还包括:在变电站画面处于混乱状态的情况下,实时获取波动程度,在波动程度大于第一阈值的情况下,确定发生电网故障;在变电站画面处于静止状态的情况下,实时获取波动程度,在波动程度大于第二阈值的情况下,确定发生电网故障,第一阈值大于第二阈值。
上述步骤中,本领域技术人员可以根据实际情况确定第一阈值和第二阈值。
在一个可选的实施例中,根据波动程度B值动态调节火情阈值判断有无火情灾患的场景下,如果火情阈值设置为F,那么B<=1处于静止状态,其中,稍微有变化就可以得出火情阈值;B>1处于混乱状态,其中,若变化很大的情况下,需求将阈值设置的大一些;当B<=1则判定视频画面处于静止状态,则此时判断阶段判断阈值为F=F*1,也即,在当前阈值下,发生微弱变化即可得到响应;当B>1则判定视频画面处于混乱状态但此时未发生火情,则此时判断阶段阈值为F=5*F,也即,在当前阈值下,其发生响应的条件升高。
进一步地,根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,该方法还包括:根据多张变电站图像的属性值的波动程度,确定是否发生电网故障,以及在电网故障发生时确定故障类型。
进一步地,该方法还包括:在发生电网故障的情况下,发出告警信息。
上述步骤中的告警信息可以包括但不限于文字形式、语音形式、颜色标记等。
下面结合图2对本发明一种优选的实施例进行详细说明。图2是根据本申请实施例的一种可选的识别电网故障的方法的流程图。如图2所示,该方法可以包括如下步骤:
步骤S201,开始;
步骤S202,10s内从视频1张/s抽帧,对帧图像归一化二值化处理;
步骤S203,将25*25图片625个像素点提取特征值T计算,10s内10张帧图的标准方差获取视频波动程度B值;
步骤S204,假设火灾阈值为F,判断是否B<=1,若否,则执行步骤S205;若是,则执行步骤S206;
步骤S205,判断阈值为F=5*F;
步骤S206,判断阈值为F=F*1;
步骤S207,学习判断结束。
上述步骤中,在开始运行后,将一段时间内的图像进行二值化处理,并通过处理后的图像获取特征值和标准方差,最终确定变电站图像属性值的波动程度B,上述步骤为学习阶段,经过学习阶段后通过判断波动程度B确定火灾阈值F,因此本申请基于变电站图像属性值的波动程度判断是否有异常情况发生。
实施例2
本申请实施例还提供了一种识别电网故障的装置,需要说明的是,本申请实施例的识别电网故障的装置可以用于执行本申请实施例所提供的用于识别电网故障的方法。以下对本申请实施例提供的识别电网故障的装置进行介绍。
图3是根据本申请实施例的一种识别电网故障的装置的示意图。如图3所示,该装置包括:
获取单元31,用于获取变电站监控视频;
提取单元32,用于从变电站监控视频中提取出多张变电站图像;
确定单元33,用于根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。
应用本申请的技术方案,可以通过获取单元获取变电站监控视频;通过提取单元从变电站监控视频中提取出多张变电站图像;通过确定单元根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。本申请通过根据提取到的多张变电站图像的属性值的波动程度的方式,可以实现明确故障范围,从而达到了在变电站出现异常的情况下,快速精确的确定故障的技术效果,进而解决了现有技术中在电网发生故障时,无法准确、及时地确定是否发生故障的技术问题。
进一步地,确定单元包括:调整模块,用于将多张变电站图像的尺寸调整为预定尺寸,得到调整后的图像;处理模块,用于将对多张调整后的图像进行归一化处理,得到多张归一化图像;确定模块,用于基于多张归一化图像的属性值的波动程度,至少确定是否发生电网故障。
进一步地,确定模块包括:第一确定子模块,用于确定多张归一化图像的特征值;计算子模块,用于计算多个特征值的标准方差;第二确定子模块,用于根据标准方差,确定波动程度。
进一步地,确定单元还包括:第一确定模块,用于在未发生电网故障,且波动程度大于第一预定值的情况下,确定变电站画面处于混乱状态;第二确定模块,用于在未发生电网故障,且波动程度小于第二预定值的情况下,确定变电站画面处于静止状态,第一预定值大于第二预定值。
进一步地,确定单元还包括:第三确定模块,用于在变电站画面处于混乱状态的情况下,实时获取波动程度,在波动程度大于第一阈值的情况下,确定发生电网故障;第四确定模块,用于在变电站画面处于静止状态的情况下,实时获取波动程度,在波动程度大于第二阈值的情况下,确定发生电网故障,第一阈值大于第二阈值。
进一步地,确定单元还包括:第五确定模块,用于根据多张变电站图像的属性值的波动程度,确定是否发生电网故障,以及在电网故障发生时确定故障类型。
所述识别电网故障的装置包括处理器和存储器,上述获取单元、提取单元、确定单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数实现了在变电站出现异常的情况下,快速精确的确定故障的技术效果,进而解决了现有技术中在电网发生故障时,无法准确、及时地确定是否发生故障的技术问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行所述识别电网故障的方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述识别电网故障的方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现至少以下步骤:步骤S101,获取变电站监控视频;步骤S102,从变电站监控视频中提取出多张变电站图像;步骤S103,根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有至少如下方法步骤的程序:步骤S101,获取变电站监控视频;步骤S102,从变电站监控视频中提取出多张变电站图像;步骤S103,根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
(1)本申请的识别电网故障的方法,可以先获取变电站监控视频;然后从变电站监控视频中提取出多张变电站图像;之后根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。本申请通过根据提取到的多张变电站图像的属性值的波动程度的方式,可以实现明确故障范围,从而达到了在变电站出现异常的情况下,快速精确的确定故障的技术效果,进而解决了现有技术中在电网发生故障时,无法准确、及时地确定是否发生故障的技术问题。
(2)本申请的识别电网故障的装置,可以通过获取单元获取变电站监控视频;通过提取单元从变电站监控视频中提取出多张变电站图像;通过确定单元根据多张变电站图像的属性值的波动程度,至少确定是否发生电网故障,属性值包括灰度值。本申请通过根据提取到的多张变电站图像的属性值的波动程度的方式,可以实现明确故障范围,从而达到了在变电站出现异常的情况下,快速精确的确定故障的技术效果,进而解决了现有技术中在电网发生故障时,无法准确、及时地确定是否发生故障的技术问题。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (6)
1.一种识别电网故障的方法,其特征在于,包括:
获取变电站监控视频;
从所述变电站监控视频中提取出多张变电站图像;
根据多张所述变电站图像的属性值的波动程度,至少确定是否发生电网故障,所述属性值包括灰度值;
其中,将多张所述变电站图像的尺寸调整为预定尺寸,得到调整后的图像;对多张所述调整后的图像进行归一化处理,得到多张归一化图像;基于多张所述归一化图像的属性值的波动程度,至少确定是否发生所述电网故障;确定多张所述归一化图像的特征值;计算多个所述特征值的标准方差;根据所述标准方差,确定所述波动程度;
其中,在未发生所述电网故障,且所述波动程度大于第一预定值的情况下,确定变电站画面处于混乱状态;在未发生所述电网故障,且所述波动程度小于第二预定值的情况下,确定所述变电站画面处于静止状态,所述第一预定值大于所述第二预定值;在变电站画面处于混乱状态的情况下,实时获取所述波动程度,在所述波动程度大于第一阈值的情况下,确定发生所述电网故障;在所述变电站画面处于静止状态的情况下,实时获取所述波动程度,在所述波动程度大于第二阈值的情况下,确定发生所述电网故障,所述第一阈值大于所述第二阈值。
2.根据权利要求1所述的方法,其特征在于,根据多张所述变电站图像的属性值的波动程度,至少确定是否发生电网故障,包括:
根据多张所述变电站图像的属性值的波动程度,确定是否发生所述电网故障,以及在所述电网故障发生时确定故障类型。
3.根据权利要求1或2中任一项所述的方法,其特征在于,所述方法还包括:
在发生所述电网故障的情况下,发出告警信息。
4.一种识别电网故障的装置,其特征在于,包括:
获取单元,用于获取变电站监控视频;
提取单元,用于从所述变电站监控视频中提取出多张变电站图像;
确定单元,用于根据多张所述变电站图像的属性值的波动程度,至少确定是否发生电网故障,所述属性值包括灰度值;
所述确定单元还包括调整模块、处理模块和确定模块,其中,调整模块用于将多张所述变电站图像的尺寸调整为预定尺寸,得到调整后的图像;处理模块用于对多张所述调整后的图像进行归一化处理,得到多张归一化图像;确定模块用于基于多张所述归一化图像的属性值的波动程度,至少确定是否发生所述电网故障;
所述确定模块还包括第一确定子模块、计算子模块和第二确定子模块,第一确定子模块用于确定多张所述归一化图像的特征值;计算子模块用于计算多个所述特征值的标准方差;第二确定子模块用于根据所述标准方差,确定所述波动程度;
所述装置还包括第一确定模块和第二确定模块,其中,第一确定模块用于在未发生所述电网故障,且所述波动程度大于第一预定值的情况下,确定变电站画面处于混乱状态;第二确定模块用于在未发生所述电网故障,且所述波动程度小于第二预定值的情况下,确定所述变电站画面处于静止状态,所述第一预定值大于所述第二预定值;
所述确定单元还包括:第三确定模块,用于在变电站画面处于混乱状态的情况下,实时获取所述波动程度,在所述波动程度大于第一阈值的情况下,确定发生所述电网故障;在所述变电站画面处于静止状态的情况下,实时获取所述波动程度,在所述波动程度大于第二阈值的情况下,确定发生所述电网故障,所述第一阈值大于所述第二阈值。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至3中任意一项所述的方法。
6.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至3中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110984649.1A CN113723268B (zh) | 2021-08-25 | 2021-08-25 | 识别电网故障的方法、装置、计算机存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110984649.1A CN113723268B (zh) | 2021-08-25 | 2021-08-25 | 识别电网故障的方法、装置、计算机存储介质及处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723268A CN113723268A (zh) | 2021-11-30 |
CN113723268B true CN113723268B (zh) | 2024-01-26 |
Family
ID=78678047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110984649.1A Active CN113723268B (zh) | 2021-08-25 | 2021-08-25 | 识别电网故障的方法、装置、计算机存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723268B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008037233A1 (de) * | 2006-09-26 | 2008-04-03 | Siemens Aktiengesellschaft | Verfahren zur analyse einer störung in einem elektrischen versorgungsnetz |
CN104469305A (zh) * | 2014-12-04 | 2015-03-25 | 国家电网公司 | 电网视频监控设备的故障检测方法和装置 |
CN105551178A (zh) * | 2015-12-14 | 2016-05-04 | 国网山东省电力公司青岛供电公司 | 一种电网智能监控告警方法及装置 |
CN106485868A (zh) * | 2015-08-27 | 2017-03-08 | 杭州海康威视数字技术股份有限公司 | 火情的监测方法、系统和火情的监测服务器 |
CN207965544U (zh) * | 2017-12-06 | 2018-10-12 | 中国能源建设集团云南省电力设计院有限公司 | 一种智能变电站设备故障预警机制 |
CN108957240A (zh) * | 2018-08-09 | 2018-12-07 | 炜呈智能电力科技(杭州)有限公司 | 电网故障远程定位方法及系统 |
CN110910383A (zh) * | 2019-12-04 | 2020-03-24 | 江苏方天电力技术有限公司 | 基于红外图像识别的调相机故障监测方法和系统 |
CN111553112A (zh) * | 2020-03-16 | 2020-08-18 | 广西电网有限责任公司电力科学研究院 | 一种基于深度置信网络的电力系统故障辨识方法及装置 |
CN111830439A (zh) * | 2019-04-19 | 2020-10-27 | 宁波奥克斯高科技有限公司 | 一种变压器故障检测方法及变压器 |
CN111988569A (zh) * | 2020-08-24 | 2020-11-24 | 国网北京市电力公司 | 一种变电站工业视频监控画面着火现象监控方法及系统 |
-
2021
- 2021-08-25 CN CN202110984649.1A patent/CN113723268B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008037233A1 (de) * | 2006-09-26 | 2008-04-03 | Siemens Aktiengesellschaft | Verfahren zur analyse einer störung in einem elektrischen versorgungsnetz |
CN104469305A (zh) * | 2014-12-04 | 2015-03-25 | 国家电网公司 | 电网视频监控设备的故障检测方法和装置 |
CN106485868A (zh) * | 2015-08-27 | 2017-03-08 | 杭州海康威视数字技术股份有限公司 | 火情的监测方法、系统和火情的监测服务器 |
CN105551178A (zh) * | 2015-12-14 | 2016-05-04 | 国网山东省电力公司青岛供电公司 | 一种电网智能监控告警方法及装置 |
CN207965544U (zh) * | 2017-12-06 | 2018-10-12 | 中国能源建设集团云南省电力设计院有限公司 | 一种智能变电站设备故障预警机制 |
CN108957240A (zh) * | 2018-08-09 | 2018-12-07 | 炜呈智能电力科技(杭州)有限公司 | 电网故障远程定位方法及系统 |
CN111830439A (zh) * | 2019-04-19 | 2020-10-27 | 宁波奥克斯高科技有限公司 | 一种变压器故障检测方法及变压器 |
CN110910383A (zh) * | 2019-12-04 | 2020-03-24 | 江苏方天电力技术有限公司 | 基于红外图像识别的调相机故障监测方法和系统 |
CN111553112A (zh) * | 2020-03-16 | 2020-08-18 | 广西电网有限责任公司电力科学研究院 | 一种基于深度置信网络的电力系统故障辨识方法及装置 |
CN111988569A (zh) * | 2020-08-24 | 2020-11-24 | 国网北京市电力公司 | 一种变电站工业视频监控画面着火现象监控方法及系统 |
Non-Patent Citations (2)
Title |
---|
"Research on large-area fire monitoring and warning system for power grid";Jiazheng Lu;《2012 International Conference on Systems and Informatics (ICSAI2012)》;全文 * |
"基于EDPF算法的高空高压线故障智能识别";李建华;《无损检测》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113723268A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115549094B (zh) | 一种智能电网变电设备预警评估方法及系统 | |
CN112688434A (zh) | 输配电线路的监测预警方法、装置、计算机设备和介质 | |
CN109150565B (zh) | 一种网络态势感知方法、装置及系统 | |
CN116309303A (zh) | 基于红外图像的电气设备缺陷检测方法、装置及相关设备 | |
CN112014068A (zh) | 光缆纤芯的检测方法、装置和计算机可读存储介质 | |
CN116244481A (zh) | 一种应用于电力系统的智慧应急预案推送方法 | |
CN113723268B (zh) | 识别电网故障的方法、装置、计算机存储介质及处理器 | |
CN114202718A (zh) | 一种基于人工智能的安全监控方法和装置 | |
CN113938673B (zh) | 一种智慧城市监控管理方法 | |
CN115100592A (zh) | 一种输电通道外破隐患识别方法、装置及存储介质 | |
CN113065416A (zh) | 集成于变电站视频监控装置的渗漏监测装置及方法、介质 | |
CN113515993A (zh) | 视频异常检测、模型训练方法、设备、模型及存储介质 | |
CN114241401A (zh) | 异常判定方法、装置、设备、介质及产品 | |
CN113052340A (zh) | 聚合多源数据的预警方法、系统及存储介质 | |
CN111478437A (zh) | 台区配变监控方法、装置、计算机设备及介质 | |
Segovia et al. | Connected system for monitoring electrical power transformers using thermal imaging | |
CN117934451B (zh) | 应用于光伏电站的无人机巡检方法及系统 | |
CN114091709A (zh) | 一种低压维护工单处理方法和装置 | |
CN110768847B (zh) | 电力数据的处理方法和装置 | |
CN114124758B (zh) | 一种流量监控的方法和装置 | |
López-García et al. | RESISTO Project: Automatic Detection of Operation Temperature Anomalies for Power Electric Transformers Using Thermal Imaging | |
CN113420654A (zh) | 变电站状态的处理方法、装置以及计算机可读存储介质 | |
CN113869116A (zh) | 一种用于架空输电线路的施工机械预警方法、装置及介质 | |
CN117319174A (zh) | 一种基于智慧银行播控系统的终端监控方法及系统 | |
CN115116036A (zh) | 车辆占道检测的方法、系统、装置和存储介质 |
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 |