CN113837312A - 一种氧化锌避雷器的运行状态评价方法及装置 - Google Patents
一种氧化锌避雷器的运行状态评价方法及装置 Download PDFInfo
- Publication number
- CN113837312A CN113837312A CN202111163544.6A CN202111163544A CN113837312A CN 113837312 A CN113837312 A CN 113837312A CN 202111163544 A CN202111163544 A CN 202111163544A CN 113837312 A CN113837312 A CN 113837312A
- Authority
- CN
- China
- Prior art keywords
- ammeter
- reading
- image
- counter
- processed
- 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
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 title claims abstract description 146
- 239000011787 zinc oxide Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 72
- 208000025274 Lightning injury Diseases 0.000 claims abstract description 62
- 230000008859 change Effects 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 230000001052 transient effect Effects 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 44
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 11
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000005070 sampling Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明公开了一种氧化锌避雷器的运行状态评价方法及装置，其方法包括：获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。从而能够及时并精确记录氧化锌避雷器的泄露电流值及动作次数值，为氧化锌避雷器全寿命周期的状态检修积累基础数据。
Description
技术领域
本发明涉及避雷器状态监测技术技域，尤其涉及一种氧化锌避雷器的运行状态评价方法及装置。
背景技术
氧化锌避雷器主要用于变电站和/或发电厂的保护。因为具有动作反应快、残压低、无续流及通流量大等特点，所有氧化锌避雷器广泛用于电力系统。目前对氧化锌避雷器的监测手法均为在现场装设泄漏电流计进行在线监测，具体为通过对当前氧化锌避雷器的泄露电流值及动作次数值与以前的泄露电流值及动作次数的对比，来判断氧化避雷器运行的工作状态是否正常。其中，泄露电流值是通过动圈式泄露电流计实时监测得到，动作此数值是通过数据盘式雷击动作计数器记录得到，而这些数据的采集均是通过运维人员定时巡检手写记录，或通过卡片机拍摄得到。
若采用手写记录的方法，则需要运维人员在安全距离以外对氧化锌避雷器进行巡视，加上动圈式电流计表盘不够精细，因此难以清洗读取电流计的指示值以及计数器计数值，进而难以发现氧化锌避雷器早期出现故障时电流的微小变化。若采用现有的卡片机拍摄、采集、识别及记录读数的方式，只能记录采样时刻的泄露电流值，不能及时记录并显示雷击时氧化锌避雷器泄露电流暂态变化情况，从而无法收集到雷击过程冲击电流变化对氧化锌避雷器的影响，难以为氧化锌避雷器全寿命周期的状态检修积累基础数据。
因此，提供一种能够及时并精确记录氧化锌避雷器的泄露电流值及动作次数值，具有重要意义。
发明内容
本发明提供了一种氧化锌避雷器的运行状态评价方法及装置，能够及时并精确记录氧化锌避雷器的泄露电流值及动作次数值，为氧化锌避雷器全寿命周期的状态检修积累基础数据。
第一方面，本发明提供的一种氧化锌避雷器的运行状态评价方法，包括：
获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；
对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；
将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；
基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；
根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。
可选地，所述电流计读数信息包括：电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值；将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息，包括：
S1，根据所述计数器读数的变化情况，判断是否接收到雷击触发脉冲，若否，则执行步骤S2；若是，则执行步骤S3；
S2，按照第一预设间隔，通过所述电流计读数识别网络，对所述处理后的电流计图像进行识别，得到对应的电流计读数；
S3，记录在接收所述雷击触发脉冲前的历史电流计读数，并在预设的雷击暂态过程时段内，通过所述电流计读数识别网络，不间断对所述处理后的电流计图像进行识别及分析，得到对应的电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值。
可选地，所述步骤S3包括：
所述雷击暂态过程时段内，通过所述电流计读书识别网络，不间断对所述处理后的电流计图像进行识别，得到对应的电流计读数；
从所有所述电流计读数中确定所述暂态过程最大泄漏电流读数；
基于所述电流计读数及所述历史电流计读数，确定所述雷击前后泄漏电流差值。
可选地，获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像，包括：
获取所述目标氧化锌避雷器的视频数据；
将所述视频数据分割成多个所述雷击计数器图像和所述泄露电流计图像。
可选地，对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像，具体为：
分别对所述雷击计数器图像和所述泄露电流计图像进行图片剪裁缩放、图片矫正、图片通道转化及图片标准化处理，得到所述处理后的计数器图像及所述处理后的电流计图像。
第二方面，本发明还提供了一种氧化锌避雷器的运行状态评价装置，包括：
获取模块，用于获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；
预处理模块，用于对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；
计数器读数确定模块，用于将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；
电流计读数信息确定模块，用于基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；
运行状态确定模块，用于根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。
可选地，所述电流计读数信息包括：电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值；所述电流计读数信息确定模块包括：
判断子模块，用于根据所述计数器读数的变化情况，判断是否接收到雷击触发脉冲，若否，则执行第一识别子模块；若是，则执行第二识别子模块；
所述第一识别子模块，用于按照第一预设间隔，通过所述电流计读数识别网络，对所述处理后的电流计图像进行识别，得到对应的电流计读数；
所述第二识别子模块，用于记录在接收所述雷击触发脉冲前的历史电流计读数，并在预设的雷击暂态过程时段内，通过所述电流计读数识别网络，不间断对所述处理后的电流计图像进行识别及分析，得到对应的电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值。
可选地，所述第二识别子模块包括：
电流计读数确定单元，用于所述雷击暂态过程时段内，通过所述电流计读书识别网络，不间断对所述处理后的电流计图像进行识别，得到对应的电流计读数；
最大泄露电流读数确定单元，用于从所有所述电流计读数中确定所述暂态过程最大泄漏电流读数；
电流差值确定单元，用于基于所述电流计读数及所述历史电流计读数，确定所述雷击前后泄漏电流差值。
可选地，所述获取模块包括：
获取子模块，用于获取所述目标氧化锌避雷器的视频数据；
分割子模块，用于将所述视频数据分割成多个所述雷击计数器图像和所述泄露电流计图像。
可选地，所述预处理模块具体用于：
分别对所述雷击计数器图像和所述泄露电流计图像进行图片剪裁缩放、图片矫正、图片通道转化及图片标准化处理，得到所述处理后的计数器图像及所述处理后的电流计图像。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。从而能够及时并精确记录氧化锌避雷器的泄露电流值及动作次数值，为氧化锌避雷器全寿命周期的状态检修积累基础数据。
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性的前提下，还可以根据这些附图获得其它的附图；
图1为本发明的一种氧化锌避雷器的运行状态评价方法实施例的步骤流程图；
图2为本发明的基于机器视觉的避雷器暂态泄露电流测取装置框图；
图3为本发明的氧化锌避雷器表盘实物示意图；
图4为本发明的运行监测器表盘示意图；
图5为雷击计数器读数和泄漏电流计读数的变化示意图；
图6为本发明的雷击过程瞬态电流获取计算流程图；
图7为本发明的一种氧化锌避雷器的运行状态评价方法装置实施例的结构框图。
具体实施方式
本发明实施例提供了一种氧化锌避雷器的运行状态评价方法及装置，能够及时并精确记录氧化锌避雷器的泄露电流值及动作次数值，为氧化锌避雷器全寿命周期的状态检修积累基础数据。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明的一种氧化锌避雷器的运行状态评价方法实施例的步骤流程图，具体可以包括如下步骤：
步骤S101，获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；
在一个可选实施例中，获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像，包括：
获取所述目标氧化锌避雷器的视频数据；
将所述视频数据分割成多个所述雷击计数器图像和所述泄露电流计图像。
请参阅图2，图2为本发明的基于机器视觉的避雷器暂态泄露电流测取装置框图，其中1为运行监测器，2为摄像装置，3为图像是识别系统，在本发明实施例中，通过安装于目标氧化锌避雷器柜前的摄像装置2获取安装于如图3所示的目标氧化锌避雷器的运行监测器1实物的实时视频数据，通过图像识别系统3中的训练好的目标监测的多卷积神经网络(CNN)模型，对视频数据进行图像分割，得到多个如图4所示的运行监测器表盘示意图，可以看到运行监测器中包含有雷击计数器图像和泄露电流计图像。
步骤S102，对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；
具体为：
分别对所述雷击计数器图像和所述泄露电流计图像进行图片剪裁缩放、图片矫正、图片通道转化及图片标准化处理，得到所述处理后的计数器图像及所述处理后的电流计图像。
在本发明实施例中，在对雷击计数器图像和泄露电流计图像进行识别之前，先对其进行预处理，其中预处理的步骤包括对其进行裁剪缩放，得到分别符合预先训练的计数器读数识别网络和预先训练的电流计读数识别网络尺寸的图片，然后再对其进行不同采光背景的矫正、去噪及图像增强，最后进行标准化处理，得到处理后的计数器图像集处理后的电流计图像。
在具体实现中，对雷击计数器图像和泄露电流计图像的裁剪缩放，就是将其转换为多尺度的图片数据矩阵，从而提高图片的检测精度。
对雷击计数器图像和泄露电流计图像的图片矫正，通过flip函数，对图片进行矫正、图像增强，智能判断图像缺陷，对噪点、暗光、弱色等问题进行优化处理，改善图像画质，从而得到适合于预先训练的计数器读数识别网络和预先训练的电流计读数识别网络的图片数据矩阵。
对雷击计数器图像和泄露电流计图像的标准化处理，即过对各图片的RGB三通道整型矩阵及GRAY单通道整型矩阵用零-均值规范化的方法，其公式表达如下：
其中，Dmean为待识别图片矩阵数据的均值，Dvar为待识别图片矩阵的标准差，di′为标准化处理后的待识别图片矩阵，di为待识别图片矩阵。
此外，在执行标准化处理之前，需要先对图片进行通道转变，即将矫正后的雷击计数器图像和泄露电流计图像的通道转变为RGB三通道整型矩阵和GRAY单通道整型矩阵。
步骤S103，将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；
在本发明实施例中，计数器读数识别网络的训练过程为将采集到的计数器图片拆分为0～9个单个字码的图片，并对其进行标注，然后输入初始的计数器读数识别网络(具体为多卷积神经网络)中进行训练。
步骤S104，基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；
请参阅图5，图5为雷击计数器读数和泄漏电流计读数的变化示意图，当雷击读数发生变化时，泄露电流计读数也会在随后的时间发生变化，因此可以雷击器的读数发生变化的情况下，再读取识别电流计读数。
具体地，所述电流计读数信息包括：电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值；将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息，包括：
S1，根据所述计数器读数的变化情况，判断是否接收到雷击触发脉冲，若否，则执行步骤S2；若是，则执行步骤S3；
S2，按照第一预设间隔，通过所述电流计读数识别网络，对所述处理后的电流计图像进行识别，得到对应的电流计读数；
S3，记录在接收所述雷击触发脉冲前的历史电流计读数，并在预设的雷击暂态过程时段内，通过所述电流计读数识别网络，不间断对所述处理后的电流计图像进行识别及分析，得到对应的电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值。
在本发明实施例中，识别电流计图像的读数需要分两种情况，一种是接收到雷击触发脉冲，另一种是没接收到雷击触发脉冲。
在本发明实施例中，对于接收到雷击触发脉冲的情况，首先记录在接收到雷击触发脉冲钱呢的历史电流计读数，然后在雷击暂态过程时段(一般为30秒)内，连续快速读取处理后的电流计图像并分析，得到对应的电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值。
而对于没有接收到雷击触发脉冲的情况，按照设定的读取时间间隔，即第一预设间隔，对处理后的电流计图像进行识别，从而得到对应的电流计读数。
在本发明实施例中，电流计读数识别网络的训练过程为将采集到的各种指针位置的照片进行标注，然后输入所搭建的“电力作业神经网络开发与训练平台”，对搭建好的电流计读数识别网络(具体为多卷积神经网络)进行训练。
具体识别过程包括：首先识别当指针所在位置、最大量程刻度所在位置、最小量程刻度所在位置，以及最大量程数值、最小量程数值的精细细化数据，然后通过霍夫变换的检测方法计算出指针所对应的倾角、最大量程刻度对应的倾角及最小量程对应的倾角，接着利用指针所对应的倾角及最小量程倾角信息，计算出指针与最小量程之间的角度，结合识别出来电流计的最大量程数值、最大量程倾角、最小量程数值及最小量程倾角，插补计算出当前指针所在位置的数值。识别输出实时的电流计读数
在一个可选实施例中，所述步骤S3包括：
所述雷击暂态过程时段内，通过所述电流计读书识别网络，不间断对所述处理后的电流计图像进行识别，得到对应的电流计读数；
从所有所述电流计读数中确定所述暂态过程最大泄漏电流读数；
基于所述电流计读数及所述历史电流计读数，确定所述雷击前后泄漏电流差值。
当计数器读数发生变化时，会触发到如图6所示的本发明雷击过程瞬态电流获取计算流程图，用以获取电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值，从图6可以看到该系统由第1采样纯延时模块500、第2采样纯延时模块501、第1减法器模块502、第1信号切换模块503、高值越限监视模块504、单脉冲发生模块505、延时闭合模块506、RS触发器模块507、第2信号切换模块508、第3信号切换模块509、高值选择模块510及第2减法器模块511组成。
具体地，第1采样纯延时模块500接入端用于接收识别得到的计数器读数，输出端连接的是第1减法器模块502的一个输入端，从而第1采样纯延时模块500可以读取上一个采样周期识别得到的计数器读数。
第1减法器模块502的另一个输入端用于接收计数器读数，输出端连接的是高值越限监视模块504，如此，通过第1减法器模块502计算当前计数器读数与上一采集周期的计数器读数之差，得到雷击前后两次采样计算器读数的差值，并将差值传输至高值越限监视模块504。
高值越限监视模块504在本发明实施例中的高值限设置为0.8，当发生雷击时，雷击计数器读数的读数增加为1，此时高值越限监视模块504的输出即从0变为1，并输出至单脉冲发生模块505。
单脉冲发生模块505的输出端与延时闭合模块506连接，当高值越限监视模块504的输出由0变成1，单脉冲发生模块505产生一个几秒钟脉宽的雷击触发脉冲；同时，单脉冲发生模块505的输出端还直接与RS触发器模块507的S(置位)端连接，RS触发器模块507的输出分别连接到第1信号切换模块503的控制端、第2信号切换模块508的控制端、第3信号切换模块509的控制端，如此，当雷击发生，计数器读数增加后发出的雷击触发脉冲，触发RS触发器507，使其输出由0变成1，向3个信号切换模块发出启动雷击暂态记录控制信号；此外，单脉冲发生模块505的输出还送到延时闭合模块506的输入端、延时闭合模块的输出端接RS触发器模块507的R(复位)端，延时闭合模块的延时时间设置为30秒，这样发出的雷击触发脉冲，经过延时闭合模块所设置的时间延时后，再将这个雷击触发脉冲送到RS触发器模块507的R端，将雷击暂态记录控制信号复位。
第2采样纯延时模块501输入端用于接收识别输出的电流计读数，其输出端接第1信号切换模块503的B输入端。
第1信号切换模块503的A输入端接收本模块503的输出送回来的信号，这个模块输出还接到第2信号切换模块508的A输入端、这个模块的控制端接收RS触发器模块发出的雷击暂态记录控制信号，如此，在没有发生雷击时，第1信号切换模块503的输出是上一个采样周期识别出来的电流计读数A，而当发生雷击后，第1信号切换模块503的输出保持住雷击前识别出来的电流计读数B；直到雷击后达到所设置的延时时间，雷击暂态记录控制信号复位，第1信号切换模块503的输出变成上一个采样周期识别出来的电流计读数。
第2信号切换模块508的B输入端用于接收识别输出的电流计读数，其输出端接第2减法器模块511的第2输入端，如此，在没有发生雷击时，第2信号切换模块508的输出为识别输出的实时电流计读数B，而当发生雷击后，其输出为雷击前识别出来的电流计读数A；直到雷击后达到所设置的延时时间，它的输出恢复成实时电流计读数。
第3信号切换模块509的B输入端用于接收识别输出的电流计读数，其A输入端接入由高值选择模块510输出的信号，其输出端接高值选择模块510的第2输入端，如此，在没有发生雷击时，第3信号切换模块509输出实时电流计读数，而当发生雷击后，第3信号切换模块509输出为高值选择模块510输出的最大值信号，直到雷击后达到所设置的延时时间，它的输出恢复成实时电流计读数。
高值选择模块510的第1输入端用于接收识别输出的电流计读数，其输出端作为雷击最高泄露电流值送出，如此，高值选择模块510与第3信号切换模块509形成雷击最高泄露电流值获取回路，在没有发生雷击时，高值选择模块的两个输入信号都为识别出的实时电流计电流读数；而当发生雷击后，它的第2输入端变成了上次比较出来的电流高值，这个高值与实时采样电流计电流读数相比较，若实时电流读数比上次比较出来的电流高，则输出实时采样的电流读数，若实时电流读数比上次比较出来的电流低，则输出上次比较出来的高值电流读数，这样，在所设置的雷击暂态时间内，高值选择模块一直在选择、保持这段时间内雷击最高泄露电流值；到雷击后达到所设置的延时时间，恢复至识别出的实时电流读数并输出。
第2减法器模块511的第1输入端用于接收识别输出的电流计实时读数，其输出端作为雷击暂态泄露增幅电流值送出；在没有发生雷击时，减法器模块511的两个输入信号都为识别出的电流计实时读数，计算出差值为0；而当发生雷击后，减法器模块511的第2输入端变成了雷击前的电流，在减法器中用雷击后实时的泄漏电流-雷击前的泄漏电流，而获得雷击暂态泄露增幅电流值并输出；到雷击后达到所设置的延时时间，其输出电流值就恢复为0。
总而言之，在没有发生雷击的情况下，处理后的电流计图像和处理后的计数器图像会按照第一时间间隔，依次识别得到电流计读数和计数器读数，而当发生雷击的情况下，会通过阶跃信号产生雷击触发脉冲，激活明雷击过程瞬态电流获取系统，此时除了输出雷击计数器读数及泄漏电流计读数外，还会计算出雷击前后泄漏电流差值，以及暂态过程最大的泄漏电流数值。
步骤S105，根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。
在本发明实施例中，通过获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。从而能够及时并精确记录氧化锌避雷器的泄露电流值及动作次数值，为氧化锌避雷器全寿命周期的状态检修积累基础数据。
请参阅图7，示出了一种氧化锌避雷器的运行状态评价装置实施例的结构框图，包括如下模块：
获取模块401，用于获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；
预处理模块402，用于对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；
计数器读数确定模块403，用于将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；
电流计读数信息确定模块404，用于基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；
运行状态确定模块405，用于根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。
在一个可选实施例中，所述电流计读数信息包括：电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值；所述电流计读数信息确定模块404包括：
判断子模块，用于根据所述计数器读数的变化情况，判断是否接收到雷击触发脉冲，若否，则执行第一识别子模块；若是，则执行第二识别子模块；
所述第一识别子模块，用于按照第一预设间隔，通过所述电流计读数识别网络，对所述处理后的电流计图像进行识别，得到对应的电流计读数；
所述第二识别子模块，用于记录在接收所述雷击触发脉冲前的历史电流计读数，并在预设的雷击暂态过程时段内，通过所述电流计读数识别网络，不间断对所述处理后的电流计图像进行识别及分析，得到对应的电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值。
在一个可选实施例中，所述第二识别子模块包括：
电流计读数确定单元，用于所述雷击暂态过程时段内，通过所述电流计读书识别网络，不间断对所述处理后的电流计图像进行识别，得到对应的电流计读数；
最大泄露电流读数确定单元，用于从所有所述电流计读数中确定所述暂态过程最大泄漏电流读数；
电流差值确定单元，用于基于所述电流计读数及所述历史电流计读数，确定所述雷击前后泄漏电流差值。
在一个可选实施例中，所述获取模块401包括：
获取子模块，用于获取所述目标氧化锌避雷器的视频数据；
分割子模块，用于将所述视频数据分割成多个所述雷击计数器图像和所述泄露电流计图像。
在一个可选实施例中，所述预处理模块402具体用于：
分别对所述雷击计数器图像和所述泄露电流计图像进行图片剪裁缩放、图片矫正、图片通道转化及图片标准化处理，得到所述处理后的计数器图像及所述处理后的电流计图像。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以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，所述单元的划分，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，机械或其它的形式。
所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，在本发明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。
所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介质中。基于这样的理解，本发明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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种氧化锌避雷器的运行状态评价方法，其特征在于，包括：
获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；
对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；
将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；
基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；
根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。
2.根据权利要求1所述的氧化锌避雷器的运行状态评价方法，其特征在于，所述电流计读数信息包括：电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值；将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息，包括：
S1，根据所述计数器读数的变化情况，判断是否接收到雷击触发脉冲，若否，则执行步骤S2；若是，则执行步骤S3；
S2，按照第一预设间隔，通过所述电流计读数识别网络，对所述处理后的电流计图像进行识别，得到对应的电流计读数；
S3，记录在接收所述雷击触发脉冲前的历史电流计读数，并在预设的雷击暂态过程时段内，通过所述电流计读数识别网络，不间断对所述处理后的电流计图像进行识别及分析，得到对应的电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值。
3.根据权利要求2所述的氧化锌避雷器的运行状态评价方法，其特征在于，所述步骤S3包括：
所述雷击暂态过程时段内，通过所述电流计读书识别网络，不间断对所述处理后的电流计图像进行识别，得到对应的电流计读数；
从所有所述电流计读数中确定所述暂态过程最大泄漏电流读数；
基于所述电流计读数及所述历史电流计读数，确定所述雷击前后泄漏电流差值。
4.根据权利要求1所述的氧化锌避雷器的运行状态评价方法，其特征在于，获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像，包括：
获取所述目标氧化锌避雷器的视频数据；
将所述视频数据分割成多个所述雷击计数器图像和所述泄露电流计图像。
5.根据权利要求1所述的氧化锌避雷器的运行状态评价方法，其特征在于，对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像，具体为：
分别对所述雷击计数器图像和所述泄露电流计图像进行图片剪裁缩放、图片矫正、图片通道转化及图片标准化处理，得到所述处理后的计数器图像及所述处理后的电流计图像。
6.一种氧化锌避雷器的运行状态评价装置，其特征在于，包括：
获取模块，用于获取目标氧化锌避雷器的雷击计数器图像和泄露电流计图像；
预处理模块，用于对所述雷击计数器图像和所述泄露电流计图像进行预处理，得到处理后的计数器图像及处理后的电流计图像；
计数器读数确定模块，用于将所述处理后的计数器图像输入预先训练的计数器读数识别网络，得到对应的计数器读数；
电流计读数信息确定模块，用于基于所述计数器读数的数值变化，将所述处理后的电流计图像输入预先训练的电流计读数识别网络，得到对应的电流计读数信息；
运行状态确定模块，用于根据所述计数器读数和所述电流计读数信息，确定所述目标氧化锌避雷器的运行状态。
7.根据权利要求6所述的氧化锌避雷器的运行状态评价追，其特征在于，所述电流计读数信息包括：电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值；所述电流计读数信息确定模块包括：
判断子模块，用于根据所述计数器读数的变化情况，判断是否接收到雷击触发脉冲，若否，则执行第一识别子模块；若是，则执行第二识别子模块；
所述第一识别子模块，用于按照第一预设间隔，通过所述电流计读数识别网络，对所述处理后的电流计图像进行识别，得到对应的电流计读数；
所述第二识别子模块，用于记录在接收所述雷击触发脉冲前的历史电流计读数，并在预设的雷击暂态过程时段内，通过所述电流计读数识别网络，不间断对所述处理后的电流计图像进行识别及分析，得到对应的电流计读数、暂态过程最大泄漏电流读数和雷击前后泄漏电流差值。
8.根据权利要求7所述的氧化锌避雷器的运行状态评价装置，其特征在于，所述第二识别子模块包括：
电流计读数确定单元，用于所述雷击暂态过程时段内，通过所述电流计读书识别网络，不间断对所述处理后的电流计图像进行识别，得到对应的电流计读数；
最大泄露电流读数确定单元，用于从所有所述电流计读数中确定所述暂态过程最大泄漏电流读数；
电流差值确定单元，用于基于所述电流计读数及所述历史电流计读数，确定所述雷击前后泄漏电流差值。
9.根据权利要求6所述的氧化锌避雷器的运行状态评价装置，其特征在于，所述获取模块包括：
获取子模块，用于获取所述目标氧化锌避雷器的视频数据；
分割子模块，用于将所述视频数据分割成多个所述雷击计数器图像和所述泄露电流计图像。
10.根据权利要求6所述的氧化锌避雷器的运行状态评价装置，其特征在于，所述预处理模块具体用于：
分别对所述雷击计数器图像和所述泄露电流计图像进行图片剪裁缩放、图片矫正、图片通道转化及图片标准化处理，得到所述处理后的计数器图像及所述处理后的电流计图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111163544.6A CN113837312B (zh) | 2021-09-30 | 2021-09-30 | 一种氧化锌避雷器的运行状态评价方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111163544.6A CN113837312B (zh) | 2021-09-30 | 2021-09-30 | 一种氧化锌避雷器的运行状态评价方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113837312A true CN113837312A (zh) | 2021-12-24 |
| CN113837312B CN113837312B (zh) | 2023-04-07 |
Family
ID=78967874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111163544.6A Active CN113837312B (zh) | 2021-09-30 | 2021-09-30 | 一种氧化锌避雷器的运行状态评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113837312B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115372877A (zh) * | 2022-07-08 | 2022-11-22 | 广州中科云图智能科技有限公司 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
| CN117929861A (zh) * | 2024-03-21 | 2024-04-26 | 云南能源投资股份有限公司 | 一种风电场的雷电检测方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886294A (zh) * | 2014-03-24 | 2014-06-25 | 北京国网富达科技发展有限责任公司 | 基于图像的换流站用避雷器动作次数的识别方法以及系统 |
| CN109061374A (zh) * | 2018-09-29 | 2018-12-21 | 广东电网有限责任公司 | 利用变电站自动化系统的氧化锌避雷器监测方法及装置 |
| CN111598109A (zh) * | 2020-05-07 | 2020-08-28 | 国网四川省电力公司电力科学研究院 | 一种变电站指针仪表读数智能识别方法 |
| CN113343998A (zh) * | 2021-06-08 | 2021-09-03 | 西安咏圣达电子科技有限公司 | 电力机械表计读数监测系统、方法、计算机设备及应用 |
-
2021
- 2021-09-30 CN CN202111163544.6A patent/CN113837312B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886294A (zh) * | 2014-03-24 | 2014-06-25 | 北京国网富达科技发展有限责任公司 | 基于图像的换流站用避雷器动作次数的识别方法以及系统 |
| CN109061374A (zh) * | 2018-09-29 | 2018-12-21 | 广东电网有限责任公司 | 利用变电站自动化系统的氧化锌避雷器监测方法及装置 |
| CN111598109A (zh) * | 2020-05-07 | 2020-08-28 | 国网四川省电力公司电力科学研究院 | 一种变电站指针仪表读数智能识别方法 |
| CN113343998A (zh) * | 2021-06-08 | 2021-09-03 | 西安咏圣达电子科技有限公司 | 电力机械表计读数监测系统、方法、计算机设备及应用 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115372877A (zh) * | 2022-07-08 | 2022-11-22 | 广州中科云图智能科技有限公司 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
| CN115372877B (zh) * | 2022-07-08 | 2023-08-15 | 广州中科云图智能科技有限公司 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
| CN117929861A (zh) * | 2024-03-21 | 2024-04-26 | 云南能源投资股份有限公司 | 一种风电场的雷电检测方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113837312B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826538B (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
| CN113837312B (zh) | 一种氧化锌避雷器的运行状态评价方法及装置 | |
| CN103886294B (zh) | 基于图像的换流站用避雷器动作次数的识别方法以及系统 | |
| CN109584232A (zh) | 基于图像识别的设备使用状态在线监测方法、系统及终端 | |
| CN112699824B (zh) | 电能表仪表常数检测方法、设备及存储介质 | |
| CN113343998A (zh) | 电力机械表计读数监测系统、方法、计算机设备及应用 | |
| CN108174198B (zh) | 一种视频图像质量诊断分析检测设备及应用系统 | |
| CN115861210A (zh) | 一种基于孪生网络的变电站设备异常检测方法和系统 | |
| CN117274227B (zh) | 水表表面状态管理系统 | |
| CN114494695A (zh) | 一种智慧水利城乡积涝水位监测预警方法及装置 | |
| CN110019060B (zh) | 一种机车视频文件与运行记录文件自动同步方法与装置 | |
| CN116310263A (zh) | 一种指针式航空地平仪示数自动读取实现方法 | |
| CN103096118B (zh) | 摄像头变焦检测方法和装置 | |
| CN115512189A (zh) | 图像识别模型评估方法、装置以及存储介质 | |
| CN112132227B (zh) | 桥梁列车荷载作用时程提取方法、装置及终端设备 | |
| KR20200007563A (ko) | 에너지 소비 분석을 위한 기계학습용 데이터셋 전처리 방법 | |
| CN114627307A (zh) | 一种燃气表智能识别检测方法、系统和可读存储介质 | |
| CN111553408B (zh) | 视频识别软件自动测试的方法 | |
| CN112949490A (zh) | 设备动作检测方法、装置、电子设备及可读存储介质 | |
| CN112163546A (zh) | 基于视觉识别系统的水表数值判定方法及装置 | |
| CN112770080A (zh) | 一种抄表方法、抄表装置及电子设备 | |
| KR20200013136A (ko) | 비전 IoT를 이용한 전력량계 전력 측정문자 학습 방법 | |
| CN116306576B (zh) | 一种书刊印刷检错系统及其方法 | |
| CN112052729B (zh) | 一种基于人脸识别的智能动态高清视频检测方法及系统 | |
| CN117789182B (zh) | 工业仪表数据采集方法及系统 |
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 |