CN114065969A - 基于Lora前端感知终端的全息感知故障分析诊断方法及系统 - Google Patents
基于Lora前端感知终端的全息感知故障分析诊断方法及系统 Download PDFInfo
- Publication number
- CN114065969A CN114065969A CN202111359976.4A CN202111359976A CN114065969A CN 114065969 A CN114065969 A CN 114065969A CN 202111359976 A CN202111359976 A CN 202111359976A CN 114065969 A CN114065969 A CN 114065969A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- fault
- image
- transformer substation
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 46
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 title claims abstract description 17
- 230000036541 health Effects 0.000 claims description 45
- 238000003860 storage Methods 0.000 claims description 11
- 238000000518 rheometry Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims 2
- 230000001953 sensory effect Effects 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 abstract description 29
- 238000012423 maintenance Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000009529 body temperature measurement Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 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
- 230000036961 partial effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种基于Lora前端感知终端的全息感知故障分析诊断方法及系统，属于变电站的运维监测技术领域。所述方法包括：建立变电站的三维孪生模型；获取变电站的站控层数据以及变电站内Lora模块采集的传感数据；根据站控层数据实时修改三维孪生模型的表计显示数据；根据所述传感数据实时修改所述三维孪生模型的空间状态数据。该方法及系统通过建立变电站的三维孪生模型，并将变电站的基于变电站的站控层数据实时修改该三维孪生模型的表计显示数据，且根据变电站的传感数据实时修改三维孪生模型的空间状态数据。该方法及系统使得工作人员能够在仅仅观察三维孪生模型的情况下，就能够实现对变电站整体状态的监测，提高了变电站的运维监测效率。
Description
技术领域
本发明涉及变电站的运维技术领域，具体地涉及一种基于Lora前端感知终端的全息感知故障分析诊断方法及系统。
背景技术
LoRa是LPWAN通信技术中的一种，是美国Semtech公司采用和推广的一种基于扩频技术的超远距离无线传输方案。这一方案改变了以往关于传输距离与功耗的折衷考虑方式，为用户提供一种简单的能实现远距离、长电池寿命、大容量的系统，进而扩展传感网络。目前，LoRa主要在全球免费频段运行，包括433、470、868、915MHz等。
LoRa通信具有宽窄一体化、易部署、成本低等特点，支持通过电力专网实现自主可控、安全并独立运营，经测试密集市区覆盖可达1.5km2-2km2。
应用场景包含：可见光图片、红外测温、温湿度、门智能监控、智能烟感、动力监测、有害气体监测、水位监测、蓄电池监测、空调智能启动、中压柜测温，变压器噪音监测、SF6气体检测、防凝露除湿、表计图片回传等。只要站内设置站域LoRa接收终端则完全覆盖变电站所有区域，采用不同传感器终端(红外测温传感器、温湿度传感器、智能烟感传感器、动力监测传感器、有害气体监测传感器、水位监测传感器、变压器噪音监测传感器、SF6气体检测传感器等)就可以接入系统，无线接入和电池供电形式，施工简单，无需施放电线电缆，不影响设备原有状态，无施工安全风险，简单便捷。
LoRa技术目前已经成为国网本地通信关键技术，有相应标准《电力设备传感器微功率无线接入网通信协议(试行)》，使其在无线传输的安全性上得到了保障。
智能化变电站可以通过数据化的方式支撑设备状态检修从“定期检修”向“预防性检修”过渡，提升设备精准运维，减少现场作业频次，实现设备全生命周期管理。同时，融合物联网、大数据、人工智能等技术，通过智能传感设备采集，实现了生产运行状态实时在线测量，物理设备、控制系统和信息系统的互联互通，为电网数字化转型提供实践案例与应用示范。
由于在变电站中安装的传感器的数量庞大，工作人员在实际运维监测时需要多个人分别针对不同的区域进行人为监测。事实上，变电站的整体故障往往不是由一个区域的异常状态造成。现有技术中采用的不同工作人员针对不同区域进行监测的方式显然会使得异常状态的综合判断出现困难。
发明内容
本发明实施例的目的是提供一种基于Lora前端感知终端的全息感知故障分析诊断方法及系统，该方法及系统能够提高变电站运维监测的效率。
为了实现上述目的，本发明实施例提供一种基于Lora前端感知终端的全息感知故障分析诊断方法，包括：
建立变电站的三维孪生模型；
获取变电站的站控层数据以及变电站内Lora模块采集的传感数据；
根据所述站控层数据实时修改所述三维孪生模型的表计显示数据；
根据所述传感数据实时修改所述三维孪生模型的空间状态数据。
可选地，根据所述传感数据实时修改所述三维孪生模型的空间状态数据包括：
建立变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者；
基于传感数据在所述变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者中选择所述空间状态数据的显示模式。
可选地，基于传感数据在所述变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者中选择所述空间状态数据的显示模式包括：
建立多组传感数据与故障的严重程度的对应关系；
基于建立的对应关系调节显示模式的颜色类型。
可选地，所述方法还包括：
获取变电站的历史数据集，其中，所述历史数据集包括多个整体故障类型以及对应的空间状态数据；
在所述三维孪生模型的显示不同的整体故障类型的情况下，获取所述三维孪生模型在同一视角下的多个图像；
将所述图像与所述整体故障类型一一匹配以形成变电站故障图像数据集。
可选地，在所述三维孪生模型的显示不同的整体故障类型的情况下，获取所述三维孪生模型在同一视角下的多个图像包括：
对所述图像执行扩展操作。
可选地，所述方法还包括：
构建变电站的图像故障识别模型，其中，所述图像故障识别模型包括：图像识别层、编码层以及数据预测层，其中，所述图像识别层用于获取所述图像中的色阶以及每个区域内的色阶所对应的位置坐标，所述编码层用于对所述色阶以及位置坐标进行编码以得到对应的色阶矩阵，所述数据预测层用于根据所述色阶矩阵预测对应的整体故障类型；
采用所述变电站故障图像数据集训练所述图像故障识别模型。
可选地，所述方法还包括：
在显示所述三维孪生模型的同时，显示所述图像故障识别模型的预测结果。
另一方面，本发明还提供一种基于Lora前端感知终端的全息感知故障分析诊断系统，所述系统包括：
第一处理器，用于：
接收变电站的站控层数据以及变电站内Lora模块采集的传感数据；
根据所述站控层数据实时修改所述三维孪生模型的表计显示数据；
根据所述传感数据实时修改所述三维孪生模型的空间状态数据；
AR显示设备，与所述第一处理器连接，用于显示所述三维孪生模型。
可选地，所述系统还包括：
图像采集设备，用于获取所述三维孪生模型在预定视角下的图像；
第二处理器，与所述图像采集设备连接，用于根据预先训练好的图像故障识别模型对所述图像进行预测，以得到所述变电站的整体故障类型。
再一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的方法。
通过上述技术方案，本发明提供的基于Lora前端感知终端的全息感知故障分析诊断方法及系统通过建立变电站的三维孪生模型，并将变电站的基于变电站的站控层数据实时修改该三维孪生模型的表计显示数据，且根据变电站的传感数据实时修改三维孪生模型的空间状态数据。该方法及系统使得工作人员能够在仅仅观察三维孪生模型的情况下，就能够实现对变电站整体状态的监测，提高了变电站的运维监测效率。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是根据本发明的一个实施方式的基于Lora前端感知终端的全息感知故障分析诊断方法的流程图；
图2是根据本发明的一个实施方式的基于Lora前端感知终端的全息感知故障分析诊断方法的流程图；
图3是根据本发明的一个实施方式的图像故障识别模型的结构框图；
图4是根据本发明的一个实施方式的基于Lora前端感知终端的全息感知故障分析诊断系统的部分结构框图；
图5是根据本发明的一个实施方式的基于Lora前端感知终端的全息感知故障分析诊断系统的部分结构框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
在本发明实施方式中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
另外，若本发明实施方式中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施方式之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
如图1所示是根据本发明的一个实施方式的基于Lora前端感知终端的全息感知故障分析诊断方法的流程图。在该图1中，该方法可以包括：
在步骤S10中，建立变电站的三维孪生模型；
在步骤S11中，获取变电站的站控层数据以及变电站内Lora模块采集的传感数据；
在步骤S12中，根据站控层数据实时修改三维孪生模型的表计显示数据；
在步骤S13中，根据传感数据实时修改三维孪生模型的空间状态数据。
在该如图1所示的方法中，步骤S10可以是基于变电站的现有设备以及建筑模型来建立透视的三维孪生模型。该三维孪生模型可以是基于三维图形引擎、3D GIS、传感器、视频监测、视频融合、大数据等技术来建模，构建与现实变电站孪生的虚拟变电站。在构建该三维孪生模型前，可以先利用激光扫描技术对变电站整体进行全方位扫描，快速获取变电站整体模型，再将得到的粗略模型进行细节优化算法计算，达到高精度模型标准。在该三维孪生模型中，变电站的所有设备以及建模模型均被等比例缩小，从而使得工作人员能够整体观察该变电站的状态。步骤S11中获取的站控层数据为全站数据通信网关机、监控主机、综合应用服务器、数据服务器等设备间隔交换机链接间隔内的保护、测控、故障录波、网络记录分析仪及稳控和其他智能电子设备等的读数。步骤S12获取的传感数据则可以为设置在变电站的传感器终端，包括红外测温传感器、温湿度传感器、智能烟感传感器、动力监测传感器、有害气体监测传感器、水位监测传感器、变压器噪音监测传感器、SF6气体检测传感器、摄像机、红外测温模块等的测量是数据。其中，每个传感器终端可以采用LoRa通信，从而将测量的数据发送至控制中心。
在步骤S12中，为了便于工作人员能够更加清楚地查看变电站当前的状态，在本发明的一个实施方式中，在显示空间状态数据时，可以建立变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者；再基于传感数据在变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者中选择空间状态数据的显示模式。具体地，可以是先建立多组传感数据与故障的严重程度的对应关系；再基于建立的对应关系调节显示模式的颜色类型。对于该显示模式，虽然可以是本领域人员所知的多种形式。但是，在本发明的一个优选示例中，为了便于工作人员能够更加清楚的观察各个区域的状态，该显示模式可以是不同的颜色类型。例如在将当前的传感数据输入变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者后，得到的是正常、轻微过载、严重过载三种结果中的一者的情况下，可以针对对应的结果分别显示绿色、黄色和红色三种。
在本发明的一个实施方式中，考虑到完全依赖工作人员基于经验判断显然也会制约变电站的运维监测效率。因此，如图2所示，该方法还可以包括：
在步骤S20中，获取变电站的历史数据集。其中，历史数据集包括多个整体故障类型以及对应的空间状态数据；
在步骤S21中，在三维孪生模型的显示不同的整体故障类型的情况下，获取三维孪生模型在同一视角下的多个图像；
在步骤S22中，将图像与整体故障类型一一匹配以形成变电站故障图像数据集；
在步骤S23中，构建变电站的图像故障识别模型。其中，该图像故障识别模型可以包括图像识别层、编码层以及数据预测层。其中，图像识别层用于获取图像中的色阶以及每个区域内的色阶所对应的位置坐标，编码层用于对色阶以及位置坐标进行编码以得到对应的色阶矩阵，数据预测层用于根据色阶矩阵预测对应的整体故障类型；
在步骤S24中，采用变电站故障图像数据集训练图像故障识别模型；
在步骤S25中，在显示三维孪生模型的同时，显示图像故障识别模型的预测结果。
在该如图2所示的方法中，步骤S20至步骤S22用于获取训练图像故障识别模型的数据集，即变电站故障图像数据集。在步骤S21中，为了进一步扩展数据集的数量，可以进一步对该图像进行扩展操作，例如旋转、缩放等。步骤S23可以用于建立图像故障识别模型。其中，相较于常规的图像故障识别模型不同之处在于，由于输入的数据集的特殊性，在该实施方式中，如图3所示，该图像故障识别模型可以包括图像识别层01、编码层02以及数据预测层03。具体地，图像识别层01可以用于获取图像中的色阶以及每个区域内的色阶所对应的位置坐标；编码层02可以用于对色阶以及位置坐标进行编码以得到对应的色阶矩阵；数据预测层03则可以用于根据色阶矩阵预测对应的整体故障类型。步骤S24和步骤S25可以用于在显示三维孪生模型的状态的同时，显示图像故障识别模型的预测结果，辅助工作人员进行变电站的运维监测，从而提高运维监测的效率。
另一方面，本发明还提供一种基于Lora前端感知终端的全息感知故障分析诊断系统，如图4所示，该系统包括第一处理器10和AR显示设备11。该第一处理器10可以用于接收变电站的站控层数据以及变电站内Lora模块采集的传感数据并执行如图1或图2中所示出的方法，而AR显示设备11则可以与第一处理器10连接，用于显示该方法生成的三维孪生模型。
进一步地，为了便于完成变电站图像的识别，如图5所示，该系统还可以包括图像采集设备20和第二处理器21。其中，图像采集设备20可以用于获取三维孪生模型在预定视角下的图像。第二处理器21则可以与图像采集设备连接，用于根据预先训练好的图像故障识别模型对图像进行预测，以得到变电站的整体故障类型。
再一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有指令，所述指令用于被机器读取以使得所述机器执行如上述任一所述的方法。
通过上述技术方案，本发明提供的基于Lora前端感知终端的全息感知故障分析诊断方法及系统通过建立变电站的三维孪生模型，并将变电站的基于变电站的站控层数据实时修改该三维孪生模型的表计显示数据，且根据变电站的传感数据实时修改三维孪生模型的空间状态数据。该方法及系统使得工作人员能够在仅仅观察三维孪生模型的情况下，就能够实现对变电站整体状态的监测，提高了变电站的运维监测效率。
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。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (10)
1.一种基于Lora前端感知终端的全息感知故障分析诊断方法，其特征在于，所述方法包括：
建立变电站的三维孪生模型；
获取变电站的站控层数据以及变电站内Lora模块采集的传感数据；
根据所述站控层数据实时修改所述三维孪生模型的表计显示数据；
根据所述传感数据实时修改所述三维孪生模型的空间状态数据。
2.根据权利要求1所述的方法，其特征在于，根据所述传感数据实时修改所述三维孪生模型的空间状态数据包括：
建立变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者；
基于传感数据在所述变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者中选择所述空间状态数据的显示模式。
3.根据权利要求2所述的方法，其特征在于，基于传感数据在所述变压器健康评估及诊断模型、分间隔开关、流变、压变、避雷器健康评估及故障诊断模型、二次设备健康评估及故障诊断模型、消防设备健康评估及故障诊断模型以及辅助设备健康及故障诊断模型中的至少一者中选择所述空间状态数据的显示模式包括：
建立多组传感数据与故障的严重程度的对应关系；
基于建立的对应关系调节显示模式的颜色类型。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取变电站的历史数据集，其中，所述历史数据集包括多个整体故障类型以及对应的空间状态数据；
在所述三维孪生模型的显示不同的整体故障类型的情况下，获取所述三维孪生模型在同一视角下的多个图像；
将所述图像与所述整体故障类型一一匹配以形成变电站故障图像数据集。
5.根据权利要求4所述的方法，其特征在于，在所述三维孪生模型的显示不同的整体故障类型的情况下，获取所述三维孪生模型在同一视角下的多个图像包括：
对所述图像执行扩展操作。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
构建变电站的图像故障识别模型，其中，所述图像故障识别模型包括：图像识别层、编码层以及数据预测层，其中，所述图像识别层用于获取所述图像中的色阶以及每个区域内的色阶所对应的位置坐标，所述编码层用于对所述色阶以及位置坐标进行编码以得到对应的色阶矩阵，所述数据预测层用于根据所述色阶矩阵预测对应的整体故障类型；
采用所述变电站故障图像数据集训练所述图像故障识别模型。
7.根据权利要求3所述的方法，其特征在于，所述方法还包括：
在显示所述三维孪生模型的同时，显示所述图像故障识别模型的预测结果。
8.一种基于Lora前端感知终端的全息感知故障分析诊断系统，其特征在于，所述系统包括：
第一处理器，用于：
接收变电站的站控层数据以及变电站内Lora模块采集的传感数据；
根据所述站控层数据实时修改所述三维孪生模型的表计显示数据；
根据所述传感数据实时修改所述三维孪生模型的空间状态数据；
AR显示设备，与所述第一处理器连接，用于显示所述三维孪生模型。
9.根据权利要求8所述的系统，其特征在于，所述系统还包括：
图像采集设备，用于获取所述三维孪生模型在预定视角下的图像；
第二处理器，与所述图像采集设备连接，用于根据预先训练好的图像故障识别模型对所述图像进行预测，以得到所述变电站的整体故障类型。
10.一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存储有指令，所述指令用于被机器读取以使得所述机器执行如权利要求1至7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111359976.4A CN114065969A (zh) | 2021-11-17 | 2021-11-17 | 基于Lora前端感知终端的全息感知故障分析诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111359976.4A CN114065969A (zh) | 2021-11-17 | 2021-11-17 | 基于Lora前端感知终端的全息感知故障分析诊断方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114065969A true CN114065969A (zh) | 2022-02-18 |
Family
ID=80273252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111359976.4A Pending CN114065969A (zh) | 2021-11-17 | 2021-11-17 | 基于Lora前端感知终端的全息感知故障分析诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114065969A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993328A (zh) * | 2023-09-26 | 2023-11-03 | 国网湖北省电力有限公司超高压公司 | 结合sf6气体监测的电力系统设备运维方法与装置 |
-
2021
- 2021-11-17 CN CN202111359976.4A patent/CN114065969A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993328A (zh) * | 2023-09-26 | 2023-11-03 | 国网湖北省电力有限公司超高压公司 | 结合sf6气体监测的电力系统设备运维方法与装置 |
| CN116993328B (zh) * | 2023-09-26 | 2023-12-22 | 国网湖北省电力有限公司超高压公司 | 结合sf6气体监测的电力系统设备运维方法与装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105425698A (zh) | 一种三维数字变电站一体化管控方法及系统 | |
| CN109102669A (zh) | 一种变电站辅助设施检测控制方法及其装置 | |
| CN116298701B (zh) | 一种基于数字孪生系统的配电网故障检测方法及相关装置 | |
| CN111311776A (zh) | 一种基于物联网的智能巡检系统及方法 | |
| CN114881808B (zh) | 基于大数据的电力窃电精准识别方法及防窃电系统 | |
| CN114218788A (zh) | 一种变电站数字孪生系统及其应用方法、系统 | |
| CN107451709A (zh) | 在地图上显示atm站点或其它远程监控站点的动态风险水平指示符的系统和方法 | |
| CN111815000A (zh) | 一种电力场景的重现方法、系统及计算机可读存储介质 | |
| CN112671104A (zh) | 面向复杂场景的变电站多维度场景管控平台 | |
| CN211651687U (zh) | 一种基于变电站电缆沟综合环境实时动态监测系统 | |
| CN114065969A (zh) | 基于Lora前端感知终端的全息感知故障分析诊断方法及系统 | |
| CN109713789A (zh) | 一种基于bim技术的变配电所智能实时分级报警方法 | |
| CN115167530A (zh) | 基于多维传感的带电作业勘察数据处理方法及系统 | |
| CN113153262A (zh) | 一种基于电缆热特性的海上油田可接入容量评估方法 | |
| CN115664006B (zh) | 一种增量配电网智能管控一体化平台 | |
| CN115861554A (zh) | 模型展示方法、装置、非易失性存储介质和计算机设备 | |
| CN116205520A (zh) | 电网数字化管理指标体系的预警方法、系统及应用 | |
| CN115376021A (zh) | 一种混凝土电杆洪涝受灾卫星图像监测方法和系统 | |
| CN116311770A (zh) | 基于物联边缘计算网关的房屋安全预警系统、方法及终端 | |
| CN115550757A (zh) | 一种电力配电杆塔监测预警系统 | |
| CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
| CN112216073B (zh) | 一种梯子违规操作告警方法及装置 | |
| CN207939657U (zh) | 工作区域监控系统 | |
| CN113435802B (zh) | 输电网监测规划方案构建方法、装置、设备和存储介质 | |
| CN116739357B (zh) | 多模态融合感知的城市既有建筑广域监测预警方法及装置 |
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 |