CN114897840A - 一种应用于智慧电网的发电机组检测方法 - Google Patents
一种应用于智慧电网的发电机组检测方法 Download PDFInfo
- Publication number
- CN114897840A CN114897840A CN202210537225.5A CN202210537225A CN114897840A CN 114897840 A CN114897840 A CN 114897840A CN 202210537225 A CN202210537225 A CN 202210537225A CN 114897840 A CN114897840 A CN 114897840A
- Authority
- CN
- China
- Prior art keywords
- electrolyte
- image
- predicted
- storage battery
- actual
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 239000003792 electrolyte Substances 0.000 claims abstract description 155
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000010248 power generation Methods 0.000 claims description 41
- 230000009466 transformation Effects 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种应用于智慧电网的发电机组检测方法,包括获取第一电解液图像和实际运行参数并将实际运行参数输入参数预测模型以输出预测运行参数。将第一电解液图像和预测运行参数输入图像预测模型以输出预测电解液图像并从预测电解液图像中提取第一预测特征和第二预测特征。采集第二电解液图像并从第二电解液图像中提取第一实际特征和第二实际特征。将第一预测特征与第一实际特征进行相似度计算以得到蓄电池的电解液的位置匹配度;将第二预测特征与第二实际特征进行相似度计算以得到蓄电池的电解液的颜色匹配度;根据第一预测特征和第一实际特征生成电解液添加信息;根据第二预测特征和第二实际特征生成电解液更换信息。
Description
技术领域
本发明涉及智慧电网和发电机领域,尤其涉及一种应用于智慧电网的发电机组检测方法。
背景技术
智能电网就是电网的智能化,也被称为“电网2.0”,它是建立在集成的、高速双向通信网络的基础上,通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用,实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标,其主要特征包括自愈、激励和包括用户、抵御攻击、提供满足21世纪用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行。
在发电系统重启之前,需要对发电系统的所有设施设备进行严格细致的检查、测试和调整。例如针对发电机组中散热水箱、风扇和带动链是否处于最佳状态进行检查以及燃油、润滑油、冷却水和蓄电池电解液是否符合要求位置进行检查。现有的技术中没有相应的智能化处理手段对发电机组的设备进行检查,因此需要技术人员在发电系统重新启动之前对发电机组的设备进行检测,加了运维成本和人力资源消耗。
发明内容
针对现有技术之不足,本发明提供了一种应用于智慧电网的发电机组检测方法包括:获取第一电解液图像和实际运行参数;所述第一电解液图像为在发电系统重新启动之前发电机组中蓄电池的电解液的外观图像;所述实际运行参数为实际的在发电系统重新启动之前发电机组中蓄电池的运行参数;
将实际运行参数输入参数预测模型以输出预测运行参数;所述预测运行参数为预测的在发电系统重新启动之后发电机组中蓄电池的运行参数;
将第一电解液图像和预测运行参数输入图像预测模型以输出预测电解液图像;所述预测电解液图像为预测的在发电系统重新启动之后发电机组中蓄电池的电解液的外观图像;
从预测电解液图像中提取第一预测特征和第二预测特征;
采集第二电解液图像,并从第二电解液图像中提取第一实际特征和第二实际特征;所述第二电解液图像为在发电系统重新启动之后发电机组中蓄电池的电解液的外观图像;
将所述第一预测特征与所述第一实际特征进行相似度计算以得到蓄电池的电解液的位置匹配度;将所述第二预测特征与所述第二实际特征进行相似度计算以得到蓄电池的电解液的颜色匹配度;
在所述位置匹配度小于第一匹配阈值时,根据第一预测特征和第一实际特征生成电解液添加信息;
在所述颜色匹配度小于第二匹配阈值时,根据第二预测特征和第二实际特征生成电解液更换信息。
根据一个优选实施方式,在位置匹配度小于第一匹配阈值时,根据第一预测特征和第一实际特征生成电解液添加信息包括:
在所述位置匹配度小于第一匹配阈值时,分别根据第一预测特征和第一实际特征生成第一预测数据和第一实际数据;
将第一预测数据和第一实际数据进行比较以得到标准差数据,并对所述标准差数据进行分析得到电解液添加容量;所述电解液添加容量为蓄电池需要添加的电解液的容量;
获取蓄电池的设备编号并根据设备编号和蓄电池需要添加电解液的容量以生成电解液添加信息然后将所述电解液添加信息发送到电网检测终端。
根据一个优选实施方式,在颜色匹配度小于第二匹配阈值时,根据第二预测特征和第二实际特征生成电解液更换信息包括:
在颜色匹配度小于第二匹配阈值时,获取蓄电池的标准电解液容量并获取蓄电池的设备编号;所述标准电解液容量为蓄电池需要更换的电解液的容量;
根据设备编号和蓄电池的标准电解液容量生成电解液更换信息,并将所述电解液更换信息发送到电网检测终端。
根据一个优选实施方式,所述第一预测特征用于指示预测的发电机组中蓄电池的电解液的位置特征;所述第二预测特征用于指示预测的发电机组中蓄电池的电解液的颜色特征;所述第一实际特征用于指示实际的发电机组中蓄电池的电解液的位置特征;所述第二实际特征用于指示实际的发电机组中蓄电池的电解液的颜色特征。
根据一个优选实施方式,将实际运行参数输入参数预测模型以输出预测运行参数包括:
参数预测模型的第一变换模块对实际运行参数进行线性变换以获取在发电系统重新启动之前发电机组中蓄电池的运行状态特征;
参数预测模型的非线性变换模块获取历史所有蓄电池的运行数据,并对历史所有蓄电池的运行数据进行分析以得到蓄电池的运行曲线数据;
提取所述运行曲线数据的特征以得到运行曲线特征,并根据所述运行曲线特征对所述在发电系统重新启动之前发电机组中蓄电池的运行状态特征进行非线性变换以预测在发电系统重新启动之后发电机组中蓄电池的运行状态特征;
参数预测模型的第二变换模块对所述预测的在发电系统重新启动之后发电机组中蓄电池的运行状态特征进行线性变换的逆变换以得到发电机组的蓄电池的预测运行参数。
根据一个优选实施方式,将第一电解液图像和预测运行参数输入图像预测模型以输出预测电解液图像包括:
从数据库获取若干个电解液图像以及每个电解液图像对应的蓄电池运行参数,并提取每个电解液图像的图像特征和对应蓄电池运行参数的参数特征,然后根据所有的图像特征以及对应的参数特征生成映射关系;
所述电解液图像为蓄电池的电解液的外观图像;所述蓄电池运行参数为蓄电池的运行参数;
提取第一电解液图像的图像特征以得到第一图像特征,并提取实际运行参数的特征以得到实际运行特征,然后提取预测运行参数的特征以得到预测运行特征;
根据预测运行特征和实际运行特征生成参数变化特征,并通过所述映射关系将参数变化特征和第一图像特征进行映射处理以生成预测图像特征,然后根据预测图像特征生成预测电解液图像。
根据一个优选实施方式,所述电解液添加信息用于指示电网管理员需要添加电解液的蓄电池的编号以及容量;所述电解液更换信息用于指示电网管理员需要更换电解液的蓄电池的编号以及容量。
根据一个优选实施方式,所述电网检测终端为电网管理员使用的具有通信功能和数据传输功能的智能设备,其包括:智能手机、智能手表、台式电脑和笔记本电脑。
本发明具有以下有益效果:本发明提供的一种应用于智慧电网的发电机组检测方法在发电系统重新启动之前自动化的对发电系统进行检测从而判断发电系统是否正常,并在发电系统存在异常的时候通知管理人员。本发明不仅提高了检测的准确率也及时检测出发电系统的异常。
附图说明
图1为一示例性实施例提供的一种应用于智慧电网的发电机组检测方法的流程图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,在一个实施例中,一种应用于智慧电网的发电机组检测方法可以包括:
S1、获取第一电解液图像和实际运行参数,将实际运行参数输入参数预测模型以输出预测运行参数。
具体地,所述第一电解液图像为在发电系统重新启动之前发电机组中蓄电池的电解液的外观图像;所述实际运行参数为实际的在发电系统重新启动之前发电机组中蓄电池的运行参数;所述预测运行参数为预测的在发电系统重新启动之后发电机组中蓄电池的运行参数。
在一个实施例中,将实际运行参数输入参数预测模型以输出预测运行参数包括:
参数预测模型的第一变换模块对实际运行参数进行线性变换以获取在发电系统重新启动之前发电机组中蓄电池的运行状态特征;
参数预测模型的非线性变换模块获取历史所有蓄电池的运行数据,并对历史所有蓄电池的运行数据进行分析以得到蓄电池的运行曲线数据;
提取所述运行曲线数据的特征以得到运行曲线特征,并根据所述运行曲线特征对所述在发电系统重新启动之前发电机组中蓄电池的运行状态特征进行非线性变换以预测在发电系统重新启动之后发电机组中蓄电池的运行状态特征;
参数预测模型的第二变换模块对所述预测的在发电系统重新启动之后发电机组中蓄电池的运行状态特征进行线性变换的逆变换以得到发电机组的蓄电池的预测运行参数。
S2、将第一电解液图像和预测运行参数输入图像预测模型以输出预测电解液图像,并从预测电解液图像中提取第一预测特征和第二预测特征。
具体地,所述预测电解液图像为预测的在发电系统重新启动之后发电机组中蓄电池的电解液的外观图像;所述第一预测特征用于指示预测的发电机组中蓄电池的电解液的位置特征;所述第二预测特征用于指示预测的发电机组中蓄电池的电解液的颜色特征。
在一个实施例中,将第一电解液图像和预测运行参数输入图像预测模型以输出预测电解液图像包括:
从数据库获取若干个电解液图像以及每个电解液图像对应的蓄电池运行参数,并提取每个电解液图像的图像特征和对应蓄电池运行参数的参数特征,然后根据所有的图像特征以及对应的参数特征生成映射关系;
提取第一电解液图像的图像特征以得到第一图像特征,并提取实际运行参数的特征以得到实际运行特征,然后提取预测运行参数的特征以得到预测运行特征;
根据预测运行特征和实际运行特征生成参数变化特征,并通过所述映射关系将参数变化特征和第一图像特征进行映射处理以生成预测图像特征,然后根据预测图像特征生成预测电解液图像。
所述电解液图像为蓄电池的电解液的外观图像;所述蓄电池运行参数为蓄电池的运行参数。
S3、采集第二电解液图像,并从第二电解液图像中提取第一实际特征和第二实际特征。
具体地,所述第二电解液图像为在发电系统重新启动之后发电机组中蓄电池的电解液的外观图像。所述第一实际特征用于指示实际的发电机组中蓄电池的电解液的位置特征;所述第二实际特征用于指示实际的发电机组中蓄电池的电解液的颜色特征。
S4、将所述第一预测特征与所述第一实际特征进行相似度计算以得到蓄电池的电解液的位置匹配度;将所述第二预测特征与所述第二实际特征进行相似度计算以得到蓄电池的电解液的颜色匹配度。
具体地,位置匹配度用于指示蓄电池电解液的容量是否符合标准,颜色匹配度用于指示蓄电池电解液的颜色是否符合标准。
S5、在所述位置匹配度小于第一匹配阈值时,根据第一预测特征和第一实际特征生成电解液添加信息;在所述颜色匹配度小于第二匹配阈值时,根据第二预测特征和第二实际特征生成电解液更换信息。
具体地,第一匹配阈值和第二匹配阈值为人为设置的;第一匹配阈值为电解液容量符合标准的位置匹配度的临界值;第二匹配阈值为电解液颜色符合标准的颜色匹配度的临界值。
在一个实施例中,在位置匹配度小于第一匹配阈值时,根据第一预测特征和第一实际特征生成电解液添加信息包括:
在所述位置匹配度小于第一匹配阈值时,分别根据第一预测特征和第一实际特征生成第一预测数据和第一实际数据;
将第一预测数据和第一实际数据进行比较以得到标准差数据,并对所述标准差数据进行分析得到电解液添加容量;所述电解液添加容量为蓄电池需要添加的电解液的容量;
获取蓄电池的设备编号并根据设备编号和蓄电池需要添加电解液的容量以生成电解液添加信息然后将所述电解液添加信息发送到电网检测终端。
在一个实施例中,在颜色匹配度小于第二匹配阈值时,根据第二预测特征和第二实际特征生成电解液更换信息包括:
在颜色匹配度小于第二匹配阈值时,获取蓄电池的标准电解液容量并获取蓄电池的设备编号;所述标准电解液容量为蓄电池需要更换的电解液的容量;
根据设备编号和蓄电池的标准电解液容量生成电解液更换信息,并将所述电解液更换信息发送到电网检测终端。
具体地,所述电解液添加信息用于指示电网管理员需要添加电解液的蓄电池的编号以及容量;所述电解液更换信息用于指示电网管理员需要更换电解液的蓄电池的编号以及容量。
可选地,所述电网检测终端为电网管理员使用的具有通信功能和数据传输功能的智能设备,其包括:智能手机、智能手表、台式电脑和笔记本电脑。
本发明提供的一种应用于智慧电网的发电机组检测方法在发电系统重新启动之前自动化的对发电系统进行检测从而判断发电系统是否正常,并在发电系统存在异常的时候通知管理人员。本发明不仅提高了检测的准确率也及时检测出发电系统的异常。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
本申请是参照根据本申请实施例的方法、计算机设备(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云计算机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云计算机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。
在一个典型的配置中,云计算机设备包括一个或多个处理器(CPU)、存储器和总线。云计算机设备还可以包括输入/输出接口、网络接口等。
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(flashRAM),存储器包括至少一个存储芯片。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)、其他特征权重的随机存取存储器(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(CDROM)、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云计算机设备或任何其他非传输介质,可用于存储可以被计算云计算机设备匹配的信息。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,如调制的数据信号和载波。
本文中应用了具体实施例对本文的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本文的方法及其核心思想;同时,对于本领域的一般技术人员,依据本文的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本文的限制。
Claims (9)
1.一种应用于智慧电网的发电机组检测方法,其特征在于,获取第一电解液图像和实际运行参数;所述第一电解液图像为在发电系统重新启动之前发电机组中蓄电池的电解液的外观图像;所述实际运行参数为实际的在发电系统重新启动之前发电机组中蓄电池的运行参数;
将实际运行参数输入参数预测模型以输出预测运行参数;所述预测运行参数为预测的在发电系统重新启动之后发电机组中蓄电池的运行参数;
将第一电解液图像和预测运行参数输入图像预测模型以输出预测电解液图像;所述预测电解液图像为预测的在发电系统重新启动之后发电机组中蓄电池的电解液的外观图像;
从预测电解液图像中提取第一预测特征和第二预测特征;
采集第二电解液图像,并从第二电解液图像中提取第一实际特征和第二实际特征;所述第二电解液图像为在发电系统重新启动之后发电机组中蓄电池的电解液的外观图像;
将所述第一预测特征与所述第一实际特征进行相似度计算以得到蓄电池的电解液的位置匹配度;将所述第二预测特征与所述第二实际特征进行相似度计算以得到蓄电池的电解液的颜色匹配度;
在所述位置匹配度小于第一匹配阈值时,根据第一预测特征和第一实际特征生成电解液添加信息;
在所述颜色匹配度小于第二匹配阈值时,根据第二预测特征和第二实际特征生成电解液更换信息。
2.根据权利要求1所述的方法,其特征在于,在位置匹配度小于第一匹配阈值时,根据第一预测特征和第一实际特征生成电解液添加信息包括:
在所述位置匹配度小于第一匹配阈值时,分别根据第一预测特征和第一实际特征生成第一预测数据和第一实际数据;
将第一预测数据和第一实际数据进行比较以得到标准差数据,并对所述标准差数据进行分析得到电解液添加容量;所述电解液添加容量为蓄电池需要添加的电解液的容量;
获取蓄电池的设备编号并根据设备编号和蓄电池需要添加电解液的容量以生成电解液添加信息然后将所述电解液添加信息发送到电网检测终端。
3.根据权利要求2所述的方法,其特征在于,在颜色匹配度小于第二匹配阈值时,根据第二预测特征和第二实际特征生成电解液更换信息包括:
在颜色匹配度小于第二匹配阈值时,获取蓄电池的标准电解液容量并获取蓄电池的设备编号;所述标准电解液容量为蓄电池需要更换的电解液的容量;
根据设备编号和蓄电池的标准电解液容量生成电解液更换信息,并将所述电解液更换信息发送到电网检测终端。
4.根据权利要求3所述的方法,其特征在于,所述第一预测特征用于指示预测的发电机组中蓄电池的电解液的位置特征;所述第二预测特征用于指示预测的发电机组中蓄电池的电解液的颜色特征。
5.根据权利要求4所述的方法,其特征在于,所述第一实际特征用于指示实际的发电机组中蓄电池的电解液的位置特征;所述第二实际特征用于指示实际的发电机组中蓄电池的电解液的颜色特征。
6.根据权利要求1至5之一所述的方法,其特征在于,将实际运行参数输入参数预测模型以输出预测运行参数包括:
参数预测模型的第一变换模块对实际运行参数进行线性变换以获取在发电系统重新启动之前发电机组中蓄电池的运行状态特征;
参数预测模型的非线性变换模块获取历史所有蓄电池的运行数据,并对历史所有蓄电池的运行数据进行分析以得到蓄电池的运行曲线数据;
提取所述运行曲线数据的特征以得到运行曲线特征,并根据所述运行曲线特征对所述在发电系统重新启动之前发电机组中蓄电池的运行状态特征进行非线性变换以预测在发电系统重新启动之后发电机组中蓄电池的运行状态特征;
参数预测模型的第二变换模块对所述预测的在发电系统重新启动之后发电机组中蓄电池的运行状态特征进行线性变换的逆变换以得到发电机组的蓄电池的预测运行参数。
7.根据权利要求1至6之一所述的方法,其特征在于,将第一电解液图像和预测运行参数输入图像预测模型以输出预测电解液图像包括:
从数据库获取若干个电解液图像以及每个电解液图像对应的蓄电池运行参数,并提取每个电解液图像的图像特征和对应蓄电池运行参数的参数特征,然后根据所有的图像特征以及对应的参数特征生成映射关系;
所述电解液图像为蓄电池的电解液的外观图像;所述蓄电池运行参数为蓄电池的运行参数;
提取第一电解液图像的图像特征以得到第一图像特征,并提取实际运行参数的特征以得到实际运行特征,然后提取预测运行参数的特征以得到预测运行特征;
根据预测运行特征和实际运行特征生成参数变化特征,并通过所述映射关系将参数变化特征和第一图像特征进行映射处理以生成预测图像特征,然后根据预测图像特征生成预测电解液图像。
8.根据权利要求7所述的方法,其特征在于,所述电解液添加信息用于指示电网管理员需要添加电解液的蓄电池的编号以及容量;所述电解液更换信息用于指示电网管理员需要更换电解液的蓄电池的编号以及容量。
9.根据权利要求8所述的方法,其特征在于,所述电网检测终端为电网管理员使用的具有通信功能和数据传输功能的智能设备,其包括:智能手机、智能手表、台式电脑和笔记本电脑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210537225.5A CN114897840A (zh) | 2022-05-18 | 2022-05-18 | 一种应用于智慧电网的发电机组检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210537225.5A CN114897840A (zh) | 2022-05-18 | 2022-05-18 | 一种应用于智慧电网的发电机组检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114897840A true CN114897840A (zh) | 2022-08-12 |
Family
ID=82724249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210537225.5A Pending CN114897840A (zh) | 2022-05-18 | 2022-05-18 | 一种应用于智慧电网的发电机组检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897840A (zh) |
-
2022
- 2022-05-18 CN CN202210537225.5A patent/CN114897840A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019413432B2 (en) | Scalable system and engine for forecasting wind turbine failure | |
CN112217207B (zh) | 一种暂态电压稳定裕度预测方法及装置 | |
CN112712902B (zh) | 传染病的传染概率预测方法及装置、存储介质、电子设备 | |
CN113554526A (zh) | 电力设备的故障预警方法、装置、存储介质及处理器 | |
CN101901430A (zh) | 电网风险管控方法和装置 | |
CN112801434A (zh) | 性能指标健康度的监测方法、装置、设备和存储介质 | |
CN115035475A (zh) | 供水管线实时监控方法、装置、电子设备及介质 | |
CN111181757B (zh) | 信息安全风险预测方法、装置以及计算设备、存储介质 | |
Chu et al. | Detecting load redistribution attacks via support vector models | |
CN117234844A (zh) | 云服务器异常管理方法、装置、计算机设备及存储介质 | |
CN114897840A (zh) | 一种应用于智慧电网的发电机组检测方法 | |
CN112581387B (zh) | 一种配电室智能运维系统、装置及方法 | |
CN113052509A (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
CN114169523A (zh) | 太阳能电池的使用数据分析方法及系统 | |
CN114024302B (zh) | 用于评价台区的方法及装置 | |
CN117271486A (zh) | 基于人工智能的数据报送方法、装置、设备及存储介质 | |
CN114897839A (zh) | 一种应用于智慧社区的发电机组检测系统 | |
Wen et al. | Design and Implementation of a Power Grid Fault State Analysis System Based on Deep Learning | |
CN116702042A (zh) | 中低压配电系统设备数据特征处理方法及设备 | |
CN115909684A (zh) | 一种智能识别高防护电能表 | |
CN117724933A (zh) | 一种数据中心通信热管理检测方法及系统 | |
KR20230159130A (ko) | 데이터 포맷 변환 장치 및 그 방법 | |
CN116467297A (zh) | 监管数据推送和异常自查方法、装置、设备及其存储介质 | |
CN115758161A (zh) | 模型训练方法、系统变更的风控方法、装置及电子设备 | |
CN117421311A (zh) | 基于人工智能的数据校验方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220812 |
|
WD01 | Invention patent application deemed withdrawn after publication |