CN115248873B - 一种基于数据融合的电缆隧道安全监测方法及系统 - Google Patents
一种基于数据融合的电缆隧道安全监测方法及系统 Download PDFInfo
- Publication number
- CN115248873B CN115248873B CN202211157778.4A CN202211157778A CN115248873B CN 115248873 B CN115248873 B CN 115248873B CN 202211157778 A CN202211157778 A CN 202211157778A CN 115248873 B CN115248873 B CN 115248873B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- tunnel
- cable
- safety monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 467
- 230000004927 fusion Effects 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 104
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 29
- 239000000463 material Substances 0.000 claims description 23
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 20
- 229910052760 oxygen Inorganic materials 0.000 claims description 20
- 239000001301 oxygen Substances 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 10
- 230000000295 complement effect Effects 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 230000000875 corresponding effect Effects 0.000 description 20
- 230000007613 environmental effect Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 238000009423 ventilation Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Library & Information Science (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于数据融合的电缆隧道安全监测方法及系统,涉及监测控制技术领域,通过多维度传感设备、图像采集设备对电缆隧道进行数据采集,构建多方数据融合数据库;对隧道安全监测规则进行监测项目特征分析,获得安全监测参数特征列表;基于安全监测参数特征列表对融合数据库进行特征遍历对比,确定数据特征及安全监测项目对应关系;基于安全监测项目的监测周期从融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析确定安全监测项目分析结果进行监测管理。解决对于电缆的正常运行状态缺乏可靠的监测,无法确保隧道内电力电缆安全稳定的技术问题。达到信息充分共享、融合的联动监测,维护电缆隧道正常运行的效果。
Description
技术领域
本发明涉及监测控制技术领域,具体涉及一种基于数据融合的电缆隧道安全监测方法及系统。
背景技术
电缆隧道即进行铺设电缆的隧道,为隧道提供电力供应,以实现隧道的运行。电缆隧道为敷设和运行在其中的电力电缆提供了一个良好运行环境,同时隧道环境的优劣也会直接影响电缆的实际载流量和运行寿命。由于电缆隧道无人值守或者电巡视不到位,使得电缆隧道内的设施被盗是不能及时发现和处理,同时电缆隧道内电力电缆受到水淹没、隧道含氧量降低、温度过高等状态会影响到电力电缆的使用状态和寿命,而造成电力供应的事故,并造成严重后果和经济损失。目前会在电缆隧道内装设监控系统对隧道电缆进行监控,但监控存在一定的弊端,能对盗窃的现象进行监控,但是对于受到环境因素影响的电缆状态则无法监控,对于电缆的正常运行状态缺乏可靠的监测。
发明内容
本申请提供了一种基于数据融合的电缆隧道安全监测方法及系统,用于针对解决现有技术中对于受到环境因素影响的电缆状态无法监控,对于电缆的正常运行状态缺乏可靠的监测,无法确保隧道内电力电缆安全稳定的技术问题。
鉴于上述问题,本申请提供了一种基于数据融合的电缆隧道安全监测方法及系统。
第一方面,本申请提供了一种基于数据融合的电缆隧道安全监测方法,所述方法应用于电缆隧道安全监测系统,所述系统包括图像采集设备、传感器监测设备,所述方法包括:利用所述图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库;通过传感器监测设备进行温度、湿度、含氧量、水泵信息、井盖信息多维度监测传感,建立多维度传感数据库;将所述监测图像采集库与所述多维度传感数据库按照采集时间进行对齐处理,并将对齐处理后的融合数据集进行预处理,得到融合数据库;构建隧道安全监测规则,对所述隧道安全监测规则进行监测项目特征分析,获得安全监测参数特征列表;基于所述安全监测参数特征列表,对所述融合数据库进行特征遍历对比,确定数据特征及安全监测项目对应关系,对融合数据库进行数据分类和项目关系标签;根据所述隧道安全监测规则,确定各安全监测项目的监测周期,基于所述安全监测项目的监测周期从所述融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析,确定安全监测项目分析结果;根据所述安全监测项目分析结果对电缆隧道各安全监测项目进行监测管理。
第二方面,本申请提供了一种基于数据融合的电缆隧道安全监测系统,所述系统包括:图像采集模块,用于利用图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库;传感器监测模块,用于通过传感器监测设备进行温度、湿度、含氧量、水泵信息、井盖信息多维度监测传感,建立多维度传感数据库;数据融合模块,用于将所述监测图像采集库与所述多维度传感数据库按照采集时间进行对齐处理,并将对齐处理后的融合数据集进行预处理,得到融合数据库;安全监测规则构建模块,用于构建隧道安全监测规则,对所述隧道安全监测规则进行监测项目特征分析,获得安全监测参数特征列表;数据分析标注模块,用于基于所述安全监测参数特征列表,对所述融合数据库进行特征遍历对比,确定数据特征及安全监测项目对应关系,对融合数据库进行数据分类和项目关系标签;监测执行处理模块,用于根据所述隧道安全监测规则,确定各安全监测项目的监测周期,基于所述安全监测项目的监测周期从所述融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析,确定安全监测项目分析结果;监测管理模块,用于根据所述安全监测项目分析结果对电缆隧道各安全监测项目进行监测管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种基于数据融合的电缆隧道安全监测方法,利用图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库;通过传感器监测设备进行温度、湿度、含氧量、水泵信息、井盖信息多维度监测传感,建立多维度传感数据库;将所述监测图像采集库与所述多维度传感数据库按照采集时间进行对齐处理,并将对齐处理后的融合数据集进行预处理,得到融合数据库;根据隧道安全监测规则,确定各安全监测项目的监测周期,从融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析,利用多方面的数据继续融合分析处理,按照不同的监测项目进行具体的融合分析处理和预测,对于存在的电缆风险和隧道风险进行及时发现及时预警,从而确保电缆隧道的稳定运行,避免无人查看而造成的损失,达到了对电缆的实时状态监测、隧道环境和辅助设施工作状态的监视对于出现的损伤、故障、特殊事件及时发现及时处理,在信息充分共享、融合的基础上确保高度智能化的联动监测,维护电缆隧道的正常运行的技术效果。从而解决现有技术中对于受到环境因素影响的电缆状态无法监控,对于电缆的正常运行状态缺乏可靠的监测,无法确保隧道内电力电缆安全稳定的技术问题。
附图说明
图1为本申请提供了一种基于数据融合的电缆隧道安全监测方法流程示意图;
图2为本申请提供了一种基于数据融合的电缆隧道安全监测方法中建立监测图像采集库的流程示意图;
图3为本申请提供了一种基于数据融合的电缆隧道安全监测方法中构建隧道安全监测规则的流程示意图;
图4为本申请提供了一种基于数据融合的电缆隧道安全监测系统结构示意图。
具体实施方式
本申请通过提供一种基于数据融合的电缆隧道安全监测方法及系统,用以解决现有技术中对于受到环境因素影响的电缆状态无法监控,对于电缆的正常运行状态缺乏可靠的监测,无法确保隧道内电力电缆安全稳定的技术问题。
下面结合具体的实施例进行本发明方案的详细介绍。
实施例一
如图1所示,本申请提供了一种基于数据融合的电缆隧道安全监测方法,所述方法应用于电缆隧道安全监测系统,所述系统包括图像采集设备、传感器监测设备,所述方法包括:
图像采集设备为铺设在电缆隧道中的监控设备,按照电缆隧道的结构、尺寸、范围进行图像采集设备的设置以确保对电缆隧道中电缆设施各元件进行监测,实现对电缆隧道全覆盖。传感器监测设备包括温度传感器、湿度传感器、含氧量传感器、水泵信息传感器、井盖信息传感器,温度传感器、湿度传感器是对隧道内及电缆设备元件如电缆接头进行温度、湿度监测,含氧量传感器为对隧道或对隧道里电缆井进行含氧量监测,水泵信息传感器为对水泵的运行状态进行传感,井盖信息传感器对井盖的位置、井盖密封状态进行传感。
S10:利用所述图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库;
进一步的,如图2所示,利用所述图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库,S10包括:S101:获得图像采集设备部署位置、图像采集设备监测范围;S102:根据所述图像采集设备部署位置、所述图像采集设备监测范围,获得电缆隧道监测覆盖信息;S103:基于所述电缆隧道监测覆盖信息对电缆隧道的覆盖全面性进行分析,对于不满足全面覆盖要求的进行图像采集设备部署位置调整,直到满足要求为止,记录电缆隧道监测覆盖信息,其中包括图像采集设备编码、电缆隧道监测坐标;S104:基于所述图像采集设备编码、电缆隧道监测坐标,确定监测采集图像,建立监测采集图像与图像采集设备编码、电缆隧道监测坐标三者之间的映射关系;S105:将所有监测采集图像进行预处理后,对所述监测图像采集库进行实时更新存储。
进一步的,将所有监测采集图像进行预处理后,对所述监测图像采集库进行实时更新存储,S105包括:S1051:对所有监测采集图像进行清晰度判断,对于清晰度未达到清晰度要求的图像进行即刻补采集处理,若即刻补采集图像仍然未达到清晰度要求时,定位图像采集设备编码进行图像采集设备参数调整,直到满足清晰度要求为止;S1052:对所有监测采集图像进行降噪处理,通过降噪处理后的图像存入所述监测图像采集库。
具体的,监测采集图像为通过监控设备进行电缆隧道状态进行实时监测得到的采集画面,将所有的采集画面进行整合存储构建监测图像采集库,监测图像采集库中包含所有监控采集到的画面信息,在进行图像采集存储之前,首先会对电缆隧道中铺设的图像采集设备的设置位置、采集参数、采集角度等进行分析处理并存储,以掌握隧道中图像采集设备采集到的图像为电缆隧道哪个部分的画面、从哪个角度拍摄的,以便对电缆隧道进行准确的信息提取和分析处理。
首先对图像采集设备部署位置、图像采集设备监测范围进行提取,确定电缆隧道中监控设备能否对隧道实现全覆盖,同时也掌握哪些电缆设备是通过哪个图像采集设备进行采集监控的,这样可以通过调整控制图像采集设备以对电缆、隧道实现全方位的监测。根据图像采集设备部署位置和图像采集设备监测范围来确定各图像采集设备能够监控的范围和监控元件信息,同时对于存在监控范围重叠的图像采集设备可以进行元件位置定位和不同采集的监测的图像采集设备的响应速度分析,来确定不同图像采集设备对同一电缆元件进行采集时存在的时间或者定位偏差,能够通过重叠位置的画面进行融合分析处理,以实现对电缆元件的可靠分析,同时按照各图像采集设备的采集范围进行电缆隧道的覆盖范围的分析,来确定是否覆盖了整个隧道,若存在覆盖全面性不足即无法实现全面覆盖的情况下,按照未覆盖的范围进行图像采集设备的采集参数调整,如采集角度、采集参数调整等来提高覆盖范围,若通过调整无法实现的可以通过在缺失的位置添加图像采集设备来完成全覆盖的部署,以确保监测采集图像能够为电缆隧道的监测提供可靠保证。
另外在构建监测图像采集库之前避免采集传输中存在的噪音干扰影响到画面的质量,还将各图像采集设备采集到的监测采集图像进行清晰度判断,若判断当前图像的清晰度不满足要求时,及时发送补拍信息(即刻补采集处理)即判断清晰度不足时立即进行重新拍摄,即刻与当前判断的图像画面的时间差在2秒中之内,画面具有可参考性或者可替换性,对于即刻补采集处理补拍的图像进行清晰度判断,若仍然不满足要求的对对应的图像采集设备进行参数调整,调整清晰度,若通过图像采集设备的参数调整无法实现的则发送提醒信息,进行图像采集设备及时处理避免出现故障影响到监测结果,同时也避免人为破环进行电缆损坏的情况,只有清晰度满足要求的图像才能为后续进行监测分析提供有力保证,当满足了清晰度要求的图像,最后通过降噪处理后的图像,存入监测图像采集库,确保了监测图像采集库中图像的质量,为电缆隧道的分析监测提供可靠保证。同时监测图像采集库中采集图像中包括采集的图像采集设备的编码,每个编码为唯一,能够进行部署位置、设备参数、采集范围等信息的识别。
S20:通过传感器监测设备进行温度、湿度、含氧量、水泵信息、井盖信息多维度监测传感,建立多维度传感数据库;
具体的,多维度传感数据库为通过温度、湿度、含氧量、水泵信息、井盖信息几个方面进行监测得到的数据集,利用多维度传感器即温度传感器、湿度传感器、含氧量传感器、水泵信息传感器、井盖信息传感器,温度传感器、湿度传感器进行电缆隧道的多方监测,将多方数据进行融合可以提高对电缆隧道的监测力度和宽度。
S30:将所述监测图像采集库与所述多维度传感数据库按照采集时间进行对齐处理,并将对齐处理后的融合数据集进行预处理,得到融合数据库;
进一步的,将所述监测图像采集库与所述多维度传感数据库按照采集时间进行对齐处理,并将对齐处理后的融合数据集进行预处理,得到融合数据库,S30包括:S301:获得所述监测图像采集库与所述多维度传感数据库中各数据的采集时间,以采集时间为对齐标准将所述监测图像采集库与所述多维度传感数据库中的数据进行对齐,建立融合数据集;S302:基于对齐后的所述融合数据集,进行数据缺失位查找,确定缺失数据类型、缺失时间;S303:根据所述缺失数据类型、缺失时间从所述监测图像采集库与所述多维度传感数据库中进行缺失关联数据提取,基于所述缺失关联数据进行数据走势分析,对缺失数据进行补齐。
具体的,将采集到的图像和多维度传感器信息进行多方数据融合,通过建立多种数据接口共享机制,将采集的各数据进行交互共享,利用数据相互影响和交互效果对电缆隧道内的状态进行可靠监测。在进行多数据融合分析时,首先要保证采集数据的同一性,同一时空同一时间,将同一电缆隧道中的数据按照采集时间进行对齐,得到各采集时间对应的隧道数据表征。对于存在同采集时间存在某数据缺失的按照缺失数据的位置和前后数据的关联关系进行补齐。
趋势数据的补齐根据数据的类型和采集时间对应的数据分布特征进行预测,如缺失位置的前后数据均为平稳的,则该数据为平稳状态,与前后数据相同,若缺失位置的前后数据存在变化趋势,则根据变化趋势进行缺失位置的预测,如关联数据的前预设时间段内数据以1频率递增,则缺失位置为前面数据按照采集时间和趋势变化规律得到缺失的位置数据补齐。
S40:构建隧道安全监测规则,对所述隧道安全监测规则进行监测项目特征分析,获得安全监测参数特征列表;
进一步的,如图3所示,所述构建隧道安全监测规则,S40包括:S401:获得电缆隧道结构-材质信息、电缆及配件材质信息;S402:根据所述电缆隧道结构-材质信息,确定隧道风险特征、隧道风险特征影响因子;S403:基于所述隧道风险特征、隧道风险特征影响因子进行安全性周期分析,确定隧道安全监测要求;S404:根据所述电缆及配件材质信息,确定电缆风险特征、电缆风险特征影响因子;S405:基于所述电缆风险特征、电缆风险特征影响因子进行安全周期分析,确定电缆安全监测要求;S406:根据所述隧道安全监测要求、电缆安全监测要求,对历史风险事件记录进行关联分析,获得各项安全监测项目及监测规则,构建所述隧道安全监测规则。
具体的,隧道安全监测规则为按照隧道的安全要求和经验值确定的哪些元件、哪些设备需要进行安全监测,监测要求为什么,按照监测元件的损坏特征分析得到的监测周期、监测内容及对应的规范要求。如电缆的外部为橡胶包裹,会受到高温或者风化,出现老化问题,则电缆表面的橡胶按照其厚度和橡胶材质的特征、使用环境来确定需要多久进行一次监测分析、具体监测分析部位在哪段,每一段电缆所处的位置存在环境特征会影响到电缆表面的橡胶,针对不同的位置进行不同监测周期的设定,按照位置的环境影响权重、电缆自身的位置影响因子和权重来进行具体分析,确定每一位置的电缆表面需要多久进行一次监测分析,每次分析什么状态为合格,什么状态为存在问题等,从而定制电缆表面的监测规范。因而隧道安全监测规则中包括了监测目标物、监测指标、监测指标要求、监测周期、质量标准要求的规则内容。
对隧道安全监测规则进行各监测项目特征分析,按照监测项目进行数据特征分类,即监测项目是哪些、各监测项目需要监测哪些指标、各监测指标数据与安全风险状态的对应关系,构建安全监测参数特征列表,安全监测参数特征列表为监测项目名称、监测指标要求、指标与风险状态对应关系及其以上数据的对应关系。
可选的,在进行隧道安全监测规则的确定,通过对电缆隧道的隧道结构、材质的影响特征进行分析,确定隧道的监测规则,如隧道主体为钢筋混凝土、表面为涂料,是否存在衬砌掉块的问题,按照隧道的材质和结构进行影响因子的分析,如对于高温、干燥、或者水淹会影响其质量,按照其隧道风险特征、隧道风险特征影响因子来确定具体的监测要求,隧道风险特征即存在的风险问题的表现参数,如衬砌推落,隧道风险特征影响因子即哪些因素会影响到隧道的安全性,如湿度大、水泡,大风、震动等,根据隧道风险特征、隧道风险特征影响因子进行安全性周期分析,通常隧道的安全周期较长,由于隧道的安全性高,则安全性周期长进行监测分析的周期则长,可以按照环境中出现的影响因子的情况来确定监测周期从而定制对应的规则。隧道的安全为电缆的运行提供了保证,隧道的环境特征直接影响到电缆的运行状态,同时也应该考虑电缆自身的材质和安装特征,电缆及配件材质信息即对电缆的材质和使用的安装配件、运行配件的材质的描述内容,按照不同的电缆材质和使用配件、运行设备的材质进行材质的安全性分析确定电缆风险特征、电缆风险特征影响因子,即电缆存在哪些安全风险的表现参数,如表面老化、配件脱落、配件老化等,电缆风险特征影响因子即为哪些因素会影响到电缆和配件的安全性,如隧道中的环境特征,对电缆和配件造成损伤从而影响到其正常使用状态和使用寿命。按照对隧道和电缆-配件的材质和物理特征分析,得到了隧道安全监测要求、电缆安全监测要求,同时结合具体的历史风险事件记录即经验监测数据来进行具体的规则定制和修正,历史风险事件记录为与当前隧道材质结构相同或者相似的电缆隧道进行监测的历史数据得到的存在的电缆事故监测记录数据,利用历史监测数据中存在的安全风险事件的记录接合当前得到的隧道安全监测要求、电缆安全监测要求进行监测参数、监测周期、监测要求等方面的补充和修正,使得物理理论要求和实际的安全风险特征结合,确保隧道安全监测规则的全面性。
S50:基于所述安全监测参数特征列表,对所述融合数据库进行特征遍历对比,确定数据特征及安全监测项目对应关系,对融合数据库进行数据分类和项目关系标签。
具体的,按照安全监测参数特征列表中各监测项目的参数要求,从融合数据库中进行遍历对比,得到各监测项目需要用到哪些指标,融合数据库中的指标数据存在一个数据参数对应了多个监测项目的情况,如温度、湿度、含氧量会影响到多个监测项目中目标安全状态,每个监测项目设定各自对应的标签,按照各自项目的要求进行遍历匹配指标数据的标注,对于多项目共用的指标数据则进行多次标注,因而具有多个标签,各标签相互不影响。通过标签可以实现对分析数据的快速识别和提取,提高后续的分析效率,也提高数据的融合处理效率。
S60:根据所述隧道安全监测规则,确定各安全监测项目的监测周期,基于所述安全监测项目的监测周期从所述融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析,确定安全监测项目分析结果;
进一步的,基于所述安全监测项目的监测周期从所述融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析,确定安全监测项目分析结果,S60包括:S601:根据所述安全监测项目的监测周期,确定监测时间,当达到所述监测时间时,按照安全监测项目的数据标签从所述融合数据库中进行数据提取,获得监测项目分析数据;S602:根据所述监测项目分析数据对应的采集时间,构建监测项目分析数据时序链;S603:根据所述监测项目分析数据时序链进行趋势预测,获得趋势预测结果;S604:根据所述趋势预测结果,确定所述安全监测项目分析结果。
具体的,根据隧道安全监测规则中定制的各监测项目的安全监测项目的监测周期,对各项目设定间隔监测时间,当达到了监测周期要求时,触发该监测项目进行分析处理,将对应标签的数据类型从融合数据库中进行数据提取,得到该分析项目需要的数据,按照隧道安全监测规则中的对应影响关系进行分析处理,得到当前数据对监测项目的影响状态,得到对应的安全监测项目分析结果。
在进行各监测项目的分析数据提取中,隧道安全监测规则中会设定该项目的数据要求,如需要哪些数据、多长时间的数据,按照隧道安全监测规则中数据的标签要求和时间长度要求,提取对应的监测项目分析数据,按照采集的时间,将所有数据进行时序链的自动构建,按照监测项目分析数据时序链可以生成该数据的走势图,按照走势图进行趋势预测,对各时间点的影响关系进行关联,得到各时间点的影响结果和数据的对应关系,按照时序链的累加对影响结果进行趋势走向分析,得到当前的数据影响关系的分析结果。
进一步的,根据所述监测项目分析数据时序链进行趋势预测,获得趋势预测结果,包括:将所述监测项目分析数据、监测项目分析数据时序链输入趋势预测模型,获得所述趋势预测模型的输出结果,所述输出结果为所述趋势预测结果。
可选的,为了确保数据趋势预测的准确度,加入人工智能技术,通过构建神经网络模型进行预测分析,包括BP前馈网络模型、马尔科夫链模型,利用历史记录数据进行模型训练,得到项目分析数据和时序链的累加关系,与趋势预测结果之间的数据关系,从而能够按照输入的数据进行预测分析,自动输出预测结果的效果。训练的过程即为有监督学习过程,训练数据均包括了监测项目分析数据、监测项目分析数据时序链即具有经验验证的预测结果的标签数据,按照不同模型的框架和规则对训练数据进行学习,按照标签数据对输出结果进行不断验证和收敛,对模型参数进行不断优化,当输出的结果与标签数据相同,则表明模型参数准确,若输出的结果与标签数据不相同则表明模型参数不准确,利用损失函数、梯度下降等优化手段不断对模型参数进行优化调整,直到模型输出的结果与训练数据的标签一致,则训练结束,利用训练得到的最终参数构建模型,投入趋势预测中,达到了输入监测项目分析数据、监测项目分析数据时序链,模型通过运算处理后,得到趋势预测结果进行输出。
根据数据周期的走势和相互影响关系,按照数据的累加影响度和影响系数,进行预测,得到当前监测目标的预测结果,如监测目标为电缆固定件,电缆固定件为金属材质,影响因子为水泡、高温,若提取的周期数据对墙体存在连续的冲刷浸泡,或高温,按照周期中各指标不同时间点的累加,对电缆固定件的影响程度大,则输出的预测结果为电缆固定件的累加影响预测值,按照预测得到的结果,若存在风险则进行提醒,提醒工作人员进行更换和处理,若未存在风险,则给出对应的趋势预测结果进行存档,为后续监测提供数据支撑和参考。
S70:根据所述安全监测项目分析结果对电缆隧道各安全监测项目进行监测管理。
具体的,根据安全监测项目得到的分析结果与该安全监测项目的监测规则进行比对,确定当前安全监测项目的安全等级和风险程度,对于存在风险程度高的项目进行预警和处理,对于风险程度低的项目进行记录,为后续进一步的监测提供数据支撑,监测管理包括了对监测对象的维修更换也包括了监测记录和设定复查时间等具体的操作。达到了利用多方面的数据继续融合分析处理,按照不同的监测项目进行具体的融合分析处理和预测,对于存在的电缆风险和隧道风险进行及时发现及时预警,从而确保电缆隧道的稳定运行,避免无人查看而造成的损失,实现对电缆的实时状态监测、隧道环境和辅助设施工作状态的监视对于出现的损伤、故障、特殊事件及时发现及时处理,在信息充分共享、融合的基础上确保高度智能化的联动监测,维护电缆隧道的正常运行的技术效果。解决了现有技术中对于受到环境因素影响的电缆状态无法监控,对于电缆的正常运行状态缺乏可靠的监测,无法确保隧道内电力电缆安全稳定的技术问题。
进一步的,所述方法还包括:构建即时预警库,当图像采集数据、温度、湿度、含氧量、水泵信息、井盖信息,其中任一个或者多个融合得到的数据达到即时预警库中预警条件时,发送报警信息。
具体的,除了进行隐藏风险的预测分析外,还可以对风险事件进行即时预警,即时预警库中包括了电缆隧道中存在的监测实时报警的项目规则,如隧道中存在积水,积水深度达到预警的等级时,为当前的可见的风险事件并非进行多维度数据融合进行预测分析得到存在安全风险的事件,这种进行实时报警,如当隧道无工作人员进行工作状态时,井盖传感器监测到井盖发生位移,则即时发送被盗预警,对监测到的井盖通过图像采集设备进行监测、定位,发送给工作人员。如在工作人员进行工作状态时,监测到井内含氧量低时,即时发送预警,通过通风系统加大通风或通过输氧系统进行井内供氧。如监测到隧道内某一个区域的温度超出了设定45摄氏度时,即时发送预警并同时启动该区段的通风设备、降温设备进行降温直到达到规定范围内,预警停止。按照即时预警库中的预警事件和启动条件,根据图像采集设备、传感器采集设备进行采集的数据中满足预警触发条件时,进行及时预警,并按照对应的预警库中的应急处理要求进行对应的处理即通风、降温、报警等远程控制操作。从而维护电缆隧道的稳定运行,对于各种突发状态、隐藏风险进行全方位监控,达到对电缆的实时状态监测、隧道环境和辅助设施工作状态的监视对于出现的损伤、故障、特殊事件及时发现及时处理,在信息充分共享、融合的基础上确保高度智能化的联动监测,维护电缆隧道的正常运行的技术效果。进一步解决了现有技术中对于受到环境因素影响的电缆状态无法监控,对于电缆的正常运行状态缺乏可靠的监测,无法确保隧道内电力电缆安全稳定的技术问题。
实施例二
基于与前述实施例中一种基于数据融合的电缆隧道安全监测方法相同的发明构思,如图4所示,本申请提供了一种基于数据融合的电缆隧道安全监测系统,所述系统包括:
图像采集模块,用于利用图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库;
传感器监测模块,用于通过传感器监测设备进行温度、湿度、含氧量、水泵信息、井盖信息多维度监测传感,建立多维度传感数据库;
数据融合模块,用于将所述监测图像采集库与所述多维度传感数据库按照采集时间进行对齐处理,并将对齐处理后的融合数据集进行预处理,得到融合数据库;
安全监测规则构建模块,用于构建隧道安全监测规则,对所述隧道安全监测规则进行监测项目特征分析,获得安全监测参数特征列表;
数据分析标注模块,用于基于所述安全监测参数特征列表,对所述融合数据库进行特征遍历对比,确定数据特征及安全监测项目对应关系,对融合数据库进行数据分类和项目关系标签;
监测执行处理模块,用于根据所述隧道安全监测规则,确定各安全监测项目的监测周期,基于所述安全监测项目的监测周期从所述融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析,确定安全监测项目分析结果;
监测管理模块,用于根据所述安全监测项目分析结果对电缆隧道各安全监测项目进行监测管理。
进一步的,所述图像采集模块还包括:
采集设备信息获取单元,用于获得图像采集设备部署位置、图像采集设备监测范围;
监测覆盖确定单元,用于根据所述图像采集设备部署位置、所述图像采集设备监测范围,获得电缆隧道监测覆盖信息;
全面性分析处理单元,用于基于所述电缆隧道监测覆盖信息对电缆隧道的覆盖全面性进行分析,对于不满足全面覆盖要求的进行图像采集设备部署位置调整,直到满足要求为止,记录电缆隧道监测覆盖信息,其中包括图像采集设备编码、电缆隧道监测坐标;
采集图像处理单元,用于基于所述图像采集设备编码、电缆隧道监测坐标,确定监测采集图像,建立监测采集图像与图像采集设备编码、电缆隧道监测坐标的映射关系;
图像处理存储单元,用于将所有监测采集图像进行预处理后,对所述监测图像采集库进行实时更新存储。
进一步的,所述图像处理存储单还包括:
清晰度分析单元,用于对所有监测采集图像进行清晰度判断,对于清晰度未达到清晰度要求的图像进行即刻补采集处理,若即刻补采集图像仍然未达到清晰度要求时,定位图像采集设备编码进行图像采集设备参数调整,直到满足清晰度要求为止;
降噪处理单元,用于对所有监测采集图像进行降噪处理,通过降噪处理后的图像存入所述监测图像采集库。
进一步的,所述数据融合模块还用于:
获得所述监测图像采集库与所述多维度传感数据库中各数据的采集时间,以采集时间为对齐标准将所述监测图像采集库与所述多维度传感数据库中的数据进行对齐,建立融合数据集;
基于对齐后的所述融合数据集,进行数据缺失位查找,确定缺失数据类型、缺失时间;
根据所述缺失数据类型、缺失时间从所述监测图像采集库与所述多维度传感数据库中进行缺失关联数据提取,基于所述缺失关联数据进行数据走势分析,对缺失数据进行补齐。
进一步的,所述安全监测规则构建模块还用于:
获得电缆隧道结构-材质信息、电缆及配件材质信息;
根据所述电缆隧道结构-材质信息,确定隧道风险特征、隧道风险特征影响因子;
基于所述隧道风险特征、隧道风险特征影响因子进行安全性周期分析,确定隧道安全监测要求;
根据所述电缆及配件材质信息,确定电缆风险特征、电缆风险特征影响因子;
基于所述电缆风险特征、电缆风险特征影响因子进行安全周期分析,确定电缆安全监测要求;
根据所述隧道安全监测要求、电缆安全监测要求,对历史风险事件记录进行关联分析,获得各项安全监测项目及监测规则,构建所述隧道安全监测规则。
进一步的,所述监测执行处理模块包括:
监测项目分析单元,用于根据所述安全监测项目的监测周期,确定监测时间,当达到所述监测时间时,按照安全监测项目的数据标签从所述融合数据库中进行数据提取,获得监测项目分析数据;
时序链分析单元,用于根据所述监测项目分析数据对应的采集时间,构建监测项目分析数据时序链;
趋势预测单元,用于根据所述监测项目分析数据时序链进行趋势预测,获得趋势预测结果;
监测分析单元,用于根据所述趋势预测结果,确定所述安全监测项目分析结果。
进一步的,所述趋势预测单元还包括:
趋势预测模型处理单元,用于将所述监测项目分析数据、监测项目分析数据时序链输入趋势预测模型,获得所述趋势预测模型的输出结果,所述输出结果为所述趋势预测结果。
进一步的,所述系统还包括:
即时预警处理单元,用于构建即时预警库,当图像采集数据、温度、湿度、含氧量、水泵信息、井盖信息,其中任一个或者多个融合得到的数据达到即时预警库中预警条件时,发送报警信息。
本说明书通过前述对一种基于数据融合的电缆隧道安全监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于数据融合的电缆隧道安全监测方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种基于数据融合的电缆隧道安全监测方法,其特征在于,所述基于数据融合的电缆隧道安全监测方法应用于电缆隧道安全监测系统,所述电缆隧道安全监测系统包括图像采集设备、传感器监测设备,所述基于数据融合的电缆隧道安全监测方法包括:
利用所述图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库;
通过传感器监测设备进行温度、湿度、含氧量、水泵信息、井盖信息多维度监测传感,建立多维度传感数据库;
将所述监测图像采集库与所述多维度传感数据库按照采集时间进行对齐处理,并将对齐处理后的融合数据集进行预处理,得到融合数据库,具体为,获得所述监测图像采集库与所述多维度传感数据库中各数据的采集时间,以采集时间为对齐标准将所述监测图像采集库与所述多维度传感数据库中的数据进行对齐,建立融合数据集;
基于对齐后的所述融合数据集,进行数据缺失位查找,确定缺失数据类型、缺失时间;
根据所述缺失数据类型、缺失时间从所述监测图像采集库与所述多维度传感数据库中进行缺失关联数据提取,基于所述缺失关联数据进行数据走势分析,对缺失数据进行补齐;
构建隧道安全监测规则,对所述隧道安全监测规则进行监测项目特征分析,获得安全监测参数特征列表;
基于所述安全监测参数特征列表,对所述融合数据库进行特征遍历对比,确定数据特征及安全监测项目对应关系,对融合数据库进行数据分类和项目关系标签;
根据所述隧道安全监测规则,确定各安全监测项目的监测周期,基于所述安全监测项目的监测周期从所述融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析,确定安全监测项目分析结果,具体为,根据所述安全监测项目的监测周期,确定监测时间,当达到所述监测时间时,按照安全监测项目的数据标签从所述融合数据库中进行数据提取,获得监测项目分析数据;
根据所述监测项目分析数据对应的采集时间,构建监测项目分析数据时序链;
根据所述监测项目分析数据时序链进行趋势预测,获得趋势预测结果;
根据所述趋势预测结果,确定所述安全监测项目分析结果;
根据所述安全监测项目分析结果对电缆隧道各安全监测项目进行监测管理。
2.如权利要求1所述的基于数据融合的电缆隧道安全监测方法,其特征在于,利用所述图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库,包括:
获得图像采集设备部署位置、图像采集设备监测范围;
根据所述图像采集设备部署位置、所述图像采集设备监测范围,获得电缆隧道监测覆盖信息;
基于所述电缆隧道监测覆盖信息对电缆隧道的覆盖全面性进行分析,对于不满足全面覆盖要求的进行图像采集设备部署位置调整,直到满足要求为止,记录电缆隧道监测覆盖信息,其中包括图像采集设备编码、电缆隧道监测坐标;
基于所述图像采集设备编码、电缆隧道监测坐标,确定监测采集图像,建立监测采集图像与图像采集设备编码、电缆隧道监测坐标的映射关系;
将所有监测采集图像进行预处理后,对所述监测图像采集库进行实时更新存储。
3.如权利要求2所述的基于数据融合的电缆隧道安全监测方法,其特征在于,将所有监测采集图像进行预处理后,对所述监测图像采集库进行实时更新存储,包括:
对所有监测采集图像进行清晰度判断,对于清晰度未达到清晰度要求的图像进行即刻补采集处理,若即刻补采集图像仍然未达到清晰度要求时,定位图像采集设备编码进行图像采集设备参数调整,直到满足清晰度要求为止;
对所有监测采集图像进行降噪处理,通过降噪处理后的图像存入所述监测图像采集库。
4.如权利要求1所述的基于数据融合的电缆隧道安全监测方法,其特征在于,所述构建隧道安全监测规则,包括:
获得电缆隧道结构-材质信息、电缆及配件材质信息;
根据所述电缆隧道结构-材质信息,确定隧道风险特征、隧道风险特征影响因子;
基于所述隧道风险特征、隧道风险特征影响因子进行安全性周期分析,确定隧道安全监测要求;
根据所述电缆及配件材质信息,确定电缆风险特征、电缆风险特征影响因子;
基于所述电缆风险特征、电缆风险特征影响因子进行安全周期分析,确定电缆安全监测要求;
根据所述隧道安全监测要求、电缆安全监测要求,对历史风险事件记录进行关联分析,获得各项安全监测项目及监测规则,构建所述隧道安全监测规则。
5.如权利要求1所述的基于数据融合的电缆隧道安全监测方法,其特征在于,根据所述监测项目分析数据时序链进行趋势预测,获得趋势预测结果,包括:
将所述监测项目分析数据、监测项目分析数据时序链输入趋势预测模型,获得所述趋势预测模型的输出结果,所述输出结果为所述趋势预测结果。
6.如权利要求1所述的基于数据融合的电缆隧道安全监测方法,其特征在于,所述基于数据融合的电缆隧道安全监测方法还包括:
构建即时预警库,当图像采集数据、温度、湿度、含氧量、水泵信息、井盖信息,其中任一个或者多个融合得到的数据达到即时预警库中预警条件时,发送报警信息。
7.一种基于数据融合的电缆隧道安全监测系统,其特征在于,所述基于数据融合的电缆隧道安全监测系统包括:
图像采集模块,用于利用图像采集设备对监测范围内的电缆隧道进行图像采集,建立监测图像采集库;
传感器监测模块,用于通过传感器监测设备进行温度、湿度、含氧量、水泵信息、井盖信息多维度监测传感,建立多维度传感数据库;
数据融合模块,用于将所述监测图像采集库与所述多维度传感数据库按照采集时间进行对齐处理,并将对齐处理后的融合数据集进行预处理,得到融合数据库;
安全监测规则构建模块,用于构建隧道安全监测规则,对所述隧道安全监测规则进行监测项目特征分析,获得安全监测参数特征列表;
数据分析标注模块,用于基于所述安全监测参数特征列表,对所述融合数据库进行特征遍历对比,确定数据特征及安全监测项目对应关系,对融合数据库进行数据分类和项目关系标签;
监测执行处理模块,用于根据所述隧道安全监测规则,确定各安全监测项目的监测周期,基于所述安全监测项目的监测周期从所述融合数据库进行数据分类和项目关系标签匹配,按照匹配结果进行监测数据分析,确定安全监测项目分析结果;
监测管理模块,用于根据所述安全监测项目分析结果对电缆隧道各安全监测项目进行监测管理;
所述数据融合模块还用于:
获得所述监测图像采集库与所述多维度传感数据库中各数据的采集时间,以采集时间为对齐标准将所述监测图像采集库与所述多维度传感数据库中的数据进行对齐,建立融合数据集;
基于对齐后的所述融合数据集,进行数据缺失位查找,确定缺失数据类型、缺失时间;
根据所述缺失数据类型、缺失时间从所述监测图像采集库与所述多维度传感数据库中进行缺失关联数据提取,基于所述缺失关联数据进行数据走势分析,对缺失数据进行补齐;
所述系统还包括:
检测项目分析单元,用于根据所述安全监测项目的监测周期,确定监测时间,当达到所述监测时间时,按照安全监测项目的数据标签从所述融合数据库中进行数据提取,获得监测项目分析数据;
时序链分析单元,用于根据所述监测项目分析数据对应的采集时间,构建监测项目分析数据时序链;
趋势预测单元,用于根据所述监测项目分析数据时序链进行趋势预测,获得趋势预测结果;
监测分析单元,用于根据所述趋势预测结果,确定所述安全监测项目分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211157778.4A CN115248873B (zh) | 2022-09-22 | 2022-09-22 | 一种基于数据融合的电缆隧道安全监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211157778.4A CN115248873B (zh) | 2022-09-22 | 2022-09-22 | 一种基于数据融合的电缆隧道安全监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115248873A CN115248873A (zh) | 2022-10-28 |
CN115248873B true CN115248873B (zh) | 2022-12-06 |
Family
ID=83699371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211157778.4A Active CN115248873B (zh) | 2022-09-22 | 2022-09-22 | 一种基于数据融合的电缆隧道安全监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115248873B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115941529B (zh) * | 2022-11-28 | 2024-07-05 | 国网江苏省电力工程咨询有限公司 | 一种基于机器人的电缆隧道检测方法和系统 |
CN116010826B (zh) * | 2022-12-28 | 2023-06-27 | 嘉兴市叁壹工程检测有限公司 | 一种建筑工程的施工安全预警方法及系统 |
CN116777088B (zh) * | 2023-08-24 | 2023-11-14 | 国网山西省电力公司太原供电公司 | 用于保障生命安全的供电应急抢修环境监测方法及系统 |
CN116909196B (zh) * | 2023-08-31 | 2024-03-15 | 国网山东省电力公司济南供电公司 | 基于物联网技术的电缆通道智能化监控系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203070069U (zh) * | 2013-01-28 | 2013-07-17 | 时翔 | 电力电缆隧道一体化监控系统 |
CN103258256A (zh) * | 2013-04-12 | 2013-08-21 | 国家电网公司 | 电缆线路状态监测多维可视化管理平台 |
CN105716664A (zh) * | 2016-04-12 | 2016-06-29 | 国家电网公司 | 基于标幺化算法的电缆状态监测多参数关联分析方法 |
CN107991999A (zh) * | 2017-11-09 | 2018-05-04 | 北京许继电气有限公司 | 电力电缆隧道综合监控系统和方法 |
CN108663090A (zh) * | 2018-06-29 | 2018-10-16 | 国网福建省电力有限公司厦门供电公司 | 一种电缆隧道智能检测系统 |
CN111107675A (zh) * | 2020-01-21 | 2020-05-05 | 山东科华电力技术有限公司 | 基于泛在电力物联网的电缆通道边缘物联终端及方法 |
CN111272220A (zh) * | 2020-02-13 | 2020-06-12 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种隧道状态检测监测管理系统 |
CN114112107A (zh) * | 2021-11-02 | 2022-03-01 | 杭州巨骐信息科技股份有限公司 | 基于物联网和运维检修制度的隧道云监测系统 |
CN114241142A (zh) * | 2021-11-23 | 2022-03-25 | 北京国网富达科技发展有限责任公司 | 一种多精度dem数据差值平滑融合方法和系统 |
CN115015692A (zh) * | 2022-06-06 | 2022-09-06 | 国网内蒙古东部电力有限公司赤峰供电公司 | 一种高压设备电力电缆运维监测预警方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107144891A (zh) * | 2017-06-12 | 2017-09-08 | 山东大学 | 隧道突涌水前兆信息监测与融合预警系统以及方法 |
CN108376473A (zh) * | 2018-04-28 | 2018-08-07 | 招商局重庆交通科研设计院有限公司 | 基于车辆运行监测的道路隧道交通风险预警系统 |
CN112750292A (zh) * | 2020-12-28 | 2021-05-04 | 山东理工大学 | 基于ZigBee的无线分布式多信息融合监测系统 |
CN113362389B (zh) * | 2021-06-08 | 2024-02-27 | 长安大学 | 基于cnn-rnn耦合数-形融合的盾构隧道变形预测方法 |
CN113820017A (zh) * | 2021-08-19 | 2021-12-21 | 西安理工大学 | 基于红外图像的发电机碳刷温度监测系统及温度预测方法 |
CN114582083B (zh) * | 2022-01-14 | 2023-06-30 | 西安理工大学 | 一种隧道监控多传感器数据融合火灾预警方法 |
CN114827773A (zh) * | 2022-04-25 | 2022-07-29 | 厦门物之联智能科技有限公司 | 一种城市轨道智慧安全监测预警系统 |
-
2022
- 2022-09-22 CN CN202211157778.4A patent/CN115248873B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203070069U (zh) * | 2013-01-28 | 2013-07-17 | 时翔 | 电力电缆隧道一体化监控系统 |
CN103258256A (zh) * | 2013-04-12 | 2013-08-21 | 国家电网公司 | 电缆线路状态监测多维可视化管理平台 |
CN105716664A (zh) * | 2016-04-12 | 2016-06-29 | 国家电网公司 | 基于标幺化算法的电缆状态监测多参数关联分析方法 |
CN107991999A (zh) * | 2017-11-09 | 2018-05-04 | 北京许继电气有限公司 | 电力电缆隧道综合监控系统和方法 |
CN108663090A (zh) * | 2018-06-29 | 2018-10-16 | 国网福建省电力有限公司厦门供电公司 | 一种电缆隧道智能检测系统 |
CN111107675A (zh) * | 2020-01-21 | 2020-05-05 | 山东科华电力技术有限公司 | 基于泛在电力物联网的电缆通道边缘物联终端及方法 |
CN111272220A (zh) * | 2020-02-13 | 2020-06-12 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种隧道状态检测监测管理系统 |
CN114112107A (zh) * | 2021-11-02 | 2022-03-01 | 杭州巨骐信息科技股份有限公司 | 基于物联网和运维检修制度的隧道云监测系统 |
CN114241142A (zh) * | 2021-11-23 | 2022-03-25 | 北京国网富达科技发展有限责任公司 | 一种多精度dem数据差值平滑融合方法和系统 |
CN115015692A (zh) * | 2022-06-06 | 2022-09-06 | 国网内蒙古东部电力有限公司赤峰供电公司 | 一种高压设备电力电缆运维监测预警方法及系统 |
Non-Patent Citations (1)
Title |
---|
电力隧道结构健康监测新型系统的设计与应用;王立等;《建筑结构》;20120531;第42卷;642-644 * |
Also Published As
Publication number | Publication date |
---|---|
CN115248873A (zh) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115248873B (zh) | 一种基于数据融合的电缆隧道安全监测方法及系统 | |
CN110321853B (zh) | 基于视频智能检测的分布式电缆防外破系统 | |
CN104333736B (zh) | 无人变电站智能识别监控系统及方法 | |
CN103576632B (zh) | 基于物联网技术的生猪生长环境监测与控制系统及方法 | |
CN114881808B (zh) | 基于大数据的电力窃电精准识别方法及防窃电系统 | |
CN113139731A (zh) | 一种地下管廊的安全感知预警方法及系统 | |
CN115329812A (zh) | 一种基于人工智能的道路基础设施异常监测方法 | |
CN109738014A (zh) | 城市综合管廊设备故障的智能诊断方法及系统 | |
CN116986246A (zh) | 一种用于对输煤皮带进行智能巡检系统及巡检方法 | |
CN116862740A (zh) | 一种基于互联网的智能监狱管控系统 | |
CN113256269A (zh) | 一种基于bim、云计算及大数据技术的工程管理系统 | |
CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
CN111932060A (zh) | 一种基于前后端融合数据对电缆线路进行移动巡检的方法及系统 | |
CN113037984B (zh) | 一种基于雾计算的油气站场安全组合监测系统与方法 | |
CN116579601B (zh) | 矿山安全生产风险监测预警系统及方法 | |
CN112365201A (zh) | 一种基于神经网络的基建施工监测预警系统及方法 | |
CN115951617A (zh) | 一种基于数字孪生的控制系统 | |
CN115063921A (zh) | 一种工地智能闸机系统及搭建方法 | |
CN115664006A (zh) | 一种增量配电网智能管控一体化平台 | |
CN115562227A (zh) | 变电站巡检机器人监控方法、装置和计算机设备 | |
CN111861394A (zh) | 一种基于物联网的小区智能管理方法及系统 | |
CN118070203B (zh) | 一种基于大数据的设备画像构建方法及系统 | |
CN118068820B (zh) | 一种液压支架控制器智能故障诊断方法 | |
CN117523773B (zh) | 一种智能木屋异常检测方法和系统 | |
CN113382213B (zh) | 一种视频监控系统及其监控方法 |
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 | ||
GR01 | Patent grant |