CN115296193A - 变电站智能巡检系统及方法 - Google Patents

Abstract

本发明公开了一种变电站智能巡检系统及方法。该系统包括：数据获取及识别层和数据融合及管控层，数据获取及识别层包括多个巡检设备和对应的边缘计算装置；数据融合及管控层，用于下发作业任务指令至巡检设备，以及接收边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各边缘计算装置对应的边缘分析结果进行综合分析，得到变电站设备的设备分析结果；巡检设备，用于接收数据融合及管控层下发的作业任务指令，获取对应的巡检感知数据发送至巡检设备对应的边缘计算装置；边缘计算装置，用于对接收到的巡检感知数据进行分析，得到边缘分析结果，上传至数据融合及管控层。实时自动识别巡检感知数据，提高了巡检效率及运维效率。

Description

变电站智能巡检系统及方法

技术领域

本发明涉及智能巡检技术领域，尤其涉及变电站智能巡检系统及方法。

背景技术

变电站巡检是电网的核心业务，也是电网公司的主导业务。近年来，随着智能电网的发展和坚强电网的完善，变电站的数量与日俱增，固定式摄像头、无人机及巡检机器人等多类型传感器的增加也突飞猛进，传统的人工现场巡检和依托传感器数据的人工判断方式已无法满足实时性和可靠性的运维需要。

目前，智能变电站的巡视和检查虽然部分智能变电站的巡检机器人和固定式摄像头采集的数据能用人工智能算法自动识别，但均需要将传感器感知数据先发送至监控后台再集中统一处理，传感器采集的高清图像数据量大，数据传输的网络带宽低及监控后台算力不够，运维效率较差。

发明内容

本发明提供了一种变电站智能巡检系统及方法，以解决现有变电站巡检模式导致的运维效率较差，无法实时自动识别巡检感知数据的问题，提高巡检效率和运维效率。

根据本发明的一方面，提供了一种变电站智能巡检系统，包括：数据获取及识别层和与所述数据获取及识别层通信连接的数据融合及管控层，所述数据获取及识别层包括多个巡检设备和与所巡检设备对应的边缘计算装置；其中，

所述数据融合及管控层，用于下发作业任务指令至所述巡检设备，以及接收所述边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，得到变电站设备的设备分析结果；

所述巡检设备，用于接收所述数据融合及管控层下发的所述作业任务指令，并获取与所述作业任务指令对应的巡检感知数据，将所述巡检感知数据发送至与所述巡检设备对应的边缘计算装置；

所述边缘计算装置，用于对接收到的所述巡检感知数据进行分析，得到与所述巡检感知数据对应的变电站设备的边缘分析结果，并将所述边缘分析结果上传至所述数据融合及管控层。

根据本发明的另一方面，提供了一种变电站智能巡检方法，应用于变电站智能巡检系统，所述变电站智能巡检系统包括数据获取及识别层以及与所述数据获取及识别层通信连接的数据融合及管控层，所述数据获取及识别层包括多个巡检设备和与所巡检设备对应的边缘计算装置；其中，所述变电站智能巡检方法包括：

通过所述数据融合及管控层下发作业任务指令至所述巡检设备；

通过所述巡检设备接收所述数据融合及管控层下发的所述作业任务指令，并获取与所述作业任务指令对应的巡检感知数据，将所述巡检感知数据发送至与所述巡检设备对应的边缘计算装置；

通过所述边缘计算装置对接收到的所述巡检感知数据进行分析，得到与所述巡检感知数据对应的变电站设备的边缘分析结果，并将所述边缘分析结果上传至所述数据融合及管控层；

通过所述数据融合及管控层接收所述边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，得到所述设备分析结果。

本发明实施例的技术方案，通过数据融合及管控层，下发作业任务指令至所述巡检设备，以及接收所述边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，得到变电站设备的设备分析结果，数据获取及识别层包括的巡检设备及与巡检设备对应的边缘计算装置，接收所述数据融合及管控层下发的所述作业任务指令，并获取与所述作业任务指令对应的巡检感知数据，将所述巡检感知数据发送至与所述巡检设备对应的边缘计算装置，边缘计算装置对接收到的所述巡检感知数据进行分析，得到与所述巡检感知数据对应的变电站设备的边缘分析结果，并将所述边缘分析结果上传至所述数据融合及管控层，无需进行大量巡检感知数据的传输，结合边缘计算装置对所述巡检感知数据进行分析，节省了数据融合及管控层的计算资源，通过边缘协同的方式，解决了现有变电站巡检模式中巡检感知数据传输慢及监控后台运算量大导致的运维效率较差的问题，达到了提高巡检结果的处理效率及运维效率有益效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例一提供的一种变电站智能巡检系统的结构图；

图2是根据本发明实施例二提供的一种变电站智能巡检系统的结构图；

图3是根据本发明实施例二提供的一种变电站智能巡检方法的流程图；

图4是根据本发明实施例三提供的一种变电站智能巡检方法的流程图；

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。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他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供了一种整车电平衡测试系统的结构图。如图1所示，该系统包括：数据获取及识别层110和与所述数据获取及识别层110通信连接的数据融合及管控层120，所述数据获取及识别层110包括多个巡检设备111和与所巡检设备对应的边缘计算装置112。

其中，数据融合及管控层120，用于下发作业任务指令至巡检设备111，以及接收边缘计算装置112上传的边缘分析结果，针对每台变电站设备，对各个边缘计算装置112对应的所述边缘分析结果中进行综合分析，得到变电站设备的设备分析结果；巡检设备111，用于接收所述数据融合及管控层120下发的所述作业任务指令，并获取与所述作业任务指令对应的巡检感知数据，将所述巡检感知数据发送至与巡检设备111对应的边缘计算装置112；所述边缘计算装置112，用于对接收到的所述巡检感知数据进行分析，得到与所述巡检感知数据对应的变电站设备的边缘分析结果，并将所述边缘分析结果上传至数据融合及管控层120。

其中，所述数据获取及识别层包括至少两种类型的巡检设备，不同类型的巡检设备分别对应设置不同的边缘计算装置。

具体的，巡检设备可以包括：无人机、巡检机器人及固定式摄像头；其中，每台所述无人机分别设置有所述边缘计算装置，且所述边缘计算装置集成于所述无人机中；每台所述巡检机器人分别设置有所述边缘计算装置，且所述边缘计算装置集成于所述巡检机器人中；一个或多个所述固定摄像头对应设置有一个所述边缘计算装置。

可选的，巡检设备与边缘计算装置的对应关系可以是：一个巡检设备配置一个边缘计算装置、一个巡检设备配置多个个边缘计算装置，或多个巡检设备配置对一个边缘计算装置。

示例性的，多个固定式摄像头巡检同一目标设备的不同角度时，可为多个固定式摄像头配置一个边缘计算装置，该边缘计算装置可对巡检目标设备的多个固定式摄像头的巡检感知数据进行分析。

本发明实施例中，边缘计算装置为可提供最近端服务并满足实时业务处理分析数据的装置。可选地，边缘计算装置内部集成多个可灵活配置的高算力AI(ArtificialIntelligence)处理模块。示例性地，边缘计算装置可以包括：开发板、服务器等设备。

其中，所述边缘识别结果可以包括以下至少一种：表计显示的数字数据、表计显示的文字数据、设备的指示灯状态、设备的受损状态以及设备的运行状态等。

本发明实施例中，边缘计算装置可采用开发板，采用嵌入式AI芯片的设计，体积小、功耗低，内置目标检测以及语义分割等多类型人工智能图像识别算法。边缘计算装置可安装于巡检设备本体上或者接入现有的传感器网关上，对巡检设备获取的作业任务指令对应的巡检感知数据进行实时分析。

进一步地，所述数据融合及管控层针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行进一步的综合分析，得到变电站设备的设备分析结果，其中，设备分析结果可以包括但不仅限于：设备是否受损、设备指示灯是否异常显示、设备是否故障、表计显示的数字数据是否异常以及设备运行状态是否正常等中的至少一种。

其中，作业任务指令为指示巡检设备对智能变电站进行巡视和/或检查的指令，通过下发作业任务指令可控制作业所需的巡检设备获取对应作业任务指令的设备的巡检感知数据；巡检感知数据可以为巡检设备采集设备的图像数据和/或视频数据。

进一步的，边缘处理装置接收传感器采集的图像数据和/或视频数据进行识别，获取其中的文字或图像数据，统一转换为文字形式后作为边缘识别结果，将文本形式的边缘识别结果发送至数据融合及管控层。

举例而言，固定式摄像头拍摄刀闸三相的分闸指示及储能的图像，无人机空拍摄识别刀闸的图片，固定式摄像头对应的边缘处理装置获取到的图像数据中刀闸三相的分闸指示为合，储能数值在正常范围内，将边缘分析结果转换为文字形式：刀闸三相的分闸指示正常，储能正常，无人机对应的边缘处理装置获取到的视频数据中刀闸状态为闭合，将边缘分析结果转换为文字形式：刀闸状态正常闭合，将分别将“刀闸三相的分闸指示正常，储能正常”“刀闸状态正常闭合”的文字形式的边缘分析结果发送至数据融合及管控层，数据融合及管控层根据“刀闸三相的分闸指示正常，储能正常”“刀闸状态正常闭合”的边缘分析结果综合分析，得到变电站设备的分析结果为“设备指示灯正常显示、储能正常、刀闸状态正常闭合”，通过边缘处理装置将巡检设备获取的巡检感知数据进行分析，得到文字形式的边缘分析结果上传至数据融合及管控层，减少数据融合及管控层的数据计算压力，数据融合及管控层对各边缘计算装置对应的边缘分析结果进行综合分析，可提高设备分析结果的全面性、综合性，实现实时自动识别，提高识别效率及识别的准确性。

本实施例的技术方案，通过数据融合及管控层下发作业任务指令至巡检设备，巡检设备接收作业任务指令，获取对应的巡检感知数据，发送至巡检设备对应的边缘计算装置，边缘计算装置对巡检感知数据进行分析后，将边缘分析结果上传至数据融合及管控层，数据融合及管控层接收边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各个边缘计算装置对应的边缘分析结果进行综合分析，得到变电站设备的分析结果，实时自动识别巡检感知数据，边缘计算装置识别巡检感知数据，并将边缘分析结果以文字形式上传至数据融合及管控层，减少了数据融合及管控层的数据计算压力，数据融合及管控层对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，有效保障了设备分析结果的全面性、综合性以及准确性，提高了巡检效率和运维效率。

实施例二

图2为本发明实施例二提供的一种变电站智能巡检系统的结构图，本实施例是在上述实施例的基础上进行细化，本实施例提供的变电站智能巡检系统包括：数据获取及识别层110和与所述数据获取及识别层110通信连接的数据融合及管控层120，所述数据获取及识别层110包括多个巡检设备111和与所巡检设备对应的边缘计算装置112。其中，巡检设备111，用于采集变电站的整体图像数据；所述数据融合及管控层120，用于基于所述整体图像数据构建变电站三维立体模型，以及，基于所述变电站三维立体模型确定所述变电站的巡检点位、每个巡检点位对应的巡检设备以及所述巡检设备在所述巡检点位采用的巡检参数信息。

其中，所述变电站三维立体模型为3D(Dimensions)模型，三维立体模型中可以包括变电站建筑、机械设备、植被及人物等。所述巡检点位可以理解为巡检设备安装的具体位置信息。所述巡检参数信息可包括巡检设备在巡检点位拍摄的角度信息。具体的，通过构建变电站的3D立体模型，规划不同机械设备的巡检时具体的巡检设备的巡检点位和拍摄图像的角度，通过在三维立体模型中预先确定变电站的巡检点位，每个巡检点位对应巡检设备及巡检设备在巡检点位采用的巡检参数，可提高巡检设备的巡检效率。

其中，所述巡检参数信息，可以包括云台角度、拍摄焦距、拍摄图像格式、图像的分辨率及视频拍摄码率等信息。

通过在三维立体模型中，基于所述变电站三维立体模型确定所述变电站的巡检点位、每个巡检点位对应的巡检设备以及所述巡检设备在所述巡检点位采用的巡检参数信息，可使得巡检设备提高巡检时的精准度，提高拍摄的图像数据和/或视频数据的清晰度，或统一巡检设备拍摄时的巡检参数，便于边缘计算装置进行分析。

可选的，数据融合及管控层120，用于构建及存储巡检作业方案库，其中，所述巡检作业方案库中包含至少一个巡检作业方案，所述巡检作业方案包括针对每个巡检任务所采用的巡检设备111以及巡检设备111的工作方式。

具体的，巡检作业方案库可以包括：多种作业任务与执行各作业任务时对应的巡检方案。

示例性的，刀闸拉合：固定式摄像头需要检查刀闸三相的分闸指示及储能指示是否正确，无人机需要高空拍摄识别刀闸是否分合到位，则刀闸拉合对应的巡检方案为：所需巡检设备：固定式摄像头、无人机；巡检设备的工作方式：固定式摄像头检查刀闸三相的分闸指示及储能指示是否正确、无人机高空拍摄识别刀闸是否分合到位，将该巡检方案存储至巡检作业方案库中并与对应的作业任务建立对应关系。

可选的，数据融合及管控层120，还用于获取作业任务，识别所述作业任务的作业类别，根据所述作业类别调取所述巡检作业方案库的目标巡检方案，生成与所述目标巡检方案对应的作业任务指令，并将所述作业任务指令下发至巡检设备111。

进一步的，数据融合及管控层120，具体用于基于频率-逆文档频率关键词提取算法获取所述作业任务的作业关键词，基于所述作业关键词识别所述作业任务的作业类别，其中，所述作业类别包括设备日常巡视及检查、设备操作状态判断以及重点关注设备实时监测中的至少一种。

具体的，所述设备日常巡视及检查可以包括日常巡视、专业巡视以及监察性巡视等；所述设备操作状态判断用于判断设备的操作状态；所述重点关注设备实时监测用于对存在异常或重点关注设备的实时监测。

本发明实施例中，所述数据融合及管控层获取现有电网管理平台的作业任务，并基于TF-IDF(Term Frequency–Inverse Document Frequency，频率-逆文档频率)关键词提取算法获取作业关键词，识别运维作业的类别，根据作业类别调取所述巡检作业方案库的目标巡检方案，生成与所述目标巡检方案对应的作业任务指令，并将所述作业任务指令下发至所述巡检设备，可提高获取目标巡检方案的效率及巡检效率。本实施例中，针对不同的作业类别，数据融合及管控层调取巡检作业方案库中的相应巡检方案，并将包含巡检设备的点位和拍摄图像的云台角度及焦距等参数的作业任务指令派发给对应的巡检设备，

数据获取及识别层获取执行作业任务的巡检设备的图像数据并发送给对应的边缘计算装置进行识别，自动实时判断设备状态，并生成包含拍摄设备、拍摄地点、云台角度、焦距、识别结果、可信度等参数的文本结果，并将其发送至数据融合及管控层。

可选地，所述数据融合及管控层，还用于构建及存储数据融合方案库，其中，所述数据融合方案库包括至少一种数据融合方案，所述数据融合方案用于指示每种作业任务对应的边缘分析结果的融合计算方式。

本发明实施例中，数据融合及管控层接收数据获取及识别层中边缘计算装置发送的边缘分析结果，调用数据融合方案库，对不同类型作业任务采取相应的数据融合方案，对边缘分析结果进行融合，综合判断设备状态是否正常。若存在异常，即调用设备状态异常警报器，发出警报和提示运维人员进行核查和处理，边缘计算装置初步分析得到边缘分析结果后，将边缘分析结果上传至数据融合及管控层，数据融合及管控层，根据边缘分析结果与数据融合方案，进一步的综合分析，得到最终的变电站设备的设备分析结果，提高了分析结果的准确性和可靠性。

具体的，所述数据融合及管控层120还包括设备状态异常报警器121。其中，设备状态异常报警器121，用于接收数据融合及管控层发送的异常警报控制信号，根据异常警报控制信号发出异常警报；

具体地，所述数据融合及管控层，还用于确定变电站设备的设备分析结果是否存在异常，若是，则调用与所述变电站设备对应的设备状态异常警报器，控制所述设备状态异常警报器发出异常警报。

其中，异常报警器可以包括但不仅限于：指示灯、蜂鸣器、语音播报器以及显示屏等装置。相应地，所述异常警报可以包括以下一种或多种：指示灯亮起、指示灯颜色变为红色、指示灯闪烁、蜂鸣器发出警报声、语音播报器播报异常提示以及显示屏显示设备状态异常信息等。

图3提供了一种变电站智能巡检方法。如图3所示，该变电站智能巡检方法，具体包括以下步骤：

步骤1，使用无人机采集变电站的整体图像数据，构建变电站3D立体模型，并在模型中规划变电站内不同设备状态巡检所需巡检点位和拍摄图像的云台角度及焦距等参数。

步骤2，使用Access数据库软件并基于电力技术专家意见，构建巡检作业方案库，规划不同设备的巡检需要的巡检设备。例如刀闸拉合：固定式摄像头需要检查刀闸三相的分闸指示及储能指示是否正确，无人机需要高空拍摄识别刀闸是否分合到位。

步骤3，使用Access数据库软件并基于DStream数据融合平台，构建数据融合方案库，综合判断变电站设备的状态。例如刀闸的拉合：当固定式摄像头检查三相的分闸指示及储能指示正确，无人机识别刀闸已分合到位，即可判断刀闸分合位置正确；或，将不同巡检设备对应的边缘分析结果附加权重参数来综合计算设备状态。

步骤4，基于变电站现有的无人机、巡检机器人及固定式摄像头的设备，并依托上述步骤搭建的变电站3D立体模型、巡检作业方案库和数据融合方案库，构建变电站立体智能巡检系统。

步骤5，数据融合及管控层中的变电站运维管控主机，获取现有电网管理平台的作业任务，并基于TF-IDF关键词提取算法获取作业关键词，识别运维作业的作业类别。具体地，作业类别包括设备日常巡视及检查(包括日常巡视、专业巡视、监察性巡视等)、设备操作状态判断(用于运行人员操作设备时判断设备的实时状态)和重点关注设备实时监测(用于对存在异常或重点关注设备的实时监测)。

步骤6，针对不同的运维作业类别，数据融合及管控层中的变电站运维管控主机调取巡检作业方案库中的相应巡检方案，并将包含巡检设备的点位和拍摄图像的云台角度及焦距等参数的作业任务指令派发给对应的巡检设备。

步骤7，数据库获取及识别层中相应巡检设备获取设备的图像数据并发送给对应的边缘计算装置进行识别，自动实时判断设备状态，并生成包含拍摄设备、拍摄地点、云台角度、焦距、识别结果以及可信度等参数的文本形式的边缘分析结果，并将其发送至数据融合及管控层。

步骤8，数据融合及管控层中的变电站运维管控主机接收数据库获取及识别层中边缘计算装置发送的设备状态识别结果文件，调取巡检作业方案库，对不同类型作业任务采取相应的巡检作业方案，对边缘分析结果进行融合，综合判断设备状态是否正常。若存在异常，即调用设备状态异常警报器，发出警报和提示运维人员进行核查和处理。

本实施例通过构建变电站三维立体模型，确定变电站的巡检点位、每个巡检点位对应的巡检设备以及所述巡检设备在所述巡检点位采用的巡检参数信息，基于频率-逆文档频率关键词提取算法识别作业任务类别，根据作业类别调取巡检作业方案库的目标巡检方案，生成目标巡检方案对应的作业任务指令下发，边缘计算装置接收巡检设备发送的巡检感知数据进行分析，将分析后的边缘分析结果上传至所述数据融合及管控层，数据融合及管控层调用存储数据融合方案库，对边缘分析结果通过融合计算方式进行计算，得到设备分析结果，综合判断设备状态是否正常，若存在异常，即调用设备状态异常警报器，发出警报和提示运维人员进行核查和处理，提高了设备分析结果的准确性及可靠性，提高作业下发的效率和巡检的效率。

实施例三

图4为本发明实施例三提供的一种变电站智能巡检方法的流程示意图。本实施例可适用于变电站智能巡检情况，该方法可以应用于变电站智能巡检系统来执行，该变电站智能巡检系统可以采用硬件和/或软件的形式实现。具体地，所述变电站智能巡检系统包括：数据获取及识别层和与所述数据获取及识别层通信连接的数据融合及管控层，所述数据获取及识别层包括多个巡检设备和与所巡检设备对应的边缘计算装置。如图4所示，该方法包括：

S201、通过所述数据融合及管控层下发作业任务指令至所述巡检设备；S202、通过所述巡检设备接收所述数据融合及管控层下发的所述作业任务指令，并获取与所述作业任务指令对应的巡检感知数据，将所述巡检感知数据发送至与所述巡检设备对应的边缘计算装置；

S203、通过所述边缘计算装置对接收到的所述巡检感知数据进行分析，得到与所述巡检感知数据对应的变电站设备的边缘分析结果，并将所述边缘分析结果上传至所述数据融合及管控层；

S204、通过所述数据融合及管控层接收所述边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，得到所述设备分析结果。

其中，巡检设备包括至少两种类型的巡检设备，不同类型的巡检设备分别对应设置不同的边缘计算装置。

具体的，所述巡检设备至少包括无人机、巡检机器人以及固定摄像头，其中，每台所述无人机分别设置有所述边缘计算装置，且所述边缘计算装置集成于所述无人机中；每台所述巡检机器人分别设置有所述边缘计算装置，且所述边缘计算装置集成于所述巡检机器人中；一个或多个所述固定摄像头对应设置有一个所述边缘计算装置。

可选的，巡检设备对应边缘计算装置可包括：一个巡检设备配置一个边缘计算装置、一个巡检设备配置多个个边缘计算装置，以及多个巡检设备配置对多个边缘计算装置。

可选地，在所述通过所述数据融合及管控层下发作业任务指令至所述巡检设备之前，所述变电站智能巡检方法，还包括：

通过数据获取及识别层中包括的巡检设备采集变电站的整体图像数据；通过数据融合及管控层，基于所述整体图像数据构建变电站三维立体模型，以及，基于所述变电站三维立体模型确定所述变电站的巡检点位、每个巡检点位对应的巡检设备以及所述巡检设备在所述巡检点位采用的巡检参数信息。

其中，所述巡检参数信息可以包括：云台角度、拍摄焦距、拍摄图像格式、图像的分辨率以及视频拍摄码率等信息。

可选地，所述变电站智能巡检方法还包括：

通过数据融合及管控层构建及存储巡检作业方案库，其中，所述巡检作业方案库中包含至少一个巡检作业方案，所述巡检作业方案包括针对每个巡检任务所采用的巡检设备以及所述巡检设备的工作方式。

其中，巡检作业方案库，可以包括：多种作业任务与执行各作业任务时对应的巡检方案。

可选的，所述通过所述数据融合及管控层下发作业任务指令至所述巡检设备，包括：

通过数据融合及管控层获取作业任务，识别所述作业任务的作业类别，根据所述作业类别调取所述巡检作业方案库的目标巡检方案，生成与所述目标巡检方案对应的作业任务指令，并将所述作业任务指令下发至所述巡检设备。

具体地，所述通过数据融合及管控层获取作业任务，识别所述作业任务的作业类别，可包括：通过数据融合及管控层，基于频率-逆文档频率关键词提取算法获取所述作业任务的作业关键词，基于所述作业关键词识别所述作业任务的作业类别，其中，所述作业类别包括设备日常巡视及检查、设备操作状态判断以及重点关注设备实时监测中的至少一种。

进一步的，所述变电站智能巡检方法还包括：

通过数据融合及管控层，构建及存储数据融合方案库，其中，所述数据融合方案库包括至少一种数据融合方案，所述数据融合方案用于指示每种作业任务对应的边缘分析结果的融合计算方式。

在上述各技术方案的基础上，所述数据融合及管控层还包括设备状态异常报警器。

在上述各技术方案的基础上，在所述针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，得到所述设备分析结果之后，还包括：

通过数据融合及管控层，确定变电站设备的设备分析结果是否存在异常，若是，则调用与所述变电站设备对应的设备状态异常警报器，控制所述设备状态异常警报器发出异常警报；

通过数据融合及管控层包括的设备状态异常报警器，接收数据融合及管控层发送的异常警报控制信号，根据异常警报控制信号发出异常警报。

本实施例通过数据融合及管控层下发作业任务指令至所述巡检设备，通过所述巡检设备接收所述数据融合及管控层下发的所述作业任务指令，并获取与所述作业任务指令对应的巡检感知数据，将所述巡检感知数据发送至与所述巡检设备对应的边缘计算装置，边缘计算装置对接收到的所述巡检感知数据进行分析，得到与所述巡检感知数据对应的变电站设备的边缘分析结果，将边缘分析结果以文字形式将所述边缘分析结果上传至所述数据融合及管控层，通过所述数据融合及管控层接收所述边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，得到所述设备分析结果，支持实时自动识别巡检感知数据，减少了数据融合及管控层的数据计算压力，数据融合及管控层对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，有效保障了设备分析结果的全面性、综合性以及准确性，提高了巡检效率和运维效率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种变电站智能巡检系统，其特征在于，包括：数据获取及识别层和与所述数据获取及识别层通信连接的数据融合及管控层，所述数据获取及识别层包括多个巡检设备和与所巡检设备对应的边缘计算装置；其中，

所述数据融合及管控层，用于下发作业任务指令至所述巡检设备，以及接收所述边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，得到变电站设备的设备分析结果；

所述巡检设备，用于接收所述数据融合及管控层下发的所述作业任务指令，并获取与所述作业任务指令对应的巡检感知数据，将所述巡检感知数据发送至与所述巡检设备对应的边缘计算装置；

所述边缘计算装置，用于对接收到的所述巡检感知数据进行分析，得到与所述巡检感知数据对应的变电站设备的边缘分析结果，并将所述边缘分析结果上传至所述数据融合及管控层。

2.根据权利要求1所述的变电站智能巡检系统，其特征在于：

所述巡检设备，用于采集变电站的整体图像数据；

所述数据融合及管控层，用于基于所述整体图像数据构建变电站三维立体模型，以及，基于所述变电站三维立体模型确定所述变电站的巡检点位、每个巡检点位对应的巡检设备以及所述巡检设备在所述巡检点位采用的巡检参数信息。

3.根据权利要求1所述的变电站智能巡检系统，其特征在于，所述数据融合及管控层，用于构建及存储巡检作业方案库，其中，所述巡检作业方案库中包含至少一个巡检作业方案，所述巡检作业方案包括针对每个巡检任务所采用的巡检设备以及所述巡检设备的工作方式。

4.根据权利要求3所述的变电站智能巡检系统，其特征在于，所述数据融合及管控层，还用于获取作业任务，识别所述作业任务的作业类别，根据所述作业类别调取所述巡检作业方案库的目标巡检方案，生成与所述目标巡检方案对应的作业任务指令，并将所述作业任务指令下发至所述巡检设备。

5.根据权利要求4所述的变电站智能巡检系统，其特征在于，所述数据融合及管控层，具体用于基于频率-逆文档频率关键词提取算法获取所述作业任务的作业关键词，基于所述作业关键词识别所述作业任务的作业类别，其中，所述作业类别包括设备日常巡视及检查、设备操作状态判断以及重点关注设备实时监测中的至少一种。

6.根据权利要求1所述的变电站智能巡检系统，其特征在于，所述数据融合及管控层，还用于构建及存储数据融合方案库，其中，所述数据融合方案库包括至少一种数据融合方案，所述数据融合方案用于指示每种作业任务对应的边缘分析结果的融合计算方式。

7.根据权利要求1所述的变电站智能巡检系统，其特征在于，所述数据融合及管控层，还用于确定变电站设备的设备分析结果是否存在异常，若是，则调用与所述变电站设备对应的设备状态异常警报器，控制所述设备状态异常警报器发出警报信息。

8.根据权利要求1所述的变电站智能巡检系统，其特征在于，所述数据获取及识别层包括至少两种类型的巡检设备，不同类型的巡检设备分别对应设置不同的边缘计算装置。

9.根据权利要求8所述的变电站智能巡检系统，其特征在于，所述巡检设备至少包括无人机、巡检机器人以及固定摄像头，其中，每台所述无人机分别设置有所述边缘计算装置，且所述边缘计算装置集成于所述无人机中；每台所述巡检机器人分别设置有所述边缘计算装置，且所述边缘计算装置集成于所述巡检机器人中；一个或多个所述固定摄像头对应设置有一个所述边缘计算装置。

10.一种变电站智能巡检方法，其特征在于，应用于变电站智能巡检系统，所述变电站智能巡检系统包括数据获取及识别层以及与所述数据获取及识别层通信连接的数据融合及管控层，所述数据获取及识别层包括多个巡检设备和与所巡检设备对应的边缘计算装置；其中，所述变电站智能巡检方法包括：

通过所述数据融合及管控层下发作业任务指令至所述巡检设备，

通过所述巡检设备接收所述数据融合及管控层下发的所述作业任务指令，并获取与所述作业任务指令对应的巡检感知数据，将所述巡检感知数据发送至与所述巡检设备对应的边缘计算装置；

通过所述边缘计算装置对接收到的所述巡检感知数据进行分析，得到与所述巡检感知数据对应的变电站设备的边缘分析结果，并将所述边缘分析结果上传至所述数据融合及管控层；

通过所述数据融合及管控层接收所述边缘计算装置上传的边缘分析结果，针对每台变电站设备，对各个所述边缘计算装置对应的所述边缘分析结果中进行综合分析，得到所述设备分析结果。

Images