CN115358988A - 一种基于大数据的配电站缺陷识别系统 - Google Patents

Abstract

本发明公开了一种基于大数据的配电站缺陷识别系统，属于配电站检测技术领域，包括标准模块、模型模块、采集路线模块、控制模块、分析模块和服务器；标准模块用于建立标准库；模型模块用于进行配电站的模型管理，获得配电站模型；采集路线模块用于规划巡检无人机的采集路线，获得巡检路线；控制模块用于控制巡检无人机进行数据采集，获取巡检无人机的巡检路线，根据获得的巡检路线控制巡检无人机进行飞行，当巡检无人机到达对应的停留点时，对对应的采集区域进行数据采集，获得对应的采集图像，并打上对应的区域表标签，直到飞行完全部的巡检路线，将所有采集的采集图像进行整合为巡检数据；分析模块用于对巡检数据进行分析，判断是否具有缺陷。

Description

一种基于大数据的配电站缺陷识别系统

技术领域

本发明属于配电站检测技术领域，具体是一种基于大数据的配电站缺陷识别系统。

背景技术

随着科学技术的快速发展，使得人们对用电的需求也越来越高，促进发电站和配电站的快速发展，随着配电站的数量增多，且部分的配电设置在人员较少的地区，使得通过人工的方式进行配电站内配电设备的标识检测、绝缘子检测等具有效率较低、不够便捷的问题，因此本发明提供了一种基于大数据的配电站缺陷识别系统，通过结合无人机进行图像采集，智能化的进行识别分析，解决配电站缺陷识别的问题。

发明内容

为了解决上述方案存在的问题，本发明提供了一种基于大数据的配电站缺陷识别系统。

本发明的目的可以通过以下技术方案实现：

一种基于大数据的配电站缺陷识别系统，包括标准模块、模型模块、采集路线模块、控制模块、分析模块和服务器；

所述标准模块用于建立标准库；所述模型模块用于进行配电站的模型管理，获得配电站模型；

所述采集路线模块用于规划巡检无人机的采集路线，获得巡检路线；

所述控制模块用于控制巡检无人机进行数据采集，获取巡检无人机的巡检路线，根据获得的巡检路线控制巡检无人机进行飞行，当巡检无人机到达对应的停留点时，对对应的采集区域进行数据采集，获得对应的采集图像，并打上对应的区域表标签，直到飞行完全部的巡检路线，将所有采集的采集图像进行整合为巡检数据；

所述分析模块用于对巡检数据进行分析，获取巡检数据，将巡检数据拆分为对应的采集图像，从标准库从获取采集图像对应的校核数据，根据采集图像与校核数据进行分析，判断是否具有缺陷。

进一步地，标准模块的工作方法包括：

获取配电站内各种型号的配电设备标牌和绝缘子的标准检测数据，将获取的标准检测数据按照对应配电设备进行相应的数据拆分，获得校核数据，将校核数据打上对应的配电设备标签，建立第一数据库，将校核数据输入到第一数据库中进行储存，将当前的第一数据库标记为标准库，并根据对应规范的更新进行相应的校核数据更新。

进一步地，模型模块的工作方法包括：

获取配电站三维数据模型，标记为配电站模型，在配电站模型内标记需要进行检测的配电设备，标记为目标设备，获取目标设备的设备信息，根据获得的设备信息从标准库中匹配对应的校核数据；根据获得的校核数据在配电站模型中对应配电设备模型上标记对应的采集区域，并在采集区域上打上对应的检测种类，完成配电站的模型管理。

进一步地，采集路线模块的工作方法包括：

获取配电站模型，识别各个采集区域位置，根据识别的采集区域位置设置对应的停留点，将设置的停留点在配电站模型中的对应位置上进行标记；实时获取巡检无人机的起始升空位置，标记为起始点，将起始点在配电站模型内进行相应的标记，对当前配电站模型内的各个停留点和起始点进行分析，获得对应的巡检路线。

进一步地，根据识别的采集区域位置设置对应的停留点的方法包括：

获取巡检无人机的采集范围，将获得的采集范围标记为参照范围，将参照范围与各个采集区域进行比较，根据比较结果将采集区域分为第一区域和第二区域，对第一区域进行分析设置一个停留点，标记为第一停留点，对第二区域进行分析设置若干个停留点，标记为第二停留点。

进一步地，对于第一区域进行分析设置一个停留点的方法包括：

标记对应采集区域的形状，标记为第一形状，将参照区域覆盖在第一形状上，逐渐缩小参照区域直径，当参照区域边界与第一形状接触时，调整参照区域的中心位置，再次缩小参照区域直径，直到参照区域无法再进行缩小，识别当前参照区域的中心，根据识别的参照区域中心计算对应的停留点。

进一步地，对当前配电站模型内的各个停留点和起始点进行分析的方法包括：

识别一个第二区域对应的若干个第二停留点，根据第二停留点设置一个代表点，将代表点在配电站模型内进行相应的标记，根据起始点、代表点、第一停留点生成若干个待选路线，将待选路线内的各个路线段标记为i，i＝1、2、……、n，n为正整数；识别各个路线段的长度，标记为LXi，识别对应待选路线经过代表点的行进方向，设置路段修正值，标记为XZi，并获取对应的内部路线，根据公式

计算优先值，根据计算的优先值选择对应的待选路线为目标路线，将目标路线与内部路线进行相结合，获得巡检路线。

进一步地，根据计算的优先值选择对应的待选路线为目标路线的方法为：

将计算的优先值按照由小到大的顺序进行排序，获得第一序列，识别第一序列对应的待选路线，标记为目标路线。

进一步地，将目标路线与内部路线进行相结合的方法包括：

识别目标路线中的代表点，匹配对应的内部路线，将代表点替换为内部路线，识别内部路线对应的进点和出点，进行相应的点位连线，获得巡检路线。

与现有技术相比，本发明的有益效果是：通过标准模块、模型模块、采集路线模块、控制模块和分析模块之间的相互配合，实现智能化的进行配电站缺陷检测，极大的提高检测效率，降低对应工作人员的巡检负担，根据配电站的实际情况，生成对应的巡检路线，智能化的进行巡检无人机的控制。

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的介绍，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为本发明原理框图。

具体实施方式

下面将结合实施例对本发明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。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，都属于本发明保护的范围。

如图1所示，一种基于大数据的配电站缺陷识别系统，包括标准模块、模型模块、采集路线模块、控制模块、分析模块和服务器；

所述标准模块用于建立标准库，具体方法包括：

基于大数据分析，获取配电站内各种型号的配电设备标牌和绝缘子的标准检测数据，如安装位置区间、规定标识的数据、绝缘子外观等规定的规范数据，将获取的标准检测数据按照对应配电设备进行相应的数据拆分，获得校核数据，如一个关于标牌的校核数据，指的是某个配电设备的标牌应该满足哪些规范要求；将校核数据打上对应的配电设备标签，建立第一数据库，将校核数据输入到第一数据库中进行储存，将当前的第一数据库标记为标准库，并根据对应规范的更新进行相应的校核数据更新。

所述模型模块用于进行配电站的模型管理，具体方法包括：

获取配电站三维数据模型，标记为配电站模型，对于无法直接获取的配电站三维数据模型，可以基于现有的建模技术进行重新建立配电站三维数据模型，在配电站模型内标记需要进行检测的配电设备，标记为目标设备，获取目标设备的设备信息，如种类、型号等信息，根据获得的设备信息从标准库中匹配对应的校核数据；根据获得的校核数据在配电站模型中对应配电设备模型上标记对应的采集区域，并在采集区域上打上对应的检测种类，检测种类指的是检测标牌还是检测绝缘子，完成配电站的模型管理。

根据获得的校核数据在配电站模型中对应配电设备模型上标记对应的采集区域，就是根据校核数据中对应标牌或绝缘子的规范安装要求，确定对应的安装区间，进行相应的位置区间标记，即为采集区域，后续进行相应数据采集时，直接对着采集区域进行采集即可，可以大大的降低相应数据的采集量，同时降低对应的数据分析量。

所述采集路线模块用于规划巡检无人机的采集路线，具体方法包括：

获取配电站模型，识别各个采集区域位置，根据识别的采集区域位置设置对应的停留点，停留点指的是采集对应采集区域内的信息时，巡检无人机停留的点，将设置的停留点在配电站模型中的对应位置上进行标记；实时获取巡检无人机的起始升空位置，标记为起始点，将起始点在配电站模型内进行相应的标记，对当前配电站模型内的各个停留点和起始点进行分析，获得对应的巡检路线。

根据识别的采集区域位置设置对应的停留点的方法包括：

获取巡检无人机的采集范围，指的是在满足采集清晰度等要求下，巡检无人机的最大有效采集范围，将获得的采集范围标记为参照范围，将参照范围与各个采集区域进行比较，根据比较结果将采集区域分为第一区域和第二区域，第一区域指的是参照区域不小于采集区域的采集区域，代表一个停留点就可以完整的采集到整个采集区域内的信息，第二区域指的是参照区域小于采集区域的采集区域，需要设置多个停留点进行采集，对第一区域进行分析设置一个停留点，标记为第一停留点，对第二区域进行分析设置若干个停留点，标记为第二停留点。

对于第一区域进行分析设置一个停留点的方法包括：

标记对应采集区域的形状，标记为第一形状，将参照区域覆盖在第一形状上，逐渐缩小参照区域直径，当参照区域边界与第一形状接触时，调整参照区域的中心位置，再次缩小参照区域直径，直到参照区域无法再进行缩小，指的是再进行缩小时，无论怎么调整参照区域的位置，第一形状的边界将会超过参照区域，识别当前参照区域的中心，根据识别的参照区域中心计算对应的停留点；根据当前计算方法可以确定对应的直线距离，进而确定对应的停留点。

对第二区域进行分析设置若干个停留点的方法为：

基于CNN网络或DNN网络建立点位分析模型，通过人工的方式设置对应的训练集进行训练，获取对应的采集区域信息和巡检无人机的参照区域信息，通过训练成功的点位分析模型进行分析，获得对应的停留点，具体的建立和训练过程为本领域常识，因此不进行详细叙述。

对当前配电站模型内的各个停留点和起始点进行分析的方法包括：

识别一个第二区域对应的若干个第二停留点，根据第二停留点设置一个代表点，将代表点在配电站模型内进行相应的标记，根据起始点、代表点、第一停留点生成若干个待选路线，将待选路线内的各个路线段标记为i，i＝1、2、……、n，n为正整数；识别各个路线段的长度，标记为LXi，识别对应待选路线经过代表点的行进方向，设置路段修正值，标记为XZi，并获取对应的内部路线，根据公式

计算优先值，根据计算的优先值选择对应的待选路线为目标路线，将目标路线与内部路线进行相结合，获得巡检路线。

根据第二停留点设置一个代表点，即为根据第二区域的若干个第二停留点位置设置一个代表点，可以设置中心点，或者选择一个第二停留点作为代表点，可以根据实际需要进行相应的调整。

根据起始点、代表点、第一停留点生成若干个待选路线的方法为：基于CNN网络或DNN网络建立线路模型，通过人工的方式设置对应的训练集进行训练，通过训练成功的线路模型进行分析，生成可能具有的待选路线。

识别对应待选路线经过代表点的行进方向，设置路段修正值的方法包括：根据对应的行进方向，确定对应最近的第二停留点，标记为进点，根据进点和离开方向确定出点，根据进点和出点规划当前各个第二停留点的路线，标记为内部路线，按照距离最短的方式进行规划，通过现有技术可以实现相应的进点、出点的确定，因此不进行详细叙述；基于CNN网络或DNN网络建立修正模型，采用人工的方式设置对应的训练集进行训练，根据对应路段变动，设置对应的路段修正值，进而建立训练集，通过训练成功后的修正模型对具有代表点的路线段进行分析，输出对应的路段修正值，对于不包括代表点的路线段，无路段修正值。

根据计算的优先值选择对应的待选路线为目标路线的方法为：

将计算的优先值按照由小到大的顺序进行排序，获得第一序列，识别第一序列对应的待选路线，标记为目标路线。

将目标路线与内部路线进行相结合的方法包括：

识别目标路线中的代表点，匹配对应的内部路线，将代表点替换为内部路线，识别内部路线对应的进点和出点，进行相应的点位连线，获得巡检路线。

所述控制模块用于控制巡检无人机进行数据采集，具体方法包括：

获取巡检无人机的巡检路线，根据获得的巡检路线控制巡检无人机进行飞行，当巡检无人机到达对应的停留点时，对对应的采集区域进行数据采集，获得对应的采集图像，并打上对应的区域表标签，直到飞行完全部的巡检路线，将所有采集的采集图像进行整合为巡检数据。

所述分析模块用于对巡检数据进行分析，具体方法包括：

获取巡检数据，将巡检数据拆分为对应的采集图像，从标准库从获取采集图像对应的校核数据，根据采集图像与校核数据进行分析，判断是否具有缺陷。

根据采集图像与校核数据进行分析，基于CNN网络或DNN网络建立校核分析模型，通过人工的方式建立对应的训练集进行训练，结合图像识别技术，判断是否具有标牌缺失、标识错误、绝缘子开裂等缺陷，通过训练成功后的校核分析模型对采集图像与校核数据进行分析，获得对应的分析结果。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (9)

1.一种基于大数据的配电站缺陷识别系统，其特征在于，包括标准模块、模型模块、采集路线模块、控制模块、分析模块和服务器；

所述标准模块用于建立标准库；所述模型模块用于进行配电站的模型管理，获得配电站模型；

所述采集路线模块用于规划巡检无人机的采集路线，获得巡检路线；

所述控制模块用于控制巡检无人机进行数据采集，获取巡检无人机的巡检路线，根据获得的巡检路线控制巡检无人机进行飞行，当巡检无人机到达对应的停留点时，对对应的采集区域进行数据采集，获得对应的采集图像，并打上对应的区域表标签，直到飞行完全部的巡检路线，将所有采集的采集图像进行整合为巡检数据；

所述分析模块用于对巡检数据进行分析，获取巡检数据，将巡检数据拆分为对应的采集图像，从标准库从获取采集图像对应的校核数据，根据采集图像与校核数据进行分析，判断是否具有缺陷。

2.根据权利要求1所述的一种基于大数据的配电站缺陷识别系统，其特征在于，标准模块的工作方法包括：

获取配电站内各种型号的配电设备标牌和绝缘子的标准检测数据，将获取的标准检测数据按照对应配电设备进行相应的数据拆分，获得校核数据，将校核数据打上对应的配电设备标签，建立第一数据库，将校核数据输入到第一数据库中进行储存，将当前的第一数据库标记为标准库，并根据对应规范的更新进行相应的校核数据更新。

3.根据权利要求1所述的一种基于大数据的配电站缺陷识别系统，其特征在于，模型模块的工作方法包括：

获取配电站三维数据模型，标记为配电站模型，在配电站模型内标记需要进行检测的配电设备，标记为目标设备，获取目标设备的设备信息，根据获得的设备信息从标准库中匹配对应的校核数据；根据获得的校核数据在配电站模型中对应配电设备模型上标记对应的采集区域，并在采集区域上打上对应的检测种类，完成配电站的模型管理。

4.根据权利要求1所述的一种基于大数据的配电站缺陷识别系统，其特征在于，采集路线模块的工作方法包括：

获取配电站模型，识别各个采集区域位置，根据识别的采集区域位置设置对应的停留点，将设置的停留点在配电站模型中的对应位置上进行标记；实时获取巡检无人机的起始升空位置，标记为起始点，将起始点在配电站模型内进行相应的标记，对当前配电站模型内的各个停留点和起始点进行分析，获得对应的巡检路线。

5.根据权利要求4所述的一种基于大数据的配电站缺陷识别系统，其特征在于，根据识别的采集区域位置设置对应的停留点的方法包括：

获取巡检无人机的采集范围，将获得的采集范围标记为参照范围，将参照范围与各个采集区域进行比较，根据比较结果将采集区域分为第一区域和第二区域，对第一区域进行分析设置一个停留点，标记为第一停留点，对第二区域进行分析设置若干个停留点，标记为第二停留点。

6.根据权利要求5所述的一种基于大数据的配电站缺陷识别系统，其特征在于，对于第一区域进行分析设置一个停留点的方法包括：

标记对应采集区域的形状，标记为第一形状，将参照区域覆盖在第一形状上，逐渐缩小参照区域直径，当参照区域边界与第一形状接触时，调整参照区域的中心位置，再次缩小参照区域直径，直到参照区域无法再进行缩小，识别当前参照区域的中心，根据识别的参照区域中心计算对应的停留点。

7.根据权利要求6所述的一种基于大数据的配电站缺陷识别系统，其特征在于，对当前配电站模型内的各个停留点和起始点进行分析的方法包括：

识别一个第二区域对应的若干个第二停留点，根据第二停留点设置一个代表点，将代表点在配电站模型内进行相应的标记，根据起始点、代表点、第一停留点生成若干个待选路线，将待选路线内的各个路线段标记为i，i＝1、2、……、n，n为正整数；识别各个路线段的长度，标记为LXi，识别对应待选路线经过代表点的行进方向，设置路段修正值，标记为XZi，并获取对应的内部路线，根据公式

计算优先值，根据计算的优先值选择对应的待选路线为目标路线，将目标路线与内部路线进行相结合，获得巡检路线。

8.根据权利要求7所述的一种基于大数据的配电站缺陷识别系统，其特征在于，根据计算的优先值选择对应的待选路线为目标路线的方法为：

将计算的优先值按照由小到大的顺序进行排序，获得第一序列，识别第一序列对应的待选路线，标记为目标路线。

9.根据权利要求8所述的一种基于大数据的配电站缺陷识别系统，其特征在于，将目标路线与内部路线进行相结合的方法包括：

识别目标路线中的代表点，匹配对应的内部路线，将代表点替换为内部路线，识别内部路线对应的进点和出点，进行相应的点位连线，获得巡检路线。

Images