CN115664006B - 一种增量配电网智能管控一体化平台 - Google Patents
一种增量配电网智能管控一体化平台 Download PDFInfo
- Publication number
- CN115664006B CN115664006B CN202211296714.2A CN202211296714A CN115664006B CN 115664006 B CN115664006 B CN 115664006B CN 202211296714 A CN202211296714 A CN 202211296714A CN 115664006 B CN115664006 B CN 115664006B
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- person
- acquiring
- platform
- 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
Images
Classifications
-
- 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
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种增量配电网智能管控一体化平台,涉及配电网管控平台技术领域。为了解决增量配电网远景的监控、辅助系统将呈现多而分散的状态,如不进行集中接入,一来占用设备空间、二来监控内容纷杂,不利于值班监盘、故障快速定位的问题,一种增量配电网智能管控一体化平台,包括终端监测系统、一体化监测平台和调控中心;通过多个子系统构成终端监测系统,一体化监测平台整合子系统,采用智辅及新能源系统作为各系统蓝本,建立集中统一的防外破在线监测平台,将多系统进行集中接入,实现故障发生时系统联动,缩短故障定位时间;优化现有在线监测系统图像识别精度,减少误报错报,避免漏报造成损失。
Description
技术领域
本发明涉及配电网管控平台技术领域,特别涉及一种增量配电网智能管控一体化平台。
背景技术
由于施工现场常年有大型机械施工,全区域高压设备、各类管线纵横交错,输电线路与管廊覆盖范围日益增加,易发生因外力破坏造成停电跳闸、电力及通信网络故障。严重威胁新区电网安全稳定运行和被供电石化企业的正常运行。且传统摄像头需要更加智能化的图像采集装置以适应输电线路防外力破坏的需求,同时图像处理技术方面存在很多问题影响图像处理质量,大大地降低了外部破坏等各方面监测的准确性,易发生误报漏报等现象。目前建设的调配一体化系统、防外破在线监测等系统独立运行,缺少互连通道与信息共享机制。导致各类监测数据以不同格式分散在各个系统中,形成众多的“信息孤岛”。
为此,针对增量配电网外破事故频发、现有监测系统识图精度不高、各系统间存在信息孤岛的现状,结合监盘实际需求,需从优化防外破在线监测系统图像质量及构建面向增量配电网的防外破一体化集中监测平台两方面展开深入研究。
且公司输电线路通道智能防外破系统功能投入使用目前存在以下几点问题:
1、误报警率高。每基塔之间的距离、相机镜头视场角、监测范围、天气变化等都会影响采集到外破图像处理的准确率,造成误报警率高;
2、无法做到24小时不间断监测。目前采用的通信技术是4G网络技术,受无线信号稳定性、数据流量费用的影响,目前无法做到24小时不间断监测,会出现漏报警,不能及时发现问题,降低故障处理及时率;
3、增量配电网远景的监控、辅助系统将呈现多而分散的状态,如不进行集中接入,一来占用设备空间、二来监控内容纷杂,不利于值班监盘、故障快速定位。
发明内容
本发明的目的在于提供一种增量配电网智能管控一体化平台,建立集中统一的防外破在线监测平台,将多系统进行集中接入,实现故障发生时系统联动,缩短故障定位时间;优化现有在线监测系统图像识别精度,减少误报错报,避免漏报造成损失,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种增量配电网智能管控一体化平台,包括终端监测系统、一体化监测平台和调控中心;
所述终端监测系统,用于:
获取不少于一个的监测终端采集到的监测数据,依据数据类型对监测数据进行分类,并提取所述监测数据所携带的监测终端数据;
依据所述监测终端数据建立标签,并将所述数据类型与所述标签一一匹配,得到匹配结果;
依据所述匹配结果分割为多个区域,对每一区域对应的监测数据中提取定位数据与时间数据,打包生成子数据集,对所述子数据集建立子标签;
构建所述一体化监测平台与每个所述区域的传输链路,将所述监测数据依据所在区域的传输链路进行传输;
所述一体化监测平台,用于:
基于传输链路获取所述监测数据及其携带的子数据集,基于所述数据类型对监测数据及其携带的子数据集进行整合;
提取所述整合后的数据中的监控视频数据,对所述监控视频数据进行处理,获取处理结果;
将所述处理结果与指令数据库一一匹配,将匹配后的指令与所述监测数据绑定生成数据包,将所述数据包输送至所述调控中心;
所述调控中心,用于:
获取所述一体化监测平台主动上传的监测数据与异常数据,获取所述监控数据与异常数据所在的三维定位坐标,构建时间表格模型;
将所述监控数据依据时间数据输入至时间模型中,建立表格,并将所述表格与所述三维定位坐标一一对应,依据所述异常数据发出警报,并实时在远程控制终端显示。
进一步的,所述终端监测系统,包括:
防外破在线监测系统,用于:
获取所述监测终端采集到的监控视频数据,将所述监控视频数据进行图像预处理,基于大数据分析识别图像中相似节点,形成数值;
构建数据库,将所述数值输入至数据库中进行算法匹配,运用基于深度学习的Faster R-CNN图像处理算法、Yolov5图像处理算法对数据库进行处理;
并依据处理结果判断所述监控视频数据是否异常,若异常则发出预警和警报。
进一步的,所述防外破在线监测系统,具体包括:
对所述监控视频数据进行亮度检测,根据检测结果选择适配的亮度补偿函数;
利用所述亮度补偿函数对所述监控视频数据进行补偿,获取补偿后的视频数据;
对所述补偿后的视频数据进行分帧处理,获取处理结果;
对所述处理结果中的每帧图像进行相似特征点提取,获取特征点提取结果;
对每帧图像的特征点提取结果进行对比,选择出在每帧图像中相似度高的目标场景特征点;
根据所述目标场景特征点匹配场景数据库,得出补偿后的视频数据中的当前场景及其场景的对应数据阈值;
提取所述监控视频数据中携带的数据数值,判断所述监控视频数据中的数据数值是否在对应的所述数据阈值内;
若是,则数据异常,存在超高目标威胁电网安全,与指令数据库匹配,发出预警信息指令。
进一步的,所述防外破在线监测系统,还包括:
补偿后的视频数据中的当前场景结果进行对比,选择出在每帧图像中相似度高的目标人物特征点;
根据所述目标人物特征点匹配人物特征点数据库,获取所述人物特征点相关人物信息及人物行为样本数据;
在每个人物行为样本数据中提取出人物的行为习惯,对提取的多项参数进行辨识,获取辨识结果;
根据每个人物的行为习惯以及每项参数的辨识结果计算出该人物在操作过程中的异常系数;
确认所述异常系数是否大于预设系数,若是,存在输电线路通道机械作业、人为破坏的行为,基于所述目标人物特征点获得该人物的视频数据,同时发出声光报警,否则,确认该人物未出现破坏电缆的违规行为。
进一步的,所述终端监测系统,还包括:
智辅及新能源系统,用于:
获取输入系统的策略数据,确定所述策略数据的数据类型;
根据所述策略数据的数据类型在策略数据库中匹配对应的策略数据样本;
同时,将所述策略数据输入至所述策略数据分类模型中进行分类,获取多个子策略节点数据,依据所述子策略节点数据搭建系统关联联动模型;
建立可视化模型数据,将所述可视化模型数据推送至所述一体化监测平台;
电缆在线监测系统,用于:
获取智能巡检系统采集的电缆数据,将所述电缆数据进行缓存处理,并判断所述电缆数据是否异常;
建立与所述智能巡检系统的通讯链路,将异常电缆数据基于通讯链路传输至智能巡检系统,获取所述智能巡检系统发出的数据反馈;
智能巡检系统,用于:
获取所述监测终端采集到的电缆数据,获取所述电缆在线监测系统传输的所述异常电缆数据,获取所述异常电缆数据的定位坐标;
规划当前坐标与所述定位坐标的巡检路线,同时发出警报。
进一步的,确定所述防外破在线监测系统构建与所述一体化监测平台的第一传输链路标识、所述智辅及新能源系统构建与所述一体化监测平台的第二传输链路标识、所述电缆在线监测系统与智能巡检系统构建与所述一体化监测平台的第三传输链路标识;
基于所述第一传输链路标识、第二传输链路标识和第三传输链路标识获取关联通信节点,并基于所述关联通信节点构建数据传输链路。
进一步的,所述一体化监测平台,还用于:
基于所述监测数据及其携带的子数据集发出接收反馈,将基于所述监测数据及其携带的子数据集发出接收反馈的反馈数据第一至第三传输链路标识一一匹配,将基于匹配结果将所述反馈数据通过数据传输链路输送至子系统;
子系统基于反馈结果确定在所述一体化监测平台中的监测数据及其携带的子数据集的传输进度,并及与传输进度建立传输表格,对所述传输进度进行数据同步。
进一步的,所述调控中心,还用于:
将所述监测数据与异常数据填充到图表模板中得到所述监测数据与异常数据的数据波动图表;其中,在所述数据波动图表中针对异常数据进行突出显示;
且在所述数据波动图表中,当调取任一时间的监测数据时,则针对目标监测数据进行数据信息调取,将所述监测数据时间下的关联信息单独以图表形式呈现。
进一步的,所述对所述监控视频数据进行亮度检测,根据检测结果选择适配的亮度补偿函数,包括:
采集监控视频数据中每个像素点的亮度数据,根据预设非线性激活函数对每个像素点的亮度数据进行处理,获取处理结果;
根据所述处理结果确定每个像素点的光束波长数据;
求解监控视频数据中像素点的光速波长数据中位值,基于所述中位值通过感测响应函数和标准视效函数对其进行加权计算确定监控视频数据的亮度补偿比例;
将监控视频数据中所有像素点划分为多个像素组,采集每个像素组在不同采样灰阶下的亮度数据;
根据每个像素组在不同采样灰阶下的亮度数据获取多个像素组在多个采样灰阶中每个采样灰阶的平均亮度值;
根据多个像素组在多个采样灰阶中每个采样灰阶的平均亮度值以及监控视频数据的亮度补偿比例获取监控视频数据在不同采样灰阶下的亮度补偿数据;
根据监控视频数据在不同采样灰阶下的亮度补偿数据以及每个像素组在不同采样灰阶下的亮度数据确定该像素组在不同采样灰阶下的亮度补偿系数;
确定每个像素组在不同采样灰阶下的亮度补偿系数与亮度补偿比例的函数关系;
根据所述函数关系确定每个像素组的函数参量递变值;
根据每个像素组的函数参量递变值之间的变化规则在预设亮度补偿函数库中选择适配的亮度补偿函数。
进一步的,所述根据每个人物的行为习惯以及每项参数的辨识结果计算出该人物在操作过程中的异常系数,包括:
根据每个人物的每项参数的辨识结果获取该人物对于每项参数的当前操作阈值;
获取每项参数的标准操作阈值,对比所述标准操作阈值和当前操作阈值确定每个人物对于每项参数的操作偏差度;
根据每个人物的行为习惯和该人物对于每项参数的操作偏差度计算出该人物的操作惯性权重系数:
其中,Fi表示为第i个人物的操作惯性权重系数,Pi表示为第i个人物的行为习惯的修正因子,Ni表示为提取的第i个人物的参数数量,j表示为第j个参数,Tj表示为第i个人物对于第j个参数的操作偏差度,Qi表示为第i个人物的下意识主观影响因子,Di表示为第i个人物的意识和操作参数的关联因子;
根据每个人物的操作惯性权重系数确定该人物在操作过程中随行为习惯的操作概率;
根据所述操作概率计算出每个人物在操作过程中的异常系数:
其中,Gk表示为第k个人物在操作过程中的异常系数,M表示为操作过程中对应的操作子流程数量,l表示为第l个操作子流程,Al表示为第l个操作子流程的预设行为偏置,Rk表示为第k个人物在操作过程中随行为习惯的操作概率,γk表示为第k个人物的学习因子,μk表示为第k个人物在其操作过程中随行为习惯的操作概率影响下与操作过程正常运行的匹配度。
与现有技术相比,本发明的有益效果是:
1.通过多个子系统构成终端监测系统,一体化监测平台整合子系统,采用智辅及新能源系统作为各系统蓝本,建立集中统一的防外破在线监测平台,将多系统进行集中接入,实现故障发生时系统联动,缩短故障定位时间;优化现有在线监测系统图像识别精度,减少误报错报,避免漏报造成损失。
2.通过针对新区内外力破坏事件、相似场景图片收集,进行大数据分析,构建数据库,运用基于深度学习的Faster R-CNN图像处理算法、Yolov5图像处理算法对数据库进行处理,通过对深度学习算法的学习效果进行调优、结构调整,能够及时检测并达到较高的准确率,通过对监控视频数据进行补偿可以更加直观和准确地确定视频数据中的相似点和人物特征,为后续进行场景判断和人物行为判断奠定了基础,计算补偿后的监控视频数据中的当前人物习惯可以初步地评估出其是否违规,提高了实用性,使得评估结果更加合理和精确。
3.通过展开一体化平台告警信息智能联动研究,建立变电站三维模型并布置联动策略以实现操作联动、故障联动、温高联动需求;针对架空线路:通过接入优化后的在线监测系统,实现线路异常告警、故障时画面切转至站内对应线路间隔,并对全线监测机位的实时监控进行抓拍定位。通过自行搭建可视化界面进行效果展示,减少外部软件调试成本。
附图说明
图1为本发明的增量配电网智能管控一体化平台整体模块示意图;
图2为本发明的增量配电网智能管控一体化平台整体拓扑图;
图3为本发明的防外破在线监测系统流程图。
具体实施方式
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。
为了解决增量配电网远景的监控、辅助系统将呈现多而分散的状态,如不进行集中接入,一来占用设备空间、二来监控内容纷杂,不利于值班监盘、故障快速定位的技术问题,请参阅图1,本实施例提供以下技术方案:
一种增量配电网智能管控一体化平台,包括终端监测系统、一体化监测平台和调控中心;所述终端监测系统,用于获取不少于一个的监测终端采集到的监测数据,依据数据类型对监测数据进行分类,并提取所述监测数据所携带的监测终端数据;依据所述监测终端数据建立标签,并将所述数据类型与所述标签一一匹配,得到匹配结果;依据所述匹配结果分割为多个区域,对每一区域对应的监测数据中提取定位数据与时间数据,打包生成子数据集,对所述子数据集建立子标签;构建所述一体化监测平台与每个所述区域的传输链路,将所述监测数据依据所在区域的传输链路进行传输;
所述一体化监测平台,用于基于传输链路获取所述监测数据及其携带的子数据集,基于所述数据类型对监测数据及其携带的子数据集进行整合;提取所述整合后的数据中的监控视频数据,对所述监控视频数据进行处理,获取处理结果;将所述处理结果与指令数据库一一匹配,将匹配后的指令与所述监测数据绑定生成数据包,将所述数据包输送至所述调控中心;
所述调控中心,用于获取所述一体化监测平台主动上传的监测数据与异常数据,获取所述监控数据与异常数据所在的三维定位坐标,构建时间表格模型;将所述监控数据依据时间数据输入至时间模型中,建立表格,并将所述表格与所述三维定位坐标一一对应,依据所述异常数据发出警报,并实时在远程控制终端显示;将所述监测数据与异常数据填充到图表模板中得到所述监测数据与异常数据的数据波动图表;其中,在所述数据波动图表中针对异常数据进行突出显示;且在所述数据波动图表中,当调取任一时间的监测数据时,则针对目标监测数据进行数据信息调取,将所述监测数据时间下的关联信息单独以图表形式呈现。
具体的,通过多个子系统构成终端监测系统,一体化监测平台整合子系统,采用智辅及新能源系统作为各系统蓝本,建立集中统一的防外破在线监测平台,将多系统进行集中接入,实现故障发生时系统联动,缩短故障定位时间;优化现有在线监测系统图像识别精度,减少误报错报,避免漏报造成损失。
为了解决传统摄像头需要更加智能化的图像采集装置以适应输电线路防外力破坏的需求,同时图像处理技术方面存在很多问题影响图像处理质量,大大地降低了外部破坏等各方面监测的准确性,易发生误报漏报等现象的技术问题,请参阅图1-3,本实施例提供以下技术方案:
所述终端监测系统,包括:防外破在线监测系统,用于获取所述监测终端采集到的监控视频数据,将所述监控视频数据进行图像预处理,基于大数据分析识别图像中相似节点,形成数值;构建数据库,将所述数值输入至数据库中进行算法匹配,运用基于深度学习的Faster R-CNN图像处理算法、Yolov5图像处理算法对数据库进行处理;并依据处理结果判断所述监控视频数据是否异常,若异常则发出预警和警报;
对所述监控视频数据进行亮度检测,根据检测结果选择适配的亮度补偿函数;利用所述亮度补偿函数对所述监控视频数据进行补偿,获取补偿后的视频数据;对所述补偿后的视频数据进行分帧处理,获取处理结果;对所述处理结果中的每帧图像进行相似特征点提取,获取特征点提取结果;对每帧图像的特征点提取结果进行对比,选择出在每帧图像中相似度高的目标场景特征点;根据所述目标场景特征点匹配场景数据库,得出补偿后的视频数据中的当前场景及其场景的对应数据阈值;提取所述监控视频数据中携带的数据数值,判断所述监控视频数据中的数据数值是否在对应的所述数据阈值内;若是,则数据异常,存在超高目标威胁电网安全,与指令数据库匹配,发出预警信息指令;
补偿后的视频数据中的当前场景结果进行对比,选择出在每帧图像中相似度高的目标人物特征点;根据所述目标人物特征点匹配人物特征点数据库,获取所述人物特征点相关人物信息及人物行为样本数据;在每个人物行为样本数据中提取出人物的行为习惯,对提取的多项参数进行辨识,获取辨识结果;根据每个人物的行为习惯以及每项参数的辨识结果计算出该人物在操作过程中的异常系数;确认所述异常系数是否大于预设系数,若是,存在输电线路通道机械作业、人为破坏的行为,基于所述目标人物特征点获得该人物的视频数据,同时发出声光报警,否则,确认该人物未出现破坏电缆的违规行为。
具体的,通过针对新区内外力破坏事件、相似场景图片收集,进行大数据分析,构建数据库,运用基于深度学习的Faster R-CNN图像处理算法、Yolov5图像处理算法对数据库进行处理,通过对深度学习算法的学习效果进行调优、结构调整,能够及时检测并达到较高的准确率,判断是否存在超高目标威胁电网安全,通过对监控视频数据进行补偿可以更加直观和准确地确定视频数据中的相似点和人物特征,为后续进行场景判断和人物行为判断奠定了基础,计算补偿后的监控视频数据中的当前人物习惯可以初步地评估出其是否违规,提高了实用性,使得评估结果更加合理和精确。
为了解决目前采用的通信技术是4G网络技术,受无线信号稳定性、数据流量费用的影响,无法做到24小时不间断监测,针对接入数据信息繁杂情况的技术问题,请参阅图1-3,本实施例提供以下技术方案:
所述终端监测系统,还包括:智辅及新能源系统,用于获取输入系统的策略数据,确定所述策略数据的数据类型;根据所述策略数据的数据类型在策略数据库中匹配对应的策略数据样本;同时,将所述策略数据输入至所述策略数据分类模型中进行分类,获取多个子策略节点数据,依据所述子策略节点数据搭建系统关联联动模型;建立可视化模型数据,将所述可视化模型数据推送至所述一体化监测平台;
电缆在线监测系统,用于获取智能巡检系统采集的电缆数据,将所述电缆数据进行缓存处理,并判断所述电缆数据是否异常;建立与所述智能巡检系统的通讯链路,将异常电缆数据基于通讯链路传输至智能巡检系统,获取所述智能巡检系统发出的数据反馈;
智能巡检系统,用于获取所述监测终端采集到的电缆数据,获取所述电缆在线监测系统传输的所述异常电缆数据,获取所述异常电缆数据的定位坐标;规划当前坐标与所述定位坐标的巡检路线,同时发出警报。
具体的,通过搭建系统关联联动模型实现状态显示,合理利用多源数据,实现告警联动并通过半自主式的可视化画面建设展示推送至监控平台,智能巡检系统对于通过外网进行监视监控的系统通过增加强逻辑隔离的安防设备进行接入,以解决多源系统接入主站系统的安全性问题,满足电力监控系统安全防护方案的基本要求;明确各系统接口类型及传输方式并进行接口资源调整;考虑远期接入系统的功能、数量,规划数据同步方式及存储位置、优化网络拓扑。
为了解决目前各个系统建设于不同调度区域,数据无法安全互通的技术问题,请参阅图1-3,本实施例提供以下技术方案:
确定所述防外破在线监测系统构建与所述一体化监测平台的第一传输链路标识、所述智辅及新能源系统构建与所述一体化监测平台的第二传输链路标识、所述电缆在线监测系统与智能巡检系统构建与所述一体化监测平台的第三传输链路标识;基于所述第一传输链路标识、第二传输链路标识和第三传输链路标识获取关联通信节点,并基于所述关联通信节点构建数据传输链路。
一体化监测平台,还用于基于所述监测数据及其携带的子数据集发出接收反馈,将基于所述监测数据及其携带的子数据集发出接收反馈的反馈数据第一至第三传输链路标识一一匹配,将基于匹配结果将所述反馈数据通过数据传输链路输送至子系统;子系统基于反馈结果确定在所述一体化监测平台中的监测数据及其携带的子数据集的传输进度,并及与传输进度建立传输表格,对所述传输进度进行数据同步。
具体的,通过展开一体化平台告警信息智能联动研究,建立变电站三维模型并布置联动策略以实现操作联动、故障联动、温高联动需求;针对架空线路:通过接入优化后的在线监测系统,实现线路异常告警、故障时画面切转至站内对应线路间隔,并对全线监测机位的实时监控进行抓拍定位。通过自行搭建可视化界面进行效果展示,减少外部软件调试成本。
在一个实施例中,所述对所述监控视频数据进行亮度检测,根据检测结果选择适配的亮度补偿函数,包括:
采集监控视频数据中每个像素点的亮度数据,根据预设非线性激活函数对每个像素点的亮度数据进行处理,获取处理结果;
根据所述处理结果确定每个像素点的光束波长数据;
求解监控视频数据中像素点的光速波长数据中位值,基于所述中位值通过感测响应函数和标准视效函数对其进行加权计算确定监控视频数据的亮度补偿比例;
将监控视频数据中所有像素点划分为多个像素组,采集每个像素组在不同采样灰阶下的亮度数据;
根据每个像素组在不同采样灰阶下的亮度数据获取多个像素组在多个采样灰阶中每个采样灰阶的平均亮度值;
根据多个像素组在多个采样灰阶中每个采样灰阶的平均亮度值以及监控视频数据的亮度补偿比例获取监控视频数据在不同采样灰阶下的亮度补偿数据;
根据监控视频数据在不同采样灰阶下的亮度补偿数据以及每个像素组在不同采样灰阶下的亮度数据确定该像素组在不同采样灰阶下的亮度补偿系数;
确定每个像素组在不同采样灰阶下的亮度补偿系数与亮度补偿比例的函数关系;
根据所述函数关系确定每个像素组的函数参量递变值;
根据每个像素组的函数参量递变值之间的变化规则在预设亮度补偿函数库中选择适配的亮度补偿函数。
在本实施例中,每个像素点的亮度数据表示为每个像素点的图像映射亮度数据;
在本实施例中,预设非线性激活函数表示为隐藏亮度因子激活函数;
在本实施例中,光束波长数据表示为每个像素点的光束分布在预设频谱上的映射波长;
在本实施例中,感测响应函数表示为对于光速波长的光测感应的响应函数;
在本实施例中,标准视效函数表示为像素点的标准亮度视觉观察函数;
在本实施例中,亮度补偿比例表示为监控视频数据在当前亮度下的补偿比例;
在本实施例中,亮度补偿数据表示为监控视频数据在不同采样灰阶下的亮度补偿值数据;
在本实施例中,函数参量递变值表示为各个像素组之间相同函数参量的递变情况;
在本实施例中,预设亮度补偿函数库是通过大数据调取的方式从云端数据库中调取获得的。
上述技术方案的工作原理为:首先采集监控视频数据每个像素点的亮度数据并对其进行隐形亮度因子挖掘处理,获取处理结果,然后根据处理结果确定每个像素点的光束分布在预设频谱上的波长数据,选择波长数据中的中位值来通过预设函数进行加权计算获得监控视频数据的亮度补偿比例,然后确定计算出监控视频数据在不同采样灰阶下的亮度补偿数据进而推导出亮度补偿函数系数,确定每个像素组在不同采样灰阶下的亮度补偿系数与亮度补偿比例的函数关系进而获取函数参量递变值,根据函数参量递变值的变化规则选择适配的亮度补偿函数。
上述技术方案的有益效果为:通过确定监控视频数据的亮度补偿比例可以精准地确定补偿亮度的数据,提高了实用性,进一步地,通过划分多个像素组进而确定其在不同采样灰阶下的亮度补偿系数可以以足够多采样样本下的标下参数来确定精准的亮度补偿系数,使得评估结果更加客观和准确以及符合实际,进一步地提高了实用性,进一步地,通过根据函数参量递变值之间的变化规则选择亮度补偿函数可以使得所选的函数在后续亮度补偿过程中对监控视频数据的所有像素都可以无遗漏地进行补偿,提高了亮度补偿精度和效率。
在一个实施例中,所述根据每个人物的行为习惯以及每项参数的辨识结果计算出该人物在操作过程中的异常系数,包括:
根据每个人物的每项参数的辨识结果获取该人物对于每项参数的当前操作阈值;
获取每项参数的标准操作阈值,对比所述标准操作阈值和当前操作阈值确定每个人物对于每项参数的操作偏差度;
根据每个人物的行为习惯和该人物对于每项参数的操作偏差度计算出该人物的操作惯性权重系数:
其中,Fi表示为第i个人物的操作惯性权重系数,Pi表示为第i个人物的行为习惯的修正因子,Ni表示为提取的第i个人物的参数数量,j表示为第j个参数,Tj表示为第i个人物对于第j个参数的操作偏差度,Qi表示为第i个人物的下意识主观影响因子,Di表示为第i个人物的意识和操作参数的关联因子;
根据每个人物的操作惯性权重系数确定该人物在操作过程中随行为习惯的操作概率;
根据所述操作概率计算出每个人物在操作过程中的异常系数:
其中,Gk表示为第k个人物在操作过程中的异常系数,M表示为操作过程中对应的操作子流程数量,l表示为第l个操作子流程,Al表示为第l个操作子流程的预设行为偏置,Rk表示为第k个人物在操作过程中随行为习惯的操作概率,γk表示为第k个人物的学习因子,μk表示为第k个人物在其操作过程中随行为习惯的操作概率影响下与操作过程正常运行的匹配度。
上述技术方案的有益效果为:通过计算出每个人物的操作惯性权重系数可以清晰地确定每个人物在操作过程中随自身行为习惯所支配的操作概率,从而可以针对每个任务的行为习惯来进行操作过程的操作错误预评估,提高了实用性,进一步地,通过计算出每个人物在操作过程中的异常系数可以直观地根据每个人物在其行为习惯影响下的操作参数来准确地评估出操作错误的异常流程对应的异常系数,使得评估结果更加客观和可靠。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种增量配电网智能管控一体化平台,其特征在于:包括终端监测系统、一体化监测平台和调控中心;
所述终端监测系统,用于:
获取不少于一个的监测终端采集到的监测数据,依据数据类型对监测数据进行分类,并提取所述监测数据所携带的监测终端数据;
依据所述监测终端数据建立标签,并将所述数据类型与所述标签一一匹配,得到匹配结果;
依据所述匹配结果分割为多个区域,对每一区域对应的监测数据中提取定位数据与时间数据,打包生成子数据集,对所述子数据集建立子标签;
构建所述一体化监测平台与每个所述区域的传输链路,将所述监测数据依据所在区域的传输链路进行传输;
所述终端监测系统,包括:
防外破在线监测系统,用于:
获取所述监测终端采集到的监控视频数据,将所述监控视频数据进行图像预处理,基于大数据分析识别图像中相似节点,形成数值;
构建数据库,将所述数值输入至数据库中进行算法匹配,运用基于深度学习的FasterR-CNN图像处理算法、Yolov5图像处理算法对数据库进行处理;
并依据处理结果判断所述监控视频数据是否异常,若异常则发出预警和警报;
所述防外破在线监测系统,具体包括:
对所述监控视频数据进行亮度检测,根据检测结果选择适配的亮度补偿函数;
利用所述亮度补偿函数对所述监控视频数据进行补偿,获取补偿后的视频数据;
对所述补偿后的视频数据进行分帧处理,获取处理结果;
对所述处理结果中的每帧图像进行相似特征点提取,获取特征点提取结果;
对每帧图像的特征点提取结果进行对比,选择出在每帧图像中相似度高的目标场景特征点;
根据所述目标场景特征点匹配场景数据库,得出补偿后的视频数据中的当前场景及其场景的对应数据阈值;
提取所述监控视频数据中携带的数据数值,判断所述监控视频数据中的数据数值是否在对应的所述数据阈值内;
若是,则数据异常,存在超高目标威胁电网安全,与指令数据库匹配,发出预警信息指令;
所述防外破在线监测系统,还包括:
补偿后的视频数据中的当前场景结果进行对比,选择出在每帧图像中相似度高的目标人物特征点;
根据所述目标人物特征点匹配人物特征点数据库,获取所述人物特征点相关人物信息及人物行为样本数据;
在每个人物行为样本数据中提取出人物的行为习惯,对提取的多项参数进行辨识,获取辨识结果;
根据每个人物的行为习惯以及每项参数的辨识结果计算出该人物在操作过程中的异常系数;
确认所述异常系数是否大于预设系数,若是,存在输电线路通道机械作业、人为破坏的行为,基于所述目标人物特征点获得该人物的视频数据,同时发出声光报警,否则,确认该人物未出现破坏电缆的违规行为;
所述根据每个人物的行为习惯以及每项参数的辨识结果计算出该人物在操作过程中的异常系数,包括:
根据每个人物的每项参数的辨识结果获取该人物对于每项参数的当前操作阈值;
获取每项参数的标准操作阈值,对比所述标准操作阈值和当前操作阈值确定每个人物对于每项参数的操作偏差度;
根据每个人物的行为习惯和该人物对于每项参数的操作偏差度计算出该人物的操作惯性权重系数:
其中,Fi表示为第i个人物的操作惯性权重系数,Pi表示为第i个人物的行为习惯的修正因子,Ni表示为提取的第i个人物的参数数量,j表示为第j个参数,Tj表示为第i个人物对于第j个参数的操作偏差度,Qi表示为第i个人物的下意识主观影响因子,Di表示为第i个人物的意识和操作参数的关联因子;
根据每个人物的操作惯性权重系数确定该人物在操作过程中随行为习惯的操作概率;
根据所述操作概率计算出每个人物在操作过程中的异常系数:
其中,Gk表示为第k个人物在操作过程中的异常系数,M表示为操作过程中对应的操作子流程数量,l表示为第l个操作子流程,Al表示为第l个操作子流程的预设行为偏置,Rk表示为第k个人物在操作过程中随行为习惯的操作概率,γk表示为第k个人物的学习因子,μk表示为第k个人物在其操作过程中随行为习惯的操作概率影响下与操作过程正常运行的匹配度;
所述一体化监测平台,用于:
基于传输链路获取所述监测数据及其携带的子数据集,基于所述数据类型对监测数据及其携带的子数据集进行整合;
提取所述整合后的数据中的监控视频数据,对所述监控视频数据进行处理,获取处理结果;
将所述处理结果与指令数据库一一匹配,将匹配后的指令与所述监测数据绑定生成数据包,将所述数据包输送至所述调控中心;
所述调控中心,用于:
获取所述一体化监测平台主动上传的监测数据与异常数据,获取所述监测数据与异常数据所在的三维定位坐标,构建时间表格模型;
将所述监测数据依据时间数据输入至时间模型中,建立表格,并将所述表格与所述三维定位坐标一一对应,依据所述异常数据发出警报,并实时在远程控制终端显示。
2.如权利要求1所述的一种增量配电网智能管控一体化平台,其特征在于:所述终端监测系统,还包括:
智辅及新能源系统,用于:
获取输入系统的策略数据,确定所述策略数据的数据类型;
根据所述策略数据的数据类型在策略数据库中匹配对应的策略数据样本;
同时,将所述策略数据输入至策略数据分类模型中进行分类,获取多个子策略节点数据,依据所述子策略节点数据搭建系统关联联动模型;
建立可视化模型数据,将所述可视化模型数据推送至所述一体化监测平台;
电缆在线监测系统,用于:
获取智能巡检系统采集的电缆数据,将所述电缆数据进行缓存处理,并判断所述电缆数据是否异常;
建立与所述智能巡检系统的通讯链路,将异常电缆数据基于通讯链路传输至智能巡检系统,获取所述智能巡检系统发出的数据反馈;
智能巡检系统,用于:
获取所述监测终端采集到的电缆数据,获取所述电缆在线监测系统传输的所述异常电缆数据,获取所述异常电缆数据的定位坐标;
规划当前坐标与所述定位坐标的巡检路线,同时发出警报。
3.如权利要求2所述的一种增量配电网智能管控一体化平台,其特征在于:确定所述防外破在线监测系统构建与所述一体化监测平台的第一传输链路标识、所述智辅及新能源系统构建与所述一体化监测平台的第二传输链路标识、所述电缆在线监测系统与智能巡检系统构建与所述一体化监测平台的第三传输链路标识;
基于所述第一传输链路标识、第二传输链路标识和第三传输链路标识获取关联通信节点,并基于所述关联通信节点构建数据传输链路。
4.如权利要求3所述的一种增量配电网智能管控一体化平台,其特征在于:所述一体化监测平台,还用于:
基于所述监测数据及其携带的子数据集发出接收反馈,将基于所述监测数据及其携带的子数据集发出接收反馈的反馈数据第一至第三传输链路标识一一匹配,将基于匹配结果将所述反馈数据通过数据传输链路输送至子系统;
子系统基于反馈结果确定在所述一体化监测平台中的监测数据及其携带的子数据集的传输进度,并及与传输进度建立传输表格,对所述传输进度进行数据同步。
5.如权利要求4所述的一种增量配电网智能管控一体化平台,其特征在于:所述调控中心,还用于:
将所述监测数据与异常数据填充到图表模板中得到所述监测数据与异常数据的数据波动图表;其中,在所述数据波动图表中针对异常数据进行突出显示;
且在所述数据波动图表中,当调取任一时间的监测数据时,则针对目标监测数据进行数据信息调取,将所述监测数据时间下的关联信息单独以图表形式呈现。
6.如权利要求1所述的一种增量配电网智能管控一体化平台,其特征在于:所述对所述监控视频数据进行亮度检测,根据检测结果选择适配的亮度补偿函数,包括:
采集监控视频数据中每个像素点的亮度数据,根据预设非线性激活函数对每个像素点的亮度数据进行处理,获取处理结果;
根据所述处理结果确定每个像素点的光束波长数据;
求解监控视频数据中像素点的光速波长数据中位值,基于所述中位值通过感测响应函数和标准视效函数对其进行加权计算确定监控视频数据的亮度补偿比例;
将监控视频数据中所有像素点划分为多个像素组,采集每个像素组在不同采样灰阶下的亮度数据;
根据每个像素组在不同采样灰阶下的亮度数据获取多个像素组在多个采样灰阶中每个采样灰阶的平均亮度值;
根据多个像素组在多个采样灰阶中每个采样灰阶的平均亮度值以及监控视频数据的亮度补偿比例获取监控视频数据在不同采样灰阶下的亮度补偿数据;
根据监控视频数据在不同采样灰阶下的亮度补偿数据以及每个像素组在不同采样灰阶下的亮度数据确定该像素组在不同采样灰阶下的亮度补偿系数;
确定每个像素组在不同采样灰阶下的亮度补偿系数与亮度补偿比例的函数关系;
根据所述函数关系确定每个像素组的函数参量递变值;
根据每个像素组的函数参量递变值之间的变化规则在预设亮度补偿函数库中选择适配的亮度补偿函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211296714.2A CN115664006B (zh) | 2022-10-21 | 2022-10-21 | 一种增量配电网智能管控一体化平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211296714.2A CN115664006B (zh) | 2022-10-21 | 2022-10-21 | 一种增量配电网智能管控一体化平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115664006A CN115664006A (zh) | 2023-01-31 |
CN115664006B true CN115664006B (zh) | 2023-06-13 |
Family
ID=84989567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211296714.2A Active CN115664006B (zh) | 2022-10-21 | 2022-10-21 | 一种增量配电网智能管控一体化平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115664006B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115862829A (zh) * | 2023-02-08 | 2023-03-28 | 安徽亚创电子科技有限责任公司 | 一种基于医院体检系统的程序分流管理系统及其方法 |
CN118395735B (zh) * | 2024-06-17 | 2024-08-20 | 科芯(天津)生态农业科技有限公司 | 一种基于物联网的农作物病害监控方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174165A (zh) * | 2018-01-17 | 2018-06-15 | 重庆览辉信息技术有限公司 | 电力安全作业及运维智能监管系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140008993A1 (en) * | 2012-07-06 | 2014-01-09 | DvineWave Inc. | Methodology for pocket-forming |
CN112507789A (zh) * | 2020-11-03 | 2021-03-16 | 重庆恢恢信息技术有限公司 | 区块链网络状态下建筑工地安全行为监测工作方法 |
CN114500574A (zh) * | 2021-12-24 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 一种基于区块链的提高粮库安全的监控方法、设备及介质 |
-
2022
- 2022-10-21 CN CN202211296714.2A patent/CN115664006B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174165A (zh) * | 2018-01-17 | 2018-06-15 | 重庆览辉信息技术有限公司 | 电力安全作业及运维智能监管系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115664006A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115664006B (zh) | 一种增量配电网智能管控一体化平台 | |
CN109146093A (zh) | 一种基于学习的电力设备现场勘查方法 | |
CN110543986A (zh) | 一种输电线路外部隐患智能监控系统及其监控方法 | |
CN113962659A (zh) | 一种基于云计算的智能电网大数据信息管理系统及方法 | |
CN103914791A (zh) | 一种电力设备状态检修系统 | |
CN114124953A (zh) | 一种电力通信智慧机房运维管控系统 | |
CN114881808B (zh) | 基于大数据的电力窃电精准识别方法及防窃电系统 | |
CN109446290A (zh) | 一种智能三维虚拟可视化气象装备综合保障方法 | |
CN112665732A (zh) | 一种电厂出线设备温度预警方法 | |
CN112702395A (zh) | 一种基于边缘计算的智慧小区安全监控系统 | |
CN113099242B (zh) | 一种输电线路视频监测数据处理方法及系统 | |
CN112947172A (zh) | 一种面向园区的智慧消防远程监控系统及方法 | |
CN112463892A (zh) | 一种基于风险态势的预警方法及系统 | |
CN113569956A (zh) | 一种基于ai算法的山火灾害勘查识别方法 | |
CN114139735A (zh) | 一种动环监控平台 | |
CN115376063A (zh) | 一种基于云边协同与图像识别的智能防误方法 | |
CN116169778A (zh) | 一种基于配电网异常分析的处理方法及系统 | |
CN117977813B (zh) | 一种变电站远程智能巡视系统 | |
CN114665608A (zh) | 用于变电站的智能感知巡检系统及方法 | |
CN115376021A (zh) | 一种混凝土电杆洪涝受灾卫星图像监测方法和系统 | |
CN114092279A (zh) | 全业务泛在可视化智慧电力运维系统 | |
CN106920042A (zh) | 一种输电线路异常状态时空多维度分析方法 | |
CN116433036B (zh) | 一种基于云端劳务监管系统及其监管方法 | |
CN115481941A (zh) | 一种多功能区联合的智能化安防管理方法及系统 | |
CN111510685A (zh) | 一种基于三维模型的信息输出方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |