CN115761215A - 一种考虑物体表面粗糙度的隔离开关监测方法 - Google Patents

Abstract

本发明涉及一种考虑物体表面粗糙度的隔离开关监测方法，包括：利用激光雷达获取目标物体的点云数据；根据所述点云数据分析目标物体，得到目标物体状态；获取物体表面粗糙度；获取物体表面积；根据所述粗糙度，计算回波传输效率；根据所述回波传输效率，判断目标物体状态是否准确。本发明所构建的激光雷达隔离开关特征判别系统帮助开关监测管理人员实时查看各开关运行状态和记录的开关变化状态，实现隔离开关基于激光雷达“一键顺控”的实时监测。

Description

一种考虑物体表面粗糙度的隔离开关监测方法

技术领域

本发明属于高电压技术领域，尤其涉及一种考虑物体表面粗糙度的隔离开关监测方法。

背景技术

随着我国智能电网建设的深入，电网公司对安全运行水平和服务质量提出了更高的要求，变电站设备检修工作量大幅增加，安全形势愈发严峻；如何提升电网自动化和智能化水平，实现智能变电站设备一键顺序控制功能，提高有效劳动生产率和电网运行的供电可靠性，成为当前智能变电站技术发展中迫切需要解决的问题；智能高压隔离开关作为智能变电站重要的一次电气设备，是变电站检修工作时隔绝电压、保证其它一次设备安全的重要元件，其合闸的可靠性和智能化是智能变电站实现一键顺控、自动巡检、主动预警、智能决策等功能的关键技术之一。

公开号为CN111199219A的专利《一种隔离开关状态分布式监测方法、系统及介质》公开了以下步骤：获取目标隔离开关的隔离开关图像；通过图像分析获取隔离开关两臂之间的夹角α；将夹角α分别和合、分闸状态夹角标定值进行比较确定目标隔离开关状态。该发明能够准确监测出目标隔离开关分合闸的状态，但其所得结果的准确度未知。

发明内容

针对上述问题，本发明提供了一种考虑物体表面粗糙度的隔离开关监测方法。

本发明的一种考虑物体表面粗糙度的隔离开关监测方法，其处理流程如下：

包括有：隔离开关数据采集装置(1)、终端管理平台(2)、数据处理系统(3)、粗糙度检测装置(4)、待监测隔离开关(5)；所述激光雷达数据采集装置由激光发射装置、激光接收装置、交直电源转换器组成；所述数据处理系统与隔离开关数据采集装置及粗糙度检测装置相连，对激光接收到的点云数据及隔离开关表面粗糙度进行采集，并将其存储在相应的器件内，所述与数据处理系统同时内置的回波功率判别模块基于表面粗糙度判断回波数据是否具有可靠性，并依据判别结果后续进行监测距离调整，所述的数据处理系统将获取到的PCD数据通过图像投影、ROI提取、边缘检测、欧式聚类、直线拟合等步骤提取出高精度隔离开关合闸部位点云图像,再利用算法提取出合闸角度,实现隔离开关特性的提取；所述的终端管理平台与数据处理系统相连，将处理后的数据现实在平台上，便于开关监测管理人员实时查看各开关运行状态和记录的开关变化状态。

本发明提供一种点云图像数据处理方法，步骤如下：

使用相应算法，对多张隔离开关单帧PCD数据进行合成，增加点云数据量提升数据可靠性；

进一步地，在数据处理软件中进行点云投影，将数据导入相应软件，提高分析效率；

进一步地，利用图像目标区域裁剪算法进行两次点云切割，分别获得隔离开关整体点云数据以及导电臂点云数据，对x，y，z轴方向分别引入收缩因子S_x、S_y、S_z,改变收缩因子数值,得到最佳的点云图像ROI收紧边界的效果；

进一步地，利用边缘提取算法,对点云切割图像进行边界提取处理,得到具备明确隔离开关导电臂特征轮廓的点云图像；

进一步地，使用欧式聚类算法对切割后的隔离开关导电臂点云图像数据进行处理，减少环境背景噪点，引入聚类阈值系数k，设定其值范围在区间[0.03，0.12]内，获取隔离开关导电臂的多个欧式聚类文件，利用算法对可以显示隔离开关特征的点云文件进行调用，实现导电臂外边缘提取；

进一步地，还包括：根据目标物体状态计算误差因子，以公式表达为：

式中，θ_m为导电臂夹角计算值；θ_r为导电臂夹角实际值。

进一步地，还包括：若误差因子小于预设阈值，则认为目标物体状态准确；否则，认为目标物体状态不准确。

若回波传输效率大于预设阈值，则认为目标物体状态准确；否则，认为检测结果不准确。

本发明采用一种基于算法的点云数据格式转换方法，其原理在于，利用SDK的C++程序将隔离开关格式为.lvx的点云原始数据转换成.pcd格式数据的点云数据。

本发明提供一种根据隔离开关表面粗糙度判别系统回波强度是否满足要求的方法，所述方法步骤如下：

由表面粗糙度检测模块获取隔离开关特征导电臂表面的粗糙度具备粗糙度Ra。

进一步地，所述计算激光雷达的回波传输效率，以公式表达为：

式中，K_ra为粗糙度影响权重比，取1.326；Ra为监测物体表面粗糙度；β_n为性能最优时目标偏移角度；β为目标实际偏移角度；S_L为激光雷达光斑面积；S_n为监测目标面积；

为该雷达的监测调整因子，取2.251；W_n为监测物体有效宽度分量；L₁、L₂分别为监测有效范围的上限与下限；

进一步地，所述判断目标物体状态是否准确，包括以下步骤：

若回波传输效率大于预设阈值，则认为目标物体状态准确；否则，认为检测结果不准确。

本发明的有益技术效果为：

1：本发明采用激光雷达对隔离开关进行监测与特征提取，激光雷达不受光照的影响、具有极高的分辨率、抗干扰能力强、获取的信息量丰富、精度可达厘米级，非常适应于对隔离开关进行高精度特征提取，解决了传统监测系统所存在的一些弊端。

2：本发明所利用的根据物体表面粗糙度判别回波强度方法，可以有效判别出工况是否符合目前的监测参数，并根据判别结果对监测参数进行调整，有效减少了由于监测系统与工况不匹配所出现的判别精度不满足要求的情况。

附图说明

下面将结合附图对本发明作出进一步说明，附图中：

图1是本发明流程图；

图2是实施例一所述监测系统示意图。

具体实施方式

下面结合附图及实施方法对本发明进行更详细的描述。

如图2所示，一种考虑物体表面粗糙度的隔离开关监测系统，包括有：隔离开关数据采集装置(1)、终端管理平台(2)、数据处理系统(3)、粗糙度检测装置(4)、待监测隔离开关(5)；所述激光雷达数据采集装置由激光发射装置、激光接收装置、交直电源转换器组成；所述数据处理系统与隔离开关数据采集装置及粗糙度检测装置相连，对激光接收到的点云数据及隔离开关表面粗糙度进行采集，并将其存储在相应的器件内，所述与数据处理系统同时内置的回波功率判别模块基于表面粗糙度判断回波数据是否具有可靠性，并依据判别结果后续进行监测距离调整，所述的数据处理系统将获取到的PCD数据通过图像投影、ROI提取、边缘检测、欧式聚类、直线拟合等步骤提取出高精度隔离开关合闸部位点云图像,再利用算法提取出合闸角度,实现隔离开关特性的提取；所述的终端管理平台与数据处理系统相连，将处理后的数据现实在平台上，便于开关监测管理人员实时查看各开关运行状态和记录的开关变化状态。

本发明所采用的监测设备，为固态激光雷达，安装于监测目标附近可以监测到目标隔离开关的地面上,安置方向向上监测隔离开关，用于获取隔离开关的原始点云数据。

本发明的一种点云图像数据处理方法，步骤如下：

使用相应算法，对多张隔离开关单帧PCD数据进行合成，增加点云数据量提升数据可靠性；

进一步地，在数据处理软件中进行点云投影，将数据导入相应软件，提高分析效率；

进一步地，利用图像目标区域裁剪算法进行两次点云切割，分别获得隔离开关整体点云数据以及导电臂点云数据，对x，y，z轴方向分别引入收缩因子S_x、S_y、S_z,改变收缩因子数值,得到最佳的点云图像ROI收紧边界的效果；

进一步地，利用边缘提取算法,对点云切割图像进行边界提取处理,得到具备明确隔离开关导电臂特征轮廓的点云图像；

进一步地，使用欧式聚类算法对切割后的隔离开关导电臂点云图像数据进行处理，减少环境背景噪点，引入聚类阈值系数k，设定其值范围在区间[0.03，0.12]内，获取隔离开关导电臂的多个欧式聚类文件，利用算法对可以显示隔离开关特征的点云文件进行调用，实现导电臂外边缘提取；

进一步地，还包括：根据目标物体状态计算误差因子，以公式表达为：

式中，θ_m为导电臂夹角计算值；θ_r为导电臂夹角实际值。

进一步地，还包括：若误差因子小于预设阈值，则认为目标物体状态准确；否则，认为目标物体状态不准确。

若回波传输效率大于预设阈值，则认为目标物体状态准确；否则，认为检测结果不准确。

本发明采用一种基于算法的点云数据格式转换方法，其原理在于，利用SDK的C++程序将隔离开关格式为.lvx的点云原始数据转换成.pcd格式数据的点云数据。

本发明提供一种根据隔离开关表面粗糙度判别系统回波强度是否满足要求的方法，所述方法步骤如下：

由表面粗糙度检测模块获取隔离开关特征导电臂表面的粗糙度具备粗糙度Ra。

进一步地，所述计算激光雷达的回波传输效率，以公式表达为：

式中，K_ra为粗糙度影响权重比，取1.326；Ra为监测物体表面粗糙度；β_n为性能最优时目标偏移角度；β为目标实际偏移角度；S_L为激光雷达光斑面积；S_n为监测目标面积；

为该雷达的监测调整因子，取2.251；W_n为监测物体有效宽度分量；L₁、L₂分别为监测有效范围的上限与下限；

进一步地，所述判断目标物体状态是否准确，包括以下步骤：

若η≥0.85时，认为目标物体状态准确；当η＜0.85时，认为检测结果不准确。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种考虑物体表面粗糙度的隔离开关监测方法，其特征在于，包括有：隔离开关数据采集装置(1)、终端管理平台(2)、数据处理系统(3)、粗糙度检测装置(4)、待监测隔离开关(5)；所述激光雷达数据采集装置由激光发射装置、激光接收装置、交直电源转换器组成；所述数据处理系统与隔离开关数据采集装置及粗糙度检测装置相连，对激光接收到的点云数据及隔离开关表面粗糙度进行采集，并将其存储在相应的器件内，所述与数据处理系统同时内置的回波功率判别模块基于表面粗糙度判断回波数据是否具有可靠性，并依据判别结果后续进行监测距离调整，所述的数据处理系统将获取到的PCD数据通过图像投影、ROI提取、边缘检测、欧式聚类、直线拟合等步骤提取出高精度隔离开关合闸部位点云图像,再利用算法提取出合闸角度,实现隔离开关特性的提取；所述的终端管理平台与数据处理系统相连，将处理后的数据现实在平台上，便于开关监测管理人员实时查看各开关运行状态和记录的开关变化状态。

2.根据权利要求1所述的一种考虑物体表面粗糙度的隔离开关监测方法，其特征在于，所述监测设备采用固态激光雷达，安装于监测目标附近可以监测到目标隔离开关的地面上,安置方向向上监测隔离开关，用于获取隔离开关的原始点云数据。

3.根据权利要求1所述的一种考虑物体表面粗糙度的隔离开关监测方法，其特征在于，具备能够利用基于SDK(软件开发工具包)的C++程序将隔离开关格式为.lvx的点云原始数据转换成.pcd格式数据的点云数据处理系统。

4.根据权利要求1所述的一种考虑物体表面粗糙度的隔离开关监测方法，其特征在于，具备能够提取隔离开关点云用于判断合闸精度的数据处理子系统，包含以下步骤:

S1：使用相应算法，对多张隔离开关单帧PCD数据进行合成，增加点云数据量提升数据可靠性；

S2:在数据处理软件中进行点云投影，将数据导入相应软件，提高分析效率；

S3：利用图像目标区域裁剪算法进行两次点云切割，分别获得隔离开关整体点云数据以及导电臂点云数据，对x，y，z轴方向分别引入收缩因子S_x、S_y、S_z,改变收缩因子数值,得到最佳的点云图像ROI收紧边界的效果；

S4:利用边缘提取算法,对点云切割图像进行边界提取处理,得到具备明确隔离开关导电臂特征轮廓的点云图像；

S5:使用欧式聚类算法对切割后的隔离开关导电臂点云图像数据进行处理，减少环境背景噪点，引入聚类阈值系数k，设定其值范围在区间[0.03，0.12]内，获取隔离开关导电臂的多个欧式聚类文件，利用算法对可以显示隔离开关特征的点云文件进行调用，实现导电臂外边缘提取；

S6：利用直线拟合算法，对隔离开关导电臂开合角度进行拟合计算，引入误差因子α，计算公式为：

式中，θ_m为激光雷达数据拟合角度；θ_r为隔离开关导电臂实际夹角；

根据实际工况要求，当α＜0.5％时，表示所述方法具备可靠性；经测试该测量方法在多种工况中可实现α＜0.2％。

5.根据权利要求1所述的一种考虑物体表面粗糙度的隔离开关监测方法，其特征在于，具备粗糙度检测模块及相应数据处理模块，根据物体表面粗糙度及物体表面有效识别面积判别系统回波效率是否达到要求，系数η定量表征了激光雷达监测系统的回波传输效率：

式中，K_ra为粗糙度影响权重比，取1.326；Ra为监测物体表面粗糙度；β_n为性能最优时目标偏移角度；β为目标实际偏移角度；S_L为激光雷达光斑面积；S_n为监测目标面积；

为该雷达的监测调整因子，取2.251；W_n为监测物体有效宽度分量；L₁、L₂分别为监测有效范围的上限与下限；

由上述公式计算所得激光雷达数据传输效率η可用于判别监测不同表面积及粗糙度物体时激光雷达监测系统的监测性能，回波传输效率大于预设阈值，则认为目标物体状态准确；否则，认为检测结果不准确。

Images