CN115880631A - 一种配电站故障识别系统、方法、介质 - Google Patents

Abstract

本发明涉及一种配电站故障识别系统、方法、介质，所述方法包括如下步骤：S1，获取配电站的实时图像，获取视觉内容变化指标，根据视觉内容变化指标以及预设的阈值，通过预设的初步计算模型判断是否发生异常，若否，重复执行本，若是，执行S2；S2，针对实时图像，根据与当前状态机匹配的分割规则以及规则的优先级获取对应的监测内容列表，根据监测内容列表判断是否发生异常，若否，执行S3，若是，执行S4；S3，判断是否满足离开当前状态机的条件，若是，匹配新的状态机并更新监测内容列表；将实时图像以及对应的异常信息上传到云端进行进一步的确认，完成故障识别。与现有技术相比，本发明减少计算设备的负担以及网络数据的传输量。

Description

一种配电站故障识别系统、方法、介质

技术领域

本发明涉及物联网技术领域，尤其是涉及一种配电站故障识别系统、方法、介质。

背景技术

通过人工智能平台管理各地配电站的视觉识别是一件非常困难的事情，一个是配电站特别多，仅上海市的配电房就有一万多个，每个配电房一般有几个摄像头，这样摄像头的数据就有几万份，这些数据仅是传输就对带宽提出了很高的要求，加上每个摄像头都要识别水灾、火灾、闯入、安全操作规范等等。计算的负担特别重，网络延迟也很明显，显然对于及时处理配电站故障带来很大的困难和障碍。

随着电网规模快速增长和业务创新发展需求，在智能化方面，特别需求日趋增多，在人工智能应用方面，其中视觉人工智能算法需求最为广泛，从营销智慧营业厅的客户识别、安监现场作业风险监控、企业资质审核和入场人员校核，再从输、配、变领域的巡视从设备外观到仪表读数识别、行为分析，对视觉识别都有大量的具体应用场景需求。

电网中配电房数量多，根据摄像头所处位置不同其所负责识别的模型算法也有不同，包括有水浸、火灾、人员非法闯入、小动物进入、人员身份识别、标志标识识别、仪表识别、设备红外热成像温度识别等。将视频传输对带宽占用高，大数据量的传输和集中识别增加平台中心的传输和计算压力，建设成本急剧增加，且将配电房视频集中到平台中心进行分析不能满足应用的低延时要求，也难以与边缘其他系统形成有效协同，因此有必要探索根据就地分析结果确定可视化数据上传的阈值，即降低对平台的要求又满足业务安全应用需求，结合配电房边缘识别装置，研究验证云边协同的视觉分析应用模式方法，以解决算力负担大、对硬件依赖大、网络数据传输量过大的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种配电站故障识别系统、方法、介质，能够减少计算设备的负担，减少了网络数据的传输量，解决或部分解决了在网络较差的配电站中与云端算力融合困难的问题。

本发明的目的可以通过以下技术方案来实现：

本发明的一个方面，提供了一种配电站故障识别系统，包括：

图像捕获模块，用于获取配电站的实时图像；

分布计算模块，预置有多个状态机，用于根据所述的实时图像，获取视觉内容变化指标，根据所述视觉内容变化指标以及预设的阈值，通过预设的初步计算模型判断是否发生异常，若是，将所述实时图像作为异常图像，根据与当前状态机匹配的分割规则以及规则的优先级获取对应的监测内容列表，根据所述监测内容列表进一步判断是否发生异常，若否，判断是否满足预设的离开当前状态机的条件，若是，匹配新的状态机并更新所述监测内容列表，若是，将所述异常图像以及对应的异常信息上传到云平台模块；

云平台模块，用于针对所述异常图像以及对应的异常信息进行进一步的确认，完成故障识别。

作为优选的技术方案，还包括：

物联管理平台模块，用于根据预设的更新规则从所述云平台模块获取并更新所述初步计算模型。

作为优选的技术方案，若获取的实时图像为所述图像捕获模块启动后第一次获取的图像，将所述实时图像作为异常图像发送给所述云平台模块。

作为优选的技术方案，所述的分割规则包括时间分割规则和/或空间分割规则和/或事件分割规则和/或状态分割规则，其中，所述的时间分割规则包括：

获取时间信息，判断是否为工作时间，若是，则所述监测内容列表包括安全帽监测和/或着装规范监测，若否，则所述监测内容列表包括人员身份监测和/或人员闯入与破坏行为监测。

作为优选的技术方案，所述的时间分割规则包括：

监测外部传感器的信号，若接收到水浸传感器触发信号，则所述监测内容列表包括是否发生水浸监测和/或水浸高度监测，若接收到外部消防系统的火灾报警信号，则所述监测内容列表包括烟火监测。

作为优选的技术方案，所述的空间分割逻辑包括：

获取与当前图像捕获模块匹配的规则使能信息，根据所述规则使能信息启用或禁用对应的规则，所述规则使能信息根据所述图像捕获模块安装在所述配电站内的位置确定。

作为优选的技术方案，所述的状态分割逻辑包括：

判断所述实时图像内是否有人员，若是，进入巡检检测状态，若否，进入无人巡检状态。

作为优选的技术方案，所述的阈值规则根据所述图像捕获模块所在的环境确定。

本发明的另一个方面，提供了一种配电站故障识别方法，包括如下步骤：

步骤S1，获取配电站的实时图像，获取视觉内容变化指标，根据所述视觉内容变化指标以及预设的阈值，通过预设的初步计算模型判断是否发生异常，若否，重复执行本步骤，若是，执行步骤S2；

步骤S2，针对所述实时图像，根据与当前状态机匹配的分割规则以及规则的优先级获取对应的监测内容列表，根据所述监测内容列表判断是否发生异常，若否，执行步骤S3，若是，执行步骤S4；

步骤S3，判断是否满足离开当前状态机的条件，若是，匹配新的状态机并更新所述监测内容列表，执行步骤S1，若否，执行步骤S1；

步骤S4，将所述实时图像以及对应的异常信息上传到云端进行进一步的确认，完成故障识别。

本发明的另一个方面，提供了一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行上述配电站故障识别方法的指令。

与现有技术相比，本发明具有以下优点：

(1)本发明提供了采取有限状态机用于配电站的视觉识别优化的方法，通过在分布计算模块设置一个合适的阈值，针对获取的实时图像，通过初步计算模型初步判断是否存在异常，针对存在异常的图像，通过在云平台模块设置分割规则以及规则的优先级，对要识别的内容进行合理的分配，初步判断这一步骤的设置减少云端算力的负担，也减少了网络数据的传输，从而解决或部分解决了在网络较差的配电站中与云端算力融合困难的问题。

(2)采取边缘计算，实现雾计算和云计算的有机结合，减少了配电站智能监控对人工智能平台的负载以及网络压力，通过本地计算的精简和合理调度节省了本地部署的成本。

附图说明

图1为实施例1中配电站故障识别方法的示意图；

图2为实施例1中本地雾计算平台智能识别流程示意图。

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，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例1

如图2所述，本实施例提供了一种配电站故障识别系统，包括：

图像捕获模块，用于获取配电站的实时图像；

分布计算模块，预置有多个状态机，用于根据实时图像，获取视觉内容变化指标，根据视觉内容变化指标以及预设的阈值，通过预设的初步计算模型判断是否发生异常，若是，将实时图像作为异常图像，根据与当前状态机匹配的分割规则以及规则的优先级获取对应的监测内容列表，根据监测内容列表进一步判断是否发生异常，若否，判断是否满足预设的离开当前状态机的条件，若是，匹配新的状态机并更新监测内容列表，若是，将异常图像以及对应的异常信息上传到云平台模块；

云平台模块，用于针对异常图像以及对应的异常信息进行进一步的确认，完成故障识别。

物联管理平台模块，用于根据预设的更新规则从云平台模块获取并更新初步计算模型。

如图1所述，本实施例提供了一种应用于配电站故障识别系统的识别方法，包括如下步骤：

步骤S1，分布计算模块通过图像捕获模块获取配电站的实时图像，获取视觉内容变化指标，根据视觉内容变化指标以及预设的阈值，通过预设的初步计算模型判断是否发生异常，若否，重复执行本步骤，若是，执行步骤S2；

步骤S2，针对实时图像，根据与当前状态机匹配的分割规则以及规则的优先级获取对应的监测内容列表，根据监测内容列表判断是否发生异常，若否，执行步骤S3，若是，执行步骤S4；

步骤S3，判断是否满足离开当前状态机的条件，若是，匹配新的状态机并更新监测内容列表，执行步骤S1，若否，执行步骤S1；

步骤S4，将实时图像以及对应的异常信息上传到云端进行进一步的确认，完成故障识别。

以上步骤可以概括为：

第一步，对于网络不好的配电站或者部分配电站出于分担人工智能平台的云算力的考虑，在本地建立边端计算的GPU算力，在配电站本地进行初步的计算，该计算可以是降低图像质量的粗略计算，也可以是简化AI模型的计算，仅对视觉内容变化或者按照阈值规则计算发现异常的数据上传给云算力做更高精度的确认；

第二步，通过人工智能平台将模型推送至现有的物联网管理平台，由物联管理平台下发轻量级的智能计算模型给本地算力，从而能保持本地算力的版本跟云算力配套并及时更新，提升边缘智能计算能力，实时快速响应需求；

第三步，根据各配电站的实际情况，建立视觉变化的阈值，只有视觉的改变达到一定的阈值才进行视觉识别和分析，但是在开机的第一次画面必须进行识别，以免漏掉关键细节。

第四步，根据各配电站的实际情况，建立有限状态机，在某种状态下仅进行本状态的视觉识别内容，而无需计算其他状态才需要的识别内容。

第五步，对达到阈值的画面进行识别，并且进入相应的状态机，只对当前状态下的检测项目进行检测，对于有异常的数据上传到云端进行高精度复检。

阈值的建立要根据配电站的具体情况建立，可以采取试验的方式获得相应的阈值。

以某配电站具备五个摄像头为例，该配电站由于网络不太好或者出于减少对云算力平台压力的考量，采取边缘计算的方法在本地部署算力实现雾计算，与云端算力融合，本地算力的人工智能工作站采取GPU加速运算，五个摄像头的数据汇集到本地算力。

阈值分割逻辑：

配电站的画面在正常情况下是变化不大的，只有在变化量达到一定阈值才进行分析。当人员进入和离开时，主要以检测画面运动的物体为主，只有在运动的物体的情况下才检测是否是人类，以及更详细的检测内容，比如安全帽，其次才是人脸识别等。

时间分割逻辑：

从工单系统获取本站巡检时间，自动添加到本站智能识别任务调度列表中，通过部署于通道的摄像头进行人员的安全帽、着装规范进行识别，按业务时间需求和算力负荷情况动态进行本地识别和中心识别相结合，将人员身份识别、人员闯入与破坏行为识别上送到中心进行识别，识别阈值动态计算；

事件分割逻辑：

如果水浸传感器被触发，则调用摄像头对其位置进行图像识别，并通过视觉计算确认是否存在水浸情况发生，同时根据识别结果，选择将高清图像或视频上传到中心进行水位高度的识别，由中心将识别的结果产生返回给边缘计算平台，并产生告警和业务协同；

根据边缘计算平台的算力情况，定期对环境进行烟火识别，如识别到疑似结果，则根据情况将高清图像或视频上送到中心进行识别，该阈值根据经验或试验进行确定；

空间分割逻辑：

水灾可能性最大的区域被摄像头A覆盖，该摄像头的水灾检测必须考虑，摄像头B监控区域不会首先出现水灾，可以不必检测水灾。摄像头A检测区域为巡检人员出入的通道区域，必须考虑检测人员闯入，摄像头C检测区域为开关柜顶部，则不需要进行人员的图像识别。

状态分割逻辑：

(1)巡检检测状态：当检测到人员进入的时候进入该状态。该状态下，对人员的安全操作规范进行检测，主要检测安全帽是否戴好。安全帽没有戴好时进行识别，是否是合法的工作人员，如果检测怀疑有问题，上传到人工智能平台，如果安全帽戴好，检测是否穿工作服。当检测人员离开时离开该状态，并进入无人检测状态。

(2)无人巡检状态：当检测到人员离开时进入该状态。该状态下，按照顺序优先级进行如下检测：如果检测到小动物，上传到人工智能平台；如果温度传感器/光照度传感器/烟雾传感器的信号幅值到达一定程度，该例采取红外测温，对柜表面温度、配变的温度进行检测，温度过高时需要识别火灾；如果湿度传感器/声音传感器的信号幅值到达一定程度，需要识别水灾；对设备标识完整性及设备外部形态现状进行识别。当人员进入后离开该状态，并进入巡检检测状态。

本例供参考。具体状态、时间和空间的分割要根据配电站的实际情况确定，实现有针对性的精简。

实施例2

本实施例提供了一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，一个或多个程序包括用于执行如实施例1所述应用于配电站故障识别系统的识别方法的指令。

以上所述，仅为本发明的具体实施方式，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揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种配电站故障识别系统，其特征在于，包括：

图像捕获模块，用于获取配电站的实时图像；

分布计算模块，预置有多个状态机，用于根据所述的实时图像，获取视觉内容变化指标，根据所述视觉内容变化指标以及预设的阈值，通过预设的初步计算模型判断是否发生异常，若是，将所述实时图像作为异常图像，根据与当前状态机匹配的分割规则以及规则的优先级获取对应的监测内容列表，根据所述监测内容列表进一步判断是否发生异常，若否，判断是否满足预设的离开当前状态机的条件，若是，匹配新的状态机并更新所述监测内容列表，若是，将所述异常图像以及对应的异常信息上传到云平台模块；

云平台模块，用于针对所述异常图像以及对应的异常信息进行进一步的确认，完成故障识别。

2.根据权利要求1所述的一种配电站故障识别系统，其特征在于，还包括：

物联管理平台模块，用于根据预设的更新规则从所述云平台模块获取并更新所述初步计算模型。

3.根据权利要求1所述的一种配电站故障识别系统，其特征在于，若获取的实时图像为所述图像捕获模块启动后第一次获取的图像，将所述实时图像作为异常图像发送给所述云平台模块。

4.根据权利要求1所述的一种配电站故障识别系统，其特征在于，所述的分割规则包括时间分割规则和/或空间分割规则和/或事件分割规则和/或状态分割规则，其中，所述的时间分割规则包括：

获取时间信息，判断是否为工作时间，若是，则所述监测内容列表包括安全帽监测和/或着装规范监测，若否，则所述监测内容列表包括人员身份监测和/或人员闯入与破坏行为监测。

5.根据权利要求4所述的一种配电站故障识别系统，其特征在于，所述的时间分割规则包括：

监测外部传感器的信号，若接收到水浸传感器触发信号，则所述监测内容列表包括是否发生水浸监测和/或水浸高度监测，若接收到外部消防系统的火灾报警信号，则所述监测内容列表包括烟火监测。

6.根据权利要求4所述的一种配电站故障识别系统，其特征在于，所述的空间分割逻辑包括：

获取与当前图像捕获模块匹配的规则使能信息，根据所述规则使能信息启用或禁用对应的规则，所述规则使能信息根据所述图像捕获模块安装在所述配电站内的位置确定。

7.根据权利要求4所述的一种配电站故障识别系统，其特征在于，所述的状态分割逻辑包括：

判断所述实时图像内是否有人员，若是，进入巡检检测状态，若否，进入无人巡检状态。

8.根据权利要求1所述的一种配电站故障识别系统，其特征在于，所述的阈值根据所述图像捕获模块所在的环境确定。

9.一种配电站故障识别方法，其特征在于，包括如下步骤：

步骤S1，获取配电站的实时图像，获取视觉内容变化指标，根据所述视觉内容变化指标以及预设的阈值，通过预设的初步计算模型判断是否发生异常，若否，重复执行本步骤，若是，执行步骤S2；

步骤S2，针对所述实时图像，根据与当前状态机匹配的分割规则以及规则的优先级获取对应的监测内容列表，根据所述监测内容列表判断是否发生异常，若否，执行步骤S3，若是，执行步骤S4；

步骤S3，判断是否满足离开当前状态机的条件，若是，匹配新的状态机并更新所述监测内容列表，执行步骤S1，若否，执行步骤S1；

步骤S4，将所述实时图像以及对应的异常信息上传到云端进行进一步的确认，完成故障识别。

10.一种计算机可读存储介质，其特征在于，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求9所述配电站故障识别方法的指令。

Images