CN116308302A - 一种基于数字孪生的绝缘隐患超前预警方法及系统 - Google Patents
一种基于数字孪生的绝缘隐患超前预警方法及系统 Download PDFInfo
- Publication number
- CN116308302A CN116308302A CN202310569328.4A CN202310569328A CN116308302A CN 116308302 A CN116308302 A CN 116308302A CN 202310569328 A CN202310569328 A CN 202310569328A CN 116308302 A CN116308302 A CN 116308302A
- Authority
- CN
- China
- Prior art keywords
- urban
- monitoring
- information
- data information
- cable
- 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.)
- Granted
Links
- 238000009413 insulation Methods 0.000 title claims abstract description 159
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 248
- 230000002159 abnormal effect Effects 0.000 claims abstract description 133
- 238000010438 heat treatment Methods 0.000 claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims description 57
- 230000008859 change Effects 0.000 claims description 35
- 238000012423 maintenance Methods 0.000 claims description 25
- 230000000630 rising effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000008439 repair process Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 2
- 230000032683 aging Effects 0.000 description 15
- 230000005611 electricity Effects 0.000 description 8
- 238000005286 illumination Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229920001973 fluoroelastomer Polymers 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 229920002379 silicone rubber Polymers 0.000 description 1
- 239000004945 silicone rubber Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/40—Maintenance of things
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Animal Behavior & Ethology (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Environmental & Geological Engineering (AREA)
Abstract
本发明涉及一种基于数字孪生的绝缘隐患超前预警方法及系统,属于电力监测技术领域,本发明根据无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点,最好通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略。本发明充分考虑了各种季节性以及相应的天气状况之下的城市电缆绝缘层的升温情况,从而根据城市电缆绝缘层的升温情况来筛选出异常的监测点,有效地提高了对城市电缆的异常识别的准确性。另一方面,通过根据实际的场景情况来设置无线传感器监测网络,使得对于城市电缆的异常情况的监测更加合理。
Description
技术领域
本发明涉及领域,尤其涉及一种基于数字孪生的绝缘隐患超前预警方法及系统。
背景技术
供电系统是产生电能并负责供应以及运输电力的系统,其主要由电源系统以及输配电系统所组成,该系统供电应用范围较为广泛,当前主要应用于电缆、矿山、城市供电、电力牵引、电力动力电缆,铁路信号,电力控制电缆,阻抗、谐波、星形连接以及飞机电气系统等方面。而电缆作为系统运行之中的重要组成构件,起到了稳定供电可靠性的作用,但大多的敷设环境较为复杂,易受到外界因素影响,导致绝缘性能不佳,引发安全问题发生。在实行在线监测技术时,其电缆绝缘性能的劣化程度是影响故障判断结果的关键。在多数情况之下,电缆绝缘劣化现象的产生都不是在短时间之内形成的,其会伴随着周围作业环境的长期影响,加之不同的劣化周期,最终形成故障。具体表现为绝缘电阻能力下降,以及等效分布电熔增加等。而在监测过程当中如何获取变化量并形成有效的预警机制,则成为在线监测技术实施的重点。现在传统对电缆火灾预防是通过红外或者感温探头传感器,然而现有技术中,电缆容易受到光照的影响以及环境温度的影响,如在夏天的晴天中,由于外界环境的温度也是很高以及光照强度的影响,电缆的绝缘层就会产生吸热现象以及环境温度高导致热散失能量很弱,电缆的温度也意味着很高的,但并不意味着城市电缆的绝缘隐患,现有技术中并未考虑到该类情形的出现,导致了电缆绝缘隐患的误判,从而使得电缆的绝缘隐患的监测精度低。
发明内容
本发明克服了现有技术的不足,提供了一种基于数字孪生的绝缘隐患超前预警方法及系统。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于数字孪生的绝缘隐患超前预警方法,包括以下步骤:
获取目标区域中城市电缆的规划图纸数据信息,并根据城市电缆的规划图纸数据信息构建初始数字孪生模型,基于初始数字孪生模型构建无线传感器监测网络;
获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型;
根据无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点;
通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略。
进一步地,本发明的一个较佳实施例中,获取目标区域中城市电缆的规划图纸数据信息,并根据城市电缆的规划图纸数据信息构建初始数字孪生模型,具体包括:
获取目标区域中城市电缆的规划图纸数据信息,根据目标区域中城市电缆的规划图纸数据信息构建城市电缆的规划图纸三维模型,并获取目标区域的地理位置信息;
根据目标区域的地理位置信息构建检索信息,并基于检索信息通过地图软件进行检索,通过检索后,获取目标区域的AR场景信息;
通过遥感技术获取目标区域中城市电缆与实际环境中的位置关系,并根据目标区域中城市电缆与实际环境中的位置关系生成相应的映射关系;
根据相应的映射关系将城市电缆的规划图纸三维模型以及目标区域的AR场景信息进行模型拟合,获取初始数字孪生模型。
进一步地,本发明的一个较佳实施例中,基于初始数字孪生模型构建无线传感器监测网络,具体包括以下步骤:
基于卷积神经网络构建场景识别模型,并通过大数据获取大量的场景模型信息,并将大量的场景模型信息输入到特征金字塔中进行降维处理,将降维处理后的场景模型信息输入到场景识别模型中进行训练;
通过训练,获取训练完成的场景识别模型,并根据场景识别模型对初始数字孪生模型中的场景信息进行识别,获取初始数字孪生模型中的场景分布数据信息;
根据初始数字孪生模型中的场景分布数据信息进行场景分类,获取高风险区域的场景数据信息以及低风险区域的场景数据信息;
当初始数字孪生模型中的场景分布数据信息为高风险区域的场景数据信息时,对高风险区域的场景数据信息进行无线传感器均匀式布置的,当初始数字孪生模型中的场景分布数据信息为低风险区域的场景数据信息时,对低风险区域的场景数据信息进行无线传感器离散式布置。
进一步地,本发明的一个较佳实施例中,获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型,具体包括:
通过大数据获取各环境数据之下的城市电缆绝缘层升温特性数据信息,并根据各环境数据之下的城市电缆绝缘层升温特性数据信息构建知识图谱;
获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据以及知识图谱对目标区域中的城市电缆升温绝缘层特性数据信息进行预估;
通过预估后,获取每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息;
根据每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息构建城市电缆绝缘层特性数字孪生模型,并按照预设方式进行显示。
进一步地,本发明的一个较佳实施例中,根据无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点,具体包括以下步骤:
通过对无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型进行动态拟合,获取城市电网监测数字孪生模型,并通过城市电网监测数字孪生模型获取目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息;
根据目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息构建城市电缆绝缘层升温偏好曲线图,并定期更新城市电缆绝缘层升温偏好曲线图,获取当前目标区域所处的季节以及天气状况信息;
根据当前目标区域所处的季节以及天气状况信息以及城市电缆绝缘层升温偏好曲线图获取当前目标区域所处的季节以及天气状况信息之下的城市电缆绝缘层升温偏好信息;
通过城市电网监测数字孪生模型获取目标区域中各监测节点的城市电缆绝缘层温度信息,当目标区域中各监测点的城市电缆绝缘层温度信息与城市电缆绝缘层升温偏好信息之间的差值不在预设阈值范围之内时,将该监测点作为异常的监测点。
进一步地,本发明的一个较佳实施例中,通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略,具体包括:
获取异常的监测点的温度变化情况,当异常的监测点的温度变化情况为预设时间之内无温度变化时,则将该异常的监测点作为监测设备故障的监测点;
获取监测设备故障的监测点的地理位置信息,并根据监测设备故障的监测点的地理位置信息生成相应的监测设备故障预警信号,根据监测设备故障预警信号生成相应的维修策略;
当异常的监测点的温度变化情况不为预设时间之内无温度变化时,则将异常的监测点所在地理位置的电缆作为具有绝缘隐患的电缆;
根据异常的监测点所在地理位置生成相应的电缆抢修预警信号,并基于相应的电缆抢修预警信号生成相应的维修策略。
本发明第二方面提供了一种基于数字孪生的绝缘隐患超前预警系统,系统包括存储器以及处理器,存储器中包含基于数字孪生的绝缘隐患超前预警方法程序,基于数字孪生的绝缘隐患超前预警方法程序被处理器执行时,实现如下步骤:
获取目标区域中城市电缆的规划图纸数据信息,并根据城市电缆的规划图纸数据信息构建初始数字孪生模型,基于初始数字孪生模型构建无线传感器监测网络;
获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型;
根据无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点;
通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略。
在本实施例中,获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型,具体包括:
通过大数据获取各环境数据之下的城市电缆绝缘层升温特性数据信息,并根据各环境数据之下的城市电缆绝缘层升温特性数据信息构建知识图谱;
获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据以及知识图谱对目标区域中的城市电缆升温绝缘层特性数据信息进行预估;
通过预估后,获取每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息;
根据每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息构建城市电缆绝缘层特性数字孪生模型,并按照预设方式进行显示。
在本实施例中,根据无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点,具体包括以下步骤:
通过对无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型进行动态拟合,获取城市电网监测数字孪生模型,并通过城市电网监测数字孪生模型获取目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息;
根据目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息构建城市电缆绝缘层升温偏好曲线图,并定期更新城市电缆绝缘层升温偏好曲线图,获取当前目标区域所处的季节以及天气状况信息;
根据当前目标区域所处的季节以及天气状况信息以及城市电缆绝缘层升温偏好曲线图获取当前目标区域所处的季节以及天气状况信息之下的城市电缆绝缘层升温偏好信息;
通过城市电网监测数字孪生模型获取目标区域中各监测节点的城市电缆绝缘层温度信息,当目标区域中各监测点的城市电缆绝缘层温度信息与城市电缆绝缘层升温偏好信息之间的差值不在预设阈值范围之内时,将该监测点作为异常的监测点。
在本实施例中,通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略,具体包括:
获取异常的监测点的温度变化情况,当异常的监测点的温度变化情况为预设时间之内无温度变化时,则将该异常的监测点作为监测设备故障的监测点;
获取监测设备故障的监测点的地理位置信息,并根据监测设备故障的监测点的地理位置信息生成相应的监测设备故障预警信号,根据监测设备故障预警信号生成相应的维修策略;
当异常的监测点的温度变化情况不为预设时间之内无温度变化时,则将异常的监测点所在地理位置的电缆作为具有绝缘隐患的电缆;
根据异常的监测点所在地理位置生成相应的电缆抢修预警信号,并基于相应的电缆抢修预警信号生成相应的维修策略。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过获取目标区域中城市电缆的规划图纸数据信息,并根据城市电缆的规划图纸数据信息构建初始数字孪生模型,基于初始数字孪生模型构建无线传感器监测网络,进一步获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型,进而根据低功耗无线多功能传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点,最好通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略。本发明充分考虑了各种季节性以及相应的天气状况之下的城市电缆绝缘层的升温情况,从而根据城市电缆绝缘层的升温情况来筛选出异常的监测点,有效地提高了对城市电缆的异常识别的准确性,实现电缆绝缘隐患的超前预警。另一方面,通过根据实际的场景情况来设置无线传感器监测网络,使得对于城市电缆的异常情况的监测更加合理。
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实施例的附图。
图1示出了一种基于数字孪生的绝缘隐患超前预警方法的具体方法流程图;
图2示出了一种基于数字孪生的绝缘隐患超前预警方法的第一方法流程图;
图3示出了一种基于数字孪生的绝缘隐患超前预警方法的第二方法流程图;
图4示出了一种基于数字孪生的绝缘隐患超前预警系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面提供了一种基于数字孪生的绝缘隐患超前预警方法,包括以下步骤:
S102:获取目标区域中城市电缆的规划图纸数据信息,并根据城市电缆的规划图纸数据信息构建初始数字孪生模型,基于初始数字孪生模型构建无线传感器监测网络;
S104:获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型;
S106:根据无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点;
S108:通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略。
需要说明的是,本发明充分考虑了各种季节性以及相应的天气状况之下的城市电缆绝缘层的升温情况,从而根据城市电缆绝缘层的升温情况来筛选出异常的监测点,有效地提高了对城市电缆的异常识别的准确性。另一方面,通过根据实际的场景情况来设置无线传感器监测网络,使得对于城市电缆的异常情况的监测更加合理,其中,本发明主要应用领域在电力动力电缆,电力控制电缆、铁路信号电缆等重要应用场景。
进一步地,本发明的一个较佳实施例中,获取目标区域中城市电缆的规划图纸数据信息,并根据城市电缆的规划图纸数据信息构建初始数字孪生模型,具体包括:
获取目标区域中城市电缆的规划图纸数据信息,根据目标区域中城市电缆的规划图纸数据信息构建城市电缆的规划图纸三维模型,并获取目标区域的地理位置信息;
根据目标区域的地理位置信息构建检索信息,并基于检索信息通过地图软件进行检索,通过检索后,获取目标区域的AR场景信息;
通过遥感技术获取目标区域中城市电缆与实际环境中的位置关系,并根据目标区域中城市电缆与实际环境中的位置关系生成相应的映射关系;
根据相应的映射关系将城市电缆的规划图纸三维模型以及目标区域的AR场景信息进行模型拟合,获取初始数字孪生模型。
需要说明的是,在本实施例中,城市电缆的规划图纸数据信息中包括电缆的在实际场景中的布设图纸、电缆相关的尺寸图纸等数据。其中,地图软件中均存在相应的AR场景信息,如高德地图软件、百度地图软件等,通过本方法能够快速地建立初始数字孪生模型。
进一步地,本发明的一个较佳实施例中,基于初始数字孪生模型构建无线传感器监测网络,具体包括以下步骤:
基于卷积神经网络构建场景识别模型,并通过大数据获取大量的场景模型信息,并将大量的场景模型信息输入到特征金字塔中进行降维处理,将降维处理后的场景模型信息输入到场景识别模型中进行训练;
通过训练,获取训练完成的场景识别模型,并根据场景识别模型对初始数字孪生模型中的场景信息进行识别,获取初始数字孪生模型中的场景分布数据信息;
根据初始数字孪生模型中的场景分布数据信息进行场景分类,获取高风险区域的场景数据信息以及低风险区域的场景数据信息;
当初始数字孪生模型中的场景分布数据信息为高风险区域的场景数据信息时,对高风险区域的场景数据信息进行无线传感器均匀式布置的,当初始数字孪生模型中的场景分布数据信息为低风险区域的场景数据信息时,对低风险区域的场景数据信息进行无线传感器离散式布置。
示例性的,在本实施中,其中场景信息中可以为人行道场景、公路场景、农作物种植区域场景、楼宇场景等情况,其中低危险区主要为人流较少的区域,如农作物种植区域场景,高危险区域为人流比较多的区域,如人行道场景、楼宇场景等,其中对高风险区域的场景数据信息进行无线传感器均匀式布置的,尽可能布置更多的无线传感器进行监测;而对于低风险区域的场景数据信息进行无线传感器离散式布置,由于人流较少很难构成相应的威胁,采用离散型布置方式进行布置,通过本方法能够使得无线传感器的布置更加合理,其中,无线传感器主要为温度传感器。
进一步地,本发明的一个较佳实施例中,获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型,具体包括:
通过大数据获取各环境数据之下的城市电缆绝缘层升温特性数据信息,并根据各环境数据之下的城市电缆绝缘层升温特性数据信息构建知识图谱;
获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据以及知识图谱对目标区域中的城市电缆升温绝缘层特性数据信息进行预估;
通过预估后,获取每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息;
根据每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息构建城市电缆绝缘层特性数字孪生模型,并按照预设方式进行显示。
需要说明的是,不同材料特性的城市电缆绝缘层在环境数据的变化之下,对应的升温特征亦是不一致的,如硅橡胶材料与氟橡胶材料的升温特性。而环境数据信息包括各季节的天气状况,如夏季的晴天升温数据、冬季的晴天升温数据、夏季的雨天升温数据、冬季的雪天升温数据等,通过本方法能够根据每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息构建城市电缆绝缘层特性数字孪生模型,充分了解在各季节的天气状况之下的城市电缆绝缘层特性数字孪生模型。
如图2所示,进一步地,本发明的一个较佳实施例中,根据无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点,具体包括以下步骤:
S202: 通过对无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型进行动态拟合,获取城市电网监测数字孪生模型,并通过城市电网监测数字孪生模型获取目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息;
S204:根据目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息构建城市电缆绝缘层升温偏好曲线图,并定期更新城市电缆绝缘层升温偏好曲线图,获取当前目标区域所处的季节以及天气状况信息;
S206:根据当前目标区域所处的季节以及天气状况信息以及城市电缆绝缘层升温偏好曲线图获取当前目标区域所处的季节以及天气状况信息之下的城市电缆绝缘层升温偏好信息;
S208:通过城市电网监测数字孪生模型获取目标区域中各监测节点的城市电缆绝缘层温度信息,当目标区域中各监测点的城市电缆绝缘层温度信息与城市电缆绝缘层升温偏好信息之间的差值不在预设阈值范围之内时,将该监测点作为异常的监测点。
需要说明的是,而实际上,电缆的绝缘层升温并不意味着电缆的绝缘层异常而产生漏电现象,而光照以及环境温度是主要影响电缆升温的因素。如在夏天的晴天时,由于光照以及环境温度对于城市电缆绝缘层的作用,城市电缆的实际升温情况比在冬季的晴天的实际升温情况要高。现有技术中,并未考虑到由于光照以及环境温度对于城市电缆绝缘层的作用,导致了将该类点作为异常点进行管理。而通过本方法能够获取到当前目标区域所处的季节以及天气状况信息之下每个监测节点的城市电缆绝缘层升温偏好信息。当在某个时段的目标区域中各监测点的城市电缆绝缘层温度信息与城市电缆绝缘层升温偏好信息之间的差值不在预设阈值范围之内时,说明该监测点就很可能是异常监测点。通过本方法能够使得城市电缆的监测更加合理,提高了对城市电缆的监测准确性。
示例性的,如在冬天的晴天中,由于外界环境的温度很低,根据热散失的原理,此时城市电缆的绝缘层的温度不会很高,当城市电缆的绝缘层的温度与城市电缆绝缘层升温偏好信息之间的差值不在预设阈值范围之内时,说明该位置可能发生了漏电现象或者绝缘层老化现象。又如在夏天的晴天中,由于外界环境的温度也是很高的,但并不意味着城市电缆的绝缘隐患,此时当城市电缆的绝缘层的温度急剧升高且偏离了城市电缆绝缘层升温偏好信息时,说明该位置可能发生了漏电现象或者绝缘层老化现象。以上的示例性实施例并非仅限于本次说明书中所记载的内容,实际的情况还可以根据不同的天气场景以及季节性进行调整。
如图3所示,进一步地,本发明的一个较佳实施例中,通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略,具体包括:
S302:获取异常的监测点的温度变化情况,当异常的监测点的温度变化情况为预设时间之内无温度变化时,则将该异常的监测点作为监测设备故障的监测点;
S304:获取监测设备故障的监测点的地理位置信息,并根据监测设备故障的监测点的地理位置信息生成相应的监测设备故障预警信号,根据监测设备故障预警信号生成相应的维修策略;
S306:当异常的监测点的温度变化情况不为预设时间之内无温度变化时,则将异常的监测点所在地理位置的电缆作为具有绝缘隐患的电缆;
S308:根据异常的监测点所在地理位置生成相应的电缆抢修预警信号,并基于相应的电缆抢修预警信号生成相应的维修策略。
需要说明的是,当异常的监测点的温度变化情况为预设时间之内无温度变化时,说明该异常的监测点作为监测设备故障的监测点。当异常的监测点的温度变化情况不为预设时间之内无温度变化时,说明该监测点为具有绝缘隐患的电缆。通过本方法还能够具体为分析出监测设备故障还是电缆的绝缘隐患,提高了对电缆监测的合理性。
此外,本方法还可以包括以下步骤:
通过遥感技术获取异常的监测点所在地理位置的遥感影像数据信息,并通过对所述遥感影像数据信息进行滤波、去噪处理,获取处理后的遥感影像数据信息;
通过特征金字塔对所述处理后的遥感影像数据信息进行特征提取,获取降维后的遥感影像数据信息,并通过对所述降维后的遥感影像数据信息进行危险识别,判断所述降维后的遥感影像数据信息中是否存在电缆与其他器械进行接触式安装的情况;
当所述降维后的遥感影像数据信息中存在电缆与其他器械进行接触式安装的情况时,通过物联网平台获取异常的监测点所在地理位置相对应的开关控制设备的通信协议;
根据所述通信协议对所述相对应的开关控制设备生成控制指令,基于所述控制指令控制所述开关控制设备。
需要说明的是,在实际的监测情况中,当发现了存在异常时,通过遥感技术的联合研判,通过对所述降维后的遥感影像数据信息进行危险识别时,如电缆漏电位置是与相关的器械接触的,说明有触电的危险,从而控制相关的开关控制设备,避免用户触电,提高监测的合理性。
此外,本方法还可以包括以下步骤:
通过大数据获取各环境因子之下的城市电缆绝缘层的历史老化数据信息,并根据贝叶斯网络构建老化预测模型,引入注意力机制对所述城市电缆绝缘层的历史老化数据信息进行注意力分数计算;
通过注意力分数计算,获取各城市电缆绝缘层的历史老化数据信息的注意力分数,并对所述各城市电缆绝缘层的历史老化数据信息的注意力分数进行随机排序,获取排序结果;
获取所述排序结果的初始顺序节点,并按照所述排序结果的初始顺序节点作为粒子群算法的初始输入节点,输入到贝叶斯网络中,通过粒子群算法进行不断优化,得到最优的贝叶斯网络;
获取每一监测节点的环境因子数据,并根据所述每一监测节点的环境因子数据以及所述老化预测模型预估每一监测节点的城市电缆绝缘老化分布数据;
当监测节点的城市电缆绝缘老化数据存在低于预设性能阈值时,获取城市电缆绝缘老化的监测节点所在位置的日常时段的历史用电分布数据信息,获取用电量最小的历史用电数据信息所在时段,根据所述用电量最小的历史用电数据信息所在时段进行修复时段推荐。
需要说明的是,通过引入注意力机制对城市电缆绝缘层的历史老化数据信息进行数据转换,简化了老化预测模型的模型运算,以及通过粒子群算法对贝叶斯网络进行优化,加快了老化预测模型对于城市电缆的绝缘老化预估结果的运算速度;另一方面,通过根据用电量最小的历史用电数据信息所在时段进行修复时段推荐,能够减小对用户的用电影响,提高电缆修复的合理性。
如图4所示,本发明第二方面提供了一种基于数字孪生的绝缘隐患超前预警系统4,该系统4包括存储器41以及处理器62,存储器41中包含基于数字孪生的绝缘隐患超前预警方法程序,基于数字孪生的绝缘隐患超前预警方法程序被处理器62执行时,实现如下步骤:
获取目标区域中城市电缆的规划图纸数据信息,并根据城市电缆的规划图纸数据信息构建初始数字孪生模型,基于初始数字孪生模型构建无线传感器监测网络;
获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型;
根据无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点;
通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略。
在本实施例中,获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型,具体包括:
通过大数据获取各环境数据之下的城市电缆绝缘层升温特性数据信息,并根据各环境数据之下的城市电缆绝缘层升温特性数据信息构建知识图谱;
获取预设时间之内的环境数据信息,并根据预设时间之内的环境数据以及知识图谱对目标区域中的城市电缆升温绝缘层特性数据信息进行预估;
通过预估后,获取每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息;
根据每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息构建城市电缆绝缘层特性数字孪生模型,并按照预设方式进行显示。
在本实施例中,根据无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于城市电网监测数字孪生模型获取异常的监测点,具体包括以下步骤:
通过对无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型进行动态拟合,获取城市电网监测数字孪生模型,并通过城市电网监测数字孪生模型获取目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息;
根据目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息构建城市电缆绝缘层升温偏好曲线图,并定期更新城市电缆绝缘层升温偏好曲线图,获取当前目标区域所处的季节以及天气状况信息;
根据当前目标区域所处的季节以及天气状况信息以及城市电缆绝缘层升温偏好曲线图获取当前目标区域所处的季节以及天气状况信息之下的城市电缆绝缘层升温偏好信息;
通过城市电网监测数字孪生模型获取目标区域中各监测节点的城市电缆绝缘层温度信息,当目标区域中各监测点的城市电缆绝缘层温度信息与城市电缆绝缘层升温偏好信息之间的差值不在预设阈值范围之内时,将该监测点作为异常的监测点。
在本实施例中,通过对异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据异常点以及非异常点生成相应的维修策略,具体包括:
获取异常的监测点的温度变化情况,当异常的监测点的温度变化情况为预设时间之内无温度变化时,则将该异常的监测点作为监测设备故障的监测点;
获取监测设备故障的监测点的地理位置信息,并根据监测设备故障的监测点的地理位置信息生成相应的监测设备故障预警信号,根据监测设备故障预警信号生成相应的维修策略;
当异常的监测点的温度变化情况不为预设时间之内无温度变化时,则将异常的监测点所在地理位置的电缆作为具有绝缘隐患的电缆;
根据异常的监测点所在地理位置生成相应的电缆抢修预警信号,并基于相应的电缆抢修预警信号生成相应的维修策略。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,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,可轻易想到变化或替换,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)
1.一种基于数字孪生的绝缘隐患超前预警方法,其特征在于,包括以下步骤:
获取目标区域中城市电缆的规划图纸数据信息,并根据所述城市电缆的规划图纸数据信息构建初始数字孪生模型,基于所述初始数字孪生模型构建无线传感器监测网络;
获取预设时间之内的环境数据信息,并根据所述预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型;
根据所述无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于所述城市电网监测数字孪生模型获取异常的监测点;
通过对所述异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据所述异常点以及非异常点生成相应的维修策略。
2.根据权利要求1所述的一种基于数字孪生的绝缘隐患超前预警方法,其特征在于,获取目标区域中城市电缆的规划图纸数据信息,并根据所述城市电缆的规划图纸数据信息构建初始数字孪生模型,具体包括:
获取目标区域中城市电缆的规划图纸数据信息,根据所述目标区域中城市电缆的规划图纸数据信息构建城市电缆的规划图纸三维模型,并获取目标区域的地理位置信息;
根据所述目标区域的地理位置信息构建检索信息,并基于所述检索信息通过地图软件进行检索,通过检索后,获取目标区域的AR场景信息;
通过遥感技术获取目标区域中城市电缆与实际环境中的位置关系,并根据所述目标区域中城市电缆与实际环境中的位置关系生成相应的映射关系;
根据所述相应的映射关系将所述城市电缆的规划图纸三维模型以及目标区域的AR场景信息进行模型拟合,获取初始数字孪生模型。
3.根据权利要求1所述的一种基于数字孪生的绝缘隐患超前预警方法,其特征在于,基于所述初始数字孪生模型构建无线传感器监测网络,具体包括以下步骤:
基于卷积神经网络构建场景识别模型,并通过大数据获取大量的场景模型信息,并将所述大量的场景模型信息输入到特征金字塔中进行降维处理,将降维处理后的场景模型信息输入到所述场景识别模型中进行训练;
通过训练,获取训练完成的场景识别模型,并根据所述场景识别模型对所述初始数字孪生模型中的场景信息进行识别,获取所述初始数字孪生模型中的场景分布数据信息;
根据所述初始数字孪生模型中的场景分布数据信息进行场景分类,获取高风险区域的场景数据信息以及低风险区域的场景数据信息;
当所述初始数字孪生模型中的场景分布数据信息为高风险区域的场景数据信息时,对所述高风险区域的场景数据信息进行无线传感器均匀式布置的,当所述初始数字孪生模型中的场景分布数据信息为低风险区域的场景数据信息时,对所述低风险区域的场景数据信息进行无线传感器离散式布置。
4.根据权利要求1所述的一种基于数字孪生的绝缘隐患超前预警方法,其特征在于,获取预设时间之内的环境数据信息,并根据所述预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型,具体包括:
通过大数据获取各环境数据之下的城市电缆绝缘层升温特性数据信息,并根据所述各环境数据之下的城市电缆绝缘层升温特性数据信息构建知识图谱;
获取预设时间之内的环境数据信息,并根据所述预设时间之内的环境数据以及所述知识图谱对目标区域中的城市电缆升温绝缘层特性数据信息进行预估;
通过预估后,获取每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息;
根据所述每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息构建城市电缆绝缘层特性数字孪生模型,并按照预设方式进行显示。
5.根据权利要求1所述的一种基于数字孪生的绝缘隐患超前预警方法,其特征在于,根据所述无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型生成城市电网监测数字孪生模型,并基于所述城市电网监测数字孪生模型获取异常的监测点,具体包括以下步骤:
通过对所述无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型进行动态拟合,获取城市电网监测数字孪生模型,并通过所述城市电网监测数字孪生模型获取目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息;
根据所述目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息构建城市电缆绝缘层升温偏好曲线图,并定期更新所述城市电缆绝缘层升温偏好曲线图,获取当前目标区域所处的季节以及天气状况信息;
根据所述当前目标区域所处的季节以及天气状况信息以及城市电缆绝缘层升温偏好曲线图获取当前目标区域所处的季节以及天气状况信息之下的城市电缆绝缘层升温偏好信息;
通过所述城市电网监测数字孪生模型获取目标区域中各监测节点的城市电缆绝缘层温度信息,当所述目标区域中各监测点的城市电缆绝缘层温度信息与所述城市电缆绝缘层升温偏好信息之间的差值不在预设阈值范围之内时,将该监测点作为异常的监测点。
6.根据权利要求1所述的一种基于数字孪生的绝缘隐患超前预警方法,其特征在于,通过对所述异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据所述异常点以及非异常点生成相应的维修策略,具体包括:
获取所述异常的监测点的温度变化情况,当所述异常的监测点的温度变化情况为预设时间之内无温度变化时,则将该异常的监测点作为监测设备故障的监测点;
获取所述监测设备故障的监测点的地理位置信息,并根据所述监测设备故障的监测点的地理位置信息生成相应的监测设备故障预警信号,根据所述监测设备故障预警信号生成相应的维修策略;
当所述异常的监测点的温度变化情况不为预设时间之内无温度变化时,则将所述异常的监测点所在地理位置的电缆作为具有绝缘隐患的电缆;
根据所述异常的监测点所在地理位置生成相应的电缆抢修预警信号,并基于所述相应的电缆抢修预警信号生成相应的维修策略。
7.一种基于数字孪生的绝缘隐患超前预警系统,其特征在于,所述系统包括存储器以及处理器,所述存储器中包含基于数字孪生的绝缘隐患超前预警方法程序,所述基于数字孪生的绝缘隐患超前预警方法程序被处理器执行时,实现如下步骤:
获取目标区域中城市电缆的规划图纸数据信息,并根据所述城市电缆的规划图纸数据信息构建初始数字孪生模型,基于所述初始数字孪生模型构建无线传感器监测网络;
获取预设时间之内的环境数据信息,并根据所述预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型;
根据所述无线传感器监测网络以及城市电缆特性数字孪生模型生成城市电网监测数字孪生模型,并基于所述城市电网监测数字孪生模型获取异常的监测点;
通过对所述异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据所述异常点以及非异常点生成相应的维修策略。
8.根据权利要求7所述的一种基于数字孪生的绝缘隐患超前预警系统,其特征在于,获取预设时间之内的环境数据信息,并根据所述预设时间之内的环境数据信息构建城市电缆绝缘层特性数字孪生模型,具体包括:
通过大数据获取各环境数据之下的城市电缆绝缘层升温特性数据信息,并根据所述各环境数据之下的城市电缆绝缘层升温特性数据信息构建知识图谱;
获取预设时间之内的环境数据信息,并根据所述预设时间之内的环境数据以及所述知识图谱对目标区域中的城市电缆升温绝缘层特性数据信息进行预估;
通过预估后,获取每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息;
根据所述每个时间戳的目标区域中的城市电缆升温绝缘层特性数据信息构建城市电缆绝缘层特性数字孪生模型,并按照预设方式进行显示。
9.根据权利要求7所述的一种基于数字孪生的绝缘隐患超前预警系统,其特征在于,根据所述无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型生成城市电网监测数字孪生模型,并基于所述城市电网监测数字孪生模型获取异常的监测点,具体包括以下步骤:
通过对所述无线传感器监测网络以及城市电缆绝缘层特性数字孪生模型进行动态拟合,获取城市电网监测数字孪生模型,并通过所述城市电网监测数字孪生模型获取目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息;
根据所述目标区域在各个季节以及各种天气状况的城市电缆绝缘层温度信息构建城市电缆绝缘层升温偏好曲线图,并定期更新所述城市电缆绝缘层升温偏好曲线图,获取当前目标区域所处的季节以及天气状况信息;
根据所述当前目标区域所处的季节以及天气状况信息以及城市电缆绝缘层升温偏好曲线图获取当前目标区域所处的季节以及天气状况信息之下的城市电缆绝缘层升温偏好信息;
通过所述城市电网监测数字孪生模型获取目标区域中各监测节点的城市电缆绝缘层温度信息,当所述目标区域中各监测点的城市电缆绝缘层温度信息与所述城市电缆绝缘层升温偏好信息之间的差值不在预设阈值范围之内时,将该监测点作为异常的监测点。
10.根据权利要求7所述的一种基于数字孪生的绝缘隐患超前预警系统,其特征在于,通过对所述异常的监测点进行数据识别以及处理,获取异常点以及非异常点,并根据所述异常点以及非异常点生成相应的维修策略,具体包括:
获取所述异常的监测点的温度变化情况,当所述异常的监测点的温度变化情况为预设时间之内无温度变化时,则将该异常的监测点作为监测设备故障的监测点;
获取所述监测设备故障的监测点的地理位置信息,并根据所述监测设备故障的监测点的地理位置信息生成相应的监测设备故障预警信号,根据所述监测设备故障预警信号生成相应的维修策略;
当所述异常的监测点的温度变化情况不为预设时间之内无温度变化时,则将所述异常的监测点所在地理位置的电缆作为具有绝缘隐患的电缆;
根据所述异常的监测点所在地理位置生成相应的电缆抢修预警信号,并基于所述相应的电缆抢修预警信号生成相应的维修策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310569328.4A CN116308302B (zh) | 2023-05-19 | 2023-05-19 | 一种基于数字孪生的绝缘隐患超前预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310569328.4A CN116308302B (zh) | 2023-05-19 | 2023-05-19 | 一种基于数字孪生的绝缘隐患超前预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116308302A true CN116308302A (zh) | 2023-06-23 |
CN116308302B CN116308302B (zh) | 2023-08-08 |
Family
ID=86785324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310569328.4A Active CN116308302B (zh) | 2023-05-19 | 2023-05-19 | 一种基于数字孪生的绝缘隐患超前预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116308302B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116896166A (zh) * | 2023-09-07 | 2023-10-17 | 国网浙江省电力有限公司宁波供电公司 | 一种城市电缆的数字孪生全景管控系统及方法 |
CN117007112A (zh) * | 2023-07-13 | 2023-11-07 | 苏州圣蒙莱科技有限公司 | 基于数字孪生的智慧城市生态环境监测系统 |
CN117494031A (zh) * | 2024-01-02 | 2024-02-02 | 深圳市伟昊净化设备有限公司 | 一种压缩空气管路的智能监测方法及系统 |
CN117557970A (zh) * | 2024-01-12 | 2024-02-13 | 深圳市博安智控科技有限公司 | 基于数字孪生的智能建筑管理方法、系统及存储介质 |
CN117671303A (zh) * | 2024-02-02 | 2024-03-08 | 江苏濠汉信息技术有限公司 | 基于孪生网络的立体测距隐患预警方法及系统 |
CN117933574A (zh) * | 2024-03-21 | 2024-04-26 | 国网浙江省电力有限公司宁波供电公司 | 一种城市电缆的管控方法、装置、设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09132689A (ja) * | 1995-09-05 | 1997-05-20 | Mitsui Toatsu Chem Inc | 塩化ビニル系樹脂組成物およびそれを用いた被覆電線 |
CN110929923A (zh) * | 2019-11-08 | 2020-03-27 | 温州设计集团有限公司 | 基于数字孪生技术的城市安全风险管控系统 |
CN112305386A (zh) * | 2020-10-23 | 2021-02-02 | 国网上海市电力公司 | 一种基于数字孪生技术的高压电缆带电检测系统及方法 |
CN112670891A (zh) * | 2021-01-18 | 2021-04-16 | 内蒙古电力(集团)有限责任公司呼和浩特供电局 | 基于虚拟现实进行地下电缆检修的方法 |
CN114966467A (zh) * | 2022-05-17 | 2022-08-30 | 国网安徽省电力有限公司电力科学研究院 | 一种基于数字孪生的输电线路状态评估方法 |
KR20220131573A (ko) * | 2021-03-22 | 2022-09-29 | 김송강 | 스마트팜 디지털 트윈 빅데이터 구축시스템 |
CN115313666A (zh) * | 2022-10-11 | 2022-11-08 | 广东广宇科技发展有限公司 | 基于数字孪生技术的电路线路安全运行监控方法、系统 |
CN115422696A (zh) * | 2022-04-24 | 2022-12-02 | 上海玫克生储能科技有限公司 | 一种模组数字孪生模型建立方法、系统、终端和介质 |
CN115454057A (zh) * | 2022-08-24 | 2022-12-09 | 中国矿业大学 | 一种煤矿机器人群数字孪生智能管控建模系统与方法 |
CN115577541A (zh) * | 2022-10-17 | 2023-01-06 | 浙江正远电力装备有限公司 | 一种隐蔽电缆管网设施数字孪生识别方法及管理系统 |
-
2023
- 2023-05-19 CN CN202310569328.4A patent/CN116308302B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09132689A (ja) * | 1995-09-05 | 1997-05-20 | Mitsui Toatsu Chem Inc | 塩化ビニル系樹脂組成物およびそれを用いた被覆電線 |
CN110929923A (zh) * | 2019-11-08 | 2020-03-27 | 温州设计集团有限公司 | 基于数字孪生技术的城市安全风险管控系统 |
CN112305386A (zh) * | 2020-10-23 | 2021-02-02 | 国网上海市电力公司 | 一种基于数字孪生技术的高压电缆带电检测系统及方法 |
CN112670891A (zh) * | 2021-01-18 | 2021-04-16 | 内蒙古电力(集团)有限责任公司呼和浩特供电局 | 基于虚拟现实进行地下电缆检修的方法 |
KR20220131573A (ko) * | 2021-03-22 | 2022-09-29 | 김송강 | 스마트팜 디지털 트윈 빅데이터 구축시스템 |
CN115422696A (zh) * | 2022-04-24 | 2022-12-02 | 上海玫克生储能科技有限公司 | 一种模组数字孪生模型建立方法、系统、终端和介质 |
CN114966467A (zh) * | 2022-05-17 | 2022-08-30 | 国网安徽省电力有限公司电力科学研究院 | 一种基于数字孪生的输电线路状态评估方法 |
CN115454057A (zh) * | 2022-08-24 | 2022-12-09 | 中国矿业大学 | 一种煤矿机器人群数字孪生智能管控建模系统与方法 |
CN115313666A (zh) * | 2022-10-11 | 2022-11-08 | 广东广宇科技发展有限公司 | 基于数字孪生技术的电路线路安全运行监控方法、系统 |
CN115577541A (zh) * | 2022-10-17 | 2023-01-06 | 浙江正远电力装备有限公司 | 一种隐蔽电缆管网设施数字孪生识别方法及管理系统 |
Non-Patent Citations (1)
Title |
---|
马超 等: "数字孪生技术在高压电缆领域的应用探索", 《高压电器》, vol. 59, no. 1, pages 70 - 76 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117007112A (zh) * | 2023-07-13 | 2023-11-07 | 苏州圣蒙莱科技有限公司 | 基于数字孪生的智慧城市生态环境监测系统 |
CN117007112B (zh) * | 2023-07-13 | 2024-04-19 | 江苏端木软件技术有限公司 | 基于数字孪生的智慧城市生态环境监测系统 |
CN116896166A (zh) * | 2023-09-07 | 2023-10-17 | 国网浙江省电力有限公司宁波供电公司 | 一种城市电缆的数字孪生全景管控系统及方法 |
CN117494031A (zh) * | 2024-01-02 | 2024-02-02 | 深圳市伟昊净化设备有限公司 | 一种压缩空气管路的智能监测方法及系统 |
CN117494031B (zh) * | 2024-01-02 | 2024-04-26 | 深圳市伟昊净化设备有限公司 | 一种压缩空气管路的智能监测方法及系统 |
CN117557970A (zh) * | 2024-01-12 | 2024-02-13 | 深圳市博安智控科技有限公司 | 基于数字孪生的智能建筑管理方法、系统及存储介质 |
CN117557970B (zh) * | 2024-01-12 | 2024-04-05 | 深圳市博安智控科技有限公司 | 基于数字孪生的智能建筑管理方法、系统及存储介质 |
CN117671303A (zh) * | 2024-02-02 | 2024-03-08 | 江苏濠汉信息技术有限公司 | 基于孪生网络的立体测距隐患预警方法及系统 |
CN117671303B (zh) * | 2024-02-02 | 2024-04-12 | 江苏濠汉信息技术有限公司 | 基于孪生网络的立体测距隐患预警方法及系统 |
CN117933574A (zh) * | 2024-03-21 | 2024-04-26 | 国网浙江省电力有限公司宁波供电公司 | 一种城市电缆的管控方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116308302B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116308302B (zh) | 一种基于数字孪生的绝缘隐患超前预警方法及系统 | |
Frizzo Stefenon et al. | Fault detection in insulators based on ultrasonic signal processing using a hybrid deep learning technique | |
CN102938021B (zh) | 一种输电线路覆冰负荷定量估计及预测方法 | |
CN107784395A (zh) | 一种基于lstm人工神经网络的输电线路覆冰厚度预测方法 | |
WO2019214231A1 (zh) | 故障电弧的检测方法、装置和系统 | |
CN115796434B (zh) | 一种用于配电网的管控方法、装置、电子设备及存储介质 | |
WO2023063887A2 (en) | Method and apparatus for predicting state of wind turbine blade, and device and storage medium therefor | |
CN117113729B (zh) | 一种基于数字孪生的电力设备在线状态监测系统 | |
CN111506093A (zh) | 一种基于无人机的电力巡检系统及方法 | |
CN115049793B (zh) | 基于数字孪生的输电线路树木生长可视化预测方法及装置 | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN112601326A (zh) | 灯具维护装置和方法 | |
CN110598932B (zh) | 基于融合天气特征的输电走廊覆冰预警方法 | |
Bernini et al. | Dynamic loading of overhead lines by adaptive learning techniques and distributed temperature sensing | |
CN111027827A (zh) | 保底通信网运行风险分析的方法、装置及计算机设备 | |
CN106124089A (zh) | 基于灰色理论的高压开关柜在线测温方法 | |
CN115512295A (zh) | 一种输电线路山火检测方法、预警方法及预警系统 | |
CN114387391A (zh) | 变电站设备的安全监测方法、装置、计算机设备和介质 | |
CN108280546A (zh) | 光伏发电功率预测方法及预测系统 | |
CN114254798A (zh) | 输电线路的监控方法、装置、计算机设备和存储介质 | |
CN112383137A (zh) | 基于机器视觉和热成像技术的变压器台区监控系统及方法 | |
CN109118731B (zh) | 输电线路覆冰雪监测预警方法及系统 | |
Tsafarakis et al. | A density‐based time‐series data analysis methodology for shadow detection in rooftop photovoltaic systems | |
CN106570561B (zh) | 一种绝缘子表面不可溶沉积物密度预测系统及方法 | |
CN117494031B (zh) | 一种压缩空气管路的智能监测方法及系统 |
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 |