CN116310782A - 架空电缆故障预测系统 - Google Patents

架空电缆故障预测系统 Download PDF

Info

Publication number
CN116310782A
CN116310782A CN202211559693.9A CN202211559693A CN116310782A CN 116310782 A CN116310782 A CN 116310782A CN 202211559693 A CN202211559693 A CN 202211559693A CN 116310782 A CN116310782 A CN 116310782A
Authority
CN
China
Prior art keywords
cable
parameter
bending
fault prediction
determining
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.)
Pending
Application number
CN202211559693.9A
Other languages
English (en)
Inventor
黄应敏
王骞能
胡超强
邹科敏
陈喜东
邵源鹏
高伟光
许翠珊
杨航
梁志豪
徐兆良
游仿群
徐加健
徐秋燕
陆松记
杨展鹏
丁明
吴仕良
卢广业
王利江
陈雪儿
李梓铧
黄梓维
邓春晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Panyu Cable Group Co Ltd
Original Assignee
Guangzhou Panyu Cable Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Panyu Cable Group Co Ltd filed Critical Guangzhou Panyu Cable Group Co Ltd
Priority to CN202211559693.9A priority Critical patent/CN116310782A/zh
Publication of CN116310782A publication Critical patent/CN116310782A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electric Cable Installation (AREA)

Abstract

本发明实施例公开了一种架空电缆故障预测系统，该系统包括：参数计算模块，配置为获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；尺度确定模块，配置为基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；故障结果预测模块，配置为基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。本方案，解决了现有技术中，大多方案只能进行故障监测，而无法做到高效的故障预测的问题，给出了一种可行的方案实现对电缆故障的预测。

Description

架空电缆故障预测系统
技术领域
本申请实施例涉及电缆监控技术领域，尤其涉及一种架空电缆故障预测系统。
背景技术
随着电缆的普及，电缆的应用也越来越广。如常见的架空电缆的使用，其中，架空电缆全称为架空绝缘电缆，是装有绝缘层和保护外皮的架空导线，采用类似于交联电缆生产工艺制造的一种专用电缆，是介于架空导线和地下电缆之间的新的输电方式。
相关技术中，在进行电缆故障的监测时，通常通过设置的传感器进行数据采集，将采集的数据和设置的比对阈值进行比对，一但达到比对阈值则进行故障的报警提醒，该种方式只能进行故障的监测，无法有效的实现故障预测。
发明内容
本发明实施例提供了一种架空电缆故障预测系统，解决了现有技术中，大多方案只能进行故障监测，而无法做到高效的故障预测的问题，给出了一种可行的方案实现对电缆故障的预测。
第一方面，本发明实施例提供了一种架空电缆故障预测系统，包括：
参数计算模块，配置为获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；
尺度确定模块，配置为基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；
故障结果预测模块，配置为基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。
进一步的，所述参数计算模块，配置为：
对所述第一架空电缆图像和所述第二架空电缆图像中的电缆进行识别得到第一电缆曲线和第二电缆曲线，确定所述第一电缆曲线的第一弯折参数，以及确定所述第二电缆曲线的第二弯参数；
所述尺度确定模块，配置为：
将所述第二弯折参数与所述第一弯折参数的比值确定为弯折变化尺度。
进一步的，所述故障结果预测模块，配置为：
获取所述分时的时间数据，确定所述时间数据的前后时间间隔；
根据所述前后时间间隔确定预设的故障预测权重，基于所述故障预测权重与所述弯折变化尺度计算得到电缆故障预测参数。
进一步的，所述故障结果预测模块，配置为：
根据所述电缆故障预测参数确定其落入的预设参数区间；
将所述预设参数区间对应的预先设置的电缆故障预测信息确定为电缆的故障预测结果。
第二方面，本发明实施例还提供了一种架空电缆故障预测方法，包括：
获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；
基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；
基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。
进一步的，所述对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数，包括：
对所述第一架空电缆图像和所述第二架空电缆图像中的电缆进行识别得到第一电缆曲线和第二电缆曲线，确定所述第一电缆曲线的第一弯折参数，以及确定所述第二电缆曲线的第二弯参数；
所述基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度，包括：
将所述第二弯折参数与所述第一弯折参数的比值确定为弯折变化尺度。
进一步的，所述基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，包括：
获取所述分时的时间数据，确定所述时间数据的前后时间间隔；
根据所述前后时间间隔确定预设的故障预测权重，基于所述故障预测权重与所述弯折变化尺度计算得到电缆故障预测参数。
进一步的，所述基于所述电缆故障预测参数进行电缆故障的预测，包括：
根据所述电缆故障预测参数确定其落入的预设参数区间；
将所述预设参数区间对应的预先设置的电缆故障预测信息确定为电缆的故障预测结果。
第三方面，本发明实施例还提供了一种架空电缆故障预测设备，该设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所述的架空电缆故障预测方法。
第四方面，本发明实施例还提供了一种存储计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例所述的架空电缆故障预测方法。
本发明实施例中，所述架空电缆故障预测系统包括：参数计算模块，配置为获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；尺度确定模块，配置为基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；故障结果预测模块，配置为基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。本方案，解决了现有技术中，大多方案只能进行故障监测，而无法做到高效的故障预测的问题，给出了一种可行的方案实现对电缆故障的预测。
附图说明
图1为本发明实施例提供的一种架空电缆故障预测系统的模块结构框图；
图2为电缆的弯折参数计算示意图；
图3为本发明实施例提供的一种架空电缆故障预测方法的流程图；
图4为本发明实施例提供的一种架空电缆故障预测设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明实施例，而非对本发明实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明实施例相关的部分而非全部结构。
图1为本发明实施例提供的一种架空电缆故障预测系统的模块结构框图，如图1所示，所述系统具体包括：
参数计算模块101，配置为获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；
尺度确定模块102，配置为基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；
故障结果预测模块103，配置为基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。
本技术方案的使用场景为通过对不同时间点采集的电缆图像确定电缆的弯折变化程度以实现对电缆的故障预测。基于上述使用场景，可以理解的是，本技术方案的执行主体可以是架空电缆故障预测系统，也可以是集成有架空电缆故障预测系统的智能设备，例如手机、平板电脑、笔记本电脑等。
在一个实施例中，所述分时采集可以是基于不同的时间点对架空电缆的电缆图像进行采集。其中，所述架空电缆可以理解为装有绝缘层和保护外皮的架空导线，是一种采用类似于交联电缆生产工艺制造的一种专用电缆，是介于架空导线和地下电缆之间的新的输电方式。架空电缆都是单芯的，按其结构不同可分为硬铝线结构、硬拉铜线结构、铝合金线结构、钢芯或铝合金芯支撑结构和自承式三芯纹合结构(线芯可为硬铝或硬铜线)等。
所述第一架空电缆图像可以是第一时间点采集的架空电缆图像，所述第二架空电缆图像可以是第二时间点采集的架空电缆图像。其中，所述第一时间点在所述第二时间点之前。所述电缆弯折度可以是空中电缆的弯曲程度。所述第一弯折参数可以是所述第一空中电缆图像中的电缆的曲率，所述第二弯折参数可以是所述第二空中电缆图像中的电缆的曲率。其中，所述曲率可以理解为针对曲线上某个点的切线方向角对弧长的转动率，通过微分来定义，表明曲线偏离直线的程度。用于表明曲线在某一点的弯曲程度的数值。可以理解的是，曲率越大，说明曲线的弯曲程度越大。
在一个实施例中，所述参数计算模块101获取通过设置于空中电缆线架的摄像装置基于预设时间点拍摄的空中电缆图像。其中，所述空中电缆图像包括第一时间点拍摄的第一空中电缆图像和预设时间段后的第二时间点拍摄的第二空中电缆图像。可以理解的是，将符合预设条件的电缆图像作为第一空中电缆图像和第二空中电缆图像，所述预设条件可以是通过图像可以清楚的确定所述空中电缆的弯曲程度。所述参数计算模块101对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯曲程度进行识别，计算得到第一弯折参数和第二弯折参数。
在一个可能的实施例中，所述参数计算模块101，配置为：
对所述第一架空电缆图像和所述第二架空电缆图像中的电缆进行识别得到第一电缆曲线和第二电缆曲线，确定所述第一电缆曲线的第一弯折参数，以及确定所述第二电缆曲线的第二弯参数；
其中，所述第一电缆曲线可以是与所述第一架空电缆图像中的电缆相同形状的曲线。所述第二电缆曲线可以是与所述第二架空电缆图像中的电缆相同形状的曲线。
在一个实施例中，所述参数确定模块101通过识别所述第一架空电缆图像和所述第二架空电缆图像，提取所述图像中的电缆形状，确定所述第一电缆曲线和所述第二电缆曲线。计算所述第一电缆曲线的第一弯折参数，以及确定所述第二电缆曲线的第二弯参数。
参照图2，所述第一弯折参数和第二弯折参数的计算方式可以是：
在电缆上自点M开始取弧段，其长为Δs，对应切线转角为Δα，可以理解的是，所述点M为空中电缆的峰值点。
定义弧段Δs上的平均曲率为：
Figure BDA0003984104310000061
点M处的曲率为：
Figure BDA0003984104310000062
在一个实施例中，所述弯折变化尺度可以理解为所述空中电缆的弯曲程度的变化程度。所述基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度的方式可以是计算所述第二弯折参数减所述第一弯折参数的差值。可以理解的是，由于弯曲程度越大，对应的曲率越大，即弯折参数越大，可以确定，所述差值越大，说明电缆的弯曲变化程度越大。
在一个实施例中，所述尺度确定模块102用于根据所述第一弯折参数和所述第二弯折参数确定电缆的弯曲变化程度。具体的，计算所述第二弯折参数减所述第一弯折参数的差值，根据预先设置的差值区间确定所述电缆的弯曲变化程度。示例性的，所述第二弯折参数为2.2，第一弯折参数为2，差值为0.2。根据查询预设的差值区间可以确定所述0.2对应第一差值区间，对应轻微变化。
在一个可能的实施例中，所述尺度确定模块102，配置为：
将所述第二弯折参数与所述第一弯折参数的比值确定为弯折变化尺度。
其中，所述尺度确定模块102通过计算所述第二弯折参数与所述第一弯折参数的比值确定为弯曲变化程度。可以理解的是，由于弯曲程度越大，对应的曲率越大，即弯折参数越大，可以确定，所述比值越大，说明电缆的弯曲变化程度越大。示例性的，电缆a的第二弯折参数为2.2，第一弯折参数为2，比值值为1.1，电缆b的第二弯折参数为2.4，第一弯折参数为2，比值值为1.2。可以确定，所述电缆b的弯曲变化程度比所述电缆a的弯曲变化程度更大。
在一个实施例中，所述时间数据可以是获取所述第一空中电缆图像与所述第二空中电缆图像对应的时间点的时间差。所述电缆故障预测参数可以是发生电缆故障的预测值。可以理解的是，所述预测值越大，对应的发生电缆故障的概率越大。
在一个实施例中，所述故障结果预测模块103用于根据所述电缆的弯曲变化程度以及所述变化程度所对应的时间差确定电缆故障预测参数，并根据所述电缆故障预测参数进行电缆故障的预测。示例性的，所述电缆的弯曲变化程度为轻微变化，对应的时间数据为2小时，确定所述电缆故障预测参数为1，对应的电缆故障预测为发生电缆故障的概率为5％。所述电缆的弯曲变化程度为明显变化，对应的时间数据为2小时，确定所述电缆故障预测参数为2，对应的电缆故障预测为发生电缆故障的概率为25％。
在一个可能的实施例中，所述故障结果预测模块103，配置为：
获取所述分时的时间数据，确定所述时间数据的前后时间间隔；
根据所述前后时间间隔确定预设的故障预测权重，基于所述故障预测权重与所述弯折变化尺度计算得到电缆故障预测参数。
其中，所述前后时间间隔可以理解为拍摄第一空中电缆图像与拍摄第二空中电缆图像的对应的时间点的时间差值。所述故障预测权重可以是所述时间差值对应的电缆故障的权重。具体的，所述时间差值越小，对应的权重越高。可以理解的是，时间差值越小，说明发生弯曲变化的时间越短，对应的电缆发生故障的概率越高。所述基于所述故障预测权重与所述弯折变化尺度计算得到电缆故障预测参数可以是将所述故障预测权重与所述弯折变化尺度的乘积确定为所述电缆故障预测参数。
在一个实施例中，所述故障结果预测模块103用于获取拍摄所述第一空中电缆图像和所述第二空中电缆图像对应的第一时间点数据和第二时间点数据。确定所述第一时间点数据和所述第二时间点数据的差值确定为前后时间间隔。确定所述时间间隔对应的故障预测权重，例如前后时间间隔为0-2小时时，对应的故障预测权重为0.4；前后时间间隔为2-4小时时，对应的故障预测权重为0.3；前后时间间隔为4-6小时时，对应的故障预测权重为0.2；前后时间间隔为6小时以上时，对应的故障预测权重为0.1。
将所述故障预测权重与所述弯折变化尺度的乘积确定为所述电缆故障预测参数。示例性的，电缆的第二弯折参数与所述第一弯折参数的比值为1.5，获取所述第一空中电缆图像和所述第二空中电缆图像的时间间隔为5小时，对应所述故障预测权重为0.2。确定所述电缆故障预测参数为0.3。
由上述内容可知，所述获取所述分时的时间数据，确定所述时间数据的前后时间间隔；根据所述前后时间间隔确定预设的故障预测权重，基于所述故障预测权重与所述弯折变化尺度计算得到电缆故障预测参数。通过时间间隔和故障预测权重共同确定所述电缆故障预测参数，不单单根据弯折程度确定是否存在故障，而是根据弯折变化率来预测故障发生，实现了电缆故障的有效预测。并且，基于多维度信息确定电缆故障预测参数，使其计算结果更具合理性。
在一个可能的实施例中，所述故障结果预测模块103，配置为：
根据所述电缆故障预测参数确定其落入的预设参数区间；
将所述预设参数区间对应的预先设置的电缆故障预测信息确定为电缆的故障预测结果。
其中，所述预设参数区间可以是技术人员预先划分的电缆故障预测参数区间。所述电缆故障预测信息可以是发生电缆故障的概率。可以理解的是，所述电缆故障预测参数的值越大，对应的发生电缆故障的概率越高。
在一个实施例中，技术人员预先设定预测参数区间，示例性的，当所述电缆故障预测参数为0.2-0.5时，对应第一区间；当所述电缆故障预测参数为0.5-1时，对应第二区间；当所述电缆故障预测参数为1-1.5时，对应第三区间，当所述电缆故障预测参数为1.5-2.0时，对应第四区间。对应的，所述第一区间对应的电缆故障预测信息为发生电缆故障的概率为15％，所述第二区间对应的电缆故障预测信息为发生电缆故障的概率为30％，所述第三区间对应的电缆故障预测信息为发生电缆故障的概率为50％，所述第一区间对应的电缆故障预测信息为发生电缆故障的概率为80％。可以理解的是，当所述电缆故障预测参数小于0.2时，对应的发生电缆故障的概率为0％，当所述电缆故障预测参数大于2时，对应的发生电缆故障的概率为100％。
由上述内容可知，根据所述电缆故障预测参数确定其落入的预设参数区间，将所述预设参数区间对应的预先设置的电缆故障预测信息确定为电缆的故障预测结果。根据所述电缆故障预测参数对应的参数区间，确定发生电缆故障的概率。可以进一步的实现对电缆故障的精准预测。
所述故障结果预测模块103用于确定所述电缆故障预测参数所对应的预测参数区间，并根据所述预测参数区间确定所述电缆故障预测信息。
在一个实施例中，可选的，基于所述电缆故障预测信息确定其对应的故障预警方式。示例性的，当所述发生电缆故障的概率小于等于50％时，通过弹窗或者短信等方式发送电缆故障预警信息。其中，所述电缆故障预警信息中包括电缆位置信息、电缆弯折变化尺度前后时间间隔、电缆故障预测参数以及电缆故障预测信息等数据。当所述发生电缆故障的概率大于50％时，通过灯光、响铃或者语音播报等方式发送电缆故障预警信息。
由上述内容可知，针对不同的电缆故障发生概率针对性的采取不同的预警提示方式，可以根据故障的紧急程度进行故障预警，并且预警信息中包括电缆相关数据，使维修人员可以更加清楚的确定电缆当前状况。
由上述内容可知，所述架空电缆故障预测系统包括：参数计算模块，配置为获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；尺度确定模块，配置为基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；故障结果预测模块，配置为基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。本方案，解决了现有技术中，大多方案只能进行故障监测，而无法做到高效的故障预测的问题，给出了一种可行的方案实现对电缆故障的预测。
图3为本发明实施例提供的一种架空电缆故障预测方法的流程图，如图3所示，所述方法具体包括以下步骤：
S301、获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；
S302、基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；
S303、基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。
由上述内容可知，所述架空电缆故障预测系统包括：参数计算模块，配置为获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；尺度确定模块，配置为基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；故障结果预测模块，配置为基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。本方案，解决了现有技术中，大多方案只能进行故障监测，而无法做到高效的故障预测的问题，给出了一种可行的方案实现对电缆故障的预测。
在一个可能的实施例中，所述对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数，包括：
对所述第一架空电缆图像和所述第二架空电缆图像中的电缆进行识别得到第一电缆曲线和第二电缆曲线，确定所述第一电缆曲线的第一弯折参数，以及确定所述第二电缆曲线的第二弯参数；
所述基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度，包括：
将所述第二弯折参数与所述第一弯折参数的比值确定为弯折变化尺度。
在一个可能的实施例中，所述基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，包括：
获取所述分时的时间数据，确定所述时间数据的前后时间间隔；
根据所述前后时间间隔确定预设的故障预测权重，基于所述故障预测权重与所述弯折变化尺度计算得到电缆故障预测参数。
由上述内容可知，根据所述电缆故障预测参数确定其落入的预设参数区间，将所述预设参数区间对应的预先设置的电缆故障预测信息确定为电缆的故障预测结果。根据所述电缆故障预测参数对应的参数区间，确定发生电缆故障的概率。可以进一步的实现对电缆故障的精准预测。
在一个可能的实施例中，所述基于所述电缆故障预测参数进行电缆故障的预测，包括：
根据所述电缆故障预测参数确定其落入的预设参数区间；
将所述预设参数区间对应的预先设置的电缆故障预测信息确定为电缆的故障预测结果。
由上述内容可知，针对不同的电缆故障发生概率针对性的采取不同的预警提示方式，可以根据故障的紧急程度进行故障预警，并且预警信息中包括电缆相关数据，使维修人员可以更加清楚的确定电缆当前状况。
图4为本发明实施例提供的一种架空电缆故障预测设备的结构示意图，如图4所示，该设备包括处理器401、存储器402、输入装置403和输出装置404；设备中处理器401的数量可以是一个或多个，图4中以一个处理器401为例；设备中的处理器401、存储器402、输入装置403和输出装置404可以通过总线或其他方式连接，图4中以通过总线连接为例。存储器402作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的架空电缆故障预测方法对应的程序指令/模块。处理器401通过运行存储在存储器402中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的架空电缆故障预测方法。输入装置403可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置404可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种架空电缆故障预测方法，该方法包括：获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。
值得注意的是，上述架空电缆故障预测系统装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
注意，上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明实施例不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此，虽然通过以上实施例对本发明实施例进行了较为详细的说明，但是本发明实施例不仅仅限于以上实施例，在不脱离本发明实施例构思的情况下，还可以包括更多其他等效实施例，而本发明实施例的范围由所附的权利要求范围决定。

Claims (10)

1.架空电缆故障预测系统，其特征在于，包括：
参数计算模块，配置为获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；
尺度确定模块，配置为基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；
故障结果预测模块，配置为基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。
2.根据权利要求1所述的架空电缆故障预测系统，其特征在于，所述参数计算模块，配置为：
对所述第一架空电缆图像和所述第二架空电缆图像中的电缆进行识别得到第一电缆曲线和第二电缆曲线，确定所述第一电缆曲线的第一弯折参数，以及确定所述第二电缆曲线的第二弯参数；
所述尺度确定模块，配置为：
将所述第二弯折参数与所述第一弯折参数的比值确定为弯折变化尺度。
3.根据权利要求1所述的架空电缆故障预测系统，其特征在于，所述故障结果预测模块，配置为：
获取所述分时的时间数据，确定所述时间数据的前后时间间隔；
根据所述前后时间间隔确定预设的故障预测权重，基于所述故障预测权重与所述弯折变化尺度计算得到电缆故障预测参数。
4.根据权利要求1-3中任一项所述的架空电缆故障预测系统，其特征在于，所述故障结果预测模块，配置为：
根据所述电缆故障预测参数确定其落入的预设参数区间；
将所述预设参数区间对应的预先设置的电缆故障预测信息确定为电缆的故障预测结果。
5.架空电缆故障预测方法，其特征在于，包括：
获取分时采集的第一架空电缆图像和第二架空电缆图像，对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数；
基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度；
基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，基于所述电缆故障预测参数进行电缆故障的预测。
6.根据权利要求5所述的架空电缆故障预测方法，其特征在于，所述对所述第一架空电缆图像和所述第二架空电缆图像中的电缆弯折度进行识别，得到第一弯折参数和第二弯折参数，包括：
对所述第一架空电缆图像和所述第二架空电缆图像中的电缆进行识别得到第一电缆曲线和第二电缆曲线，确定所述第一电缆曲线的第一弯折参数，以及确定所述第二电缆曲线的第二弯参数；
所述基于所述第一弯折参数和所述第二弯折参数确定电缆的弯折变化尺度，包括：
将所述第二弯折参数与所述第一弯折参数的比值确定为弯折变化尺度。
7.根据权利要求5所述的架空电缆故障预测方法，其特征在于，所述基于所述弯折变化尺度以及所述分时的时间数据得到电缆故障预测参数，包括：
获取所述分时的时间数据，确定所述时间数据的前后时间间隔；
根据所述前后时间间隔确定预设的故障预测权重，基于所述故障预测权重与所述弯折变化尺度计算得到电缆故障预测参数。
8.根据权利要求5-7中任一项所述的架空电缆故障预测方法，其特征在于，所述基于所述电缆故障预测参数进行电缆故障的预测，包括：
根据所述电缆故障预测参数确定其落入的预设参数区间；
将所述预设参数区间对应的预先设置的电缆故障预测信息确定为电缆的故障预测结果。
9.一种架空电缆故障预测设备，所述设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求5-8中任一项所述的架空电缆故障预测方法。
10.一种存储计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求5-8中任一项所述的架空电缆故障预测方法。
CN202211559693.9A 2022-12-06 2022-12-06 架空电缆故障预测系统 Pending CN116310782A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211559693.9A CN116310782A (zh) 2022-12-06 2022-12-06 架空电缆故障预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211559693.9A CN116310782A (zh) 2022-12-06 2022-12-06 架空电缆故障预测系统

Publications (1)

Publication Number Publication Date
CN116310782A true CN116310782A (zh) 2023-06-23

Family

ID=86831150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211559693.9A Pending CN116310782A (zh) 2022-12-06 2022-12-06 架空电缆故障预测系统

Country Status (1)

Country Link
CN (1) CN116310782A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118091328A (zh) * 2024-04-20 2024-05-28 江西四联节能环保股份有限公司 一种配电电缆的异常故障预测方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118091328A (zh) * 2024-04-20 2024-05-28 江西四联节能环保股份有限公司 一种配电电缆的异常故障预测方法及系统

Similar Documents

Publication Publication Date Title
US20030214400A1 (en) Monitoring system realizing high performance with reduced processing loads
CN117688342B (zh) 一种基于模型的设备状态预测方法、电子设备及存储介质
CN116310782A (zh) 架空电缆故障预测系统
CN115186502A (zh) 车辆的异常数据识别方法、装置、电子设备及存储介质
CN111210225A (zh) 交易系统的状态监控方法、装置、设备和存储介质
CN115103210B (zh) 信息处理方法、装置、终端和存储介质
CN111191556A (zh) 人脸识别方法、装置及电子设备
JP6791555B2 (ja) 通信装置、監視方法及びプログラム
CN112150033A (zh) 一种快递柜系统管理方法、装置及电子设备
CN115766401B (zh) 工业告警信息解析方法、装置、电子设备与计算机介质
CN110852253A (zh) 梯控场景检测方法、装置及电子设备
CN114034972B (zh) 基于图像数据的智能电缆故障确定方法和装置
EP4270961A1 (en) Worker's terminal, moving image processing method, and moving image processing program
CN115876252A (zh) 一种外破隐患点多方位检测方法、装置、设备及介质
CN113807209A (zh) 车位检测方法、装置、电子设备及存储介质
CN113946493A (zh) 一种监控阈值确定及监控报警方法、装置、设备和介质
CN116168468A (zh) 车辆碰撞识别方法和装置
CN118300280B (zh) 磁浮式安全电装置及状态检测方法
CN117972348B (zh) 一种基于模型的集群运行状态确定方法、设备及介质
CN110969189B (zh) 人脸检测方法、装置及电子设备
CN115297351B (zh) 一种全景视频播放方法、装置、存储介质及电子设备
CN117216469B (zh) 一种电力系统实时监测与预测的大数据处理方法及系统
CN116566034B (zh) 配电网配电监测系统及方法
CN111401224B (zh) 目标检测方法、装置及电子设备
CN117035181A (zh) 风险预警方法、装置、设备及存储介质

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