CN116345685A - 一种基于3d虚拟现实技术的配电网数字化巡检方法 - Google Patents
一种基于3d虚拟现实技术的配电网数字化巡检方法 Download PDFInfo
- Publication number
- CN116345685A CN116345685A CN202310223196.XA CN202310223196A CN116345685A CN 116345685 A CN116345685 A CN 116345685A CN 202310223196 A CN202310223196 A CN 202310223196A CN 116345685 A CN116345685 A CN 116345685A
- Authority
- CN
- China
- Prior art keywords
- image
- abnormal
- images
- power distribution
- distribution network
- 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
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 98
- 238000012423 maintenance Methods 0.000 claims abstract description 14
- 230000001960 triggered effect Effects 0.000 claims abstract description 14
- 230000007547 defect Effects 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B3/00—Apparatus specially adapted for the manufacture, assembly, or maintenance of boards or switchgear
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Power Engineering (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Manufacturing & Machinery (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于3D虚拟现实技术的配电网数字化巡检方法,解决了现有技术的不足,包括步骤1,用户制定配电网巡视计划,然后判断巡视计划的触发条件是否被触发;步骤2,巡视计划的触发条件被触发,系统控制设视频捕捉装置进行巡视计划关联的各巡视预制位进行图像捕捉;步骤3,视频捕捉装置将捕捉后的图像传输至主站,主站生成巡视位置的3D图全景;步骤4,主站对3D图全景进行识别,获取需要识别设备状态的识别图像,判断识别图像是否异常,若有异常,则确定异常图像对应的设备为异常设备,系统对于异常设备生成维修工单;步骤5,相关人员收到维修工单,然后对异常设备进行消缺并将结果反馈至主站。
Description
技术领域
本发明涉及设备巡检技术领域,尤其是指一种基于3D虚拟现实技术的配电网数字化巡检方法。
背景技术
目前大多数配电网开关站、环网柜、配电房均已部署了站房辅助监测设备,可以将站房环境温湿度、消防告警等辅助监测信息,以及站所实时视频等通过光纤通信方式或5G网络上送至云主站平台,但普遍面临内容分散、自动化/智能化程度低、采集数据信息资源未充分利用、先进信息技术应用不足的问题,仅实现了“看看”的功能,未能有效替代人员现场巡检工作;对巡检的位置展示的不够直观明确,可视化水平较低,导致对于巡检出现异常的地方不能及时获取定位,降低了相关人员处理异常情况的效率。
发明内容
本发明的目的是克服现有技术中的配电网对巡检的位置展示的不够直观明确,可视化水平较低,导致对于巡检出现异常的地方不能及时获取定位,降低了相关人员处理异常情况的效率的缺陷,提供一种基于3D虚拟现实技术的配电网数字化巡检方法。
本发明的目的是通过下述技术方案予以实现:
一种基于3D虚拟现实技术的配电网数字化巡检方法,包括以下步骤:
步骤1,用户制定配电网巡视计划,然后判断巡视计划的触发条件是否被触发,如果被触发则跳转至步骤2,如果没有被触发则保持监控判断触发条件是否被触发;
步骤2,巡视计划的触发条件被触发,系统控制设视频捕捉装置进行巡视计划关联的各巡视预制位进行图像捕捉;
步骤3,视频捕捉装置将捕捉后的图像传输至主站,主站通过图像拼接的方式将多点位的图像进行拼接,生成巡视位置的3D图全景;
步骤4,主站对3D图全景进行识别,获取需要识别设备状态的识别图像,判断识别图像是否异常,若有异常,则确定异常图像对应的设备为异常设备,系统对于异常设备生成维修工单;步骤5,相关人员收到维修工单,然后对异常设备进行消缺并将结果反馈至主站;
步骤6,巡检流程结束。
作为优选,所述的步骤1中,配电网巡视计划包括例行巡视计划、故障巡视计划和特殊天气巡视计划,例行巡视计划的触发条件为设置的时间,故障巡视计划的触发条件为传感器告警,特殊天气巡视计划触发的条件为获取外部输入的极端天气的信息。
作为优选,所述的步骤2中,系统还控制巡视计划内的动环传感器采集传感器数据,判断传感器数据是否有异常,如果有异常则判断动环传感器是否有联动的控制设备,如果有则控制设备进行控制,传感器数据恢复正常,并将控制结果反馈至主站,如果没有则将异常的传感器数据反馈至主站,主站对于异常的传感器数据生成维修工单。
作为优选,所述的步骤4中,判断异常图像的方法具体包括以下子步骤:
步骤4-1,获取设备状态的识别图像后,与存储的该识别图像匹配的样本图像做对比;
步骤4-2,判断识别图像与样本图像之间的匹配程度,若与正常样本图像的匹配程度大于设定的阈值,则判断识别图像正常,若与正常样本图像的匹配程度小于设定的阈值,则判断识别图像异常。
作为优选,所述的步骤4-2具体为:
样本图像包括正常样本图像和异常样本图像,正常样本图像和异常样本图像通过聚类确定,具体为:获取历史图像的多元异构数据,多元异构数据包括图像拍摄时间、曝光度、大小、对比度和像素灰度分布,然后将多元异构数据进行融合,根据多元异构数据的特征值对图像进行聚类,所有历史正常样本图像至少包括一个聚类,所有历史异常样本图像至少包括一个聚类,然后选取历史正常样本图像聚类的中心的图像作为正常样本图像,选取历史异常样本图像聚类的中心的图像作为异常样本图像;若图像与任意一个正常样本图像的欧式距离小于等于设定的正常阈值,则判断识别图像正常,若图像与任意一个正常样本图像的欧式距离大于设定的正常阈值,则判断识别图像异常,识别图像异常后,判断该图像是否与任意一个异常样本图像的欧式距离小于等于设定的异常阈值,若小于等于,则获取异常样本图像的故障原因,将异常图像及其可能的故障原因上传主站。本方案通过对于历史图像的聚类,可以使现有的图像能进行快速的归类,判断该图像是正常图像还是异常图像,如果是异常图像是哪种异常情况。同时,由于图像拍摄时间、曝光度、大小、对比度和像素灰度分布的不同,可以出现多种正常样本图像,因此本方案考虑了这些多元异构数据作为聚类的特征值,可以使聚类的结果更为科学准确。
作为优选,所述的像素灰度分布采用二值法确定,具体为首先设定一个基准灰度,所有像素的灰度值大于等于该基准灰度的值设为1,所有像素的灰度值小于等于该基准灰度的值设为0,像素灰度分布按照顺序构成一个仅包含有0和1的数列。由于异常图像往往与正常图像在某些像素点的显示会显著不同,因此本方案采用二值法对于图像的像素灰度分布进行计算,可以快速区分异常图像和正常图像。
作为优选,图像的像素灰度分布与样本图像的像素灰度分布的比较方法为:记录两者数列中数值相同的次数和数值不同的次数,将数值相同的次数占总数值的比列作为为图像与样本图像的相似度。
作为优选,图像的像素灰度分布与样本图像的像素灰度分布的比较方法为:获取数列中相同数值连续的长度,并记录该长度出现的次数,然后将图像的任意长度出现的次数的集合与样本图像的任意长度出现的次数的集合进行比较,判断图像与样本图像的相似度。
作为优选,所述的将图像的任意长度出现的次数的集合与样本图像的任意长度出现的次数的集合进行比较,判断图像与样本图像的相似度具体为:以横坐标为长度,纵坐标为次数构建拟合曲线,将图像的拟合曲线和样本图像的拟合曲线进行比较,计算两个拟合曲线之间围成的面积,通过面积的大小判断图像与样本图像的相似度。本方案的设计对于图像识别保留了一定的容忍度,由于获取的图像受到时间、环境或者设备自身等多种因素的影响,设备正常对应的正常图像会有一定的区别,因此本方案巧妙的利用了两个拟合曲线之间围成的面积大小来设置正常图像变化的容忍度,进一步提高了图像识别的效率。
作为优选,所述的设备状态的识别图像至少包括2个,1个图像为3D图全景下设备状态的正视图,其他图像为3D图全景下设备状态的侧视图,或者所有识别图像之间的拍摄角度大于设定值。由于本方案生成的是3D图全景,因此就可以获取多个角度的设备图像,最终的识别结果由多个识别图像共同确定,每个识别图像设置不同的占比权重确保识别的准确率。
本发明的有益效果是:本发明实现远程自主数据采集、带电指示器状态识别、仪表读数识别、柜门状态识别等功能,实现配网站房远程自主巡视,有效减轻配网一线运行人员由于配电站房分布点多面广造成的巡检压力,大幅度提高劳动效率和工作效率。利用视频拼接技术,构建站房全景实时视频,支持在站房全景实时视频中进行远程巡视,有效解决视频捕捉装置的视频数据独立窗口展示,无法进行站房全景监视问题,提高可视化水平。基于三维建模技术,构建三维数字化站房监控模块,支持在数字化站房中进行站房辅助管理,可进行自主巡检异常结果实时关联展示,有效解决自主巡检异常结果报表展示不直观问题,在三维数智化站房中以着色、闪烁等易于观察的方式实现异常结果定位展示,帮助运维人员快速、直观的发现问题。将自主巡检异常结果实时推送工单,有助于检修人员快速定位问题,及时检修,实现异常缺陷检修的闭环管理,提高站房运行环境安全性及线路供电可靠性。在装有联动控制设备(如空调、除湿机、排水装置等)的站所,在出现部分巡视异常时(如温湿度异常、水浸告警等),可就地联动控制设备,快速消除异常。
本发明提高了异常图像识别的效率,对于异常图像的情况可以进行快速的获取信息并进行处理,提高了整体配电网巡检的效率。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面结合附图和实施例对本发明进一步描述。
实施例1:一种基于3D虚拟现实技术的配电网数字化巡检方法,包括以下步骤:
步骤1,用户制定配电网巡视计划,然后判断巡视计划的触发条件是否被触发,如果被触发则跳转至步骤2,如果没有被触发则保持监控判断触发条件是否被触发;
步骤2,巡视计划的触发条件被触发,系统控制设视频捕捉装置进行巡视计划关联的各巡视预制位进行图像捕捉;
步骤3,视频捕捉装置将捕捉后的图像传输至主站,主站通过图像拼接的方式将多点位的图像进行拼接,生成巡视位置的3D图全景;
步骤4,主站对3D图全景进行识别,获取需要识别设备状态的识别图像,判断识别图像是否异常,若有异常,则确定异常图像对应的设备为异常设备,系统对于异常设备生成维修工单;步骤5,相关人员收到维修工单,然后对异常设备进行消缺并将结果反馈至主站;
步骤6,巡检流程结束。
所述的步骤1中,配电网巡视计划包括例行巡视计划、故障巡视计划和特殊天气巡视计划,例行巡视计划的触发条件为设置的时间,故障巡视计划的触发条件为传感器告警,特殊天气巡视计划触发的条件为获取外部输入的极端天气的信息。
所述的步骤2中,系统还控制巡视计划内的动环传感器采集传感器数据,判断传感器数据是否有异常,如果有异常则判断动环传感器是否有联动的控制设备,如果有则控制设备进行控制,传感器数据恢复正常,并将控制结果反馈至主站,如果没有则将异常的传感器数据反馈至主站,主站对于异常的传感器数据生成维修工单。
所述的步骤4中,判断异常图像的方法具体包括以下子步骤:
步骤4-1,获取设备状态的识别图像后,与存储的该识别图像匹配的样本图像做对比;
步骤4-2,判断识别图像与样本图像之间的匹配程度,若与正常样本图像的匹配程度大于设定的阈值,则判断识别图像正常,若与正常样本图像的匹配程度小于设定的阈值,则判断识别图像异常。
所述的步骤4-2具体为:
样本图像包括正常样本图像和异常样本图像,正常样本图像和异常样本图像通过聚类确定,具体为:获取历史图像的多元异构数据,多元异构数据包括图像拍摄时间、曝光度、大小、对比度和像素灰度分布,然后将多元异构数据进行融合,根据多元异构数据的特征值对图像进行聚类,所有历史正常样本图像至少包括一个聚类,所有历史异常样本图像至少包括一个聚类,然后选取历史正常样本图像聚类的中心的图像作为正常样本图像,选取历史异常样本图像聚类的中心的图像作为异常样本图像;若图像与任意一个正常样本图像的欧式距离小于等于设定的正常阈值,则判断识别图像正常,若图像与任意一个正常样本图像的欧式距离大于设定的正常阈值,则判断识别图像异常,识别图像异常后,判断该图像是否与任意一个异常样本图像的欧式距离小于等于设定的异常阈值,若小于等于,则获取异常样本图像的故障原因,将异常图像及其可能的故障原因上传主站。本方案通过对于历史图像的聚类,可以使现有的图像能进行快速的归类,判断该图像是正常图像还是异常图像,如果是异常图像是哪种异常情况。同时,由于图像拍摄时间、曝光度、大小、对比度和像素灰度分布的不同,可以出现多种正常样本图像,因此本方案考虑了这些多元异构数据作为聚类的特征值,可以使聚类的结果更为科学准确。
所述的像素灰度分布采用二值法确定,具体为首先设定一个基准灰度,所有像素的灰度值大于等于该基准灰度的值设为1,所有像素的灰度值小于等于该基准灰度的值设为0,像素灰度分布按照顺序构成一个仅包含有0和1的数列。由于异常图像往往与正常图像在某些像素点的显示会显著不同,因此本方案采用二值法对于图像的像素灰度分布进行计算,可以快速区分异常图像和正常图像。
图像的像素灰度分布与样本图像的像素灰度分布的比较方法为:记录两者数列中数值相同的次数和数值不同的次数,将数值相同的次数占总数值的比列作为为图像与样本图像的相似度。
实施例2:一种基于3D虚拟现实技术的配电网数字化巡检方法,其原理和实施方法和实施例1基本相同,不同之处在于图像的像素灰度分布与样本图像的像素灰度分布的比较方法为:获取数列中相同数值连续的长度,并记录该长度出现的次数,然后将图像的任意长度出现的次数的集合与样本图像的任意长度出现的次数的集合进行比较,判断图像与样本图像的相似度。
所述的将图像的任意长度出现的次数的集合与样本图像的任意长度出现的次数的集合进行比较,判断图像与样本图像的相似度具体为:以横坐标为长度,纵坐标为次数构建拟合曲线,将图像的拟合曲线和样本图像的拟合曲线进行比较,计算两个拟合曲线之间围成的面积,通过面积的大小判断图像与样本图像的相似度。本方案的设计对于图像识别保留了一定的容忍度,由于获取的图像受到时间、环境或者设备自身等多种因素的影响,设备正常对应的正常图像会有一定的区别,因此本方案巧妙的利用了两个拟合曲线之间围成的面积大小来设置正常图像变化的容忍度,进一步提高了图像识别的效率。
实施例3:一种基于3D虚拟现实技术的配电网数字化巡检方法,其原理和实施方法和实施例1基本相同,不同之处在于所述的设备状态的识别图像至少包括2个,1个图像为3D图全景下设备状态的正视图,其他图像为3D图全景下设备状态的侧视图,或者所有识别图像之间的拍摄角度大于设定值。由于本方案生成的是3D图全景,因此就可以获取多个角度的设备图像,最终的识别结果由多个识别图像共同确定,每个识别图像设置不同的占比权重确保识别的准确率。
实施例4:一种基于3D虚拟现实技术的配电网数字化巡检方法,其原理和实施方法和实施例1基本相同,不同之处在于所述的像素灰度分布采用四值法确定,具体为首先设定三个基准灰度,分别为第一基准灰度、第二基准灰度和第三基准灰度,三个基准灰度分别占总灰度值的四分之一、二分之一和四分之三,所有像素的灰度值大于第一基准灰度的值设为3,剩余所有像素的灰度值大于第二基准灰度的值设为2,剩余所有像素的灰度值大于第三基准灰度的值设为1,剩余的设为0。本方案相比通过二值法确定像素灰度分布,具有更高的准确性,但是处理的效率降低,可根据实际的需要灵活选择。
通过以上实施方式的描述,所属领域的技术人员可以了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中可以根据需要而将上述功能分配由不同的功能模块完成,即将具体计算的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的实施例中,应该理解到,所描述的结构和方法,可以通过其它的方式实现。例如,以上所描述的关于结构的实施例仅仅是示意性的,例如,模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个结构,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该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个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (10)
1.一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,包括以下步骤:
步骤1,用户制定配电网巡视计划,然后判断巡视计划的触发条件是否被触发,如果被触发则跳转至步骤2,如果没有被触发则保持监控判断触发条件是否被触发;
步骤2,巡视计划的触发条件被触发,系统控制设视频捕捉装置进行巡视计划关联的各巡视预制位进行图像捕捉;
步骤3,视频捕捉装置将捕捉后的图像传输至主站,主站通过图像拼接的方式将多点位的图像进行拼接,生成巡视位置的3D图全景;
步骤4,主站对3D图全景进行识别,获取需要识别设备状态的识别图像,判断识别图像是否异常,若有异常,则确定异常图像对应的设备为异常设备,系统对于异常设备生成维修工单;
步骤5,相关人员收到维修工单,然后对异常设备进行消缺并将结果反馈至主站;
步骤6,巡检流程结束。
2.根据权利要求1所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,所述的步骤1中,配电网巡视计划包括例行巡视计划、故障巡视计划和特殊天气巡视计划,例行巡视计划的触发条件为设置的时间,故障巡视计划的触发条件为传感器告警,特殊天气巡视计划触发的条件为获取外部输入的极端天气的信息。
3.根据权利要求1所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,所述的步骤2中,系统还控制巡视计划内的动环传感器采集传感器数据,判断传感器数据是否有异常,如果有异常则判断动环传感器是否有联动的控制设备,如果有则控制设备进行控制,传感器数据恢复正常,并将控制结果反馈至主站,如果没有则将异常的传感器数据反馈至主站,主站对于异常的传感器数据生成维修工单。
4.根据权利要求1所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,所述的步骤4中,判断异常图像的方法具体包括以下子步骤:
步骤4-1,获取设备状态的识别图像后,与存储的该识别图像匹配的样本图像做对比;
步骤4-2,判断识别图像与样本图像之间的匹配程度,若与正常样本图像的匹配程度大于设定的阈值,则判断识别图像正常,若与正常样本图像的匹配程度小于设定的阈值,则判断识别图像异常。
5.根据权利要求4所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,所述的步骤4-2具体为:
样本图像包括正常样本图像和异常样本图像,正常样本图像和异常样本图像通过聚类确定,具体为:获取历史图像的多元异构数据,多元异构数据包括图像拍摄时间、曝光度、大小、对比度和像素灰度分布,然后将多元异构数据进行融合,根据多元异构数据的特征值对图像进行聚类,所有历史正常样本图像至少包括一个聚类,所有历史异常样本图像至少包括一个聚类,然后选取历史正常样本图像聚类的中心的图像作为正常样本图像,选取历史异常样本图像聚类的中心的图像作为异常样本图像;若图像与任意一个正常样本图像的欧式距离小于等于设定的正常阈值,则判断识别图像正常,若图像与任意一个正常样本图像的欧式距离大于设定的正常阈值,则判断识别图像异常,识别图像异常后,判断该图像是否与任意一个异常样本图像的欧式距离小于等于设定的异常阈值,若小于等于,则获取异常样本图像的故障原因,将异常图像及其可能的故障原因上传主站。
6.根据权利要求5所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,所述的像素灰度分布采用二值法确定,具体为首先设定一个基准灰度,所有像素的灰度值大于等于该基准灰度的值设为1,所有像素的灰度值小于等于该基准灰度的值设为0,像素灰度分布按照顺序构成一个仅包含有0和1的数列。
7.根据权利要求6所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,图像的像素灰度分布与样本图像的像素灰度分布的比较方法为:记录两者数列中数值相同的次数和数值不同的次数,将数值相同的次数占总数值的比列作为为图像与样本图像的相似度。
8.根据权利要求6所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,图像的像素灰度分布与样本图像的像素灰度分布的比较方法为:获取数列中相同数值连续的长度,并记录该长度出现的次数,然后将图像的任意长度出现的次数的集合与样本图像的任意长度出现的次数的集合进行比较,判断图像与样本图像的相似度。
9.根据权利要求8所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,所述的将图像的任意长度出现的次数的集合与样本图像的任意长度出现的次数的集合进行比较,判断图像与样本图像的相似度具体为:以横坐标为长度,纵坐标为次数构建拟合曲线,将图像的拟合曲线和样本图像的拟合曲线进行比较,计算两个拟合曲线之间围成的面积,通过面积的大小判断图像与样本图像的相似度。
10.根据权利要求4-9任意一项权利要求所述的一种基于3D虚拟现实技术的配电网数字化巡检方法,其特征是,所述的设备状态的识别图像至少包括2个,1个图像为3D图全景下设备状态的正视图,其他图像为3D图全景下设备状态的侧视图,或者所有识别图像之间的拍摄角度大于设定值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310223196.XA CN116345685A (zh) | 2023-03-02 | 2023-03-02 | 一种基于3d虚拟现实技术的配电网数字化巡检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310223196.XA CN116345685A (zh) | 2023-03-02 | 2023-03-02 | 一种基于3d虚拟现实技术的配电网数字化巡检方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116345685A true CN116345685A (zh) | 2023-06-27 |
Family
ID=86878272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310223196.XA Pending CN116345685A (zh) | 2023-03-02 | 2023-03-02 | 一种基于3d虚拟现实技术的配电网数字化巡检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116345685A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312591A (zh) * | 2023-10-17 | 2023-12-29 | 南京海汇装备科技有限公司 | 一种基于虚拟现实的图像数据存储管理系统及方法 |
CN117575165A (zh) * | 2023-12-05 | 2024-02-20 | 浙江万胜智通科技有限公司 | 一种数字化配电网的智能巡检管理方法及系统 |
-
2023
- 2023-03-02 CN CN202310223196.XA patent/CN116345685A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117312591A (zh) * | 2023-10-17 | 2023-12-29 | 南京海汇装备科技有限公司 | 一种基于虚拟现实的图像数据存储管理系统及方法 |
CN117312591B (zh) * | 2023-10-17 | 2024-03-12 | 南京海汇装备科技有限公司 | 一种基于虚拟现实的图像数据存储管理系统及方法 |
CN117575165A (zh) * | 2023-12-05 | 2024-02-20 | 浙江万胜智通科技有限公司 | 一种数字化配电网的智能巡检管理方法及系统 |
CN117575165B (zh) * | 2023-12-05 | 2024-05-07 | 浙江万胜智通科技有限公司 | 一种数字化配电网的智能巡检管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116345685A (zh) | 一种基于3d虚拟现实技术的配电网数字化巡检方法 | |
CN102878647B (zh) | 空调运行状态的自动监控系统及自动监控方法 | |
CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
CN112272236A (zh) | 一种基于bim的巡检系统及方法 | |
CN109443812A (zh) | 基于图像数据的暖通空调设备故障诊断方法及系统 | |
CN115841730A (zh) | 视频监控系统、异常事件检测方法 | |
CN112819988A (zh) | 基于5g的无人机电站智能巡检方法、系统和网络侧服务端 | |
CN110609774A (zh) | 一种基于视频图像识别的服务器故障辅助诊断系统及方法 | |
CN113094244A (zh) | 一种用于数据中心的机房运行智能检测系统 | |
CN103926893A (zh) | 一种云集装箱数据中心监控系统 | |
CN115861173A (zh) | 基于数字孪生和ai的分光器资源准确性自动检测系统和方法 | |
CN111885349B (zh) | 一种管廊异常检测系统及方法 | |
CN113723701A (zh) | 森林火灾监测预测方法及系统、电子设备及存储介质 | |
CN113065540A (zh) | 一种基于机巡图像的输电线路元件失效识别方法及系统 | |
CN117251751A (zh) | 机房监测方法、装置、电子设备及存储介质 | |
CN116843866A (zh) | 基于ar设备养殖场智能巡检方法、系统 | |
CN116363397A (zh) | 设备故障排查方法、装置及巡检系统 | |
CN115296193A (zh) | 变电站智能巡检系统及方法 | |
CN115562227A (zh) | 变电站巡检机器人监控方法、装置和计算机设备 | |
CN115759497A (zh) | 一种轨道交通智慧车站自动巡检的方法与系统 | |
CN112308078A (zh) | 一种基于机器视觉的控制柜状态组态识别方法 | |
CN113489929A (zh) | 垃圾分类督岗监控方法、装置、计算机设备和存储介质 | |
CN113222548A (zh) | 一种社区物业鹰眼监控系统及使用方法 | |
CN117255180B (zh) | 一种智能安全监控设备及监控方法 | |
CN115018332B (zh) | 一种基于虚拟现实的火电厂可视化管理系统 |
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 |