CN116469058A - 基于计算机视觉的光伏电站火灾隐患监测方法及系统 - Google Patents
基于计算机视觉的光伏电站火灾隐患监测方法及系统 Download PDFInfo
- Publication number
- CN116469058A CN116469058A CN202310724318.3A CN202310724318A CN116469058A CN 116469058 A CN116469058 A CN 116469058A CN 202310724318 A CN202310724318 A CN 202310724318A CN 116469058 A CN116469058 A CN 116469058A
- Authority
- CN
- China
- Prior art keywords
- direct current
- data
- image
- current arc
- photovoltaic power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 238000001931 thermography Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000010891 electric arc Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 206010000369 Accident Diseases 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009413 insulation 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
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious 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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种基于计算机视觉的光伏电站火灾隐患监测方法及系统,该方法包括基于光伏电站的电气数据分析是否发生直流电弧的第一判断结果;在第一判断结果表征发生直流电弧时,获取监控设备采集的光伏电站的视频图像,基于视频图像分析是否发生直流电弧的第二判断结果;在第二判断结果表征发生直流电弧时,基于视频图像分析在预设时间段内直流电弧的第一状态变化数据,基于电气数据分析预设时间段内直流电弧的第二状态变化数据;基于所述第一状态变化数据和第二状态变化数据确定光伏电站是否存在火灾隐患。本发明提高光伏电站火灾隐患分析的准确性和有效性。
Description
技术领域
本发明涉及光伏电站监测技术领域,具体涉及基于计算机视觉的光伏电站火灾隐患监测方法及系统。
背景技术
光伏电站中的火灾事故因素很多,直流电弧产生是光伏电站中最常见的故障现象,由于接点脱落、器件老化、绝缘破裂、接地不良等情况都会产生电弧,且直流电弧不存在过零点,一旦产生就会持续燃烧,很难熄灭,极易造成火灾事故。
发明内容
针对上述现有技术存在的问题,本发明提供了一种基于计算机视觉的光伏电站火灾隐患监测方法及系统,提高光伏电站火灾隐患分析的准确性和有效性。该技术方案如下:
第一方面,提供了基于计算机视觉的光伏电站火灾隐患监测方法,该方法包括如下步骤:
(1)基于光伏电站的电气数据分析是否发生直流电弧的第一判断结果;
(2)在第一判断结果表征发生直流电弧时,获取监控设备采集的光伏电站的视频图像,基于所述视频图像分析是否发生直流电弧的第二判断结果;
(3)在第二判断结果表征发生直流电弧时,基于视频图像分析在预设时间段内直流电弧的第一状态变化数据,基于电气数据分析预设时间段内直流电弧的第二状态变化数据;
(4)基于所述第一状态变化数据和第二状态变化数据确定光伏电站是否存在火灾隐患。
在一些实施方式中,所述(1),包括基于线路电流和电源电压变化特征分析是否发生直流电弧的第一判断结果。
在一些实施方式中,所述(2),包括:
基于帧差法判断当前图像帧相对于前一图像帧是否出现异常目标;
基于异常目标区域像素的颜色特征作为第一特征,基于异常目标区域的形状特征作为第二特征;
获取沿异常目标区域中心向异常目标区域外围方向上的像素梯度变化序列特征作为第三特征,获取至少4个方向上的像素梯度变化序列特征作为第三特征组,所述至少4个方向覆盖范围大于270度;
基于第一特征、第二特征、第三特征组判断图像帧中是否存在直流电弧区域。
在一些实施方式中,所述(3),包括:
基于可见光视频图像获取在预设时间段内直流电弧的图像特征序列数据,并获取发生直流电弧的第一位置;
基于热成像图像分析所述第一位置在预设时间段内的温度序列数据;
基于图像特征序列数据和温度序列数据的关联关系确定在预设时间段内直流电弧的第一状态变化数据。
在一些实施方式中,基于可见光视频图像获取在预设时间段内直流电弧的图像特征序列数据,包括:
基于图像帧的直流电弧区域的面积、直流电弧区域边缘上距离最远的两个点之间的直线距离确定直流电弧的第一图像特征参数;
基于直流电弧区域的弧柱区域和外围光圈区域图像像素特征确定直流电弧的第二图像特征参数;
基于所述第一图像特征参数和第二图像特征参数获取预设时间段内直流电弧的图像特征序列数据。
在一些实施方式中,所述基于图像特征序列数据和温度序列数据的关联关系确定在预设时间段内直流电弧的第一状态变化数据,包括:
基于样本数据确定正常直流电弧下图像特征序列数据和温度序列数据的第一关联关系、故障电弧下图像特征序列数据和温度序列数据的第二关联关系;
基于当前时刻的图像特征序列数据和温度序列数据的第三关联关系确定预设时间段内直流电弧的第一状态变化数据为(第三关联关系-第一关联关系)/(第二关联关系-第一关联关系)。
在一些实施方式中,所述样本数据包括正常直流电弧下电弧发生期间的图像特征序列数据和直流电弧发生位置的温度序列数据、故障电弧下电弧发生期间的图像特征序列数据和直流电弧发生位置的温度序列数据;
图像特征序列数据和温度序列数据的所述关联关系的获取方法包括:
基于图像特征序列数据提取图像变化特征数据,基于温度序列数据提取温度变化特征数据;
基于所述图像变化特征数据获取图像变化分布特征,基于所述温度变化特征数据获取温度变化分布特征;
基于所述温度变化分布特征和图像变化分布特征获取温度变化特征数据中当前时刻的数据与图像特征序列数据的当前时刻前不同时刻的数据的依赖关系值;基于所述依赖关系值确定温度序列数据和图像特征序列数据的关联关系。
第二方面,提供了一种基于计算机视觉的光伏电站火灾隐患监测系统,该系统包括:
第一分析判断模块,用于基于光伏电站的电气数据分析是否发生直流电弧的第一判断结果;
第二分析判断模块,用于在第一判断结果表征发生直流电弧时,控制监控设备采集光伏电站的视频图像,基于光伏电站的视频图像分析是否发生直流电弧的第二判断结果;
多维度数据变化监测模块,用于在第二判断结果表征发生直流电弧时,基于视频图像分析在预设时间段内直流电弧的第一状态变化数据,基于电气数据分析预设时间段内直流电弧的第二状态变化数据;
火灾隐患监测模块,用于基于所述第一状态变化数据和第二状态变化数据确定光伏电站是否存在火灾隐患。
第三方面,提供了一种电子设备,该电子设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现上述第一方面所述的基于计算机视觉的光伏电站火灾隐患监测方法。
第四方面,提供了一种计算机可读存储介质,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现上述第一方面所述的基于计算机视觉的光伏电站火灾隐患监测方法。
本发明的一种基于计算机视觉的光伏电站火灾隐患监测方法及系统,具备如下有益效果:基于光伏电站电气数据的异常变化触发光伏电站视频图像的直流电弧分析,经过两次分析结果一致性判断,可以有效减小由于光伏电站受到内部逆变器和外在环境的干扰导致光伏电站的电气数据的多变进而导致的基于光伏电站的电气数据异常分析故障电弧的误判率。进一步的,通过第一状态变化数据和第二状态变化数据联合分析光伏电站是否存在火灾隐患,提高光伏电站火灾隐患分析结果的可信度。
附图说明
图1是本申请实施例中基于计算机视觉的光伏电站火灾隐患监测方法的流程示意图;
图2是本申请实施例中基于视频图像分析直流电弧发生的流程示意图;
图3是本申请实施例中图像特征序列数据和温度序列数据的关联关系获取方法流程示意图;
图4是本申请实施例中基于计算机视觉的光伏电站火灾隐患监测系统的结构示意图。
具体实施方式
下面结合附图对本发明进行具体说明。
参见图1,本申请实施例中提供的一种基于计算机视觉的光伏电站火灾隐患监测方法,包括如下步骤:
(1)基于光伏电站的电气数据分析是否发生直流电弧的第一判断结果;
(2)在第一判断结果表征发生直流电弧时,获取监控设备采集的光伏电站的视频图像,基于所述视频图像分析是否发生直流电弧的第二判断结果;
(3)在第二判断结果表征发生直流电弧时,基于视频图像分析在预设时间段内直流电弧的第一状态变化数据,基于电气数据分析预设时间段内直流电弧的第二状态变化数据;
(4)基于所述第一状态变化数据和第二状态变化数据确定光伏电站是否存在火灾隐患。
本申请实施例中基于光伏电站的电气数据经过简单对比分析判断是否发生直流电弧,即当第一判断结果表征发生直流电弧时,则确定光伏电站存在发生直流电弧的可能,进一步通过视频图像经过视觉分析是否发生直流电弧,基于光伏电站电气数据的异常变化触发光伏电站视频图像的直流电弧分析。经过两次分析结果一致性判断,可以有效减小由于光伏电站受到内部逆变器和外在环境的干扰导致光伏电站的电气数据的多变进而导致的基于光伏电站的电气数据异常分析故障电弧的误判率。进一步的,考虑直流电弧既可能是正常电弧也可能是故障电弧,考虑故障电弧与正常电弧的发生状态的差异性,本申请通过第一状态变化数据和第二状态变化数据联合分析光伏电站是否存在火灾隐患。
其中第一状态变化数据、第二状态变化数据表征基于视频图像得到的直流电弧的状态和基于电气数据得到的直流电弧的状态为故障电弧的概率的变化,可以理解,若第一状态变化数据/第二状态变化数据表征直流电弧为故障电弧的概率越来越大或者概率值在预设时间段内均大于预设阈值,则表征直流电弧为故障电弧,确定光伏电站存在火灾隐患。
进一步的,上述步骤(1)基于光伏电站的电气数据分析是否发生直流电弧的第一判断结果,包括:基于线路电流和电源电压变化特征分析是否发生直流电弧的第一判断结果。
可以理解,电弧发生前后线路电流会有剧烈跳动,电源电压可能也会发生异常变化,根据线路电流和电源电压是否发生异常变化分析是否发生直流电弧,当然,考虑到光伏电站中环境复杂且连接的各种用电设备工作条件多样将导致光伏电站中电流数据存在正常的多变性,所以本申请实施例中仅依据线路电流和电源电压变化特征进行初步分析是否存在发生直流电弧的概率,在第一判断结果为发生直流电弧的情况下,还需进一步进行多维度数据分析以减小第一判断结果的误判概率。
进一步的,参见图2,上述步骤(2)中基于所述视频图像分析是否发生直流电弧的第二判断结果,包括:
(21)基于帧差法判断当前图像帧相对于前一图像帧是否出现异常目标;
(22)基于异常目标区域像素的颜色特征作为第一特征,基于异常目标区域的形状特征作为第二特征
(23)获取沿异常目标区域中心向异常目标区域外围方向上的像素梯度变化序列特征作为第三特征,获取至少4个方向上的像素梯度变化序列特征作为第三特征组,所述至少4个方向覆盖范围大于270度;
(24)基于第一特征、第二特征、第三特征组判断图像帧中是否存在直流电弧区域。
可以理解,在基于帧差法判断出现异常目标区域时,可能是图像中出现了直流电弧,进一步,针对该异常目标区域的像素进行特征分析,基于异常目标区域的颜色特征、形状特征与直流电弧的颜色特征、形状特征进行一致性分析,若异常目标区域的颜色特征比较接近直流电弧的颜色特征时,异常目标区域可能为直流电弧,若异常目标区域的形状特征比较接近直流电弧的颜色特征时,异常目标区域可能为直流电弧。另外,还结合异常目标区域的中心向外围方向上的像素梯度变化判断是否为直流电弧区域,可以理解,直流电弧区域最内侧是电弧弧柱区域,电弧弧柱区域外侧是光圈区域,当第三特征组表征的梯度变化与直流电弧的电弧弧柱区域和光圈区域的像素梯度变化接近时,异常目标区域可能为直流电弧。通过第一特征、第二特征、第三特征组的判断,可以确定异常目标区域是否为直流电弧区域。
本申请实施例中,对每个图像帧是否存在直流电弧区域的判断分析过程算法简单,避免了目标识别的网络模型构建、训练等过程,简化了该步骤的计算量和提高了判断是否存在直流电弧区域的计算实时性。
在一种实施方式中,上述(3)中基于视频图像分析在预设时间段内直流电弧的第一状态变化数据,包括:
(31)基于可见光视频图像获取在预设时间段内直流电弧的图像特征序列数据,并获取发生直流电弧的第一位置;
(32)基于热成像图像分析所述第一位置在预设时间段内的温度序列数据;
(33)基于图像特征序列数据和温度序列数据的关联关系确定在预设时间段内直流电弧的第一状态变化数据。
本申请实施例中,上述视频图像包括可见光视频图像和热成像图像,通过可见光视频图像分析一段时间内直流电弧的图像特征序列数据,并获取直流电弧发生区域的温度序列数据,可以理解,直流电弧的图像特征序列数据和温度序列数据存在对应关系,当该对应关系满足不同的条件时,可以确定直流电弧为故障电弧的不同概率值,当图像特征序列数据和温度序列数据的对应关系在预设条件下,确定发生故障电弧的概率最大,当图像特征序列数据和温度序列数据的对应关系偏离所述预设条件,则确定发生故障电弧的概率变小。
在一种实施方式中,上述(31)基于可见光视频图像获取在预设时间段内直流电弧的图像特征序列数据,包括如下步骤:
(311)基于图像帧的直流电弧区域的面积、直流电弧区域边缘上距离最远的两个点之间的直线距离确定直流电弧的第一图像特征参数;
(312)基于直流电弧区域的弧柱区域和外围光圈区域图像像素特征确定直流电弧的第二图像特征参数;
(313)基于所述第一图像特征参数和第二图像特征参数获取预设时间段内直流电弧的图像特征序列数据。
可以理解,直流电弧区域的面积越大,其危险参数越高,直流电弧区域边缘上距离最远的两个点之间的直线距离越大,其危险参数越高。在一种实施方式中,基于直流电弧区域的面积与直流电弧区域边缘上距离最远的两个点之间的直线距离的乘积确定直流电弧的第一图像特征参数。上述(312)中的图像像素特征可以是颜色特征、梯度变化特征等。
在一种实施方式中,上述(33)中,基于图像特征序列数据和温度序列数据的关联关系确定在预设时间段内直流电弧的第一状态变化数据,包括:
(331)基于样本数据确定正常直流电弧下图像特征序列数据和温度序列数据的第一关联关系A1、故障电弧下图像特征序列数据和温度序列数据的第二关联关系A2;
(332)基于当前时刻的图像特征序列数据和温度序列数据的第三关联关系A3确定预设时间段内直流电弧的第一状态变化数据为,即(第三关联关系-第一关联关系)/(第二关联关系-第一关联关系)。
本申请实施例中,基于电弧的图像特征序列数据和电弧发生位置的温度序列数据判断直流电弧的状态变化过程,考虑在正常直流电弧下、故障电弧下其图像特征和温度变化特征具有不同的关联关系,可以理解,在正常直流电弧下,电弧的图像特征变化过程和所在位置温度变化过程具有一定的第一关联关系,在故障电弧下,电弧的图像特征变化过程和所在位置温度变化过程具有一定的第二关联关系,基于第一状态变化数据表征电弧的实时状态接近于故障电弧的概率。
具体来说,上述样本数据包括正常直流电弧下电弧发生期间的图像特征序列数据和直流电弧发生位置的温度序列数据、故障电弧下电弧发生期间的图像特征序列数据和直流电弧发生位置的温度序列数据;
进而,参见图3,上述(331)和(332)中,图像特征序列数据和温度序列数据的所述关联关系的获取方法包括:
(3311)基于图像特征序列数据提取图像变化特征数据,基于温度序列数据提取温度变化特征数据;
(3312)基于所述图像变化特征数据获取图像变化分布特征,基于所述温度变化特征数据获取温度变化分布特征;
(3313)基于所述温度变化分布特征和图像变化分布特征获取温度变化特征数据中当前时刻的数据与图像特征序列数据的当前时刻前不同时刻的数据的依赖关系值;基于所述依赖关系值确定温度序列数据和图像特征序列数据的关联关系。
本申请实施例中,基于图像特征序列数据提取其梯度数据作为图像变化特征数据,基于温度序列数据提取其梯度数据作为温度变化特征数据,根据该图像变化特征数据、温度变化特征数据经过数据分布密度分析得到图像变化分布特征、温度变化分布特征,进一步,针对温度变化特征数据中当前时刻的数据和当前时刻前任一时刻的温度序列数据的依赖关系值,基于所述当前时刻的温度变化特征数据的分布密度和当前时刻前任一时刻的温度序列数据的分布密度的相近性确定所述依赖关系值。其中图像变化特征数据、温度变化特征数据的数据分布密度分析可以采用直方图或者核密度等多种数据分布密度分析方法。
在另一种实施方式中,所述图像特征序列数据和温度序列数据的所述关联关系的获取方法还包括:
基于所述温度变化分布特征和图像变化分布特征获取图像特征序列数据与温度变化特征数据的双向依赖关系,基于所述双向依赖关系确定温度序列数据和图像特征序列数据的关联关系。在该实施方式中,双向依赖关系的分析基于上述温度变化特征数据中当前时刻的数据与图像特征序列数据的当前时刻前不同时刻的数据的依赖关系值的分析方法一致。
具体来说,上述(3313)中,基于所述温度变化分布特征和图像变化分布特征获取温度变化特征数据中当前时刻的数据与图像特征序列数据的当前时刻前不同时刻的数据的依赖关系值,包括:基于当前时刻的温度变化特征数据与当前时刻前不同时刻的图像特征序列数据的依赖关系值,确定与当前时刻的温度变化特征数据与图像特征序列数据的关键依赖时间段,所述关键依赖时间段基于所述依赖关系值的大小和依赖关系连续时长确定。
可以理解,在确定关键依赖时间段之后,可以基于关键依赖时间段的依赖关系值更精准表征温度序列数据和图像特征序列数据的关联关系,其中关键依赖时间段表征在图像特征序列数据和/或温度序列数据中具有显著变化时对另一序列数据的依赖影响关系。可以理解,在图像特征序列数据和/或温度序列数据中具有显著变化时包含了更多用于分析所述关联关系的信息量。
在一种实施方式中,上述(3)中,基于电气数据分析预设时间段内直流电弧的第二状态变化数据,包括:基于预设时间段内的线路电流和电源电压序列数据,经过提取多维度特征,基于所述多维度特征分析直流电弧的第二状态变化数据,所述多维度特征包括时域特征、频域特征、时频域特征,基于所述多维度特征分析直流电弧为故障电弧的概率。
参见图4,本申请实施例中还提供了一种基于计算机视觉的光伏电站火灾隐患监测系统,该系统包括:
第一分析判断模块,用于基于光伏电站的电气数据分析是否发生直流电弧的第一判断结果;
第二分析判断模块,用于在第一判断结果表征发生直流电弧时,获取监控设备采集的光伏电站的视频图像,基于所述视频图像分析是否发生直流电弧的第二判断结果;
多维度数据变化监测模块,用于在第二判断结果表征发生直流电弧时,基于视频图像分析在预设时间段内直流电弧的第一状态变化数据,基于电气数据分析预设时间段内直流电弧的第二状态变化数据;
火灾隐患监测模块,用于基于所述第一状态变化数据和第二状态变化数据确定光伏电站是否存在火灾隐患。
关于于计算机视觉的光伏电站火灾隐患监测系统的具体限定可以参见上文中对于于计算机视觉的光伏电站火灾隐患监测方法的限定,在此不再赘述。上述于计算机视觉的光伏电站火灾隐患监测系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个单元对应的操作。
本申请实施例还提供了一种电子设备,该电子设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现上述的基于计算机视觉的光伏电站火灾隐患监测方法。可以理解,该电子设备还可以包括显示器、键盘、鼠标等接口以及通信单元,通过总线系统连接上述处理器、存储器、接口以及通信单元等部件。该存储器可以是易失性存储器或非易失性存储器,也可包括易失性和非易失性存储器两者。
本申请实施例还提供了一种计算机可读存储介质,其特征在于,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现上述的基于计算机视觉的光伏电站火灾隐患监测方法。该计算机可读存储介质上的指令被处理器执行时实现上述基于计算机视觉的光伏电站火灾隐患监测方法实施例的各个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。该计算机可读存储介质可以是电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备以及上述任意合适的组合。
本发明不局限于上述具体的实施方式,本领域的普通技术人员从上述构思出发,不经过创造性的劳动,所做出的种种变换,均落在本发明的保护范围之内。
Claims (10)
1.基于计算机视觉的光伏电站火灾隐患监测方法,其特征在于,包括如下步骤:
(1)基于光伏电站的电气数据分析是否发生直流电弧的第一判断结果;
(2)在第一判断结果表征发生直流电弧时,获取监控设备采集的光伏电站的视频图像,基于所述视频图像分析是否发生直流电弧的第二判断结果;
(3)在第二判断结果表征发生直流电弧时,基于视频图像分析在预设时间段内直流电弧的第一状态变化数据,基于电气数据分析预设时间段内直流电弧的第二状态变化数据;
(4)基于所述第一状态变化数据和第二状态变化数据确定光伏电站是否存在火灾隐患。
2.根据权利要求1所述的基于计算机视觉的光伏电站火灾隐患监测方法,其特征在于,所述(1),包括基于线路电流和电源电压变化特征分析是否发生直流电弧的第一判断结果。
3.根据权利要求1所述的基于计算机视觉的光伏电站火灾隐患监测方法,其特征在于,所述(2),包括:
基于帧差法判断当前图像帧相对于前一图像帧是否出现异常目标;
基于异常目标区域像素的颜色特征作为第一特征,基于异常目标区域的形状特征作为第二特征;
获取沿异常目标区域中心向异常目标区域外围方向上的像素梯度变化序列特征作为第三特征,获取至少4个方向上的像素梯度变化序列特征作为第三特征组,所述至少4个方向覆盖范围大于270度;
基于第一特征、第二特征、第三特征组判断图像帧中是否存在直流电弧区域。
4.根据权利要求3所述的基于计算机视觉的光伏电站火灾隐患监测方法,其特征在于,所述(3),包括:
基于可见光视频图像获取在预设时间段内直流电弧的图像特征序列数据,并获取发生直流电弧的第一位置;
基于热成像图像分析所述第一位置在预设时间段内的温度序列数据;
基于图像特征序列数据和温度序列数据的关联关系确定在预设时间段内直流电弧的第一状态变化数据。
5.根据权利要求4所述的基于计算机视觉的光伏电站火灾隐患监测方法,其特征在于,基于可见光视频图像获取在预设时间段内直流电弧的图像特征序列数据,包括:
基于图像帧的直流电弧区域的面积、直流电弧区域边缘上距离最远的两个点之间的直线距离确定直流电弧的第一图像特征参数;
基于直流电弧区域的弧柱区域和外围光圈区域图像像素特征确定直流电弧的第二图像特征参数;
基于所述第一图像特征参数和第二图像特征参数获取预设时间段内直流电弧的图像特征序列数据。
6.根据权利要求4所述的基于计算机视觉的光伏电站火灾隐患监测方法,其特征在于,所述基于图像特征序列数据和温度序列数据的关联关系确定在预设时间段内直流电弧的第一状态变化数据,包括:
基于样本数据确定正常直流电弧下图像特征序列数据和温度序列数据的第一关联关系、故障电弧下图像特征序列数据和温度序列数据的第二关联关系;
基于当前时刻的图像特征序列数据和温度序列数据的第三关联关系确定预设时间段内直流电弧的第一状态变化数据为(第三关联关系-第一关联关系)/(第二关联关系-第一关联关系)。
7.根据权利要求6所述的基于计算机视觉的光伏电站火灾隐患监测方法,其特征在于,所述样本数据包括正常直流电弧下电弧发生期间的图像特征序列数据和直流电弧发生位置的温度序列数据、故障电弧下电弧发生期间的图像特征序列数据和直流电弧发生位置的温度序列数据;
图像特征序列数据和温度序列数据的所述关联关系的获取方法包括:
基于图像特征序列数据提取图像变化特征数据,基于温度序列数据提取温度变化特征数据;
基于所述图像变化特征数据获取图像变化分布特征,基于所述温度变化特征数据获取温度变化分布特征;
基于所述温度变化分布特征和图像变化分布特征获取温度变化特征数据中当前时刻的数据与图像特征序列数据的当前时刻前不同时刻的数据的依赖关系值;基于所述依赖关系值确定温度序列数据和图像特征序列数据的关联关系。
8.基于计算机视觉的光伏电站火灾隐患监测系统,其特征在于,包括:
第一分析判断模块,用于基于光伏电站的电气数据分析是否发生直流电弧的第一判断结果;
第二分析判断模块,用于在第一判断结果表征发生直流电弧时,控制监控设备采集光伏电站的视频图像,基于光伏电站的视频图像分析是否发生直流电弧的第二判断结果;
多维度数据变化监测模块,用于在第二判断结果表征发生直流电弧时,基于视频图像分析在预设时间段内直流电弧的第一状态变化数据,基于电气数据分析预设时间段内直流电弧的第二状态变化数据;
火灾隐患监测模块,用于基于所述第一状态变化数据和第二状态变化数据确定光伏电站是否存在火灾隐患。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器;所述存储器存储有至少一条指令,所述至少一条指令用于被所述处理器执行以实现如权利要求1至7任一所述的基于计算机视觉的光伏电站火灾隐患监测方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有至少一条指令,所述至少一条指令用于被处理器执行以实现如权利要求1至7任一所述的基于计算机视觉的光伏电站火灾隐患监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310724318.3A CN116469058B (zh) | 2023-06-19 | 2023-06-19 | 基于计算机视觉的光伏电站火灾隐患监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310724318.3A CN116469058B (zh) | 2023-06-19 | 2023-06-19 | 基于计算机视觉的光伏电站火灾隐患监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116469058A true CN116469058A (zh) | 2023-07-21 |
CN116469058B CN116469058B (zh) | 2023-09-26 |
Family
ID=87182892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310724318.3A Active CN116469058B (zh) | 2023-06-19 | 2023-06-19 | 基于计算机视觉的光伏电站火灾隐患监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116469058B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070108990A1 (en) * | 2003-09-24 | 2007-05-17 | Chubu Electric Power Co., Inc. | Arc monitoring system |
CN105263000A (zh) * | 2015-10-16 | 2016-01-20 | 广西大学 | 基于无人机载双相机的大型光伏电站巡检装置 |
KR20170088736A (ko) * | 2016-01-25 | 2017-08-02 | 한국전자통신연구원 | 전기안전 관리 서버, 전기안전 관리 장치 및 방법 |
KR101904813B1 (ko) * | 2017-05-15 | 2018-10-10 | 한국전기안전공사 | 스마트 분전반을 이용한 전기 설비 병렬아크 진단 장치 및 방법 |
CN111398748A (zh) * | 2020-03-12 | 2020-07-10 | 山西耀源电力工程有限公司 | 一种冲击电弧图像边缘检测方法及装置 |
CN111627013A (zh) * | 2020-05-28 | 2020-09-04 | 西南交通大学 | 非熔化极气体保护电弧熔丝增材制造弧长检测方法 |
CN112098759A (zh) * | 2020-09-21 | 2020-12-18 | 华邦创科(惠州市)智能科技有限公司 | 一种故障电弧的检测方法 |
CN112309075A (zh) * | 2020-10-20 | 2021-02-02 | 东南大学 | 一种光伏电站火灾预警系统 |
RU2020106043A3 (zh) * | 2020-02-10 | 2021-08-10 | ||
CN114421621A (zh) * | 2022-01-20 | 2022-04-29 | 浙江商业职业技术学院 | 一种混合储能光伏电站的功率调节系统 |
KR102397894B1 (ko) * | 2022-01-05 | 2022-05-13 | 주식회사 에스트론 | 캘리브레이션이 가능한 전기 안전 IoT 장치 및 시스템 |
CN114894318A (zh) * | 2022-03-21 | 2022-08-12 | 华能曲阜热电有限公司 | 一种红外检测报警系统 |
CN115410123A (zh) * | 2022-08-19 | 2022-11-29 | 南京邮电大学 | 一种基于电力调度的人工智能图像处理方法 |
-
2023
- 2023-06-19 CN CN202310724318.3A patent/CN116469058B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070108990A1 (en) * | 2003-09-24 | 2007-05-17 | Chubu Electric Power Co., Inc. | Arc monitoring system |
CN105263000A (zh) * | 2015-10-16 | 2016-01-20 | 广西大学 | 基于无人机载双相机的大型光伏电站巡检装置 |
KR20170088736A (ko) * | 2016-01-25 | 2017-08-02 | 한국전자통신연구원 | 전기안전 관리 서버, 전기안전 관리 장치 및 방법 |
KR101904813B1 (ko) * | 2017-05-15 | 2018-10-10 | 한국전기안전공사 | 스마트 분전반을 이용한 전기 설비 병렬아크 진단 장치 및 방법 |
RU2020106043A3 (zh) * | 2020-02-10 | 2021-08-10 | ||
CN111398748A (zh) * | 2020-03-12 | 2020-07-10 | 山西耀源电力工程有限公司 | 一种冲击电弧图像边缘检测方法及装置 |
CN111627013A (zh) * | 2020-05-28 | 2020-09-04 | 西南交通大学 | 非熔化极气体保护电弧熔丝增材制造弧长检测方法 |
CN112098759A (zh) * | 2020-09-21 | 2020-12-18 | 华邦创科(惠州市)智能科技有限公司 | 一种故障电弧的检测方法 |
CN112309075A (zh) * | 2020-10-20 | 2021-02-02 | 东南大学 | 一种光伏电站火灾预警系统 |
KR102397894B1 (ko) * | 2022-01-05 | 2022-05-13 | 주식회사 에스트론 | 캘리브레이션이 가능한 전기 안전 IoT 장치 및 시스템 |
CN114421621A (zh) * | 2022-01-20 | 2022-04-29 | 浙江商业职业技术学院 | 一种混合储能光伏电站的功率调节系统 |
CN114894318A (zh) * | 2022-03-21 | 2022-08-12 | 华能曲阜热电有限公司 | 一种红外检测报警系统 |
CN115410123A (zh) * | 2022-08-19 | 2022-11-29 | 南京邮电大学 | 一种基于电力调度的人工智能图像处理方法 |
Non-Patent Citations (1)
Title |
---|
王元章;李智华;吴春华;: "光伏系统故障诊断方法综述", 电源技术, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN116469058B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461078B (zh) | 一种基于计算机视觉技术的防钓监控方法 | |
CN113344475B (zh) | 基于序列模态分解的变压器套管缺陷识别方法及系统 | |
CN115953566B (zh) | 一种用于红外热成像仪的特征分析方法、系统及介质 | |
CN113487521A (zh) | 自编码器训练方法及组件,异常图像检测方法及组件 | |
CN115880229A (zh) | 一种变压器局部放电智能监控方法及其系统 | |
CN115809982B (zh) | 电芯压伤检测方法、装置及系统 | |
CN116740654A (zh) | 基于图像识别技术的变电站作业防控方法 | |
CN116469058B (zh) | 基于计算机视觉的光伏电站火灾隐患监测方法及系统 | |
CN111239569A (zh) | 电弧故障检测方法、装置、设备及存储介质 | |
CN114445350A (zh) | 电力器件的图像检测方法、装置、电子设备及存储介质 | |
CN113569736A (zh) | 刀闸状态识别方法、装置、计算机设备和存储介质 | |
CN107330884A (zh) | 着火点检测方法及装置 | |
CN116955068A (zh) | 序列相似度计算及告警处理方法、装置以及存储介质 | |
CN114550046A (zh) | 火灾隐患识别方法、装置、处理器、存储介质和电子设备 | |
CN115631376A (zh) | 对抗样本图像生成方法、训练方法及目标检测方法 | |
EP4080450A1 (en) | A system for monitoring a device | |
CN114050650A (zh) | 一种基于输电线路区域自治系统架构的智能杆塔 | |
CN114241400A (zh) | 电网系统的监控方法及其装置、计算机可读存储介质 | |
CN110988663A (zh) | 一种气体绝缘开关设备的故障定位方法、装置及设备 | |
CN115616364B (zh) | 故障电弧检测方法、装置、设备及存储介质 | |
CN116824210A (zh) | 一种刀闸状态识别方法、系统及电子设备 | |
CN114550063A (zh) | 识别变电站故障的方法、装置、存储介质、设备及产品 | |
CN117074875A (zh) | 基于声学成像指纹库的局部放电检测装置、方法及设备 | |
CN117420426A (zh) | 一种应用于gis隔离开关的接触状态在线评估方法及系统 | |
CN118038006A (zh) | 基于视觉识别的脱离指定位置的检测方法、装置及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |