CN116476060A - 基于巡检机器人实现的变电站设备智能运检方法及系统 - Google Patents
基于巡检机器人实现的变电站设备智能运检方法及系统 Download PDFInfo
- Publication number
- CN116476060A CN116476060A CN202310448983.4A CN202310448983A CN116476060A CN 116476060 A CN116476060 A CN 116476060A CN 202310448983 A CN202310448983 A CN 202310448983A CN 116476060 A CN116476060 A CN 116476060A
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- image
- substation equipment
- substation
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种基于巡检机器人实现的变电站设备智能运检方法及系统,其中,所述方法包括:获取巡检机器人采集的设备图像,对设备图像进行增强处理,得到设备增强图像,对设备增强图像进行特征提取,得到设备特征;获取变电站设备的设备数据,基于设备特征从设备数据中选取目标设备数据,根据目标设备数据计算功率损失,根据功率损失及目标设备数据计算变电站设备的热力参数;根据热力参数对变电站设备的指标性能进行分析,根据分析的结果判断变电站设备的运行状态是否出现异常;当变电站设备的运行状态出现异常时,利用巡检机器人发出异常预警及定位信息。本发明可以提高基于巡检机器人实现变电站的设备智能运检效率。
Description
技术领域
本发明涉及设备智能运检技术领域,尤其涉及一种基于巡检机器人实现的变电站设备智能运检方法及系统。
背景技术
变电站是联系主干网与配电网的重要节点,是智能电网的核心枢纽,随着工程用电设备的不断增加以及大容量高压输电系统的发展,使得变电站在整个电力系统中发挥着至关重要的作用。由于电压等级的上升及传输容量的增大,导致变电站的规模不断扩大,从而使得变电站发生故障的可能性也越来越大,其中,变电站发生的故障主要分室内和室外两种,室内主要是各种电力器件缺陷等异常现象;室外主要是识别破损绝缘子、监测变电站人员是否正确佩戴安全帽以及火灾、设备漏油、异物吊挂等情况,为了及时发现变电站内发生的设备故障,因此,需要对站内设备进行实时巡查,通常情况下变电站地处偏远地带、地理环境差、电压等级高,如果仅仅依靠传统的人工现场巡检难以做到全面实时地对变电站设备进行检查,并且存在危险系数高、误检漏检等缺点,标准化巡检流程得不到高效执行,因此由巡检机器人方法代替人工巡检,实现全天候、全区域自主、高频、高效、集中的无人化巡检管理模式。
随着现代信息管理的普及和发展,巡检机器人所形成的无人化巡检管理模式已经广泛存在于变电站的设备运检之中,但利用巡检机器人进行设备运检时还存在着一些问题,例如,光源配置不合理、传统目标检测识别精度差等,从而导致基于巡检机器人实现变电站的设备智能运检效率不高的问题。
发明内容
本发明提供一种基于巡检机器人实现的变电站设备智能运检方法及系统,其主要目的在于解决基于巡检机器人实现变电站的设备智能运检效率不高的问题。
为实现上述目的,本发明提供的一种基于巡检机器人实现的变电站设备智能运检方法,包括:
获取巡检机器人采集的设备图像,对所述设备图像进行增强处理,得到设备增强图像,并对所述设备增强图像进行特征提取,得到设备特征;
获取变电站设备的设备数据,基于所述设备特征从所述设备数据中选取目标设备数据,根据所述目标设备数据计算功率损失,并根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数;
利用下述公式计算功率损失:
其中,P表示所述目标设备数据中的功率损失,P0表示所述目标设备数据中的空载损耗,Pk表示所述目标设备数据中的负载损耗,Saf表示所述目标设备数据中的运行容量,Sn表示预设的额定容量;
根据所述热力参数对所述变电站设备的指标性能进行分析,根据分析的结果判断所述变电站设备的运行状态是否出现异常;
当所述变电站设备的运行状态出现异常时,利用所述巡检机器人发出异常预警及定位信息。
可选地,所述对所述设备图像进行增强处理,得到设备增强图像,包括:
对所述设备图像进行灰度化处理,得到灰度图像;
对所述灰度图像进行二值化处理,得到二值图像;
对所述二值图像进行去噪处理,得到去噪图像;
对所述去噪图像进行分割处理,得到设备增强图像。
可选地,所述对所述灰度图像进行二值化处理,得到二值图像,包括:
将所述灰度图像放置到预设的直角坐标系中,并获取所述灰度图像的质心坐标;
根据所述质心坐标计算所述灰度图像中的各像素的二值化阈值,并根据所述二值化阈值及所述灰度图像的灰度值计算所述灰度图像的像素强度;
利用下述公式进行计算二值化阈值:
其中,Ac表示第c个像素对应的二值化阈值,(a,b)表示所述灰度图像的质心坐标,mc表示所述灰度图像的第c个像素对应的灰度值,n表示所述直角坐标系中的坐标总数,k,l表示预设的计算参数;
利用下述公式进行计算像素强度:
其中,E表示所述像素强度,Ac表示第c个像素对应的二值化阈值,mc表示所述灰度图像的第c个像素对应的灰度值;
利用所述像素强度对所述灰度图像进行调整,得到二值图像。
可选地,所述对所述设备增强图像进行特征提取,得到设备特征,包括:
获取所述设备增强图像中的结构元素,根据所述结构元素及所述设备增强图像进行细化计算,得到细化图像;
利用下述公式进行细化计算,得到细化图像:
其中,O表示所述细化图像,O1表示所述设备增强图像,Sv表示第v个结构元素,V表示所述结构元素的总数;
对所述细化图像进行卷积、池化处理,得到细化特征;
对所述细化特征进行归一化处理,得到归一化特征,并计算所述归一化特征的梯度;
基于所述梯度统计所述归一化特征的特征维数,根据所述特征维数及所述归一化特征生成设备特征。
可选地,所述基于所述设备特征从所述设备数据中选取目标设备数据,包括:
基于所述设备特征确定所述变电站设备的数据范围及数据类型,从所述设备数据中随机选取与所述数据类型相同的比较数据,并判断所述比较数据是否在所述数据范围内;
当所述比较数据不在所述数据范围内时,返回从所述设备数据中随机选取比较数据的步骤;
当所述比较数据在所述数据范围内时,将所述比较数据作为目标设备数据。
可选地,所述根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数,包括:
根据所述功率损失计算负荷,并根据所述负荷及所述目标设备数据计算电流;
利用下述公式计算负荷:
其中,D表示所述负荷,P表示所述目标设备数据中的功率损失,表示预设的计算参数;
利用下述公式计算电流:
其中,I表示所述电流,D表示所述负荷,U表示所述目标设备数据中的额定电压;
将所述功率损失、所述负荷及所述电流作为热力参数。
可选地,所述根据所述热力参数对所述变电站设备的指标性能进行分析,包括:
获取标准热力参数,根据所述热力参数及所述标准热力参数计算所述变电站设备的指标;
利用下述公式计算所述变电站设备的指标:
其中,η表示所述变电站设备的指标,F1w表示第w个热力参数,F2w表示第w个热力参数对应的标准热力参数,W表示所述热力参数的总数,λ表示预设的修正系数;
对所述指标进行等级划分,得到指标等级,并判断所述指标等级是否达到预设的标准等级;
当所述指标等级未达到所述标准等级时,判定所述变电站设备的指标性能不达标;
当所述指标等级达到所述标准等级时,判定所述变电站设备的指标性能达标。
可选地,所述利用所述巡检机器人发出异常预警及定位信息,包括:
获取所述巡检机器人的运动轨迹及终端地址,并根据所述运动轨迹及所述终端地址计算定位信息;
获取所述巡检机器人的数据接口,基于所述数据接口利用预设的数据传输协议将所述巡检机器人生成的异常预警及所述定位信息传输至终端地址。
可选地,所述根据所述运动轨迹及所述终端地址计算定位信息,包括:
获取所述运动轨迹的轨迹坐标及轨迹时间,根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的径向距离;
利用下述公式计算径向距离:
其中,L表示所述径向距离,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,z表示所述轨迹坐标的竖坐标,t表示所述轨迹时间;
根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的方位角,并根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的仰角;
利用下述公式计算方位角:
其中,H表示所述方位角,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,t表示所述轨迹时间;
利用下述公式计算仰角:
其中,K表示所述仰角,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,z表示所述轨迹坐标的竖坐标,t表示所述轨迹时间;
根据所述径向距离、所述方位角及所述仰角生成定位信息;
利用下述公式生成定位信息:
其中,Q表示所述定位信息,L表示所述径向距离,H表示所述方位角,K表示所述仰角。
为了解决上述问题,本发明还提供一种基于巡检机器人实现的变电站设备智能运检系统,所述系统包括:
特征提取模块,用于获取巡检机器人采集的设备图像,对所述设备图像进行增强处理,得到设备增强图像,并对所述设备增强图像进行特征提取,得到设备特征;
热力参数计算模块,用于获取变电站设备的设备数据,基于所述设备特征从所述设备数据中选取目标设备数据,根据所述目标设备数据计算功率损失,并根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数;
指标性能分析模块,用于根据所述热力参数对所述变电站设备的指标性能进行分析,根据分析的结果判断所述变电站设备的运行状态是否出现异常;
定位信息生成模块,用于当所述变电站设备的运行状态出现异常时,利用所述巡检机器人发出异常预警及定位信息。
本发明实施例通过对设备图像进行增强处理,能够减少干扰因素的影响,从而提高设备增强图像的准确性;通过对设备增强图像进行特征提取,能够精确得到设备特征;通过目标设备数据能够准确计算变电站设备的热力参数,提高热力参数的精确性;通过热力参数对变电站设备的指标性能进行分析,能够准确判断变电站设备的运行状态是否出现异常,从而加快运检速率;通过巡检机器人发出异常预警及定位信息,能够避免扩大异常情况的覆盖范围,从而提高基于巡检机器人实现变电站的设备智能运检的效率。因此本发明提出的基于巡检机器人实现的变电站设备智能运检方法及系统,可以解决基于巡检机器人实现变电站的设备智能运检效率不高的问题。
附图说明
图1为本发明一实施例提供的基于巡检机器人实现的变电站设备智能运检方法的流程示意图;
图2为本发明一实施例提供的对设备图像进行增强处理,得到设备增强图像的流程示意图;
图3为本发明一实施例提供的根据运动轨迹及终端地址计算定位信息的流程示意图;
图4为本发明一实施例提供的基于巡检机器人实现的变电站设备智能运检系统的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于巡检机器人实现的变电站设备智能运检方法。所述基于巡检机器人实现的变电站设备智能运检方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于巡检机器人实现的变电站设备智能运检方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于巡检机器人实现的变电站设备智能运检方法的流程示意图。在本实施例中,所述基于巡检机器人实现的变电站设备智能运检方法包括:
S1、获取巡检机器人采集的设备图像,对所述设备图像进行增强处理,得到设备增强图像,并对所述设备增强图像进行特征提取,得到设备特征。
本发明实施例中,所述巡检机器人指的是基于OCR和图像识别能力,能模拟专业的人工操作,在各个场景进行点击、识别、检查等巡检操作,可以实现自动化巡检监控;所述设备图像指的是所述巡检机器人通过摄像头、扫描仪等具有拍照功能的设备拍摄所得到的变电站设备的图像。
请参阅图2所示,本发明实施例中,所述对所述设备图像进行增强处理,得到设备增强图像,包括:
S21、对所述设备图像进行灰度化处理,得到灰度图像;
S22、对所述灰度图像进行二值化处理,得到二值图像;
S23、对所述二值图像进行去噪处理,得到去噪图像;
S24、对所述去噪图像进行分割处理,得到设备增强图像。
本发明实施例中,获取所述设备图像中的三个颜色分量,所述颜色分量包括红色分量R、绿色分量G及蓝色分量B,根据预设的标准平均法对所述颜色分量进行平均化,使得所述颜色分量计算得到的灰度值达到预设的标准灰度值,利用所述标准灰度值对所述设备图像中的灰度值进行替换,得到更新后的灰度图像,其中,所述标准平均法表示为:
m=0.3R+0.11B+0.59G
其中,m表示所述灰度值,R表示所述颜色分量中的红色分量,G表示所述颜色分量中的绿色分量,B表示所述颜色分量中的蓝色分量。
本发明实施例中,经过灰度化处理的灰度图像均带有均一值,可通过对所述灰度图像进行二值化处理的方法消除干扰因素,对所述灰度图像进行二值化处理的实质就是在固定阈值的基础上将灰度图像中的像素分类成黑色和白色两种,由于电力系统的变电站常年在户外,周围常年有其他异物的遮挡,而导致图像的光照不均,在图像中出现多块阴影区域,而图像的二值化刚好可以消除这种问题带来的影响。
本发明实施例中,所述对所述灰度图像进行二值化处理,得到二值图像,包括:
将所述灰度图像放置到预设的直角坐标系中,并获取所述灰度图像的质心坐标;
根据所述质心坐标计算所述灰度图像中的各像素的二值化阈值,并根据所述二值化阈值及所述灰度图像的灰度值计算所述灰度图像的像素强度;
利用所述像素强度对所述灰度图像进行调整,得到二值图像。
本发明实施例中,利用下述公式进行计算二值化阈值:
其中,Ac表示第c个像素对应的二值化阈值,(a,b)表示所述灰度图像的质心坐标,mc表示所述灰度图像的第c个像素对应的灰度值,n表示所述直角坐标系中的坐标总数,k,l表示预设的计算参数。
本发明实施例中,利用下述公式进行计算像素强度:
其中,E表示所述像素强度,Ac表示第c个像素对应的二值化阈值,mc表示所述灰度图像的第c个像素对应的灰度值。
本发明实施例中,采用均值滤波的方法对所述二值图像进行去噪处理,得到去噪图像,即利用所述二值图像的邻近的若干像素组成的模板的均值来替代所述二值图像的原像素的值;利用水平投影算法根据所述去噪图像进行图像分割,排除提取过程中的干扰因素,得到设备增强图像。
本发明实施例中,所述对所述设备增强图像进行特征提取,得到设备特征,包括:
获取所述设备增强图像中的结构元素,根据所述结构元素及所述设备增强图像进行细化计算,得到细化图像;
对所述细化图像进行卷积、池化处理,得到细化特征;
对所述细化特征进行归一化处理,得到归一化特征,并计算所述归一化特征的梯度;
基于所述梯度统计所述归一化特征的特征维数,根据所述特征维数及所述归一化特征生成设备特征。
本发明实施例中,所述设备增强图像中的结构元素包括像素、灰度、点、线及面等元素;利用下述公式进行细化计算,得到细化图像:
其中,O表示所述细化图像,O1表示所述设备增强图像,Sv表示第v个结构元素,V表示所述结构元素的总数。
本发明实施例中,对所述细化图像进行向量转换,得到细化向量,将所述细化向量划分为多个大小相同的向量块,将多个所述向量块和预设的卷积核相乘,得到多个卷积值;将所述卷积值叠加,得到特征值,并根据所述特征值建立池化缓存,对所述特征值进行计算,得到细化特征;利用K-means算法对所述细化特征进行归一化处理;并利用梯度算子的方法计算所述归一化特征的水平方向梯度及垂直方向梯度,将所述水平方向梯度及所述垂直方向梯度作为投影的权值,即将所述水平方向梯度及所述垂直方向梯度进行根式运算得到特征维数,根据所述特征维数对所述归一化特征进行压缩或扩大,从而得到设备特征。
S2、获取变电站设备的设备数据,基于所述设备特征从所述设备数据中选取目标设备数据,根据所述目标设备数据计算功率损失,并根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数,其中,利用下述公式计算功率损失:
其中,P表示所述目标设备数据中的功率损失,P0表示所述目标设备数据中的空载损耗,Pk表示所述目标设备数据中的负载损耗,Saf表示所述目标设备数据中的运行容量,Sn表示预设的额定容量。
本发明实施例中,所述变电站设备指的是直接生产、输送、分配和使用电能的设备,主要包括变压器、高压断路器、隔离开关、母线、避雷器、电容器及电抗器等;所述设备数据包括管理数据及技术性数据,其中,所述管理数据包括设备拥有量、设备利用率、设备故障停机率、电压及损耗等,所述技术性数据包括设备技术参数等。
本发明实施例中,所述基于所述设备特征从所述设备数据中选取目标设备数据,包括:
基于所述设备特征确定所述变电站设备的数据范围及数据类型,从所述设备数据中随机选取与所述数据类型相同的比较数据,并判断所述比较数据是否在所述数据范围内;
当所述比较数据不在所述数据范围内时,返回从所述设备数据中随机选取比较数据的步骤;
当所述比较数据在所述数据范围内时,将所述比较数据作为目标设备数据。
本发明实施例中,根据所述设备特征获取相应的变电站设备,根据所述变电站设备的历史数据进行数据分析,例如,计算所述历史数据的均值得到数据范围、对所述历史数据进行类型划分得到数据类型等,具体地,可以采用决策树的方法对所述历史数据进行类型划分,得到数据类型;选取与所述变电站设备相同的数据类型的设备数据作为比较数据,当所述比较数据不在所述数据范围内时,判定所述比较数据不符合选取标准,则重新选取比较数据;当所述比较数据在所述数据范围内时,判定所述比较数据符合选取标准,则将所述比较数据作为目标设备数据。
本发明实施例中,所述根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数,包括:
根据所述功率损失计算负荷,并根据所述负荷及所述目标设备数据计算电流;
将所述功率损失、所述负荷及所述电流作为热力参数。
本发明实施例中,所述目标设备数据包括空载损耗、运行容量、负载损耗、功率损失等数据;所述空载损耗指的是变电设备中的铁损、电晕损耗、绝缘中的介质损耗以及仪表和保护装置中的损耗等;所述运行容量指的是受电设备实际运行的容量;所述负载损耗指的是额定电流与参考温度下的可变损失;所述额定电压指的是所述变电站设备长时间正常工作时的最佳电压。
本发明实施例中,利用下述公式计算负荷:
其中,D表示所述负荷,P表示所述目标设备数据中的功率损失,表示预设的计算参数。
本发明实施例中,利用下述公式计算电流:
其中,I表示所述电流,D表示所述负荷,U表示所述目标设备数据中的额定电压。
S3、根据所述热力参数对所述变电站设备的指标性能进行分析,根据分析的结果判断所述变电站设备的运行状态是否出现异常。
本发明实施例中,所述根据所述热力参数对所述变电站设备的指标性能进行分析,包括:
获取标准热力参数,根据所述热力参数及所述标准热力参数计算所述变电站设备的指标;
对所述指标进行等级划分,得到指标等级,并判断所述指标等级是否达到预设的标准等级;
当所述指标等级未达到所述标准等级时,判定所述变电站设备的指标性能不达标;
当所述指标等级达到所述标准等级时,判定所述变电站设备的指标性能达标。
本发明实施例中,利用下述公式计算所述变电站设备的指标:
其中,η表示所述变电站设备的指标,F1w表示第w个热力参数,F2w表示第w个热力参数对应的标准热力参数,W表示所述热力参数的总数,λ表示预设的修正系数。
本发明实施例中,所述标准热力参数指的是根据历史热力参数进行均值计算得到的平均热力参数,将所述平均热力参数作为标准热力参数;可以按照预设的指标范围将所述指标划分为四个等级,例如,将1-3的指标划分为不合格,将3-6的指标划分为合格,将6-8的指标划分为中等,将8-10的指标划分为标准;可以将所述标准等级设置为中等等级,当所述指标等级达到中等时,表示所述变电站设备未出现异常情况,即所述变电站设备的指标性能达标;当所述指标等级未达到中等时,表示所述变电站设备出现异常情况,即所述变电站设备的指标性能出现问题,此时所述指标性能不达标。
本发明实施例中,当分析的结果为所述变电站设备的指标性能达标时,则不需要对所述变电站设备的状态参数进行监测;当分析的结果为所述变电站设备的指标性能未达标时,表示所述变电站设备有异常的可能,因此,需要对所述变电站设备的状态参数进行监测,接收常规仪器在单位时间内所述变电站设备的状态参数,其中,所述状态参数包括温度、振动频次、油液、泄露及裂纹等参数,并计算所述状态参数的参数变化,所述标准变化范围指的是在单位时间内所述参数变化所在的范围,例如,温度变化范围在35-60摄氏度;当参数变化在标准变化范围内时,所述变电站设备的运行状态稳定,即未出现异常;当参数变化不在标准变化范围内时,所述变电站设备的运行状态不稳定,即出现异常。
当所述变电站设备的运行状态未出现异常时,执行S4、所述巡检机器人继续进行运检。
本发明实施例中,当所述变电站设备的状态参数的参数变化均在标准变化范围内时,表示所述变电站设备的运行状态稳定,即所述变电站设备的运行状态未出现异常,所述巡检机器人可以继续进行常规运检。
当所述变电站设备的运行状态出现异常时,执行S5、利用所述巡检机器人发出异常预警及定位信息。
本发明实施例中,当所述变电站设备的运行状态出现异常时,需要对所述变电站设备进行检修,因此,需要通过巡检机器人发出异常预警并提供当前所述变电站设备的定位信息。
本发明实施例中,所述利用所述巡检机器人发出异常预警及定位信息,包括:
获取所述巡检机器人的运动轨迹及终端地址,并根据所述运动轨迹及所述终端地址计算定位信息;
获取所述巡检机器人的数据接口,基于所述数据接口利用预设的数据传输协议将所述巡检机器人生成的异常预警及所述定位信息传输至终端地址。
本发明实施例中,所述运动轨迹指的是所述巡检机器人运检时的行驶路线;所述终端地址指的是终端设备的位置;所述数据接口指的是数据传输通道,可以为ODBC、JDBC接口等;所述数据传输协议可以为TCP数据传输协议;所述异常预警可以为所述巡检机器人发出的警报声或者向所述终端地址发送的异常信号。
请参阅图3所示,本发明实施例中,所述根据所述运动轨迹及所述终端地址计算定位信息,包括:
S31、获取所述运动轨迹的轨迹坐标及轨迹时间,根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的径向距离;
S32、根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的方位角,并根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的仰角;
S33、根据所述径向距离、所述方位角及所述仰角生成定位信息。
本发明实施例中,利用下述公式计算径向距离:
其中,L表示所述径向距离,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,z表示所述轨迹坐标的竖坐标,t表示所述轨迹时间。
本发明实施例中,利用下述公式计算方位角:
其中,H表示所述方位角,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,t表示所述轨迹时间。
本发明实施例中,利用下述公式计算仰角:
其中,K表示所述仰角,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,z表示所述轨迹坐标的竖坐标,t表示所述轨迹时间。
本发明实施例中,利用下述公式生成定位信息:
其中,Q表示所述定位信息,L表示所述径向距离,H表示所述方位角,K表示所述仰角。
由此,本实施例通过对设备图像进行增强处理,能够减少干扰因素的影响,从而提高设备增强图像的准确性;通过对设备增强图像进行特征提取,能够精确得到设备特征;通过目标设备数据能够准确计算变电站设备的热力参数,提高热力参数的精确性;通过热力参数对变电站设备的指标性能进行分析,能够准确判断变电站设备的运行状态是否出现异常,从而加快运检速率;通过巡检机器人发出异常预警及定位信息,能够避免扩大异常情况的覆盖范围,从而提高基于巡检机器人实现变电站的设备智能运检的效率。
如图4所示,是本发明一实施例提供的基于巡检机器人实现的变电站设备智能运检系统的功能模块图。
本发明所述基于巡检机器人实现变电站的设备智能运检系统400可以安装于电子设备中。根据实现的功能,所述基于巡检机器人实现变电站的设备智能运检系统400可以包括特征提取模块401、热力参数计算模块402、指标性能分析模块403及定位信息生成模块404。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述特征提取模块401,用于获取巡检机器人采集的设备图像,对所述设备图像进行增强处理,得到设备增强图像,并对所述设备增强图像进行特征提取,得到设备特征;
所述热力参数计算模块402,用于获取变电站设备的设备数据,基于所述设备特征从所述设备数据中选取目标设备数据,根据所述目标设备数据计算功率损失,并根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数;
所述指标性能分析模块403,用于根据所述热力参数对所述变电站设备的指标性能进行分析,根据分析的结果判断所述变电站设备的运行状态是否出现异常;
所述定位信息生成模块404,用于当所述变电站设备的运行状态出现异常时,利用所述巡检机器人发出异常预警及定位信息。
详细地,本发明实施例中所述基于巡检机器人实现变电站的设备智能运检系统400中所述的各模块在使用时采用与附图中所述的基于巡检机器人实现的变电站设备智能运检方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
本发明一实施例提供的实现基于巡检机器人实现的变电站设备智能运检方法的电子设备。
所述电子设备可以包括处理器、存储器、通信总线以及通信接口,还可以包括存储在所述存储器中并可在所述处理器上运行的计算机程序,如基于巡检机器人实现的变电站设备智能运检程序。
所述电子设备中的所述存储器存储的基于巡检机器人实现的变电站设备智能运检程序是多个指令的组合,在所述处理器中运行时,可以实现:
获取巡检机器人采集的设备图像,对所述设备图像进行增强处理,得到设备增强图像,并对所述设备增强图像进行特征提取,得到设备特征;
获取变电站设备的设备数据,基于所述设备特征从所述设备数据中选取目标设备数据,根据所述目标设备数据计算功率损失,并根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数;
根据所述热力参数对所述变电站设备的指标性能进行分析,根据分析的结果判断所述变电站设备的运行状态是否出现异常;
当所述变电站设备的运行状态出现异常时,利用所述巡检机器人发出异常预警及定位信息。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取巡检机器人采集的设备图像,对所述设备图像进行增强处理,得到设备增强图像,并对所述设备增强图像进行特征提取,得到设备特征;
获取变电站设备的设备数据,基于所述设备特征从所述设备数据中选取目标设备数据,根据所述目标设备数据计算功率损失,并根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数;
根据所述热力参数对所述变电站设备的指标性能进行分析,根据分析的结果判断所述变电站设备的运行状态是否出现异常;
当所述变电站设备的运行状态出现异常时,利用所述巡检机器人发出异常预警及定位信息。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于巡检机器人实现的变电站设备智能运检方法,其特征在于,所述方法包括:
获取巡检机器人采集的设备图像,对所述设备图像进行增强处理,得到设备增强图像,并对所述设备增强图像进行特征提取,得到设备特征;
获取变电站设备的设备数据,基于所述设备特征从所述设备数据中选取目标设备数据,根据所述目标设备数据计算功率损失,并根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数;
利用下述公式计算功率损失:
其中,P表示所述目标设备数据中的功率损失,P0表示所述目标设备数据中的空载损耗,Pk表示所述目标设备数据中的负载损耗,Saf表示所述目标设备数据中的运行容量,Sn表示预设的额定容量;
根据所述热力参数对所述变电站设备的指标性能进行分析,根据分析的结果判断所述变电站设备的运行状态是否出现异常;
当所述变电站设备的运行状态出现异常时,利用所述巡检机器人发出异常预警及定位信息。
2.如权利要求1所述的变电站设备智能运检方法,其特征在于,所述对所述设备图像进行增强处理,得到设备增强图像,包括:
对所述设备图像进行灰度化处理,得到灰度图像;
对所述灰度图像进行二值化处理,得到二值图像;
对所述二值图像进行去噪处理,得到去噪图像;
对所述去噪图像进行分割处理,得到设备增强图像。
3.如权利要求2所述的变电站设备智能运检方法,其特征在于,所述对所述灰度图像进行二值化处理,得到二值图像,包括:
将所述灰度图像放置到预设的直角坐标系中,并获取所述灰度图像的质心坐标;
根据所述质心坐标计算所述灰度图像中的各像素的二值化阈值,并根据所述二值化阈值及所述灰度图像的灰度值计算所述灰度图像的像素强度;
利用下述公式进行计算二值化阈值:
其中,Ac表示第c个像素对应的二值化阈值,(a,b)表示所述灰度图像的质心坐标,mc表示所述灰度图像的第c个像素对应的灰度值,n表示所述直角坐标系中的坐标总数,k,l表示预设的计算参数;
利用下述公式进行计算像素强度:
其中,E表示所述像素强度,Ac表示第c个像素对应的二值化阈值,mc表示所述灰度图像的第c个像素对应的灰度值;
利用所述像素强度对所述灰度图像进行调整,得到二值图像。
4.如权利要求1所述的变电站设备智能运检方法,其特征在于,所述对所述设备增强图像进行特征提取,得到设备特征,包括:
获取所述设备增强图像中的结构元素,根据所述结构元素及所述设备增强图像进行细化计算,得到细化图像;
利用下述公式进行细化计算,得到细化图像:
其中,O表示所述细化图像,O1表示所述设备增强图像,Sv表示第v个结构元素,V表示所述结构元素的总数;
对所述细化图像进行卷积、池化处理,得到细化特征;
对所述细化特征进行归一化处理,得到归一化特征,并计算所述归一化特征的梯度;
基于所述梯度统计所述归一化特征的特征维数,根据所述特征维数及所述归一化特征生成设备特征。
5.如权利要求1所述的变电站设备智能运检方法,其特征在于,所述基于所述设备特征从所述设备数据中选取目标设备数据,包括:
基于所述设备特征确定所述变电站设备的数据范围及数据类型,从所述设备数据中随机选取与所述数据类型相同的比较数据,并判断所述比较数据是否在所述数据范围内;
当所述比较数据不在所述数据范围内时,返回从所述设备数据中随机选取比较数据的步骤;
当所述比较数据在所述数据范围内时,将所述比较数据作为目标设备数据。
6.如权利要求1所述的变电站设备智能运检方法,其特征在于,所述根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数,包括:
根据所述功率损失计算负荷,并根据所述负荷及所述目标设备数据计算电流;
利用下述公式计算负荷:
其中,D表示所述负荷,P表示所述目标设备数据中的功率损失,表示预设的计算参数;
利用下述公式计算电流:
其中,I表示所述电流,D表示所述负荷,U表示所述目标设备数据中的额定电压;
将所述功率损失、所述负荷及所述电流作为热力参数。
7.如权利要求1所述的变电站设备智能运检方法,其特征在于,所述根据所述热力参数对所述变电站设备的指标性能进行分析,包括:
获取标准热力参数,根据所述热力参数及所述标准热力参数计算所述变电站设备的指标;
利用下述公式计算所述变电站设备的指标:
其中,η表示所述变电站设备的指标,F1w表示第w个热力参数,F2w表示第w个热力参数对应的标准热力参数,W表示所述热力参数的总数,λ表示预设的修正系数;
对所述指标进行等级划分,得到指标等级,并判断所述指标等级是否达到预设的标准等级;
当所述指标等级未达到所述标准等级时,判定所述变电站设备的指标性能不达标;
当所述指标等级达到所述标准等级时,判定所述变电站设备的指标性能达标。
8.如权利要求1所述的变电站设备智能运检方法,其特征在于,所述利用所述巡检机器人发出异常预警及定位信息,包括:
获取所述巡检机器人的运动轨迹及终端地址,并根据所述运动轨迹及所述终端地址计算定位信息;
获取所述巡检机器人的数据接口,基于所述数据接口利用预设的数据传输协议将所述巡检机器人生成的异常预警及所述定位信息传输至终端地址。
9.如权利要求8所述的变电站设备智能运检方法,其特征在于,所述根据所述运动轨迹及所述终端地址计算定位信息,包括:
获取所述运动轨迹的轨迹坐标及轨迹时间,根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的径向距离;
利用下述公式计算径向距离:
其中,L表示所述径向距离,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,z表示所述轨迹坐标的竖坐标,t表示所述轨迹时间;
根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的方位角,并根据所述轨迹坐标及所述轨迹时间计算所述巡检机器人与所述终端地址的仰角;
利用下述公式计算方位角:
其中,H表示所述方位角,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,t表示所述轨迹时间;
利用下述公式计算仰角:
其中,K表示所述仰角,x表示所述轨迹坐标的横坐标,y表示所述轨迹坐标的纵坐标,z表示所述轨迹坐标的竖坐标,t表示所述轨迹时间;
根据所述径向距离、所述方位角及所述仰角生成定位信息;
利用下述公式生成定位信息:
其中,Q表示所述定位信息,L表示所述径向距离,H表示所述方位角,K表示所述仰角。
10.一种基于巡检机器人实现的变电站设备智能运检系统,其特征在于,所述系统包括:
特征提取模块,用于获取巡检机器人采集的设备图像,对所述设备图像进行增强处理,得到设备增强图像,并对所述设备增强图像进行特征提取,得到设备特征;
热力参数计算模块,用于获取变电站设备的设备数据,基于所述设备特征从所述设备数据中选取目标设备数据,根据所述目标设备数据计算功率损失,并根据所述功率损失及所述目标设备数据计算所述变电站设备的热力参数;
指标性能分析模块,用于根据所述热力参数对所述变电站设备的指标性能进行分析,根据分析的结果判断所述变电站设备的运行状态是否出现异常;
定位信息生成模块,用于当所述变电站设备的运行状态出现异常时,利用所述巡检机器人发出异常预警及定位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310448983.4A CN116476060B (zh) | 2023-04-24 | 2023-04-24 | 基于巡检机器人实现的变电站设备智能运检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310448983.4A CN116476060B (zh) | 2023-04-24 | 2023-04-24 | 基于巡检机器人实现的变电站设备智能运检方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116476060A true CN116476060A (zh) | 2023-07-25 |
CN116476060B CN116476060B (zh) | 2023-09-29 |
Family
ID=87224677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310448983.4A Active CN116476060B (zh) | 2023-04-24 | 2023-04-24 | 基于巡检机器人实现的变电站设备智能运检方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116476060B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117686844A (zh) * | 2024-02-02 | 2024-03-12 | 山东道万电气有限公司 | 一种基于巡检机器人的电力配网线路监测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652303A (zh) * | 2017-01-17 | 2017-05-10 | 武汉智网兴电科技开发有限公司 | 一种输电线路走廊山火实时监控预警的方法及装置 |
CN109102669A (zh) * | 2018-09-06 | 2018-12-28 | 广东电网有限责任公司 | 一种变电站辅助设施检测控制方法及其装置 |
CN111612231A (zh) * | 2020-05-13 | 2020-09-01 | 云南电网有限责任公司电力科学研究院 | 一种配网线路重跳模型融合处理方法及装置 |
US20200394883A1 (en) * | 2019-06-13 | 2020-12-17 | MP High Tech Solutions Pty Ltd | Security cameras with thermal imaging sensors |
CN112182068A (zh) * | 2020-09-30 | 2021-01-05 | 重庆市海普软件产业有限公司 | 一种基于物联网技术的远程故障判断系统及方法 |
CN112859840A (zh) * | 2020-12-31 | 2021-05-28 | 国网智能科技股份有限公司 | 一种变电站足式巡检机器人路径规划方法及系统 |
US20220345668A1 (en) * | 2019-10-04 | 2022-10-27 | Wave9 Technology Inc. | Remote monitoring method using image processing intelligence |
-
2023
- 2023-04-24 CN CN202310448983.4A patent/CN116476060B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652303A (zh) * | 2017-01-17 | 2017-05-10 | 武汉智网兴电科技开发有限公司 | 一种输电线路走廊山火实时监控预警的方法及装置 |
CN109102669A (zh) * | 2018-09-06 | 2018-12-28 | 广东电网有限责任公司 | 一种变电站辅助设施检测控制方法及其装置 |
US20200394883A1 (en) * | 2019-06-13 | 2020-12-17 | MP High Tech Solutions Pty Ltd | Security cameras with thermal imaging sensors |
US20220345668A1 (en) * | 2019-10-04 | 2022-10-27 | Wave9 Technology Inc. | Remote monitoring method using image processing intelligence |
CN111612231A (zh) * | 2020-05-13 | 2020-09-01 | 云南电网有限责任公司电力科学研究院 | 一种配网线路重跳模型融合处理方法及装置 |
CN112182068A (zh) * | 2020-09-30 | 2021-01-05 | 重庆市海普软件产业有限公司 | 一种基于物联网技术的远程故障判断系统及方法 |
CN112859840A (zh) * | 2020-12-31 | 2021-05-28 | 国网智能科技股份有限公司 | 一种变电站足式巡检机器人路径规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
李鑫;崔昊杨;许永鹏;李高芳;秦伦明;: "电力设备IR图像特征提取及故障诊断方法研究", 激光与红外, no. 05 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117686844A (zh) * | 2024-02-02 | 2024-03-12 | 山东道万电气有限公司 | 一种基于巡检机器人的电力配网线路监测方法及系统 |
CN117686844B (zh) * | 2024-02-02 | 2024-04-16 | 山东道万电气有限公司 | 一种基于巡检机器人的电力配网线路监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116476060B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381784B (zh) | 一种基于多光谱图像的设备检测系统 | |
CN112379231B (zh) | 一种基于多光谱图像的设备检测方法及装置 | |
CN108537154B (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN111402247B (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
CN116476060B (zh) | 基于巡检机器人实现的变电站设备智能运检方法及系统 | |
Wang et al. | Recognition and drop-off detection of insulator based on aerial image | |
CN113099242B (zh) | 一种输电线路视频监测数据处理方法及系统 | |
CN112164086A (zh) | 一种精细化的图像边缘信息确定方法、系统及电子设备 | |
CN112367400A (zh) | 一种边云协同的电力物联网智能巡检方法及系统 | |
CN110569278A (zh) | 一种基于大数据分析的变压器缺陷评估方法 | |
CN110490261B (zh) | 一种输电线路巡检图像绝缘子的定位方法 | |
CN112926483A (zh) | 标准机柜状态指示灯识别监测方法、装置和系统 | |
CN109903258B (zh) | 一种基于灰度匹配的电力电缆类别检测方法及系统 | |
CN112884720B (zh) | 一种配电线路污闪绝缘子检测方法及系统 | |
Tang et al. | Fault diagnosis of the external insulation infrared images based on Mask Region convolutional neural network and perceptual hash joint algorithm | |
CN114842367A (zh) | 一种复杂环境下的红外绝缘子与钢帽的识别与分割方法 | |
Zan et al. | Defect identification of power line insulator based on an improved YOLOV4-tiny algorithm | |
CN113034021A (zh) | 基于机巡数据的输电线路缺陷分析方法及系统 | |
Rongrong et al. | Fault diagnosis method of distribution equipment based on hybrid model of robot and deep learning | |
CN111402552A (zh) | 一种电力设备监测报警系统及方法 | |
CN111797925B (zh) | 一种电力系统视觉图像分类方法及装置 | |
Gu et al. | Object detection of overhead transmission lines based on improved YOLOv5s | |
CN113394706B (zh) | 一种输电线路巡检区域确定方法及装置 | |
Jiang et al. | Insulator fault feature extraction system of substation equipment based on machine vision | |
CN117934367A (zh) | 图像处理方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |