CN116608865B - 一种变电站智能监控系统及方法 - Google Patents

Abstract

本发明涉及智能巡检导航技术领域，提出了一种变电站智能监控系统及方法，提出基于道路标签的导航路径生成算法，按照路径上的标签依次选择下一路段，不需要对经过路径的实物进行识别，仅识别标签就可以实现路段选择，大大减少了图像处理的运算量，提高了机器人的运行速度，从而实现了基于路段标识的自主导航，解决了巡检机器人导航通信信号干扰导致信号弱以及自主导航计算量的问题，提高了变电站监控系统的高效运行。

Description

一种变电站智能监控系统及方法

技术领域

本发明涉及智能巡检导航相关技术领域，具体的说，是涉及一种变电站智能监控系统及方法。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，并不必然构成在先技术。

随着国民经济的发展，如今社会对电能的需求越来越大，电力系统的稳定、可靠和安全运行是影响着社会发展以及人们的生活。变电站作为电力系统的核心节点，其稳定运行至关重要。变电站中的电气设备种类多样，分布也比较密集，不同设备在外观和状态方面都表现出了明显的差异。在对这些电气设备进行巡检的时候，除了可以运用传统人工巡检的手段之外，还可以依托于人工智能技术和大数据技术构建智能巡检机器人。

发明人在研究中发现，目前的变电站巡检包括室外巡检以及室内巡检，不管是室内还是室外，由电力设备设置于变电站环境里，存在强电磁干扰，影响了现有机器人的导航能力，强电磁干扰对无线电信号、GPS信号以及北斗信号影响容易出现干扰，容易导致导航信号中断，从而使得机器人停滞在巡检路径上。并且卫星导航系统，通过地面站与卫星的信号传输定位地面终端的定位信号，对于室内导航采用现有卫星导航系统定位，较难实现较精细道路的导航；基于上述问题，目前室内常用的导航采用磁条导航，但是更一步增强了电磁辐射，影响了工作人员的人身健康；也有人提出对于信号薄弱的区域采用机器人自主导航算法，但是自主导航算法复杂，数据处理量大，导致机器人运行速度慢，从而降低了巡检的效率，影响了变电站监控的效率。

发明内容

本发明为了解决上述问题，提出了一种变电站智能监控系统及方法，提出基于道路标签的导航路径生成算法，按照路径上的标签依次选择下一路段，不需要对经过路径的实物进行识别，仅识别标签就可以实现路段选择，大大减少了图像处理的运算量，提高了机器人的运行速度，从而实现了基于路段标识的自主导航，提高了变电站监控系统的高效运行。

为了实现上述目的，本发明采用如下技术方案：

一个或多个实施例提供了一种变电站智能监控方法，包括如下步骤：

针对待巡检的区域，构建带有每条分支道路标签的巡检区域地图；每个道路标签均设置有起止标志，并且每个待巡检设备设置在其中一个道路分支的终点处；

获取巡检任务信息，基于巡检区域地图，根据经过道路的先后顺序，生成采用道路标签表示先后顺序的导航路径；

机器人根据导航路径，基于机器视觉对导航路径上的标签依次识别，从起始路段到达待巡检设备，机器人采集待检测设备的运行数据，实现对待检测设备的巡检监控。

一个或多个实施例提供了一种变电站智能监控系统，包括用于巡检的机器人以及变电站监控终端；

变电站监控终端，被配置为针对待巡检的区域，构建带有每条分支道路标签的巡检区域地图；获取巡检任务信息，基于巡检区域地图，根据经过道路的先后顺序，生成采用道路标签表示先后顺序的导航路径；

机器人，被配置为根据导航路径，基于机器视觉对导航路径上的标签依次识别，从起始路段到达待巡检设备，采集待检测设备的运行数据，实现对待检测设备的巡检监控。

与现有技术相比，本发明的有益效果为：

本发明中，按照路径上的标签依次选择下一路段，不需要对经过路径的实物进行识别，仅识别标签就可以实现路段选择，大大减少了图像处理的运算量，提高了机器人的运行速度，从而实现了基于路段标识的自主导航，提高了变电站监控系统的高效运行。

本发明的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的限定。

图1是本发明实施例1的智能监控方法的流程图；

图2是本发明实施例1的示例巡检道路图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本发明中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。

实施例1

在一个或多个实施方式公开的技术方案中，如图1至图2所示，一种变电站智能监控方法，基于巡检机器人实现变电站的智能巡检，包括如下步骤：

步骤1、针对待巡检的区域，构建带有每条分支道路标签的巡检区域地图；每个道路标签均设置有起止标志，并且每个待巡检设备设置在其中一个路段的终点处；

步骤2、获取巡检任务信息，基于巡检区域地图，根据经过道路的先后顺序，生成采用道路标签表示先后顺序的导航路径；

步骤3、机器人根据导航路径，基于机器视觉对导航路径上的标签依次识别，从起始路段到达待巡检设备，机器人采集待检测设备的运行数据，实现对待检测设备的巡检监控。

本实施例中，按照路径上的标签依次选择下一路段，不需要对经过路径的实物进行识别，仅识别标签就可以实现路段选择，大大减少了图像处理的运算量，提高了机器人的运行速度，从而实现了基于路段标识的自主导航，提高了变电站监控系统的高效运行。并且机器人不需要实时进行通讯，不会受到通信信号的影响，当获取到巡检路径后就可以依次进行自主寻路。

进一步地，待巡检区域内的道路设置车道线，多段道路依次首尾相接形成巡检道路，每一分支道路的起点处设置对应的道路标签，不同道路分支的标签不同，终点处设置停止线。

可选的，标签可以为单个字符、字母、数字或者多种符号的组合，也可以是颜色标签，其中字符可以为三角符号、圆圈符号、方框等。

优选的，采用单一并且简单的符号作为道路标签。

可选的，各个道路终点处的停止线相同，当机器视觉识别到停止线，机器视觉继续扫描识别该路口连接的道路支路中的起点处设置的标签，选择下一行驶路段。

可实现的，道路标签设置在道路的路面上或者通过立杆设置在标识牌上。

一种可实现的技术方案，机器视觉包括设置在机器人上的摄像装置，以及处理器，摄像装置的可拍摄范围包括机器人前方的两侧车道线以及道路以上设定的高度范围内。

一个具体的示例，如图2所示，带巡检区域的设备包括7个巡检设备F1至F7，根据设备之间的空隙设置道路，每个设备设置在其中道路中某路段末端。主路段可以设置并行的多条路段，以便于实现多个机器人同时进行设备巡检。其中，设置有机器人停机仓A1，用于实现机器人的存放、充电等。机器人停机仓A1还可以设置边缘控制器，用于与机器人建立通信连接，边缘控制器与变电站的监控终端通信连接，用于实现机器人与监控终端的通信连接。

图2中路段的标签设置为英文字符，其中岔路口处以及设备端都设置了虚线作为停止线，代表该路段已结束，需要识别下一路段的标签数据。如对设备F2进行巡检，巡检路径可以为a-e-f-e-a；

本实施例中，通过设置道路标签，将轨迹转换为路径标签的识别，替代实物的识别，简单的字符标签降低了图像处理难度，提高了运行效率，从而能够提高机器人行驶的速度。

进一步地，机器人接收到巡检的导航路径，从机器人停机仓A1驶出，在停机仓口识别道路标签，选择路径的首路段行驶，根据路段的长度以及行驶速度预判行驶时间，在到达路段终点前设定的距离处，采集图像并识别直到路段行驶拍到的图像中有停止线，表示该路段结束，对一下路段的标签字符进行识别。

可选的，通过图像处理对标签的字符进行识别，包括如下步骤：

步骤31、获取待处理的标签图像，进行预处理；

可选的，预处理包括二值化处理、降噪、滤波以及对标签符号边缘检测。

为提高识别的准确性，提高滤波效果，滤波方法可以采用维纳滤波的方法对图像进行预处理，从而滤除图像中存在的噪声分量，通过维纳滤波寻找最优的滤波器对图像进行滤波处理，使滤波后的图像与原始图像之间的均方误差最小，即：

（1）

其中，E(.)表示括号内的变量的期望运算，Y(x,y)为原始图像，为抑制噪声后的图像，即为期望图像；

（2）

其中，为维纳滤波器系数，/>为含噪观测图像；

为了计算最优的滤波器系数，对公式（1）微分，微分后的结果等于零。确定滤波器系数为含噪观测图像的自相关矩阵乘以含噪观测图像与期望图像的互相关矩阵的内积。

可选的，标签符号边缘检测，包括如下步骤：

步骤311、用高斯滤波器平滑图像；

步骤312、针对平滑后的图像，计算图像中每个像素点的梯度强度和方向；计算方式可以是用一阶偏导的有限差分来计算梯度的幅值和方向；

步骤313、对梯度强度幅值进行非极大值抑制，并双阈值算法检测来确定真实和潜在的边缘，通过抑制孤立的弱边缘最终完成边缘检测，得到边缘图像。

步骤32、针对预处理后得到的边缘图像，提取图像特征；

步骤33、根据提取的图像特征与模板图像特征进行相似度计算，相似度最高的图像对应的模板图像中的符号，即为符号识别结果。

其中，两个图像的相似度计算方法可以采用结构相似性度量方法，简称为SSIM，可以分别从亮度、对比度、结构三个方面度量图像相似性，具体的包括：

步骤331、利用滑动窗将待比较的两个图像分别分块，分块数量为N；

步骤332、采用高斯加权计算每一窗口的均值、方差以及协方差Q；

步骤333、根据每一窗口计算得到的数据，计算两个图像同位置区域对应块的结构相似度SSIM，最后将平均值作为两图像的结构相似性度量，即平均结构相似性SSIM。

具体的，模板图像包括所有道路标签的图像。

在一些实施例中，为提高每一分支道路中间段的行驶速度，对于在每一分支道路中间段的机器人行驶控制，调整机器视觉的拍摄方向朝向机器人正前方，固定机器视觉的摄像装置相对于机器人机身的角度，采集包括车道线的道路图像，针对机器视觉采集的图像，以使得图像中心线在图像中道路两侧的车道线中间为基准，实时调整机器人的行驶方向。

其中，每一分支道路中间段即为除去道路起点至终点之间的路段。

在另一些实施例中，对于在每一分支道路中间段的机器人行驶控制，调整机器视觉的拍摄方向为机器人正前方，固定机器视觉的摄像装置相对于机器人机身的角度，采集包括车道线的道路图像，针对机器视觉采集的图像，以使得图像中道路两侧的车道线都在图像中为基准，实时调整机器人的行驶方向。

进一步的技术方案，机器人上设置有超声波雷达，在行驶过程中检测到障碍物，利用超声波雷达，实现机器人机体360度避障与防跌落功能。

机器人设备上设置数据采集终端，可以采集待巡检设备的运行数据，如可以是通过机器视觉采集待巡检设备显示的运行数据，采集终端还包括温度采集终端，振动采集终端等；其中温度采集终端可以采用非接触测量传感器，可以采用红外测温传感器，对设备指定位置的数据进行采集。

机器人采集的数据先本地存储，然后可以通过边缘控制器传输至变电站的监控终端进行监控。

变电站的监控终端，被配置为根据机器人采集的信息，判断变电站设备的健康状况，当判断出设备故障发出报警信息，提醒运维人员及时检修，所述报警信息包括设备编号、设备位置、设备故障类型等。

实施例2

基于实施例1，本实施例中提供一种变电站智能监控系统，包括用于巡检的机器人以及变电站监控终端；

变电站监控终端，被配置为针对待巡检的区域，构建带有每条分支道路标签的巡检区域地图；获取巡检任务信息，基于巡检区域地图，根据经过道路的先后顺序，生成采用道路标签表示先后顺序的导航路径；

机器人，被配置为根据导航路径，基于机器视觉对导航路径上的标签依次识别，从起始路段到达待巡检设备，采集待检测设备的运行数据，实现对待检测设备的巡检监控。

此处需要说明的是，本实施例中的变电站监控终端以及机器人执行的步骤与实施例1中的各个步骤对应，其具体实施过程相同，此处不再累述。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种变电站智能监控方法，其特征在于，包括如下步骤：

针对待巡检的区域，构建带有每条分支道路标签的巡检区域地图；每个道路标签均设置有起止标志，并且每个待巡检设备设置在其中一个道路分支的终点处；

获取巡检任务信息，基于巡检区域地图，根据经过道路的先后顺序，生成采用道路标签表示先后顺序的导航路径；

机器人根据导航路径，基于机器视觉对导航路径上的标签依次识别，从起始路段到达待巡检设备，机器人采集待检测设备的运行数据，实现对待检测设备的巡检监控；

待巡检区域内的道路设置车道线，多段道路依次首尾相接形成巡检道路，每一分支道路的起点处设置对应的道路标签，终点处设置停止线；

各个道路终点处的停止线相同，当机器视觉识别到停止线，机器视觉继续扫描识别路口连接的道路支路中的起点处设置的标签，选择下一行驶路段；

按照路径上的标签依次选择下一路段，不需要对经过路径的实物进行识别，仅识别标签就能实现路段选择，大大减少了图像处理的运算量，提高了机器人的运行速度，从而实现了基于路段标识的自主导航，提高了变电站监控系统的高效运行；并且机器人不需要实时进行通讯，不会受到通信信号的影响，当获取到巡检路径后就能依次进行自主寻路。

2.如权利要求1所述的一种变电站智能监控方法，其特征在于：道路标签为一个或多个字母、数字或者符号的组合。

3.如权利要求1所述的一种变电站智能监控方法，其特征在于，通过图像处理对标签的字符进行识别，包括如下步骤：

获取待处理的标签图像，进行预处理，得到边缘图像；

针对预处理后得到的边缘图像，提取图像特征；

根据提取的图像特征与模板图像特征进行相似度计算，相似度最高的图像对应的模板图像中的符号，即为符号识别结果。

4.如权利要求3所述的一种变电站智能监控方法，其特征在于，两个图像的相似度计算方法采用结构相似性度量方法，包括如下步骤：

利用滑动窗将待比较的两个图像分别分块；

采用高斯加权计算每一窗口的均值、方差以及协方差；

根据每一窗口计算得到的数据，计算两个图像同位置区域对应块的结构相似度，最后将平均值作为两图像的结构相似性度量。

5.如权利要求3所述的一种变电站智能监控方法，其特征在于：预处理包括二值化处理、降噪、滤波以及对标签符号边缘检测；

滤波方法采用维纳滤波的方法对图像进行预处理，滤除图像中存在的噪声分量。

6.如权利要求5所述的一种变电站智能监控方法，其特征在于：

标签符号边缘检测，包括如下步骤：

用高斯滤波器平滑待识别图像；

针对平滑后的图像，计算图像中每个像素点的梯度强度和方向；

对梯度强度幅值进行非极大值抑制，并利用双阈值算法检测来确定真实和潜在的边缘，通过抑制孤立的弱边缘最终完成边缘检测，得到边缘图像。

7.如权利要求1所述的一种变电站智能监控方法，其特征在于：

对于在每一分支道路中间段的机器人行驶控制，调整机器视觉的拍摄方向朝向机器人正前方，固定机器视觉的摄像装置相对于机器人机身的角度，采集包括车道线的道路图像，针对机器视觉采集的图像，以使得图像中心线在图像中道路两侧的车道线中间为基准，实时调整机器人的行驶方向。

8.一种变电站智能监控系统，利用如权利要求1所述的一种变电站智能监控方法实现，其特征在于：包括用于巡检的机器人以及变电站监控终端；

变电站监控终端，被配置为针对待巡检的区域，构建带有每条分支道路标签的巡检区域地图；获取巡检任务信息，基于巡检区域地图，根据经过道路的先后顺序，生成采用道路标签表示先后顺序的导航路径；

机器人，被配置为根据导航路径，基于机器视觉对导航路径上的标签依次识别，从起始路段到达待巡检设备，采集待检测设备的运行数据，实现对待检测设备的巡检监控。