CN117010218B - 一种电网设备的地图渲染方法、装置、设备和介质 - Google Patents
一种电网设备的地图渲染方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117010218B CN117010218B CN202311281994.4A CN202311281994A CN117010218B CN 117010218 B CN117010218 B CN 117010218B CN 202311281994 A CN202311281994 A CN 202311281994A CN 117010218 B CN117010218 B CN 117010218B
- Authority
- CN
- China
- Prior art keywords
- power grid
- grid equipment
- information
- equipment
- rendering
- 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.)
- Active
Links
- 238000009877 rendering Methods 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims description 136
- 238000004458 analytical method Methods 0.000 claims description 117
- 238000012544 monitoring process Methods 0.000 claims description 71
- 238000012423 maintenance Methods 0.000 claims description 53
- 238000005286 illumination Methods 0.000 claims description 27
- 238000004088 simulation Methods 0.000 claims description 23
- 239000000463 material Substances 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 10
- 238000012098 association analyses Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 16
- 230000000007 visual effect Effects 0.000 abstract description 14
- 238000012800 visualization Methods 0.000 abstract description 11
- 238000009826 distribution Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 9
- 238000010248 power generation Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06T17/05—Geographic models
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Abstract
本申请涉及地图渲染的技术领域，尤其是涉及一种电网设备的地图渲染方法、装置、设备和介质，方法包括：基于电网设备信息进行预处理，得到预处理后的目标电网设备信息，然后，基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型，通过三维建模方式得到的层级电网设备模型提高了电力系统的可视化效果。最终，基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，基于三维的不同层级的层级电网设备模型进行地图渲染，得到更为逼真、真实感强的电网设备地图，以提高电网设备地图的可视化效果。
Description
技术领域
本申请涉及地图渲染的技术领域，尤其是涉及一种电网设备的地图渲染方法、装置、设备和介质。
背景技术
电力系统是指由电网、发电设备、输电设备和用户设备等组成的供电网络，用于将电能从发电厂传输到用户。为了保证电力系统的正常运行，需要对电网设备进行监控和管理。而电网设备地图作为电力系统的可视化工具，对于了解电网的布局、设备分布和运行状态具有重要意义。
现有技术中，在电网设备地图中采用不同类型的图形来表示不同类型的电网设备，并通过不同类型的图形之间的连接关系来表征电力系统中的电网线路，以实现通过电网设备地图能够清楚观察到电网设备的分布和电网线路的连接关系。然而，利用简单图形表征电网设备的方式，技术人员不能清楚地显示出电网设备的结构，导致电网设备地图的可视化效果差。
因而，如何提高电网设备地图的可视化效果是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种电网设备的地图渲染方法、装置、设备和介质，用于解决以上至少一项技术问题。
本申请的上述发明目的是通过以下技术方案得以实现的：
第一方面，本申请提供一种电网设备的地图渲染方法，采用如下的技术方案：
一种电网设备的地图渲染方法，包括：
获取电网设备信息，基于所述电网设备信息进行预处理，得到预处理后的目标电网设备信息；
获取多个图层分类信息，基于所述目标电网设备信息和多个所述图层分类信息进行层级建模，得到每一所述图层分类信息对应的层级电网设备模型；
基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，其中，所述电网设备地图中包括：材质属性、光照属性和天气属性。
通过采用上述技术方案，基于电网设备信息进行预处理，得到预处理后的目标电网设备信息，然后，基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型，通过三维建模方式得到的层级电网设备模型提高了电力系统的可视化效果。最终，基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，基于三维的不同层级的层级电网设备模型进行地图渲染，得到更为逼真、真实感强的电网设备地图，以提高电网设备地图的可视化效果。
本申请在一较佳示例中可以进一步配置为：所述基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，包括：
基于每一所述图层分类信息对应的所述层级电网设备模型进行材质渲染，得到每一所述层级电网设备模型对应的第一渲染层级模型；
获取天气信息和光照信息，并基于所述天气信息对所述每一所述第一渲染层级模型进行天气渲染，得到每一所述第一渲染层级模型对应的第二渲染层级模型；
基于所述光照信息对每一所述第二渲染层级模型进行光照渲染，得到每一所述第二渲染层级模型对应的第三渲染层级模型，其中，所述电网设备地图包括：每一所述第二渲染层级模型对应的第三渲染层级模型。
本申请在一较佳示例中可以进一步配置为：所述基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图之后，还包括：
获取电网设备的检修信息，并基于所述检修信息和所述电网设备地图进行电网设备筛选，得到检修设备框架模型；
基于所述检修设备框架模型进行关键监控分析，从所述检修设备框架模型中筛选出关键监控节点；
获取所述关键监控节点对应的工作数据，并基于所述工作数据对电网设备的运行状态进行分析，得到运行分析结果。
本申请在一较佳示例中可以进一步配置为：所述基于所述工作数据对电网设备的运行状态进行分析，得到运行分析结果之后，还包括：
当所述运行分析结果为运行异常时，则基于异常关键监控节点的工作数据进行异常分析，得到异常维修方式，其中，所述异常关键监控节点为运行异常的关键监控节点；
基于所述异常维修方式进行异常影响区域分析，得到异常影响分析结果，并基于所述异常影响分析结果对所述检修设备框架模型进行异常标记，得到异常标记的检修设备框架模型。
本申请在一较佳示例中可以进一步配置为：所述基于所述异常维修方式进行异常影响区域分析，得到异常影响分析结果，包括：
基于所述异常关键监控节点和所述电网设备地图进行节点关联分析，确定与所述异常关键监控节点关联的多个电网关联设备；
基于所述异常维修方式和多个所述电网关联设备进行异常影响区域分析，得到异常影响分析结果。
本申请在一较佳示例中可以进一步配置为：多个所述图层分类信息的确定方式，包括：
基于所述电网设备信息进行多维权重分析，确定每一电网设备的权重，其中，所述多维权重分析包括：电网设备分析、电网分布分析；
基于每一所述电网设备的权重进行图层分类，得到多个图层分类信息。
本申请在一较佳示例中可以进一步配置为：多个所述图层分类信息包括：低级别图层信息、中级别图层信息和高级别图层信息，
所述基于所述目标电网设备信息和多个所述图层分类信息进行层级建模，得到每一所述图层分类信息对应的层级电网设备模型，包括：
基于所述目标电网设备信息和所述低级别图层信息进行低级别层级建模，得到低级别电网设备模型；
基于所述目标电网设备信息、所述中级别图层信息和所述低级别电网设备模型进行中级别层级建模，得到中级别电网设备模型；
基于所述目标电网设备信息、所述高级别图层信息和所述中级别电网设备模型进行高级别层级建模，得到高级别电网设备模型，其中，所述层级电网设备模型包括：所述低级别电网设备模型、所述中级别电网设备模型和所述高级别电网设备模型。
第二方面，本申请提供一种电网设备的地图渲染装置，采用如下的技术方案：
一种电网设备的地图渲染装置，包括：
预处理模块，用于获取电网设备信息，基于所述电网设备信息进行预处理，得到预处理后的目标电网设备信息，
层级建模模块，用于获取多个图层分类信息，基于所述目标电网设备信息和多个所述图层分类信息进行层级建模，得到每一所述图层分类信息对应的层级电网设备模型；
地图渲染模块，用于基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，其中，所述电网设备地图中包括：材质属性、光照属性和天气属性。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述的电网设备的地图渲染方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行上所述的电网设备的地图渲染方法。
综上所述，本申请包括以下至少一种有益技术效果：
基于电网设备信息进行预处理，得到预处理后的目标电网设备信息，然后，基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型，通过三维建模方式得到的层级电网设备模型提高了电力系统的可视化效果。最终，基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，基于三维的不同层级的层级电网设备模型进行地图渲染，得到更为逼真、真实感强的电网设备地图，以提高电网设备地图的可视化效果。
当运行分析结果为运行异常时，则基于异常关键监控节点的工作数据进行异常分析，得到异常维修方式，然后，基于异常维修方式进行异常影响区域分析，得到异常影响分析结果，并基于异常影响分析结果对检修设备框架模型进行异常标记，得到异常标记的检修设备框架模型，通过异常标记便于技术人员快速定位异常设备、提高维修效率、强化维修决策和提升安全性。
附图说明
图1是本申请其中一实施例的一种电网设备的地图渲染方法的流程示意图；
图2是本申请其中一实施例的一种电网设备的地图渲染装置的结构示意图；
图3是本申请其中一实施例的一种电子设备的结构示意图。
具体实施方式
以下结合图1至图3对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种电网设备的地图渲染方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括步骤S101、步骤S102以及步骤S103，其中：
步骤S101：获取电网设备信息，基于电网设备信息进行预处理，得到预处理后的目标电网设备信息。
对于本申请实施例，电网设备信息包括但不限于：电网设备位置信息、电网设备类型、电网设备参数、连接关系、电网设备集合形状尺寸、电网设备组成和零部件、安装要求、维护要求等。基于电网设备信息进行预处理，预处理包括但不限于：数据清洗、数据筛选和数据转换操作，以使得预处理后的目标电网设备信息满足层级建模和底图渲染的要求，其中，数据清洗用于去除重复数据、处理缺失值和校正错误数据，数据筛选用于过滤掉无关数据，以便于集中精力分析和利用有价值的数据，数据转换用于将原始数据转换为便于使用的预设格式的数据，至少包括：数据类型转换、单位转换和坐标转换等。
步骤S102：获取多个图层分类信息，基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型。
对于本申请实施例，在电力系统中包括多种类别的电网设备，例如，发电设备、变电设备、输电线路、配电线路、支持设施等，多种类别的众多数量的电网设备共同组建称为电力系统，倘若仅针对电网设备进行粗略的地图渲染，会导致技术人员无法通过电网设备地图精准地监控电力系统；倘若针对电网设备进行详细的地图渲染，会造成电网设备地图加载需要消耗较长时间。在本申请实施例中，构建了不同精度的层级电网设备模型，以技术人员不同的使用需求，与此同时，当技术人员对电网设备地图的精度要求较低时，会提升电网设备地图的加载速度。相较于平面图形的展示方式，通过三维建模方式得到的层级电网设备模型提高了电力系统的可视化效果。
具体的，获取多个图层分类信息，确定图层分类信息的方式包括多种，在一种可实现的方式中，基于电网设备信息进行多维权重分析，确定每一电网设备的权重，其中，多维权重分析包括：电网设备分析、电网分布分析和电网设备等级分析，然后，基于每一电网设备的权重进行图层分类，得到多个图层分类信息。在另一种可实现的方式中，技术人员基于日常工作的使用需求，预先设定了每一图层分类信息内的具体内容，例如，多个图层分类信息包括：低级别图层信息、中级别图层信息和高级别图层信息，其中，低级别图层信息对应的低放大等级用于展示不同发电设备、变电设备、输电线路的粗略布局，即，从整体上展示电力系统，故，低级别图层信息包括：枢纽的发电设备、枢纽的变电设备和枢纽的输电线路；中级别图层信息对应的中放大等级用于更加详细地展示不同发电设备、变电设备、输电线路和配电设备的布局情况，以便于技术人员能够在中放大等级中进行电网的区域规划、电网分析和重要设备确定，故，中级别图层信息包括：主要的发电设备、主要的变电设备、主要的输电线路和主要的配电设备；高级别图层信息对应的高放大等级用于从细节层面上展示不同发电设备、变电设备、输电线路、配电设备和支持设施的详细信息，以便于技术人员能够在高放大级别中进行设备维护、故障排除和工程设计，故，高级别图层信息包括：所有的发电设备、所有的变电设备、所有的输电线路、所有的配电设备和所有的支持设施。
进而，基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型，不同的层级电网设备模型在不同的精细层面上展示了电力系统的布局，以满足技术人员不同的工作需求。由于不同的层级电网设备模型的精准度是逐级递进的，为了降低层级建模的复杂度和工作量，利用精度不断提升的方式来构建层级电网设备模型，即，基于目标电网设备信息和低级别图层信息进行低级别层级建模，得到低级别电网设备模型，其中，低级别电网设备模型为整体、概括性的模型，用于使得技术人员对整体电网结构和布局有一个大致的认知；基于目标电网设备信息、中级别图层信息和低级别电网设备模型进行中级别层级建模，得到中级别电网设备模型，其中，中级别电网设备模型的精度相对提高，可以用于更细致的分析、改进和决策；基于目标电网设备信息、高级别图层信息和中级别电网设备模型进行高级别层级建模，得到高级别电网设备模型，其中，高级别电网设备模型可用于更精细的模拟、优化和决策分析，帮助更好地了解电网的运行状况和性能。
步骤S103：基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，其中，电网设备地图中包括：材质属性、光照属性和天气属性。
对于本申请实施例，为了使得层级电网设备模型更加真实、直观，则对每一图层分类信息对应的层级电网设备模型进行地图渲染，以使得电网设备地图具有材质属性、光照属性和天气属性，富有多种属性的电网设备地图更有利于电力系统的运营和维护。即，针对每一层级电网设备模型进行材质渲染，得到每一层级电网设备模型对应的第一渲染层级模型，其中，材质渲染用于为层级电网设备模型添加纹理和材质，以使得第一渲染层级模型更加逼真。基于天气信息对每一第一渲染层级模型进行天气渲染，得到每一第一渲染层级模型对应的第二渲染层级模型，天气渲染用于模拟和可视化不同天气条件下的电网环境，不仅能够增强第二渲染层级模型的真实感，在恶略天气下有助于决策者对电力系统进行针对性规划和优化。然后，基于光照信息对每一第二渲染层级模型进行光照渲染，得到每一第二渲染层级模型对应的第三渲染层级模型，光照渲染为利用合适的灯光和阴影设置来模拟不同时间和天气条件下的光照效果，以增强第三渲染层级模型的视觉效果。与此同时，在进行地图渲染时，还可以为电网设备地图上的要素添加标签和注记，以提供更加丰富的地图信息。通过这种方式，基于三维的不同层级的层级电网设备模型进行地图渲染，得到更为逼真、真实感强的电网设备地图，以提高电网设备地图的可视化效果。
可见，在本申请实施例中，基于电网设备信息进行预处理，得到预处理后的目标电网设备信息，然后，基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型，通过三维建模方式得到的层级电网设备模型提高了电力系统的可视化效果。最终，基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，基于三维的不同层级的层级电网设备模型进行地图渲染，得到更为逼真、真实感强的电网设备地图，以提高电网设备地图的可视化效果。
进一步的，为了使得电网设备地图渲染丰富，可视化效果强，在本申请实施例中，基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，包括：
基于每一图层分类信息对应的层级电网设备模型进行材质渲染，得到每一层级电网设备模型对应的第一渲染层级模型；
获取天气信息和光照信息，并基于天气信息对每一第一渲染层级模型进行天气渲染，得到每一第一渲染层级模型对应的第二渲染层级模型；
基于光照信息对每一第二渲染层级模型进行光照渲染，得到每一第二渲染层级模型对应的第三渲染层级模型，其中，电网设备地图包括：每一第二渲染层级模型对应的第三渲染层级模型。
对于本申请实施例，不同层级电网设备模型的精准度不同，不同精准的层级电网设备模型在显示时材质和纹理会不尽相同，为了增强电网设备地图的真实感和可视化效果，在进行材质渲染时，基于电网设备的属性和每一图层分类信息对应的标准进行处理，例如，调节颜色、质地和透明度，以使得第一渲染层级模型与在对应的精准度下材质和纹理与实际情况更加贴近。然后，获取天气信息，例如，晴天、多云、雨天和雪天等不同的天气场景，在每一第一渲染层级模型中添加各种天气相关的视觉效果，得到多个第二渲染层级模型，例如，阳光照射、云层效果、雨滴、雪花等，通过增添天气效果可以增加电网设备地图的逼真感和立体感。当然，还可以通过天气渲染，在电网设备地图上展示不同天气条件下的电网性能和响应情况，有助于决策者进行针对性的规划和优化，以提高电网的可靠性和稳定性。进而，基于光照信息对每一第二渲染层级模型进行光照渲染，得到每一第二渲染层级模型对应的第三渲染层级模型，光照渲染可以模拟真实世界中的光线照射效果，增强电网设备地图的深度和逼真度，通过光线的投射进而阴影效果可以更好地展示电网设备之间的空间关系、电网拓扑结构和连接方式。逐层增添材质渲染、天气渲染和光照渲染，使得最终得到的电网设备地图渲染丰富，可视化效果强。
可见，在本申请实施例中，基于每一图层分类信息对应的层级电网设备模型进行材质渲染，得到每一层级电网设备模型对应的第一渲染层级模型，然后，基于天气信息对每一第一渲染层级模型进行天气渲染，得到每一第一渲染层级模型对应的第二渲染层级模型，最终，基于光照信息对每一第二渲染层级模型进行光照渲染，得到每一第二渲染层级模型对应的第三渲染层级模型，逐层增添材质渲染、天气渲染和光照渲染，使得最终得到的电网设备地图渲染丰富，可视化效果强。
进一步的，为了提高电网设备的检修效率，在本申请实施例中，基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图之后，还包括：
获取电网设备的检修信息，并基于检修信息和电网设备地图进行电网设备筛选，得到检修设备框架模型；
基于检修设备框架模型进行关键监控分析，从检修设备框架模型中筛选出关键监控节点；
获取关键监控节点对应的工作数据，并基于工作数据对电网设备的运行状态进行分析，得到运行分析结果。
对于本申请实施例，由于电力系统的复杂性，使得利用常规方式对电力系统进行定期的全面线下检修的效率低，不便于技术人员对电力系统的运行状态进行监控。故，本申请实施例中从电网设备地图中筛选出检修设备框架模型，并针对检修设备框架模型中的关键监控节点进行状态分析，以实现对电网设备的检修操作，重点的远程监控提高了电网设备的检修效率。
具体的，获取电网设备的检修信息，检修信息用于确定本次检修的所有电网设备，检修信息的形式有多种，在一种可实现的方式中，检修信息规定了需要检修的电网设备的位置范围和电网设备类型；在另一种可实现的方式中，检修信息规定了电网设备参数，以唯一确定所有需要检修的电网设备。然后，在电网设备地图中基于检修信息进行电网设备筛选，并按照电网设备地图中的连接关系确定检修设备框架模型，即，检修设备框架模型为电网设备地图中的一部分，两者中电网设备间的连接关系相同。进而，基于检修设备框架模型进行关键监控分析，从检修设备框架模型中筛选出关键监控节点，关键监控分析中可以综合考虑电网设备的维护周期、运行时间、故障率、运行重要性、风险程度、对电力系统稳定性和可靠性的影响力等。关键监控分析的方式有多种，本申请实施例不再进行限定，在一种可实现的方式中，关键监控分析中综合考虑电网设备的故障率、风险程度、维护周期三个因素，并在电子设备内预先存储了故障率对应的第一权重，风险程度对应的第二权重和维护周期对应的第三权重，故，针对检修设备框架模型中的每一电网设备的故障率、风险程度、维护周期、第一权重、第二权重和第三权重进行计算，得到检修设备框架模型中的每一电网设备的评估分数，然后，基于所有评估分数，从检修设备框架模型中筛选出关键监控节点。关键监控分析中考虑的因素还可以为其他因素的组合，用户可根据实际需求自行设定。最终，通过设置在关键监控节点处的数据采集装置采集关键监控节点对应的工作数据，通过无线传输的方式获取关键监控节点对应的工作数据，其中，工作数据包括但不限于：电流、电压、功率、功率因数、电网频率、电能质量等。进而，将工作数据和检修设备框架模型进行特性融合，得到动态检修设备框架模型，特性融合的方式有多种，在一种可实现的方式中，将关键监控节点对应的工作数据与检修设备框架模型中的关键监控节点进行关联，关键监控节点包括：电网设备和/或线路，然后，针对关键监控节点对应的工作数据进行可视化表示，即，使用不同的颜色、标记来表示工作数据，例如，使用不同颜色表示不同的电流大小或电压大小，使用箭头表示电流方向。进而，将工作数据应用到检修设备框架模型中，得到动态检修设备框架模型，例如，根据电流的变化情况，模拟电流在线路中的流动情况。进而，基于动态检修设备框架模型进行运行状态分析，得到运行分析结果，其中，运行状态分析方式有多种，在一种可实现的方式中，针对动态检修设备框架模型进行多维仿真，得到仿真结果，并基于仿真结果进行运行状态分析，得到变电站的运行分析结果，其中，多维仿真包括：电磁仿真、热仿真、机械仿真，运行分析结果包括：运行正常和运行异常。在另一种可实现的方式中，在电子设备内预先存储了工作数据中每一项数据的标准范围，针对工作数据中每一项数据与对应的标准范围进行匹配，当匹配成功时，表征该项数据正常；当匹配失败时，表征该项数据异常，则在运行分析结果中将该异常数据项标记。当工作数据中所有数据均匹配成功时，则确定运行分析结果为运行正常，否则，则确定运行分析结果为运行异常。
可见，在本申请实施例中，基于检修信息和电网设备地图进行电网设备筛选，得到检修设备框架模型，然后，基于检修设备框架模型进行关键监控分析，从检修设备框架模型中筛选出关键监控节点，进而，基于工作数据对电网设备的运行状态进行分析，得到运行分析结果，以实现对电网设备的检修操作，重点的远程监控提高了电网设备的检修效率。
进一步的，为了便于技术人员快速定位异常设备、提高维修效率、强化维修决策和提升安全性，在本申请实施例中，基于工作数据对电网设备的运行状态进行分析，得到运行分析结果之后，还包括：
当运行分析结果为运行异常时，则基于异常关键监控节点的工作数据进行异常分析，得到异常维修方式，其中，异常关键监控节点为运行异常的关键监控节点；
基于异常维修方式进行异常影响区域分析，得到异常影响分析结果，并基于异常影响分析结果对检修设备框架模型进行异常标记，得到异常标记的检修设备框架模型。
对于本申请实施例，当运行分析结果为运行异常时，表征关键监控节点对应的电网设备运行异常，则基于异常关键监控节点的工作数据进行异常分析，得到异常维修方式，其中，异常关键监控节点可以为一个、两个或多个，异常分析确定异常维修方式的方法有多种，本申请实施例不再进行限定。在一种可实现的方式中，基于异常关键监控节点的工作数据与工作数据中每一项数据的标准范围进行比对，筛选出异常关键监控节点对应的故障数据，故障数据为存在故障的分散的若干数据项，因而，基于AI算法对故障数据进行解析分析时，优选的，将故障数据进行数据关联操作，得到故障关联数据，其中，故障关联数据为包括电网设备实体、故障属性和设备实体关系的知识图谱，因而，基于数据关联操作，能够使得分散的故障数据之间建立起紧密的联系，与此同时，AI算法为故障知识体系，故障知识体系是基于大量的预设故障数据形成的故障语料库，且，针对每一预设故障关联数据均存在与之对应的故障特征，故障特征至少包括：故障类型、故障等级，并基于故障特征和运维处理的关系，确定故障特征对应的异常维修方式，其中，异常维修方式包括：更换损坏元件、修复电缆、设备清洁等。
进而，基于异常维修方式进行异常影响区域分析，即，基于异常关键监控节点和电网设备地图进行节点关联分析，确定与异常关键监控节点关联的多个电网关联设备，并基于异常维修方式和多个电网关联设备进行异常影响区域分析，得到异常影响分析结果，其中，异常影响分析结果至少包括：电网关联设备、异常影响等级、异常影响时长。然后，基于异常影响分析结果对检修设备框架模型进行异常标记，得到异常标记的检修设备框架模型，其中，异常标记的方式有多种，例如，针对多个电网关联设备进行属性字段标记，即，在电网关联设备中添加运行异常的标签；针对异常影响区域内的多个电网关联设备进行特殊颜色显示，以表征该异常影响区域的运行异常。通过异常标记便于技术人员快速定位异常设备、提高维修效率、强化维修决策和提升安全性。
可见，在本申请实施例中，当运行分析结果为运行异常时，则基于异常关键监控节点的工作数据进行异常分析，得到异常维修方式，然后，基于异常维修方式进行异常影响区域分析，得到异常影响分析结果，并基于异常影响分析结果对检修设备框架模型进行异常标记，得到异常标记的检修设备框架模型，通过异常标记便于技术人员快速定位异常设备、提高维修效率、强化维修决策和提升安全性。
进一步的，在本申请实施例中，基于异常维修方式进行异常影响区域分析，得到异常影响分析结果，包括：
基于异常关键监控节点和电网设备地图进行节点关联分析，确定与异常关键监控节点关联的多个电网关联设备；
基于异常维修方式和多个电网关联设备进行异常影响区域分析，得到异常影响分析结果。
对于本申请实施例，首先，基于异常关键监控节点，在电网设备地图中定位异常关键监控节点，以该异常关键监控节点为中心，通过分析电网设备地图的连接关系、电网线路拓扑结构等，确定与该异常关键监控节点直接或间接相关联的多个电网关联设备。然后，基于异常维修方式和多个电网关联设备进行异常影响区域分析，得到异常影响分析结果，由于不同维修方式对电网关联设备的影响程度不同，故不同的异常维修方式对应的异常影响分析结果不同。异常影响区域分析的方式有多种，在一种可实现的方式中，基于异常维修方式的维修过程和多个电网关联设备，从所有电网关联设备中确定异常维修方式对应的多个直接影响关联设备，并基于多个电网关联设备在电力系统中的作用、每一电网关联设备与异常关键监控节点的连接关系进行间接影响分析，从所有电网关联设备中确定异常维修方式对应的多个间接影响关联设备。最终，基于多个直接影响关联设备和多个间接影响关联设备各自对应的信息，得到异常影响分析结果。
可见，在本申请实施例中，基于异常关键监控节点和电网设备地图进行节点关联分析，确定与异常关键监控节点关联的多个电网关联设备，然后，基于异常维修方式和多个电网关联设备进行异常影响区域分析，得到异常影响分析结果。
进一步的，为了使得电网设备等级相近、分布距离贴近的多个电网设备划分至同一图层分类信息，便于层级建模得到的层级电网设备模型满足技术人员对电网设备地图的精度要求，在本申请实施例中，多个图层分类信息的确定方式，包括：
基于电网设备信息进行多维权重分析，确定每一电网设备的权重，其中，多维权重分析包括：电网设备分析、电网分布分析；
基于每一电网设备的权重进行图层分类，得到多个图层分类信息。
对于本申请实施例，多维权重分析包括：电网设备分析、电网分布分析和电网设备等级分析，针对电网设备分析而言，基于电网设备信息中的电网设备类型、电网设备规模、技术指标和每一电网设备类型对应的数量进行第一权重分析，确定每一电网设备的第一权重；针对电网分布信息而言，基于电网设备信息中的电网设备位置信息、连接关系进行第二权重分析，确定每一电网设备的第二权重。第一权重分析和第二权重分析的方式可采用相同的计算方法，即，针对参考因素中的每一数据项设置参数，基于所有数据项各自的数值和参数进行计算，得到电网设备对应的第一权重和第二权重。然后，将每一电网设备对应的第一权重和第二权重进行加和，得到每一电网设备的权重。进而，电子设备内预先存储了每一图层对应的权重范围，故，基于每一电网设备的权重、每一图层对应的权重范围进行图层分类，确定每一图层对应的多个电网设备信息，每一图层的多个电网设备信息构成了多个图层分类信息。通过这种方式，能够使得电网设备等级相近、分布距离贴近的多个电网设备划分至同一图层分类信息，便于层级建模得到的层级电网设备模型满足技术人员对电网设备地图的精度要求。
可见，在本申请实施例中，基于电网设备信息进行多维权重分析，确定每一电网设备的权重，并基于每一电网设备的权重进行图层分类，得到多个图层分类信息。通过这种方式，能够使得电网设备等级相近、分布距离贴近的多个电网设备划分至同一图层分类信息，便于层级建模得到的层级电网设备模型满足技术人员对电网设备地图的精度要求。
进一步的，为了降低层级建模的复杂度和工作量，在本申请实施例中，多个图层分类信息包括：低级别图层信息、中级别图层信息和高级别图层信息，
基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型，包括：
基于目标电网设备信息和低级别图层信息进行低级别层级建模，得到低级别电网设备模型；
基于目标电网设备信息、中级别图层信息和低级别电网设备模型进行中级别层级建模，得到中级别电网设备模型；
基于目标电网设备信息、高级别图层信息和中级别电网设备模型进行高级别层级建模，得到高级别电网设备模型，其中，层级电网设备模型包括：低级别电网设备模型、中级别电网设备模型和高级别电网设备模型。
对于本申请实施例，由于不同的层级电网设备模型的精准度是逐级递进的，为了降低层级建模的复杂度和工作量，利用精度不断提高的方式来构建层级电网设备模型，即，基于目标电网设备信息和低级别图层信息进行低级别层级建模，得到低级别电网设备模型，其中，低级别电网设备模型为整体、概括性的模型，用于使得技术人员对整体电网结构和布局有一个大致的认知。在低级别电网设备模型中，不需要将电网设备的详细结构构建出来，仅需要构建出电网设备的大体尺寸和形状即可。然后，基于目标电网设备信息、中级别图层信息和低级别电网设备模型进行中级别层级建模，得到中级别电网设备模型，其中，中级别电网设备模型的精度相对提高，可以用于更细致的分析、改进和决策，中级别电网设备模型是在低级别电网设备模型的基础上增加了配电设备，且，在低级别电网设备模型中进行了电网设备大体结构的构建。进而，基于目标电网设备信息、高级别图层信息和中级别电网设备模型进行高级别层级建模，得到高级别电网设备模型，其中，高级别电网设备模型可用于更精细的模拟、优化和决策分析，帮助更好地了解电网的运行状况和性能，高级别电网设备模型是在中级别电网设备模型的基础上增加了支持设施，且，在中级别电网设备模型中进行了电网设备详细结构的构建。
可见，在本申请实施例中，为了降低层级建模的复杂度和工作量，利用精度不断提高的方式来构建层级电网设备模型，即，基于目标电网设备信息和低级别图层信息进行低级别层级建模，得到低级别电网设备模型；基于目标电网设备信息、中级别图层信息和低级别电网设备模型进行中级别层级建模，得到中级别电网设备模型；基于目标电网设备信息、高级别图层信息和中级别电网设备模型进行高级别层级建模，得到高级别电网设备模型。
上述实施例从方法流程的角度介绍一种电网设备的地图渲染方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种电网设备的地图渲染装置，具体详见下述实施例。
本申请实施例提供一种电网设备的地图渲染装置，如图2所示，该电网设备的地图渲染装置具体可以包括：
预处理模块210，用于获取电网设备信息，基于电网设备信息进行预处理，得到预处理后的目标电网设备信息，
层级建模模块220，用于获取多个图层分类信息，基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型；
地图渲染模块230，用于基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，其中，电网设备地图中包括：材质属性、光照属性和天气属性。
对于本申请实施例，预处理模块210能够基于电网设备信息进行预处理，得到预处理后的目标电网设备信息，然后，层级建模模块220基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型，通过三维建模方式得到的层级电网设备模型提高了电力系统的可视化效果。最终，地图渲染模块230基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，基于三维的不同层级的层级电网设备模型进行地图渲染，得到更为逼真、真实感强的电网设备地图，以提高电网设备地图的可视化效果。
本申请实施例的一种可能的实现方式，地图渲染模块230基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图时，用于：
基于每一图层分类信息对应的层级电网设备模型进行材质渲染，得到每一层级电网设备模型对应的第一渲染层级模型；
获取天气信息和光照信息，并基于天气信息对每一第一渲染层级模型进行天气渲染，得到每一第一渲染层级模型对应的第二渲染层级模型；
基于光照信息对每一第二渲染层级模型进行光照渲染，得到每一第二渲染层级模型对应的第三渲染层级模型，其中，电网设备地图包括：每一第二渲染层级模型对应的第三渲染层级模型。
本申请实施例的一种可能的实现方式，电网设备的地图渲染装置，还包括：
电网设备检修模块，用于获取电网设备的检修信息，并基于检修信息和电网设备地图进行电网设备筛选，得到检修设备框架模型；
基于检修设备框架模型进行关键监控分析，从检修设备框架模型中筛选出关键监控节点；
获取关键监控节点对应的工作数据，并基于工作数据对电网设备的运行状态进行分析，得到运行分析结果。
本申请实施例的一种可能的实现方式，电网设备的地图渲染装置，还包括：
异常标记模块，用于当运行分析结果为运行异常时，则基于异常关键监控节点的工作数据进行异常分析，得到异常维修方式，其中，异常关键监控节点为运行异常的关键监控节点；
基于异常维修方式进行异常影响区域分析，得到异常影响分析结果，并基于异常影响分析结果对检修设备框架模型进行异常标记，得到异常标记的检修设备框架模型。
本申请实施例的一种可能的实现方式，异常标记模块在执行基于异常维修方式进行异常影响区域分析，得到异常影响分析结果时，用于：
基于异常关键监控节点和电网设备地图进行节点关联分析，确定与异常关键监控节点关联的多个电网关联设备；
基于异常维修方式和多个电网关联设备进行异常影响区域分析，得到异常影响分析结果。
本申请实施例的一种可能的实现方式，多个图层分类信息的确定方式，包括：
基于电网设备信息进行多维权重分析，确定每一电网设备的权重，其中，多维权重分析包括：电网设备分析、电网分布分析；
基于每一电网设备的权重进行图层分类，得到多个图层分类信息。
本申请实施例的一种可能的实现方式，多个图层分类信息包括：低级别图层信息、中级别图层信息和高级别图层信息，
层级建模模块220在执行基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型时，用于：
基于目标电网设备信息和低级别图层信息进行低级别层级建模，得到低级别电网设备模型；
基于目标电网设备信息、中级别图层信息和低级别电网设备模型进行中级别层级建模，得到中级别电网设备模型；
基于目标电网设备信息、高级别图层信息和中级别电网设备模型进行高级别层级建模，得到高级别电网设备模型，其中，层级电网设备模型包括：低级别电网设备模型、中级别电网设备模型和高级别电网设备模型。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的一种电网设备的地图渲染装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例中提供了一种电子设备，如图3所示，图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例，基于电网设备信息进行预处理，得到预处理后的目标电网设备信息，然后，基于目标电网设备信息和多个图层分类信息进行层级建模，得到每一图层分类信息对应的层级电网设备模型，通过三维建模方式得到的层级电网设备模型提高了电力系统的可视化效果。最终，基于每一图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，基于三维的不同层级的层级电网设备模型进行地图渲染，得到更为逼真、真实感强的电网设备地图，以提高电网设备地图的可视化效果。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (7)
1.一种电网设备的地图渲染方法，其特征在于，包括：
获取电网设备信息，基于所述电网设备信息进行预处理，得到预处理后的目标电网设备信息；
获取多个图层分类信息，基于所述目标电网设备信息和多个所述图层分类信息进行层级建模，得到每一所述图层分类信息对应的层级电网设备模型；
基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，其中，所述电网设备地图中包括：材质属性、光照属性和天气属性；
所述基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，包括：
基于每一所述图层分类信息对应的所述层级电网设备模型进行材质渲染，得到每一所述层级电网设备模型对应的第一渲染层级模型；
获取天气信息和光照信息，并基于所述天气信息对所述每一所述第一渲染层级模型进行天气渲染，得到每一所述第一渲染层级模型对应的第二渲染层级模型；
基于所述光照信息对每一所述第二渲染层级模型进行光照渲染，得到每一所述第二渲染层级模型对应的第三渲染层级模型，其中，所述电网设备地图包括：每一所述第二渲染层级模型对应的第三渲染层级模型；
所述基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图之后，还包括：
获取电网设备的检修信息，并基于所述检修信息和所述电网设备地图进行电网设备筛选，得到检修设备框架模型；
基于所述检修设备框架模型进行关键监控分析，从所述检修设备框架模型中筛选出关键监控节点；
获取所述关键监控节点对应的工作数据，将所述工作数据应用到所述检修设备框架模型中，得到动态检修设备框架模型；
针对所述动态检修设备框架模型进行多维仿真，得到仿真结果，并基于所述仿真结果进行运行状态分析，得到变电站的运行分析结果，其中，多维仿真包括：电磁仿真、热仿真、机械仿真，运行分析结果包括：运行正常和运行异常；
多个所述图层分类信息的确定方式，包括：
基于所述电网设备信息中的电网设备类型、电网设备规模、技术指标和每一电网设备类型对应的数量进行第一权重分析，确定每一电网设备的第一权重；
基于所述电网设备信息中的电网设备位置信息、连接关系进行第二权重分析，确定每一电网设备的第二权重；
将每一电网设备的所述第一权重和所述第二权重进行加和，得到每一电网设备的权重；
基于每一电网设备的权重、每一图层对应的权重范围进行图层分类，确定多个所述图层分类信息。
2.根据权利要求1所述的电网设备的地图渲染方法，其特征在于，所述基于所述工作数据对电网设备的运行状态进行分析，得到运行分析结果之后，还包括：
当所述运行分析结果为运行异常时，则基于异常关键监控节点的工作数据进行异常分析，得到异常维修方式，其中，所述异常关键监控节点为运行异常的关键监控节点；
基于所述异常维修方式进行异常影响区域分析，得到异常影响分析结果，并基于所述异常影响分析结果对所述检修设备框架模型进行异常标记，得到异常标记的检修设备框架模型。
3.根据权利要求2所述的电网设备的地图渲染方法，其特征在于，所述基于所述异常维修方式进行异常影响区域分析，得到异常影响分析结果，包括：
基于所述异常关键监控节点和所述电网设备地图进行节点关联分析，确定与所述异常关键监控节点关联的多个电网关联设备；
基于所述异常维修方式和多个所述电网关联设备进行异常影响区域分析，得到异常影响分析结果。
4.根据权利要求1所述的电网设备的地图渲染方法，其特征在于，多个所述图层分类信息包括：低级别图层信息、中级别图层信息和高级别图层信息，
所述基于所述目标电网设备信息和多个所述图层分类信息进行层级建模，得到每一所述图层分类信息对应的层级电网设备模型，包括：
基于所述目标电网设备信息和所述低级别图层信息进行低级别层级建模，得到低级别电网设备模型；
基于所述目标电网设备信息、所述中级别图层信息和所述低级别电网设备模型进行中级别层级建模，得到中级别电网设备模型；
基于所述目标电网设备信息、所述高级别图层信息和所述中级别电网设备模型进行高级别层级建模，得到高级别电网设备模型，其中，所述层级电网设备模型包括：所述低级别电网设备模型、所述中级别电网设备模型和所述高级别电网设备模型。
5.一种电网设备的地图渲染装置，其特征在于，包括：
预处理模块，用于获取电网设备信息，基于所述电网设备信息进行预处理，得到预处理后的目标电网设备信息，
层级建模模块，用于获取多个图层分类信息，基于所述目标电网设备信息和多个所述图层分类信息进行层级建模，得到每一所述图层分类信息对应的层级电网设备模型；
地图渲染模块，用于基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图，其中，所述电网设备地图中包括：材质属性、光照属性和天气属性；
地图渲染模块在执行基于每一所述图层分类信息对应的层级电网设备模型进行地图渲染，得到电网设备地图时，用于：
基于每一所述图层分类信息对应的所述层级电网设备模型进行材质渲染，得到每一所述层级电网设备模型对应的第一渲染层级模型；
获取天气信息和光照信息，并基于所述天气信息对所述每一所述第一渲染层级模型进行天气渲染，得到每一所述第一渲染层级模型对应的第二渲染层级模型；
基于所述光照信息对每一所述第二渲染层级模型进行光照渲染，得到每一所述第二渲染层级模型对应的第三渲染层级模型，其中，所述电网设备地图包括：每一所述第二渲染层级模型对应的第三渲染层级模型；
电网设备检修模块，用于获取电网设备的检修信息，并基于所述检修信息和所述电网设备地图进行电网设备筛选，得到检修设备框架模型；
基于所述检修设备框架模型进行关键监控分析，从所述检修设备框架模型中筛选出关键监控节点；
获取所述关键监控节点对应的工作数据，将所述工作数据应用到所述检修设备框架模型中，得到动态检修设备框架模型；
针对所述动态检修设备框架模型进行多维仿真，得到仿真结果，并基于所述仿真结果进行运行状态分析，得到变电站的运行分析结果，其中，多维仿真包括：电磁仿真、热仿真、机械仿真，运行分析结果包括：运行正常和运行异常；
图层分类信息确定模块，用于基于所述电网设备信息中的电网设备类型、电网设备规模、技术指标和每一电网设备类型对应的数量进行第一权重分析，确定每一电网设备的第一权重；
基于所述电网设备信息中的电网设备位置信息、连接关系进行第二权重分析，确定每一电网设备的第二权重；
将每一电网设备的所述第一权重和所述第二权重进行加和，得到每一电网设备的权重；
基于每一电网设备的权重、每一图层对应的权重范围进行图层分类，确定多个所述图层分类信息。
6.一种电子设备，其特征在于，包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1～4任一项所述的电网设备的地图渲染方法。
7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～4任一项所述的电网设备的地图渲染方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311281994.4A CN117010218B (zh) | 2023-10-07 | 2023-10-07 | 一种电网设备的地图渲染方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311281994.4A CN117010218B (zh) | 2023-10-07 | 2023-10-07 | 一种电网设备的地图渲染方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117010218A CN117010218A (zh) | 2023-11-07 |
| CN117010218B true CN117010218B (zh) | 2023-12-26 |
Family
ID=88573011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311281994.4A Active CN117010218B (zh) | 2023-10-07 | 2023-10-07 | 一种电网设备的地图渲染方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117010218B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104899922A (zh) * | 2015-06-08 | 2015-09-09 | 安徽中兴继远信息技术股份有限公司 | 一种智能电网可视化应用的三维全息生成方法 |
| CN106802993A (zh) * | 2017-01-11 | 2017-06-06 | 云南电网有限责任公司电力教育培训评价中心 | 一种在三维场景下电网潮流运行的展现方法 |
| CN107977518A (zh) * | 2017-12-06 | 2018-05-01 | 北京精密机电控制设备研究所 | 一种针对伺服电机设计的多学科联合仿真方法 |
| CN112308970A (zh) * | 2020-10-24 | 2021-02-02 | 武汉慧能芯图信息科技有限公司 | 一种基于gis的输电架空线路的参数化建模的预处理方法及装置 |
| WO2022236064A2 (en) * | 2021-05-06 | 2022-11-10 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
| CN116012557A (zh) * | 2023-01-17 | 2023-04-25 | 南方电网数字平台科技(广东)有限公司 | 基于三维系统的天气自然景象数据对接系统及对接方法 |
-
2023
- 2023-10-07 CN CN202311281994.4A patent/CN117010218B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104899922A (zh) * | 2015-06-08 | 2015-09-09 | 安徽中兴继远信息技术股份有限公司 | 一种智能电网可视化应用的三维全息生成方法 |
| CN106802993A (zh) * | 2017-01-11 | 2017-06-06 | 云南电网有限责任公司电力教育培训评价中心 | 一种在三维场景下电网潮流运行的展现方法 |
| CN107977518A (zh) * | 2017-12-06 | 2018-05-01 | 北京精密机电控制设备研究所 | 一种针对伺服电机设计的多学科联合仿真方法 |
| CN112308970A (zh) * | 2020-10-24 | 2021-02-02 | 武汉慧能芯图信息科技有限公司 | 一种基于gis的输电架空线路的参数化建模的预处理方法及装置 |
| WO2022236064A2 (en) * | 2021-05-06 | 2022-11-10 | Strong Force Iot Portfolio 2016, Llc | Quantum, biological, computer vision, and neural network systems for industrial internet of things |
| CN116012557A (zh) * | 2023-01-17 | 2023-04-25 | 南方电网数字平台科技(广东)有限公司 | 基于三维系统的天气自然景象数据对接系统及对接方法 |
Non-Patent Citations (2)
| Title |
|---|
| A Statistical Approach to Electro-thermal Simulations with Contacts;Jorg Ostrowski等;《2019 IEEE Holm Conference on Electrical Contacts》;全文 * |
| 分布式发电微网系统暂态时域仿真方法研究――(二)建模、设计与实现;李鹏;王成山;黄碧斌;高菲;丁承第;于浩;;电力自动化设备(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117010218A (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10962999B2 (en) | Microgrid model based automated real time simulation for market based electric power system optimization | |
| CN106570778B (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
| CN110471979B (zh) | 基于多源仿真数据聚集与挖掘的电网信息展示仿真系统 | |
| CN102411764B (zh) | 电网设备的数据管理系统及管理方法 | |
| CN109451532A (zh) | 一种基站位置的核查方法及装置 | |
| CN105740975A (zh) | 一种基于数据关联关系的设备缺陷评估与预测方法 | |
| WO2021227468A1 (zh) | 核电厂关键设备的状态预演方法、系统、设备及存储介质 | |
| CN110225453A (zh) | 移动终端定位方法、装置、电子设备及存储介质 | |
| CN105631591A (zh) | 一种区域电能质量分析系统 | |
| CN115689534B (zh) | 基于大数据的设备寿命管理的方法、装置、设备及介质 | |
| CN113379196A (zh) | 一种基于数字孪生技术的变电设备管理评价系统 | |
| CN115438726A (zh) | 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统 | |
| CN117010218B (zh) | 一种电网设备的地图渲染方法、装置、设备和介质 | |
| CN115439015B (zh) | 基于数据中台的局域电网数据管理方法、装置及设备 | |
| Liu et al. | Flying robot based viewpoint selection for the electricity transmission equipment inspection | |
| Kliment et al. | Simulation as an appropriate way of verifying the efficiency of production variants in the design of production and non-production systems | |
| CN115457211A (zh) | 基于数字孪生的变电站管理方法及系统 | |
| CN116205520A (zh) | 电网数字化管理指标体系的预警方法、系统及应用 | |
| CN112200458B (zh) | 一种配电网规划数据应用方法及系统 | |
| CN114023125A (zh) | 基于虚拟现实技术的智能维修方法、智能维修培训系统 | |
| CN113177086A (zh) | 一种应用于变电站智能运维系统的三维可视化方法 | |
| CN112381342A (zh) | 一种电力现货市场交易指挥系统 | |
| US8942969B2 (en) | Event simulation with energy analysis | |
| CN104217093A (zh) | 利用不良样本的缺陷地图判定问题设备的方法及其装置 | |
| CN108563568A (zh) | 一种基于聚类分析的应用性能瓶颈检测与诊断方法 |
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 |