CN117251964B - 场站资源利用与孪生建模重构方法、存储介质及电子设备 - Google Patents
场站资源利用与孪生建模重构方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117251964B CN117251964B CN202310973828.4A CN202310973828A CN117251964B CN 117251964 B CN117251964 B CN 117251964B CN 202310973828 A CN202310973828 A CN 202310973828A CN 117251964 B CN117251964 B CN 117251964B
- Authority
- CN
- China
- Prior art keywords
- power grid
- point cloud
- dimensional
- model
- matching
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 230000015654 memory Effects 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Medical Informatics (AREA)
- Computer Graphics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了场站资源利用与孪生建模重构方法、存储介质及电子设备，涉及电力系统信息技术应用领域，具体方法包括：步骤S11：通过结合电网三维模型和点云数据的匹配、分割和姿态调整，实现电网三维点云模型与电网三维模型的匹配，并将位置信息标注到电网三维模型中，用于场站资源利用与孪生建模重构；步骤S12：通过电网设备状态监测业务逻辑规则以及设备类型的构建，将状态数据与电网三维模型进行匹配和融合，以实现在电网三维模型中关联状态数据监测点；步骤S13：通过距离图像、图像转换矩阵描述符和点云匹配技术，实现在数字孪生体中对电网设备的局部点云进行更新和匹配。
Description
技术领域
本发明涉及电力系统信息技术应用领域，具体为场站资源利用与孪生建模重构方法、存储介质及电子设备。
背景技术
随着电网设备规模逐年增长，设备复杂程度和技术水平要求急剧提高，导致设备管理需求与技术人员数量、能力不匹配的情况成为主要矛盾。针对这一问题，需要结合业务系统挖掘与整合现有各类数字资源，融合人工智能等技术，研究全流程孪生建模与应用方案，推动电网智能化升级。但目前电网场站数字化底座兼容性、扩展性、完备性不够，电网状态监测与作业管控中人工点检覆盖面小、检测周期长时效性差、自动化程度低、现场智能化水平不足，难以支撑全域、全生命周期的电力设备状态监测分析和电力作业监测分析。
传统的电网三维模型只能展现固定信息，而点云模型只能为机器视觉使用。本专利针对单一模型源构建电网数字孪生体的不足，研究基于电网三维模型、扫描实景模型等多种介质的电网环境综合重构方法，研究点云与电网三维模型的姿态配准方法，实现在电网设备点云中准确融合典型设备的电网三维模型。在综合重构的基础上，实现对电网数字孪生模型和传感数据多层次、多尺度的模型融合，提高全景孪生监测分析系统的适配性。
针对电网场景发生变化时传统模型难以动态更新问题，研究基于地点识别重定位的实景扫描模型局部更新方法，支持分阶段更新建图，通过现场传感信息源数据与电网三维模型配准对齐，实现图像等多种实时感知数据向数字孪生体的投影，对数字孪生体进行同步更新和动态生长，提高场站全景孪生监测分析的适应性、扩展性。
发明内容
本发明的目的在于提供一种场站资源利用与孪生建模重构方法、存储介质及电子设备，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种场站资源利用与孪生建模重构方法，方法包括：步骤S11：通过结合电网三维模型和点云数据的匹配、分割和姿态调整，实现电网三维模型与电网三维点云模型的匹配；步骤S12：通过电网设备状态监测业务逻辑规则以及设备类型的构建，将状态数据与电网三维模型进行匹配和融合，以实现在电网三维模型中关联状态数据监测点；步骤S13：通过距离图像、图像转换矩阵描述符和点云匹配技术，实现在数字孪生体中对电网设备的局部点云进行更新和匹配。
进一步的，电网三维模型数据融合基于电网三维业务特征库实现多模数据融合，所述电网三维业务特征库对应的数据分析模型通过如下方式创建：
S2-1：调整电网三维模型通用组件的姿态，采用深度学习方法训练电网三维模型以获取通用组件形状描述符、匹配点云特征点和最小限额；
S2-2：对获取到的通用组件形状描述符，按照边缘密集采集的方式，及面中间随机采样的方式，将电网三维模型数据离散为电网三维点云模型组合，组合的最小单元为通用组件形状描述符。
进一步的，基于电网三维模型拓扑位置以及三维点云范围初步确定三维点云模型位置信息，基于电网三维模型形状结合点云余量分割三维点云，确定电网三维模型对应的三维点云模型，基于分割后的三维点云模型，采用主成分分析法确定离散化电网三维点云模型主轴方向；采用最小距离匹配法将离散化电网三维点云模型与电网三维模型匹配，具体匹配方法为：
S3-1：将提取的点云和电网三维模型中的特征点进行匹配，寻找点云和电网三维模型之间最相近的对应点集，建立点云和电网三维模型之间的对应关系；
S3-2：通过旋转和平移点云的位置来调整离散化的电网三维点云模型的姿态，以减小点云与电网三维模型之间的匹配误差，使点云与电网三维模型更好地对齐，从而最小化匹配误差；
S3-3：重复第二个步骤直至配准误差小于最小限额，实现配准误差修正；所述最小限额通过匹配点云特征点和三维点云模型来调整离散点云角度，以达到最小化误差的目标；最后记录电网三维点云模型和电网三维模型的关联信息。
进一步的，基于所述电网三维点云模型和电网三维模型关联信息将位置信息标注到电网三维模型中；根据比例关系将电网三维模型对应的三维点云坐标映射到场景中的真实位置，并进行标注，所述比例关系通过测量实际场景中已知距离的点与电网三维模型中相应点之间的距离比例得出。
进一步的，通过电网设备状态监测业务逻辑规则以及设备类型的构建，三维状态模型库定义了以下概念：在电网三维模型中的状态数据热点位置、状态数据关联规则、三维展示角度和三维展示时间序列；为了实现电网三维模型数据和状态数据的匹配融合，在分析已有状态数据类型的基础上，从电网三维模型中提取电力设备类型；接着，结合设备类型、三维状态模型库和已有状态数据类型，在电网三维模型中关联状态数据监测点。
进一步的，对电网设备的局部点云进行更新和匹配的工作过程如下：
S6-1：基于距离图像分离深度不连续的点云结构，首先构建距离图像转换矩阵，其次基于机器学习方法采用历史电网典型设备点云进行训练，得到典型电网设备匹配图像转换矩阵描述符，再次基于图像转换矩阵描述符、对应设备和预先设置的距离，对距离图像进行转换操作，获取距离匹配描述符，最后通过距离匹配描述符和图像对应设备位置来分割深度不连续的点云结构；
S6-2：将被分割点云产生的片段投影到图像上，通过计算投影边界，确定点云在图像中的位置和形状，通过比较多个图像之间的投影边界差异，提取图像中与点云对应的变化部分；
S6-3：基于图像转换矩阵描述符，将投影对应的图像中与点云对应的变化部分转换为点云；
S6-4：将分割出的点云部分与输入转换的图像部分，经过点云匹配后，进行几何一致性检验，所述几何一致性检验通过求解最小化一致和中心点之间距离的最小二乘问题，计算得到全局自由度的姿态，将变化的点云替换原有的点云；
S6-5：在原始数字孪生体点云地图上，完成点云待更新区域中的历史点云选择性剔除和新输入点云的选择性添加，从而实现数字孪生体中的点云局部更新。
进一步的，一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令被处理执行时，可实现任一项场站资源利用与孪生建模重构方法。
进一步的，一种电子设备，场站资源利用与孪生建模重构电子设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机指令，存储器和处理器之间互相通信连接，处理器运行计算机指令时，可实现任一项场站资源利用与孪生建模重构方法。
与现有技术相比，本发明所达到的有益效果是：本发明创新地提出一种场站模型资源综合利用与孪生建模重构方法、装置及电子设备，包括电网复杂动态作业环境模型融合、电网环境多源综合数据融合、场站全景数字孪生模型动态更新。电网复杂动态作业环境模型融合实现地理信息、电网三维模型数据、三维点云数据、传统图纸模型融合。电网环境多源综合数据融合实现不同位置、不同角度，不同时间序列的传感器数据与数字孪生模型之间进行融合配准。场站全景数字孪生模型动态更新实现布局点云数据匹配更新。该方法实现在电网设备点云中准确融合典型设备的电网三维模型，实现对电网数字孪生模型和传感数据多层次、多尺度的模型融合，提高全景孪生监测分析系统的适配性，支持分阶段更新建图，通过现场传感信息源数据与电网三维模型配准对齐，实现图像等多种实时感知数据向数字孪生体的投影，对数字孪生体进行同步更新和动态生长，提高场站全景孪生监测分析的适应性、扩展性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明场站资源利用与孪生建模重构的方法步骤示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：一种场站资源利用与孪生建模重构的方法，方法包括：步骤S11：通过结合电网三维模型和点云数据的匹配、分割和姿态调整，实现电网三维模型与电网三维点云模型的匹配；步骤S12：通过电网设备状态监测业务逻辑规则以及设备类型的构建，将状态数据与电网三维模型进行匹配和融合，以实现在电网三维模型中关联状态数据监测点；步骤S13：通过距离图像、图像转换矩阵描述符和点云匹配技术，实现在数字孪生体中对电网设备的局部点云进行更新和匹配。
在步骤S11中，电网三维模型数据融合基于电网三维业务特征库实现多模数据融合，所述电网三维业务特征库对应的数据分析模型通过如下方式创建：
S2-1：调整电网三维模型通用组件的姿态，采用深度学习方法训练电网三维模型以获取通用组件形状描述符、匹配点云特征点和最小限额；
S2-2：对获取到的通用组件形状描述符，按照边缘密集采集的方式，及面中间随机采样的方式，将电网三维模型数据离散为电网三维点云模型组合，组合的最小单元为通用组件形状描述符。
在步骤S11中，基于电网三维模型拓扑位置以及三维点云范围初步确定三维点云模型位置信息，基于电网三维模型形状结合点云余量分割三维点云，确定电网三维模型对应的三维点云模型，基于分割后的三维点云模型，采用主成分分析法确定离散化电网三维点云模型主轴方向；采用最小距离匹配法将离散化电网三维点云模型与电网三维模型匹配，具体匹配方法为：
S3-1：将提取的点云和电网三维模型中的特征点进行匹配，寻找点云和电网三维模型之间最相近的对应点集，建立点云和电网三维模型之间的对应关系；
S3-2：通过旋转和平移点云的位置来调整离散化的电网三维点云模型的姿态，以减小点云与电网三维模型之间的匹配误差，使点云与电网三维模型更好地对齐，从而最小化匹配误差；
S3-3：重复第二个步骤直至配准误差小于最小限额，实现配准误差修正；所述最小限额通过匹配点云特征点和三维点云模型来调整离散点云角度，以达到最小化误差的目标；最后记录电网三维点云模型和电网三维模型的关联信息。
在步骤S11中，基于所述电网三维点云模型和电网三维模型关联信息将位置信息标注到电网三维模型中；根据比例关系将电网三维模型对应的三维点云坐标映射到场景中的真实位置，并进行标注，所述比例关系通过测量实际场景中已知距离的点与电网三维模型中相应点之间的距离比例得出。
在步骤S12中，通过电网设备状态监测业务逻辑规则以及设备类型的构建，三维状态模型库定义了以下概念：在电网三维模型中的状态数据热点位置、状态数据关联规则、三维展示角度和三维展示时间序列；为了实现电网三维模型数据和状态数据的匹配融合，在分析已有状态数据类型的基础上，从电网三维模型中提取电力设备类型；接着，结合设备类型、三维状态模型库和已有状态数据类型，在电网三维模型中关联状态数据监测点。
在步骤S13中，对电网设备的局部点云进行更新和匹配的工作过程如下：
S6-1：基于距离图像分离深度不连续的点云结构，首先构建距离图像转换矩阵，其次基于机器学习方法采用历史电网典型设备点云进行训练，得到典型电网设备匹配图像转换矩阵描述符，再次基于图像转换矩阵描述符、对应设备和预先设置的距离，对距离图像进行转换操作，获取距离匹配描述符，最后通过距离匹配描述符和图像对应设备位置来分割深度不连续的点云结构；
S6-2：将被分割点云产生的片段投影到图像上，通过计算投影边界，确定点云在图像中的位置和形状，通过比较多个图像之间的投影边界差异，提取图像中与点云对应的变化部分；
S6-3：基于图像转换矩阵描述符，将投影对应的图像中与点云对应的变化部分转换为点云；
S6-4：将分割出的点云部分与输入转换的图像部分，经过点云匹配后，进行几何一致性检验，所述几何一致性检验通过求解最小化一致和中心点之间距离的最小二乘问题，计算得到全局自由度的姿态，将变化的点云替换原有的点云；
S6-5：在原始数字孪生体点云地图上，完成点云待更新区域中的历史点云选择性剔除和新输入点云的选择性添加，从而实现数字孪生体中的点云局部更新。
一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令被处理执行时，可实现任一项场站资源利用与孪生建模重构方法。
一种电子设备，场站资源利用与孪生建模重构电子设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机指令，存储器和处理器之间互相通信连接，处理器运行计算机指令时，可实现任一项场站资源利用与孪生建模重构方法。
本发明实施例提出一种电子设备，该电子设备包括处理器、存储器，其中处理器、存储器通过总线或者其他方式连接。
处理器可以为中央处理器(Central Processing Unit，CPU)，处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述实施例中的场站资源利用与孪生建模重构方法。
存储器包括存储程序区和存储数据区，其中，存储程序区可存储操作系统和所需要的应用程序；存储数据区可存储处理器所创建的数据。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如一个磁盘存储器件、闪存器件，或其他非暂态固态存储器件。上述网络的实例包括但不限于电网、互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中，当被所述处理器执行时，执行实施例中的场站资源利用与孪生建模重构方法。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。
Claims (7)
1.一种场站资源利用与孪生建模重构方法，其特征在于，所述方法包括：
步骤S11：通过结合电网三维模型和点云数据的匹配、分割和姿态调整，实现电网三维模型与电网三维点云模型的匹配；
步骤S12：通过电网设备状态监测业务逻辑规则以及设备类型的构建，将状态数据与电网三维模型进行匹配和融合，以实现在电网三维模型中关联状态数据监测点；
步骤S13：通过距离图像、图像转换矩阵描述符和点云匹配技术，实现在数字孪生体中对电网设备的局部点云进行更新和匹配；
在步骤S13中，对电网设备的局部点云进行更新和匹配的工作过程如下：
S6-1：基于距离图像分离深度不连续的点云结构，首先构建距离图像转换矩阵，其次基于机器学习方法采用历史电网典型设备点云进行训练，得到典型电网设备匹配图像转换矩阵描述符，再次基于图像转换矩阵描述符、对应设备和预先设置的距离，对距离图像进行转换操作，获取距离匹配描述符，最后通过距离匹配描述符和图像对应设备位置来分割深度不连续的点云结构；
S6-2：将被分割点云产生的片段投影到图像上，通过计算投影边界，确定点云在图像中的位置和形状，通过比较多个图像之间的投影边界差异，提取图像中与点云对应的变化部分；
S6-3：基于图像转换矩阵描述符，将投影对应的图像中与点云对应的变化部分转换为点云；
S6-4：将分割出的点云部分与输入转换的图像部分，经过点云匹配后，进行几何一致性检验，所述几何一致性检验通过求解最小化一致和中心点之间距离的最小二乘问题，计算得到全局自由度的姿态，将变化的点云替换原有的点云；
S6-5：在原始数字孪生体点云地图上，完成点云待更新区域中的历史点云选择性剔除和新输入点云的选择性添加，从而实现数字孪生体中的点云局部更新。
2.根据权利要求1所述的一种场站资源利用与孪生建模重构方法，其特征在于：在步骤S11中，电网三维模型数据融合基于电网三维业务特征库实现多模数据融合，所述电网三维业务特征库对应的数据分析模型通过如下方式创建：
S2-1：调整电网三维模型通用组件的姿态，采用深度学习方法训练电网三维模型以获取通用组件形状描述符、匹配点云特征点和最小限额；
S2-2：对获取到的通用组件形状描述符，按照边缘密集采集的方式，及面中间随机采样的方式，将电网三维模型数据离散为电网三维点云模型组合，组合的最小单元为通用组件形状描述符。
3.根据权利要求1所述的一种场站资源利用与孪生建模重构方法，其特征在于：在步骤S11中，基于电网三维模型拓扑位置以及三维点云范围初步确定三维点云模型位置信息，基于电网三维模型形状结合点云余量分割三维点云，确定电网三维模型对应的三维点云模型，基于分割后的三维点云模型，采用主成分分析法确定离散化电网三维点云模型主轴方向；采用最小距离匹配法将离散化电网三维点云模型与电网三维模型匹配，匹配方法为：
S3-1：将提取的点云和电网三维模型中的特征点进行匹配，寻找点云和电网三维模型之间最相近的对应点集，建立点云和电网三维模型之间的对应关系；
S3-2：通过旋转和平移点云的位置来调整离散化的电网三维点云模型的姿态，以减小点云与电网三维模型之间的匹配误差，使点云与电网三维模型更好地对齐，从而最小化匹配误差；
S3-3：重复第二个步骤直至配准误差小于最小限额，实现配准误差修正；所述最小限额通过匹配点云特征点和三维点云模型来调整离散点云角度，以达到最小化误差的目标；最后记录电网三维点云模型和电网三维模型的关联信息。
4.根据权利要求1所述的一种场站资源利用与孪生建模重构方法，其特征在于：在步骤S11中，基于所述电网三维点云模型和电网三维模型关联信息将位置信息标注到电网三维模型中；根据比例关系将电网三维模型对应的三维点云坐标映射到场景中的真实位置，并进行标注，所述比例关系通过测量实际场景中已知距离的点与电网三维模型中相应点之间的距离比例得出。
5.根据权利要求1所述的一种场站资源利用与孪生建模重构方法，其特征在于：在步骤S12中，通过电网设备状态监测业务逻辑规则以及设备类型的构建，三维状态模型库定义了以下概念：在电网三维模型中的状态数据热点位置、状态数据关联规则、三维展示角度和三维展示时间序列；为了实现电网三维模型数据和状态数据的匹配融合，在分析已有状态数据类型的基础上，从电网三维模型中提取电力设备类型；接着，结合设备类型、三维状态模型库和已有状态数据类型，在电网三维模型中关联状态数据监测点。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令被处理执行时，可实现权利要求1-5中任一项所述的场站资源利用与孪生建模重构方法。
7.一种电子设备，其特征在于，所述场站资源利用与孪生建模重构电子设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机指令，所述存储器和所述处理器之间互相通信连接，所述处理器运行所述计算机指令时，可实现权利要求1-5中任一项所述的场站资源利用与孪生建模重构方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310973828.4A CN117251964B (zh) | 2023-08-03 | 2023-08-03 | 场站资源利用与孪生建模重构方法、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310973828.4A CN117251964B (zh) | 2023-08-03 | 2023-08-03 | 场站资源利用与孪生建模重构方法、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117251964A CN117251964A (zh) | 2023-12-19 |
| CN117251964B true CN117251964B (zh) | 2024-05-10 |
Family
ID=89135782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310973828.4A Active CN117251964B (zh) | 2023-08-03 | 2023-08-03 | 场站资源利用与孪生建模重构方法、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117251964B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117893884A (zh) * | 2024-01-23 | 2024-04-16 | 国网内蒙古东部电力有限公司 | 一种基于图像识别的人工智能电力作业行为管控方法及系统 |
| CN118587256A (zh) * | 2024-08-06 | 2024-09-03 | 福建省特种设备检验研究院 | 基于数字孪生的电梯安装过程质量监测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114067310A (zh) * | 2021-11-16 | 2022-02-18 | 国网福建省电力有限公司 | 一种基于特征匹配的场站映射方法、装置及电子设备 |
| CN114092648A (zh) * | 2021-11-19 | 2022-02-25 | 许昌许继软件技术有限公司 | 一种面向场站设备应用场景的数字孪生应用框架与方法 |
| CN116109684A (zh) * | 2023-04-07 | 2023-05-12 | 国网智能电网研究院有限公司 | 面向变电场站在线视频监测二三维数据映射方法及装置 |
| CN116310077A (zh) * | 2022-12-28 | 2023-06-23 | 安徽继远软件有限公司 | 一种基于位置智能技术的三维实景孪生方法及系统 |
| CN116433843A (zh) * | 2023-04-14 | 2023-07-14 | 国网河北省电力有限公司经济技术研究院 | 基于双目视觉重建路线的三维模型重建方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11675329B2 (en) * | 2021-06-21 | 2023-06-13 | Rockwell Automation Technologies, Inc. | Functional safety system using three dimensional sensing and dynamic digital twin |
-
2023
- 2023-08-03 CN CN202310973828.4A patent/CN117251964B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114067310A (zh) * | 2021-11-16 | 2022-02-18 | 国网福建省电力有限公司 | 一种基于特征匹配的场站映射方法、装置及电子设备 |
| CN114092648A (zh) * | 2021-11-19 | 2022-02-25 | 许昌许继软件技术有限公司 | 一种面向场站设备应用场景的数字孪生应用框架与方法 |
| CN116310077A (zh) * | 2022-12-28 | 2023-06-23 | 安徽继远软件有限公司 | 一种基于位置智能技术的三维实景孪生方法及系统 |
| CN116109684A (zh) * | 2023-04-07 | 2023-05-12 | 国网智能电网研究院有限公司 | 面向变电场站在线视频监测二三维数据映射方法及装置 |
| CN116433843A (zh) * | 2023-04-14 | 2023-07-14 | 国网河北省电力有限公司经济技术研究院 | 基于双目视觉重建路线的三维模型重建方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| Li Huang ; Yun Liang ; Hui Huang ; Jianqi Zhou.Digital Twin Modeling and Operating State Assessment of Substation Equipment.2021 4th International Conference on Energy, Electrical and Power Engineering (CEEPE).2021,全文. * |
| 基于数字孪生的泛在电力物联网模型研究;纪志伟;;电力学报;20200625(第03期);全文 * |
| 基于激光三维扫描设备全景的电力监控数据应用模型设计;凌晓波;叶康;胡友琳;胡伟;李雄立;;激光杂志;20200725(第07期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117251964A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117251964B (zh) | 场站资源利用与孪生建模重构方法、存储介质及电子设备 | |
| US11480443B2 (en) | Method for calibrating relative pose, device and medium | |
| CN109285220B (zh) | 一种三维场景地图的生成方法、装置、设备及存储介质 | |
| KR102125959B1 (ko) | 포인트 클라우드 데이터 사이의 매칭 관계를 확정하는 방법 및 장치 | |
| CN114236552B (zh) | 基于激光雷达的重定位方法及系统 | |
| CN107885790B (zh) | 一种道路空间网络多因子自动更新方法 | |
| CN108806472B (zh) | 电子地图中的道路渲染方法、装置和处理方法、装置 | |
| CN109859317B (zh) | 一种基于cass和catia的3dgis地形模型快速建模方法 | |
| CN113721969B (zh) | 一种基于多尺度空间矢量数据级联更新方法 | |
| CN110543473B (zh) | 一种众包数据融合优化方法、装置及存储介质 | |
| CN117670242B (zh) | 一种基于数字孪生的智慧城市管理方法及系统 | |
| CN117612036A (zh) | 无人机巡检数据缺陷自动识别方法、系统、设备及介质 | |
| CN103632044A (zh) | 基于地理信息系统的摄像头拓扑构建方法及装置 | |
| CN112148774A (zh) | 一种高分辨率空间多区域气象数据处理系统及方法 | |
| CN114818065A (zh) | 三维巷道模型搭建方法、装置、电子设备及存储介质 | |
| CN113377886A (zh) | 一种生产建设项目水土保持监管外业调查方法 | |
| CN114565726A (zh) | 一种非结构化动态环境下的同时定位与建图方法 | |
| CN115797568A (zh) | 一种基于三维gis与bim集成的建模方法及装置 | |
| CN104375211A (zh) | 一种气象预报等值线图更新方法及系统 | |
| Trebuňa et al. | 3D scanning as a modern technology for creating 3D models | |
| CN112215123B (zh) | 一种目标检测方法、装置及存储介质 | |
| CN117612195A (zh) | 一种基于主接线图识别技术的图模生成方法和装置 | |
| CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
| CN116403235A (zh) | 一种基于计算机视觉的电气接线图识别系统和方法 | |
| CN114219934A (zh) | 机器人流程自动系统元素定位方法、装置、设备及介质 |
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 |