CN117274225B - 一种配电柜的智能控制系统及方法 - Google Patents
一种配电柜的智能控制系统及方法 Download PDFInfo
- Publication number
- CN117274225B CN117274225B CN202311357034.1A CN202311357034A CN117274225B CN 117274225 B CN117274225 B CN 117274225B CN 202311357034 A CN202311357034 A CN 202311357034A CN 117274225 B CN117274225 B CN 117274225B
- Authority
- CN
- China
- Prior art keywords
- wire
- cabinet
- average value
- module
- gray scale
- 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 description 12
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 230000032683 aging Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 14
- 238000009413 insulation Methods 0.000 claims description 6
- 239000004020 conductor Substances 0.000 claims 4
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 239000000779 smoke Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical group [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101001018064 Homo sapiens Lysosomal-trafficking regulator Proteins 0.000 description 1
- 102100033472 Lysosomal-trafficking regulator Human genes 0.000 description 1
- 235000010703 Modiola caroliniana Nutrition 0.000 description 1
- 244000038561 Modiola caroliniana Species 0.000 description 1
- 241000221535 Pucciniales Species 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- AZDRQVAHHNSJOQ-UHFFFAOYSA-N alumane Chemical group [AlH3] AZDRQVAHHNSJOQ-UHFFFAOYSA-N 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种配电柜的智能控制系统，属于识别监控技术领域，包括第一摄像模块获取配电柜柜体不同角度且尺寸相同的柜体图像；第一预设模型识别柜体图像中的柜体区域；灰度均值获取模块获取柜体图像中柜体区域内的各像素点的RGB灰度均值；第二预设模型根据RGB灰度均值识别生锈区域；生锈计算模块计算生锈比值；信息获取模块获取配电柜内的初始导线信息；第二摄像模块获取当前导线图像；破损计算模块计算各导线对应的破损比值；指数计算模块，计算柜体风险指数和各导线的导线风险指数；中央控制器控制告警模块向监控中心发送告警信息。本发明通过识别计算柜体的生锈比值和导线的破损比值两个老化维度来对配电柜进行监控告警。
Description
技术领域
本发明涉及识别监控技术领域，特别是一种配电柜的智能控制系统及方法。
背景技术
配电柜是按电气接线要求将开关设备、测量仪表、保护电器和辅助设备组装在封闭或半封闭金属柜中或屏幅上。配电柜的老化程度极大影响了配电柜运行的安全性，因此需要对此及时监测控制。
而现有技术中大多只通过对漏电电流的检测来反映配电柜的老化程度，忽视配电柜柜体本身的生锈程度所带来的影响，以及无法对配电柜内置的导线进行磨损程度判断，进而进行告警控制。
发明内容
本发明为解决现有技术中存在的技术问题，提供了一种配电柜的智能控制系统，包括：柜体老化识别模块、线路老化识别模块和告警模块；
柜体老化识别模块包括第一摄像模块、第一预设模型、灰度均值获取模块、第二预设模型块、指数计算模块和生锈计算模块；
第一摄像模块，用于获取配电柜柜体不同角度且尺寸相同的柜体图像；
第一预设模型，用于识别柜体图像中的柜体区域；
灰度均值获取模块，用于获取柜体图像中柜体区域内的各像素点的RGB灰度均值；
第二预设模型，用于根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域；
生锈计算模块，计算生锈比值D1，所述生锈比值D1为所有图像中的生锈区域的总像素点与柜体区域的总像素点数的比值；
导线老化识别模块包括信息获取模块、第二摄像模块和破损识别模块；
信息获取模块，用于获取配电柜内的初始导线信息；
第二摄像模块，用于获取配电柜内的当前导线图像；
破损计算模块，用于计算各导线对应的破损比值D2；
指数计算模块，用于计算柜体风险指数E1和各导线的导线风险指数E2；
当柜体风险指数E1超过设定的柜体风险阈值和/或存在任一导线风险指数E2超过设定的导线风险阈值时，所述中央控制器控制所述告警模块向监控中心发送告警信息。
进一步地，所述第二预设模型根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域，具体为：
所述RGB灰度均值包括R通道灰度均值、G通道灰度均值和B通道灰度均值；当R通道灰度均值>G通道灰度均值>通道灰度均值时，该像素点属于生锈区域。
进一步地，所述指数计算模块计算柜体风险指数E1的计算方式为：E1＝D1*K0；K0表示柜体风险权重。
进一步地，所述初始导线信息包括：导线类型以及对应的绝缘护套颜色面积和对应的导线风险权重Ki；i表示绝缘护套颜色对应的编号。
进一步地，还包括导线识别模块，用于识别所述当前导线图像中各导线的绝缘护套颜色和对应的裸露颜色。
进一步地，所述各导线对应的破损比值D2具体为导线对应的裸露颜色面积与对应的绝缘护套颜色面积的比值。
进一步地，所述指数计算模块计算各导线的导线风险指数E2的计算方式为：E2＝D2*Ki。
本发明还提供了一种配电柜的智能控制方法，包括柜体识别及告警步骤和导线识别及告警步骤；所述柜体识别及告警步骤和所述导线识别及告警步骤同时进行；
所述柜体识别及告警步骤包括：
S101：获取配电柜柜体不同角度且尺寸相同的柜体图像；
S102：识别柜体图像中的柜体区域并获取柜体区域内的各像素点的RGB灰度均值；
S103：根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域；
S104：计算生锈比值D1，所述生锈比值D1为所有柜体图像中的生锈区域的总像素点与柜体区域的总像素点数的比值；
S105：计算柜体风险指数E1，当柜体风险指数E1超过设定的柜体风险阈值时，向监控中心发送告警信息；
所述导线识别及告警步骤包括：
S201：获取配电柜内的初始导线信息以及配电柜内的当前导线图像；所述初始导线信息包括导线类型以及对应的绝缘护套颜色面积和对应的导线风险权重Ki；i表示绝缘护套颜色对应的编号；
S202：计算各导线对应的破损比值D2；
S203：计算各导线的导线风险指数E2，当存在任一导线风险指数E2超过设定的导线风险阈值时，向监控中心发送告警信息。
进一步地，所述柜体风险指数E1的计算方式为：E1＝D1*K0；K0表示柜体风险权重。
进一步地，在步骤S201和步骤S202之间还包括以下步骤：
S2011：识别所述当前导线图像中各导线的绝缘护套颜色和对应的裸露颜色；
所述破损比值D2为导线对应的裸露颜色面积与对应的绝缘护套颜色面积的比值；所述导线风险指数E2的计算方式为：E2＝D2*Ki。
相比于现有技术，本发明的有益效果在于：根据配电柜生锈的颜色特征，通过比较像素点RGB三通道对应的灰度均值，快速识别生锈区域；通过识别各导线对应的绝缘护套颜色面积和裸露颜色面积，判断导线的破损程度，再根据识别绝缘护套颜色对不同类型导线赋予不同权重以计算各自的导线风险指数，提高导线老化风险分析的精准度；通过柜体风险指数和导线风险指数，多维度对配电柜进行监控告警，提升配电柜的维护效率。
附图说明
图1是本发明系统的结构框图；
图2是本发明方法中柜体识别及告警步骤的流程图；
图3是本发明方法中导线识别及告警步骤的流程图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但是，本发明可以用许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1所示，本发明提供的一种配电柜的智能控制系统，包括：中央控制器、柜体老化识别模块、线路老化识别模块、指数计算模块和告警模块；
所述柜体老化识别模块、线路老化识别模块和告警模块均与中央控制器进行通信连接；告警模块与监控中心进行通信连接，所述监控中心为监控配电柜数据的计算机平台。
柜体老化识别模块包括第一摄像模块、第一预设模型、灰度均值获取模块、第二预设模型块和生锈计算模块；
第一摄像模块，用于获取配电柜柜体不同角度且尺寸相同的柜体图像。
第一预设模型，用于识别柜体图像中的柜体区域；
第一预设模型为经过由所述配电柜结构特征和配电柜颜色特征等训练参数作为训练集的神经网络模型，训练完成后的第一预设模型在获取柜体图像后能够快速分析柜体区域和背景区域。
灰度均值获取模块，用于获取柜体图像中柜体区域内的各像素点的RGB灰度均值；
第二预设模型，用于根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域；
所述RGB灰度均值包括R通道灰度均值、G通道灰度均值和B通道灰度均值；RGB即使代表红(R)、绿(G)、蓝(B)三个通道的颜色，在配电柜生锈后的颜色主要为红棕色或红褐色，所以当R通道灰度均值>G通道灰度均值>通道灰度均值时，可以判断对应像素点为生锈区域。
生锈计算模块，计算生锈比值D1，所述生锈比值D1为所有图像中的生锈区域的总像素点与柜体区域的总像素点数的比值。
导线老化识别模块包括信息获取模块、第二摄像模块和破损识别模块；
信息获取模块，用于获取配电柜内的初始导线信息；
所述初始导线信息包括：导线类型以及对应的绝缘护套颜色面积和对应的导线风险权重Ki，由工作人员根据情况自行设定；i表示绝缘护套颜色对应的编号。
在配电柜中，包含的导线类型有A相火线、B相火线、C相火线、零线和地线，其对应的绝缘护套颜色分别为黄色、红色、绿色、蓝色和黄绿条纹，对应的编号i分别为1、2、3、4、5。
第二摄像模块，用于获取配电柜内的当前导线图像；
本系统还包括导线识别模块，用于识别所述当前导线图像中各导线的绝缘护套颜色和对应的裸露颜色；
当导线的绝缘护套破损时，里面的线芯裸露出来，若线芯为铜芯，则裸露颜色为紫红色；若线芯为铝芯，则裸露颜色为灰白色。
破损计算模块，用于计算各导线对应的破损比值D2；所述各导线对应的破损比值D2具体为导线对应的裸露颜色面积与对应的绝缘护套颜色面积的比值。
指数计算模块，用于计算柜体风险指数E1和各导线的导线风险指数E2；
所述柜体风险指数E1的计算方式为：E1＝D1*K0；K0表示柜体风险权重，由工作人员根据情况自行设定。
各导线的导线风险指数E2的计算方式为：E2＝D2*Ki。
当柜体风险指数E1超过设定的柜体风险阈值和/或存在任一导线风险指数E2超过设定的导线风险阈值时，所述中央控制器控制所述告警模块向监控中心发送告警信息。
在一些实施例中，本系统还包括：第一温度检测模块、烟雾检测模块和起火分析模块；
所述第一温度检测模块、烟雾检测模块和起火分析模块均与中央控制器通信连接。
第一温度检测模块，用于在每个预设时刻获取配电柜内的温度数据；
烟雾检测模块，用于获取配电柜内的烟雾浓度数据；
起火分析模块，用于计算当前预设时刻与前一预设时刻的差值T；若T为正数且大于第一预设阈值，则开启烟雾检测模块进行烟雾浓度检测；
若烟雾浓度大于预设浓度阈值和/或当前预设时刻的温度大于第二预设阈值，则判定存在起火危险，所述中央控制器控制所述告警模块向监控中心发送告警信息；
所述第二预设阈值大于第一预设阈值。
在一些实施例中，本系统还包括第二温度检测模块、湿度检测模块、电流互感器、电压互感器和信号处理模块；
电流互感器和电压互感器分别与配电柜内的电缆电连接，第二温度传感器设于配电柜内的电缆接头处；其中的信号处理模块包括了信号放大电路和与信号放大电路的输出端连接的信号滤波电路，第二温度传感器、湿度传感器、电流互感器和电压互感器的输出端均分别连接至信号放大电路的输入端，且信号滤波电路的输出端连接至中央控制器的输入端。
通过湿度传感器实现了对配电柜内的湿度参数进行检测，通过电流互感器和电压互感器，快速准确地在线检测出接地故障、短路故障、线路负荷及谐波等情况，通过设于配电柜内的电缆接头处的第二温度传感器，进一步地对电力电缆接头的温度进行检测，发现电缆接头的温度变化，及时发现由于负荷过大而导致的电缆接头高温损坏的现象；
中央控制器及时接收到上述检测信息，控制所述告警模块向监控中心发送告警信息，从而有利于检修人员对故障快速定位并前往现场进行检修。
参阅图2和图3所示，本发明还提供了一种配电柜的智能控制方法，包括柜体识别及告警步骤和导线识别及告警步骤；所述柜体识别及告警步骤和所述导线识别及告警步骤同时进行；
所述柜体识别及告警步骤包括：
S101：获取配电柜柜体不同角度且尺寸相同的柜体图像；
S102：识别柜体图像中的柜体区域并获取柜体区域内的各像素点的RGB灰度均值；
S103：根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域；
S104：计算生锈比值D1，所述生锈比值D1为所有柜体图像中的生锈区域的总像素点与柜体区域的总像素点数的比值；
S105：计算柜体风险指数E1，当柜体风险指数E1超过设定的柜体风险阈值时，向监控中心发送告警信息；
所述导线识别及告警步骤包括：
S201：获取配电柜内的初始导线信息以及配电柜内的当前导线图像；所述初始导线信息包括导线类型以及对应的绝缘护套颜色面积和对应的导线风险权重Ki；i表示绝缘护套颜色对应的编号；
S202：计算各导线对应的破损比值D2；
S203：计算各导线的导线风险指数E2，当存在任一导线风险指数E2超过设定的导线风险阈值时，向监控中心发送告警信息。
步骤S103，具体为：所述RGB灰度均值包括R通道灰度均值、G通道灰度均值和B通道灰度均值；当R通道灰度均值>G通道灰度均值>通道灰度均值时，判断对应像素点为生锈区域。
所述柜体风险指数E1的计算方式为：E1＝D1*K0；K0表示柜体风险权重，由工作人员根据情况自行设定。
在步骤S201和步骤S202之间还包括以下步骤：
S2011：识别所述当前导线图像中各导线的绝缘护套颜色和对应的裸露颜色；
所述破损比值D2为导线对应的裸露颜色面积与对应的绝缘护套颜色面积的比值；所述导线风险指数E2的计算方式为：E2＝D2*Ki。
在一些实施例中，本方法还包括起火预测步骤，包括：
S301：在每个预设时刻获取配电柜内的温度数据；
S302：计算当前预设时刻与前一预设时刻的差值T，若T为正数且大于第一预设阈值，执行S303；若T大于第二预设阈值，同时执行S303和S304；第二预设阈值大于第一预设阈值；
S303：获取配电柜内的烟雾浓度数据，若当前烟雾浓度大于预设浓度阈值，执行S304；
S304：向监控中心发送告警信息。
所述起火预测步骤与所述柜体识别及告警步骤和所述导线识别及告警步骤同时进行。
本发明技术方案的有益效果在于：根据配电柜生锈的颜色特征，通过比较像素点RGB三通道对应的灰度均值，快速识别生锈区域；通过识别各导线对应的绝缘护套颜色面积和裸露颜色面积，判断导线的破损程度，再根据识别绝缘护套颜色对不同类型导线赋予不同权重以计算各自的导线风险指数，提高导线老化风险分析的精准度；通过柜体风险指数和导线风险指数，多维度对配电柜进行监控告警，提升配电柜的维护效率。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
在本申请所提供的实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (2)
1.一种配电柜的智能控制系统，其特征在于，包括：中央控制器、柜体老化识别模块、线路老化识别模块、指数计算模块和告警模块；
柜体老化识别模块包括第一摄像模块、第一预设模型、灰度均值获取模块、第二预设模型块和生锈计算模块；
第一摄像模块，用于获取配电柜柜体不同角度且尺寸相同的柜体图像；
第一预设模型，用于识别柜体图像中的柜体区域；
灰度均值获取模块，用于获取柜体图像中柜体区域内的各像素点的RGB灰度均值；
第二预设模型，用于根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域；
生锈计算模块，计算生锈比值D1，所述生锈比值D1为所有图像中的生锈区域的总像素点与柜体区域的总像素点数的比值；
导线老化识别模块包括信息获取模块、第二摄像模块和破损识别模块；
信息获取模块，用于获取配电柜内的初始导线信息；
第二摄像模块，用于获取配电柜内的当前导线图像；
破损计算模块，用于计算各导线对应的破损比值D2；
指数计算模块，用于计算柜体风险指数E1和各导线的导线风险指数E2；
当柜体风险指数E1超过设定的柜体风险阈值和/或存在任一导线风险指数E2超过设定的导线风险阈值时，所述中央控制器控制所述告警模块向监控中心发送告警信息；
所述第二预设模型根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域，具体为：
所述RGB灰度均值包括R通道灰度均值、G通道灰度均值和B通道灰度均值；当R通道灰度均值>G通道灰度均值>通道灰度均值时，该像素点属于生锈区域；
所述指数计算模块计算柜体风险指数E1的计算方式为：E1＝D1*K0；K0表示柜体风险权重；
所述初始导线信息包括：导线类型以及对应的绝缘护套颜色面积和对应的导线风险权重Ki；i表示绝缘护套颜色对应的编号；
还包括导线识别模块，用于识别所述当前导线图像中各导线的绝缘护套颜色和对应的裸露颜色；
所述各导线对应的破损比值D2具体为导线对应的裸露颜色面积与对应的绝缘护套颜色面积的比值；
所述指数计算模块计算各导线的导线风险指数E2的计算方式为：E2＝D2*Ki；
根据识别绝缘护套颜色对不同类型导线赋予不同权重以计算各自的导线风险指数E2。
2.一种配电柜的智能控制方法，应用于权利要求1任一项所述的配电柜的智能控制系统，其特征在于，包括柜体识别及告警步骤和导线识别及告警步骤；所述柜体识别及告警步骤和所述导线识别及告警步骤同时进行；
所述柜体识别及告警步骤包括：
S101：获取配电柜柜体不同角度且尺寸相同的柜体图像；
S102：识别柜体图像中的柜体区域并获取柜体区域内的各像素点的RGB灰度均值；
S103：根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域；
S104：计算生锈比值D1，所述生锈比值D1为所有柜体图像中的生锈区域的总像素点与柜体区域的总像素点数的比值；
S105：计算柜体风险指数E1，当柜体风险指数E1超过设定的柜体风险阈值时，向监控中心发送告警信息；
所述导线识别及告警步骤包括：
S201：获取配电柜内的初始导线信息以及配电柜内的当前导线图像；所述初始导线信息包括导线类型以及对应的绝缘护套颜色面积和对应的导线风险权重Ki；i表示绝缘护套颜色对应的编号；
S202：计算各导线对应的破损比值D2；
S203：计算各导线的导线风险指数E2，当存在任一导线风险指数E2超过设定的导线风险阈值时，向监控中心发送告警信息；
所述第二预设模型根据柜体图像中柜体区域内的各像素点的RGB灰度均值识别生锈区域，具体为：
所述RGB灰度均值包括R通道灰度均值、G通道灰度均值和B通道灰度均值；当R通道灰度均值>G通道灰度均值>通道灰度均值时，该像素点属于生锈区域；
所述初始导线信息包括：导线类型以及对应的绝缘护套颜色面积和对应的导线风险权重Ki；i表示绝缘护套颜色对应的编号；
所述柜体风险指数E1的计算方式为：E1＝D1*K0；K0表示柜体风险权重；
在步骤S201和步骤S202之间还包括以下步骤：
S2011：识别所述当前导线图像中各导线的绝缘护套颜色和对应的裸露颜色；
所述破损比值D2为导线对应的裸露颜色面积与对应的绝缘护套颜色面积的比值；所述导线风险指数E2的计算方式为：E2＝D2*Ki；
根据识别绝缘护套颜色对不同类型导线赋予不同权重以计算各自的导线风险指数E2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311357034.1A CN117274225B (zh) | 2023-10-19 | 2023-10-19 | 一种配电柜的智能控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311357034.1A CN117274225B (zh) | 2023-10-19 | 2023-10-19 | 一种配电柜的智能控制系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274225A CN117274225A (zh) | 2023-12-22 |
| CN117274225B true CN117274225B (zh) | 2024-04-16 |
Family
ID=89204520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311357034.1A Active CN117274225B (zh) | 2023-10-19 | 2023-10-19 | 一种配电柜的智能控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274225B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5701362A (en) * | 1994-07-08 | 1997-12-23 | Rohm Co., Ltd. | Wire breakage detecting method |
| CN103559786A (zh) * | 2013-09-29 | 2014-02-05 | 西安祥泰软件设备系统有限责任公司 | 一种变电站监控方法及系统 |
| CN105486832A (zh) * | 2015-12-30 | 2016-04-13 | 深圳供电局有限公司 | 一种电缆绝缘老化状态评估方法 |
| WO2016078081A1 (zh) * | 2014-11-21 | 2016-05-26 | 河南送变电工程公司 | 一种多旋翼巡检飞行器及输电线路巡检系统 |
| CN108737577A (zh) * | 2018-08-20 | 2018-11-02 | 山东润智能科技有限公司 | 医院设备安全立体监测云平台、系统及其方法 |
| CN109165751A (zh) * | 2018-08-20 | 2019-01-08 | 刘利达 | 医院电气安全立体监测云平台、系统及其方法、电气系统 |
| CN109300118A (zh) * | 2018-09-11 | 2019-02-01 | 东北大学 | 一种基于rgb图像的高压电力线路无人机巡检方法 |
| CN109724646A (zh) * | 2019-01-11 | 2019-05-07 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网开关柜电缆接头监控方法、服务器及系统 |
| CN112132811A (zh) * | 2020-09-24 | 2020-12-25 | 安徽德尔电气集团有限公司 | 一种电缆使用状态综合评估系统 |
| CN112924395A (zh) * | 2020-12-25 | 2021-06-08 | 广东电网有限责任公司电力科学研究院 | 一种基于rgb分量的硅橡胶老化程度判断方法及系统 |
| CN113051423A (zh) * | 2021-03-24 | 2021-06-29 | 武汉瑞辉科技发展有限公司 | 一种基于大数据分析的智能电网输电线路状态在线智能监测方法 |
| CN116167200A (zh) * | 2022-12-05 | 2023-05-26 | 上海蓝箭电控设备南通有限公司 | 一种配电柜使用年限检测方法和装置 |
| CN116214546A (zh) * | 2023-05-06 | 2023-06-06 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于数字化控制的电力检修机械手 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US12039759B2 (en) * | 2021-08-06 | 2024-07-16 | Insight Direct Usa, Inc. | Method and apparatus for evaluating the composition of pigment in a coating based on an image |
-
2023
- 2023-10-19 CN CN202311357034.1A patent/CN117274225B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5701362A (en) * | 1994-07-08 | 1997-12-23 | Rohm Co., Ltd. | Wire breakage detecting method |
| CN103559786A (zh) * | 2013-09-29 | 2014-02-05 | 西安祥泰软件设备系统有限责任公司 | 一种变电站监控方法及系统 |
| WO2016078081A1 (zh) * | 2014-11-21 | 2016-05-26 | 河南送变电工程公司 | 一种多旋翼巡检飞行器及输电线路巡检系统 |
| CN105486832A (zh) * | 2015-12-30 | 2016-04-13 | 深圳供电局有限公司 | 一种电缆绝缘老化状态评估方法 |
| CN108737577A (zh) * | 2018-08-20 | 2018-11-02 | 山东润智能科技有限公司 | 医院设备安全立体监测云平台、系统及其方法 |
| CN109165751A (zh) * | 2018-08-20 | 2019-01-08 | 刘利达 | 医院电气安全立体监测云平台、系统及其方法、电气系统 |
| CN109300118A (zh) * | 2018-09-11 | 2019-02-01 | 东北大学 | 一种基于rgb图像的高压电力线路无人机巡检方法 |
| CN109724646A (zh) * | 2019-01-11 | 2019-05-07 | 国网江苏省电力有限公司电力科学研究院 | 一种配电网开关柜电缆接头监控方法、服务器及系统 |
| CN112132811A (zh) * | 2020-09-24 | 2020-12-25 | 安徽德尔电气集团有限公司 | 一种电缆使用状态综合评估系统 |
| CN112924395A (zh) * | 2020-12-25 | 2021-06-08 | 广东电网有限责任公司电力科学研究院 | 一种基于rgb分量的硅橡胶老化程度判断方法及系统 |
| CN113051423A (zh) * | 2021-03-24 | 2021-06-29 | 武汉瑞辉科技发展有限公司 | 一种基于大数据分析的智能电网输电线路状态在线智能监测方法 |
| CN116167200A (zh) * | 2022-12-05 | 2023-05-26 | 上海蓝箭电控设备南通有限公司 | 一种配电柜使用年限检测方法和装置 |
| CN116214546A (zh) * | 2023-05-06 | 2023-06-06 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于数字化控制的电力检修机械手 |
Non-Patent Citations (2)
| Title |
|---|
| Simone Vincenzo Suraci 等.Multi scale aging assessment of low-voltage cables subjected to radio-chemical aging: Towards an electrical diagnostic technique.《Polymer Testing》.1-11. * |
| 综合管沟电缆火灾数值模拟研究;李文婷;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20130315;C038-702 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274225A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101200053B1 (ko) | 전력설비용 변압기와 애자의 진행성 이상상태 실시간 진단장치 및 그 방법 | |
| CN101408579A (zh) | 变压器油纸绝缘电热老化试验及局部放电一体化检测装置 | |
| CN213986651U (zh) | 一种避雷器多状态在线监测系统 | |
| CN115378123B (zh) | 基于数据分析的母线槽供电安全预警监测系统 | |
| CN113687160B (zh) | 用于站用交流回路预警的方法、装置、终端及系统 | |
| CN109831033A (zh) | 一种供电线路预警保护设备及分段监测预警系统 | |
| CN112985644A (zh) | 一种母线槽异常温升预警方法及系统 | |
| CN112504505A (zh) | 一种基于多变量状态估计的高压隧道电缆过热预警方法 | |
| CN115620473A (zh) | 一种多场景电缆隐形火灾在线监测系统 | |
| CN115980621A (zh) | 一种直流电网漏电监控系统 | |
| CN117274225B (zh) | 一种配电柜的智能控制系统及方法 | |
| CN113269941A (zh) | 一种基于多信息融合判断的电气火灾报警装置及控制方法 | |
| CN113721166A (zh) | 一种干式全感知智能变压器装置及其管理系统 | |
| CN2783580Y (zh) | 低压母线槽干线智能插接箱及智能插接箱系统 | |
| CN112329821A (zh) | 电力互感器智能诊断系统及基于决策树分类的诊断方法 | |
| CN115656683B (zh) | 一种电缆运行监测方法、系统、终端设备及存储介质 | |
| CN118525425A (zh) | 用于控制和监测电力变压器和马达的并联电涌放电器和套管的系统和方法 | |
| CN116840614A (zh) | 基于谐波异动特征的电缆线路缺陷感知预警方法 | |
| CN215416884U (zh) | 一种电力变压器状态识别和安全防控系统 | |
| CN212723071U (zh) | 配电回路电缆线检测系统及配电检测系统 | |
| CN211452651U (zh) | 一种变压器温度电力运行维护监测装置 | |
| RU2726046C1 (ru) | Устройство контроля системы электрообогрева промышленных объектов | |
| Polyakov et al. | Power transmission lines monitoring system | |
| CN114964528B (zh) | 基于大数据的电力电气设备温度监管调节系统 | |
| CN110609198A (zh) | 一种电缆线路的运维监测方法及相关设备 |
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 |