CN117335556A - 一种配电柜的配电预警方法及系统 - Google Patents
一种配电柜的配电预警方法及系统 Download PDFInfo
- Publication number
- CN117335556A CN117335556A CN202311126699.1A CN202311126699A CN117335556A CN 117335556 A CN117335556 A CN 117335556A CN 202311126699 A CN202311126699 A CN 202311126699A CN 117335556 A CN117335556 A CN 117335556A
- Authority
- CN
- China
- Prior art keywords
- image
- power distribution
- target
- monitoring
- image set
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 100
- 238000004458 analytical method Methods 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 69
- 230000002159 abnormal effect Effects 0.000 claims abstract description 67
- 238000012423 maintenance Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000001931 thermography Methods 0.000 claims description 10
- 238000003709 image segmentation Methods 0.000 claims description 9
- 230000004069 differentiation Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000003313 weakening effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种配电柜的配电预警方法及系统，涉及图像处理技术领域，获取监测数据库，调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；搭建差异化分析模型，获取标准化图像，结合第一对比度图像集、所述第二对比度图像集，获取目标趋势曲线，定位异常特征并进行溯源，确定异常运维点进行配电预警管理，解决了现有技术中智能度不足且检测处理不够全面，无法精准进行异常的精细化定位，导致预警不够准确及时，致使后续运维受限的技术问题，针对不同监测维度进行图像采集处理，建模进行图像特征提取与多元特征维度的趋势整合，定位异常并进行溯源，基于一个完整体系完成基于运行的全方位精准检测与预警。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种配电柜的配电预警方法及系统。
背景技术
配电柜作为电能分配的电动机控制中心，用于进行配电与继电保护监管，针对运行进程中存在的配电柜自身异常与配电运行异常需及时运维管理，以有效规避配电中断等异常状况。目前，主要通过电参数监测预警，或结合辅助运维设备进行人机交互巡检运维预警，存在一定的技术局限性，智能度不足且检测处理不够全面，无法精准进行异常的精细化定位，导致预警不够准确及时，致使后续运维受限。
发明内容
本申请提供了一种配电柜的配电预警方法及系统，用于针对解决现有技术中存在的智能度不足且检测处理不够全面，无法精准进行异常的精细化定位，导致预警不够准确及时，致使后续运维受限的技术问题。
鉴于上述问题，本申请提供了一种配电柜的配电预警方法及系统。
第一方面，本申请提供了一种配电柜的配电预警方法，所述方法包括：
对目标配电柜进行监测采集，获取监测数据库，所述监测数据库具有时效更新性；
基于所述监测数据库，调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；
搭建差异化分析模型，所述差异化分析模型包括并行布设的特征识别分支与温度检测分支与特征处理单元，所述特征识别分支包括元件特征识别子分支与线路特征识别子分支，所述差异化分析模型具备处理接续性；
获取标准化图像，所述标准化图像具有场景适配性；
将所述第一对比度图像集、所述第二对比度图像集与所述标准化图像输入所述差异化分析模型中，输出目标趋势曲线，所述目标趋势曲线包括特征趋势曲线与温度趋势曲线；
对所述目标趋势曲线进行整体分析与独立分析，定位异常特征；
结合所述目标配电柜，进行异常特征溯源，确定异常运维点；
基于所述异常运维点生成配电预警信息，进行目标针对性示警。
第二方面，本申请提供了一种配电柜的配电预警系统，所述系统包括：
数据库获取模块，所述数据库获取模块用于对目标配电柜进行监测采集，获取监测数据库，所述监测数据库具有时效更新性；
图像处理模块，所述图像处理模块用于基于所述监测数据库，调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；
模型搭建模块，所述模型搭建模块用于搭建差异化分析模型，所述差异化分析模型包括并行布设的特征识别分支与温度检测分支与特征处理单元，所述特征识别分支包括元件特征识别子分支与线路特征识别子分支，所述差异化分析模型具备处理接续性；
图像获取模块，所述图像获取模块用于获取标准化图像，所述标准化图像具有场景适配性；
曲线输出模块，所述曲线输出模块用于将所述第一对比度图像集、所述第二对比度图像集与所述标准化图像输入所述差异化分析模型中，输出目标趋势曲线，所述目标趋势曲线包括特征趋势曲线与温度趋势曲线；
异常特征定位模块，所述异常特征定位模块用于对所述目标趋势曲线进行整体分析与独立分析，定位异常特征；
异常运维点确定模块，所述异常运维点确定模块用于结合所述目标配电柜，进行异常特征溯源，确定异常运维点；
配电预警模块，所述配电预警模块用于基于所述异常运维点生成配电预警信息，进行目标针对性示警。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的一种配电柜的配电预警方法，对目标配电柜进行监测采集，获取监测数据库，基于所述监测数据库调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；搭建差异化分析模型，包括并行布设的特征识别分支与温度检测分支与特征处理单元，所述特征识别分支包括元件特征识别子分支与线路特征识别子分支，获取标准化图像，所述标准化图像具有场景适配性；将所述第一对比度图像、所述第二对比度图像与所述标准化图像输入所述差异化分析模型中，输出目标趋势曲线并进行整体分析与独立分析，定位异常特征；结合所述目标配电柜，进行异常特征溯源，确定异常运维点；基于所述异常运维点生成配电预警信息，进行目标针对性示警，解决了现有技术中存在的智能度不足且检测处理不够全面，无法精准进行异常的精细化定位，导致预警不够准确及时，致使后续运维受限的技术问题，针对不同监测维度进行图像采集处理，建模进行图像特征提取与多元特征维度的趋势整合，定位异常并进行溯源，基于一个完整体系完成基于运行的全方位精准检测与预警。
附图说明
图1为本申请提供了一种配电柜的配电预警方法流程示意图；
图2为本申请提供了一种配电柜的配电预警方法中对比度图像集获取流程示意图；
图3为本申请提供了一种配电柜的配电预警方法中差异化分析模型搭建流程示意图；
图4为本申请提供了一种配电柜的配电预警系统结构示意图。
附图标记说明：数据库获取模块11，图像处理模块12，模型搭建模块13，图像获取模块14，曲线输出模块15，异常特征定位模块16，异常运维点确定模块17，配电预警模块18。
具体实施方式
本申请通过提供一种配电柜的配电预警方法及系统，获取监测数据库，调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；搭建差异化分析模型，获取标准化图像，结合第一对比度图像集、所述第二对比度图像集，获取目标趋势曲线，定位异常特征并进行溯源，确定异常运维点进行配电预警管理，用于解决现有技术中存在的智能度不足且检测处理不够全面，无法精准进行异常的精细化定位，导致预警不够准确及时，致使后续运维受限的技术问题。
实施例一
如图1所示，本申请提供了一种配电柜的配电预警方法，所述方法包括：
步骤S100：对目标配电柜进行监测采集，获取监测数据库，所述监测数据库具有时效更新性；
进一步而言，所述对目标配电柜进行监测采集，获取监测数据库，本申请步骤S100还包括：
步骤S110：基于CCD图像传感器，对所述目标配电柜的电气元件与线路接线进行多角度监测采集，获取元件监测图像集与接线监测图像集；
步骤S120：基于热成像装置，对所述目标配电柜进行热成像采集，获取红外图像集；
步骤S130：基于所述元件监测图像集、所述接线监测图像集与所述红外图像集，生成监测数据库。
具体而言，配电柜作为电能分配的电动机控制中心，用于进行配电与继电保护监管，针对运行进程中存在的配电柜自身异常与配电运行异常需及时运维管理，以有效规避配电中断等异常状况。本申请提供的一种配电柜的配电预警方法，以元件、线路与温度为监测维度进行图像采集处理，建模进行图像特征提取与多元特征维度的趋势整合，精准进行异常定位与溯源，实现及时有效预警与运维处理。
具体的，所述CCD图像传感器与所述热成像装置为进行配电柜数据与温度数据采集的设备，可布设于所述目标配电柜附近。基于所述CCD图像传感器，对所述目标配电柜的电气元件进行多角度监测采集，例如，继电器、指示灯、开关等，基于元件分布进行采集图像的序列化整合，生成所述元件监测图像集；同理对所述目标配电柜的线路接线进行采集与整合，包括接线端口、主电路接线图、控制电路接线图等，用于进行接线状态分析，生成所述接线监测图像集。
进一步的，基于所述热成像装置，对所述目标配电柜进行热成像图像采集，用于进行配电柜温度的监测，集成获取所述红外图像集。其中，所述元件监测图像集、所述接线监测图像集与所述红外图像集具有时序对应性，随着监测时序推进，各图像集同步进行采集更新，集成所述元件监测图像集、所述接线监测图像集与所述红外图像集，生成所述监测数据库，所述监测数据库监测数据的更新同步进行更新，为进行所述目标配电柜运行分析预警的采集源数据。
步骤S200：基于所述监测数据库，调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；
进一步而言，如图2所示，所述调用连续性的时序监测图像并进行灰度化处理，本申请步骤S200还包括：
步骤S210：对所述时序监测图像进行图像分割处理，确定目标分割图像，图像分割标准为图像背景与图像目标；
步骤S220：基于所述目标分割图像进行灰度化处理，获取目标灰度图像；
步骤S230：识别的所述目标灰度图像的像素灰度值并进行邻域分析，确定图像增强区域，所述图像增强区域标识有灰度值调整参数；
步骤S240：基于所述灰度值调整参数，对所述图像增强区域进行像素灰度值的增强与弱化处理，获取对比度图像集，所述对比度图像集包括所述第一对比度图像集与所述第二对比度图像集。
进一步而言，所述识别的所述目标灰度图像的像素灰度值并进行邻域分析，本申请步骤S230还包括：
步骤S231：基于所述像素灰度值进行目标拆分，确定多个局部目标区域；
步骤S232：基于所述多个局部目标区域，进行邻域像素灰度值的差值计算，判定是否满足差异化列表，所述差异化列表对应于多组邻域阈值；
步骤S233：若否，将邻域标识为所述图像增强区域，结合所述差异化列表确定所述灰度值调整参数。
具体而言，基于所述监测数据库，调用连续监测获取的，且顺序行排列的所述时序监测图像，包括元件监测图像、接线监测图像与红外图像。为了降低图像的冗余信息，提高图像处理效率，对所述时序监测图像进行灰度化处理，对灰度处理后的图像进行像素灰度值的增强或弱化调整，以提高图像的对比度，进行特征增强以便于进行特征的识别提取，将处理后的元件监测图像与接线监测图像作为所述第一对比度图像集，将处理后的红外图像作为所述第二对比度图像集。
具体的，进行图像特征识别时，只针对所述目标配电柜部分进行，因而以图像背景与图像目标为标准，对所述时序监测图像进行图像分割处理，示例性的，识别所述时序监测图像的像素点，结合边缘检测算法进行图像分割，以排除基于图像背景的无效图像部分，将分割处理获取的基于所述目标配电柜的图像部分作为所述目标分割图像。进一步的，对所述目标分割图像进行灰度化处理，例如，配置图像灰度处理参数，结合matlab进行输入图像的处理，获取所述目标灰度图像。由于初始化的所述目标灰度图像不同灰度区域由于对比度不够明显，存在特征虚化等状况，无法有效进行图像特征的精准识别，进一步对所述目标灰度图像进行灰度值的调整处理，以提高各灰度区域的对比度。
具体的，识别所述目标灰度图像的像素灰度值，基于所述像素灰度值进行目标拆分，即进行所述目标配电柜图像的局域划分，基于不同像素灰度值区域，将所述目标灰度图像划分为所述多个局部目标区域。对所述多个局部目标区域中的相邻区域进行像素灰度值的差值计算，获取灰度差值并判定是否满足对应区域的差异化标准。具体的，获取所述差异化列表，即标准化设定的保障特征清晰度的临界灰度差值，与多个邻域区域一一对应，可基于本领域技术人员，结合历史图像处理信息进行设定，一般而言大范围区域的对比度较小，小范围区域的对比度较大，特征密集区域的对比度较大，可满足特征提取需求。
进一步的，对确定的相邻区域的灰度差值与所述差异化列表进行匹配校对，将不满足所述差异化列表内差值标准，即小于差值标准的相邻区域，设定为所述图像增强区域，即需进行灰度值的调整。进一步的，结合邻域灰度差值与所述差异化列表内对应的差值标准的偏差，确定进行区域像素灰度值的增强处理或弱化处理，并确定对应的调整尺度，作为所述灰度值调整参数。
进一步的，所述灰度值调整参数与所述图像增强区域一一对应，基于所述灰度值调整参数，遍历所述图像增强区域进行像素灰度值的增强与弱化处理，示例性的，像素灰度值的调整可基于matlab软件进行操作，将处理后的所述元件监测图像与接线监测图像作为所述第一对比度图像集，将处理后的红外图像作为所述第二对比度图像集。所述第一对比度图像集与所述第二对比度图像集具备需求信息的完备性与特征清晰度，为后续进行图像特征的识别提取夯实了基础。
步骤S300：搭建差异化分析模型，所述差异化分析模型包括并行布设的特征识别分支与温度检测分支与特征处理单元，所述特征识别分支包括元件特征识别子分支与线路特征识别子分支，所述差异化分析模型具备处理接续性；
进一步而言，如图3所示，所述搭建差异化分析模型，本申请步骤S300还包括：
步骤S310：构建所述元件特征识别子分支、所述线路特征识别子分支与所述温度检测分支；
步骤S320：并行布设所述元件特征识别子分支、所述线路特征识别子分支，构成所述特征识别分支；
步骤S330：并行布设所述特征识别分支与所述温度检测分支，后置所述特征处理单元，生成所述差异化分析模型。
进一步而言，后置所述特征处理的单元，本申请步骤S330还包括：
步骤S331：基于多元化元件特征，确定元件坐标轴向，并搭建元件特征坐标系；
步骤S332：基于多元化线路特征，确定线路坐标轴向，并搭建线路特征坐标系；
步骤S333：基于划分区域，确定温度坐标轴向，并搭建温度特征坐标系；
步骤S334：将所述元件特征坐标系、所述线路特征坐标系与所述温度特征坐标系嵌入所述特征处理单元。
具体而言，所述差异化模型用于进行所述第一对比度图像与所述第二对比度图像的特征提取与特征趋势分析。基于卷积神经网络，构建所述元件特征识别子分支，具体的，所述元件特征识别子分支包括多层卷积层、多层池化层与全连接层，作为所述元件特征识别子分支的主体结构。进一步调用样本元件数据，包括样本元件灰度图像与样本卷积特征，进行映射对应作为训练数据，输入所述主体结构中进行监督训练，获取所述元件特征识别子分支。进一步将所述训练数据输入所述元件特征识别子分支中进行检测，对输出数据与所述样本卷积特征进行校对，提取特征偏差大于模型精度标准的训练数据，再次对所述元件特征识别子分支进行监督训练，重复进行检测与训练，直至检测的特征偏差皆满足所述模型精度标准，获取训练完成的所述元件特征识别子分支。
同理，构建所述线路特征识别子分支与所述温度检测分支，其中，所述元件特征识别子分支、所述线路特征识别子分支与所述温度检测分支的分支架构与构建方式相同，具体构建数据不同。对所述元件特征识别子分支与所述线路特征识别子分支进行并行布设，构成所述特征识别分支；对所述特征识别分支与所述温度检测分支进行并行布设，其输出端与后置的所述特征处理单元的输入端连接，构成所述差异化分析单元。基于所述差异化分析单元，可进行不同检测数据的针对性独立分析与处理，并保障处理结果的准确度与客观度。
其中，所述线路特征坐标系、所述线路特征坐标系与所述温度特征坐标系用于进行对应维度的图像识别特征的分布整合与特征趋势分析。将所述元件特征坐标系、所述线路特征坐标系与所述温度特征坐标系嵌入所述特征处理单元。具体的，确定多元化元件特征，例如开关状态特征、零件状态特征、运行特征等衡量所述目标配电柜运行的可视化特征。分别以所述多元化元件特征作为坐标轴向，确定多个坐标轴并组合生成所述元件特征坐标系。同理，确定多元化线路特征，例如接线端口状态特征、线路连接特征、电路运行回路特征等，分别以所述多元化线路特征作为坐标轴向，搭建多个坐标轴并进行组合，生成所述线路特征坐标系。基于所述目标配电柜不同部件的划分区域，不同区域的标准运行温度可能存在差异，分别以所述划分区域作为坐标轴向，搭建多个坐标轴并组合生成所述温度特征坐标系。
其中，所述差异化分析模型具备处理接续性，即随着监测进程，同步进行监测图像的处理与特征提取，在原有特征趋势曲线的基础上进行更新。
步骤S400：获取标准化图像，所述标准化图像具有场景适配性；
进一步而言，所述标准化图像具有场景适配性，本申请步骤S400还包括：
步骤S410：确定所述目标配电柜的上位应用场景，校对当前应用场景，生成基于场景变换的标准校准指令；
步骤S420：随着所述标准校准指令的接收，调用所述上位应用场景的标准化图像；
步骤S430：基于所述上位应用场景与所述当前应用场景，进行所述标准化图像进行场景的差异化影响补偿。
具体而言，所述标准化图像为所述目标配电柜标准运行状态下的采集图像，用于进行实时监测图像的参考检验。所述标准化图像具有场景适配性，即不同场景下，受外环境等因素的影响，对应的标准状态存在一定的差异性，为了保障实时监测验证的准确度，提高预警的有效性，基于场景迁移进行所述标准化图像的补偿调整。
具体的，判断所述目标配电柜是否存在应用场景的迁移变换，确定所述目标配电柜的上位应用场景，即当前运行监测之前时段的应用场景，与当前应用场景进行校对，若存在场景变换，则需进行所述标准化图像的调整补偿。随着所述标准校准指令的接收，调用所述上位应用场景的标准化图像，基于所述上位应用场景与所述当前应用场景的差异，例如，环境温度差异，确定温度差值造成的标准运行影响，包括影响方向与影响程度，如对于红外图像的温值影响等，对所述标准化图像进行场景差异化补偿，以提高所述标准化图像与所述目标配电柜当前应用场景的契合度。
步骤S500：将所述第一对比度图像集、所述第二对比度图像集与所述标准化图像输入所述差异化分析模型中，输出目标趋势曲线，所述目标趋势曲线包括特征趋势曲线与温度趋势曲线；
具体而言，将所述第一对比度图像集输入所述差异化分析模型的所述特征识别分支，将其中的元件图像输入元件特征识别子分支，将其中的线路图像输入所述线路特征识别子分支；将所述第二对比度图像集输入所述差异化分析模型的所述温度检测分支，各分支同步进行图像特征的识别提取，将识别特征流转至后置的所述特征处理单元中，确定特征坐标，于对应的特征坐标系中进行分布，将元件特征与线路特征的分布曲线作为所述特征趋势曲线，将温度特征的分布曲线作为所述温度趋势曲线，添加进所述目标趋势曲线并进行输出。同理，将所述标准化图像输入所述差异化分析模型中，基于对应的分支进行图像特征提取与特征处理，确定标准化趋势曲线，并添加进所述目标趋势曲线中。
步骤S600：对所述目标趋势曲线进行整体分析与独立分析，定位异常特征；
具体而言，对所述目标趋势曲线进行整体性分析，具体的，对所述特征趋势曲线、所述温度趋势曲线与所述标准化趋势曲线进行映射校对，判断是否存在大于偏差阈值的特征点，即超出所述目标配电柜的允许偏差范围。若不存在，表明所述目标配电柜处于正常运行状态，维系当前的运行即可；若存在，识别异常特征点，并进行所述目标趋势曲线的独立分析。具体的，定位所述异常特征点对应的特征曲线，进行特征曲线的拆分，即将其拆分为各独立特征的趋势曲线，并与标准化趋势曲线的拆分结果进行映射校对与偏差分析，以进行异常特征的精细化定位，并基于特征偏差值可确定特征异常程度，获取所述异常特征。
步骤S700：结合所述目标配电柜，进行异常特征溯源，确定异常运维点；
步骤S800：基于所述异常运维点生成配电预警信息，进行目标针对性示警。
具体而言，结合所述目标配电柜，对所述异常特征进行溯源，示例性的，确定所述异常特征位于监测图像中的位置，定位该位置位于所述目标配电柜中的部件，即存在运行异常待进行运维管理的部件，将其作为所述异常运维点。进一步的，针对所述异常运维点，结合异常特征与异常程度，生成所述配电预警信息。优选的，针对不同异常维度，例如温度、元件等，配置不同的预警信息与预警方式，可快速进行异常运行的确定，基于所述配电预警信息进行目标针对性示警，并及时进行所述目标配电柜的运维管理，保障所述目标配电柜的正常稳定运行。
本申请实施例提供的一种配电柜的配电预警方法，具有如下技术效果：
1、以元件、线路与温度为监测维度进行图像采集，对采集图像进行灰度化处理，以降低图像的冗余信息，提高图像处理效率；进一步进行像素灰度值的增强或弱化调整，以提高图像的对比度，进行特征增强以便于进行特征的识别提取；
2、搭建差异化分析模型，进行多维度特征的同步分析处理，基于一个完整体系，完成基于目标配电柜运行的全方位精准检测与预警；
3、进行提取特征的多元化坐标转换，便于进行差异化特征的直观检测，针对异常特征进行整体分析与独立分析，以精准进行异常特征的定位与溯源。
实施例二
基于与前述实施例中一种配电柜的配电预警方法相同的发明构思，如图4所示，本申请提供了一种配电柜的配电预警系统，所述系统包括：
数据库获取模块11，所述数据库获取模块11用于对目标配电柜进行监测采集，获取监测数据库，所述监测数据库具有时效更新性；
图像处理模块12，所述图像处理模块12用于基于所述监测数据库，调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；
模型搭建模块13，所述模型搭建模块13用于搭建差异化分析模型，所述差异化分析模型包括并行布设的特征识别分支与温度检测分支与特征处理单元，所述特征识别分支包括元件特征识别子分支与线路特征识别子分支，所述差异化分析模型具备处理接续性；
图像获取模块14，所述图像获取模块14用于获取标准化图像，所述标准化图像具有场景适配性；
曲线输出模块15，所述曲线输出模块15用于将所述第一对比度图像集、所述第二对比度图像集与所述标准化图像输入所述差异化分析模型中，输出目标趋势曲线，所述目标趋势曲线包括特征趋势曲线与温度趋势曲线；
异常特征定位模块16，所述异常特征定位模块16用于对所述目标趋势曲线进行整体分析与独立分析，定位异常特征；
异常运维点确定模块17，所述异常运维点确定模块17用于结合所述目标配电柜，进行异常特征溯源，确定异常运维点；
配电预警模块18，所述配电预警模块18用于基于所述异常运维点生成配电预警信息，进行目标针对性示警。
进一步而言，所述数据库获取模块11还包括：
监测图像集获取模块，所述监测图像集获取模块用于基于CCD图像传感器，对所述目标配电柜的电气元件与线路接线进行多角度监测采集，获取元件监测图像集与接线监测图像集；
红外图像集获取模块，所述红外图像集获取模块用于基于热成像装置，对所述目标配电柜进行热成像采集，获取红外图像集；
监测数据库生成模块，所述监测数据库生成模块用于基于所述元件监测图像集、所述接线监测图像集与所述红外图像集，生成监测数据库。
进一步而言，所述图像处理模块12还包括：
图像分割模块，所述图像分割模块用于对所述时序监测图像进行图像分割处理，确定目标分割图像，图像分割标准为图像背景与图像目标；
灰度化处理模块，所述灰度化处理模块用于基于所述目标分割图像进行灰度化处理，获取目标灰度图像；
图像增强区域确定模块，所述图像增强区域确定模块用于识别的所述目标灰度图像的像素灰度值并进行邻域分析，确定图像增强区域，所述图像增强区域标识有灰度值调整参数；
对比度图像集获取模块，所述对比度图像集获取模块用于基于所述灰度值调整参数，对所述图像增强区域进行像素灰度值的增强与弱化处理，获取对比度图像集，所述对比度图像集包括所述第一对比度图像集与所述第二对比度图像集。
进一步而言，所述图像增强区域确定模块还包括：
目标拆分模块，所述目标拆分模块用于基于所述像素灰度值进行目标拆分，确定多个局部目标区域；
差异化判定模块，所述差异化判定模块用于基于所述多个局部目标区域，进行邻域像素灰度值的差值计算，判定是否满足差异化列表，所述差异化列表对应于多组邻域阈值；
区域标识模块，所述区域标识模块用于若否，将邻域标识为所述图像增强区域，结合所述差异化列表确定所述灰度值调整参数。
进一步而言，所述模型搭建模块13还包括：
分支构建模块，所述分支构建模块用于构建所述元件特征识别子分支、所述线路特征识别子分支与所述温度检测分支；
分支组合模块，所述分支组合模块用于并行布设所述元件特征识别子分支、所述线路特征识别子分支，构成所述特征识别分支；
差异化分析模型生成模块，所述差异化分析模型生成模块用于并行布设所述特征识别分支与所述温度检测分支，后置所述特征处理单元，生成所述差异化分析模型。
进一步而言，所述差异化分析模型生成模块还包括：
元件特征坐标系构建模块，所述元件特征坐标系构建模块用于基于多元化元件特征，确定元件坐标轴向，并搭建元件特征坐标系；
线路特征坐标系构建模块，所述线路特征坐标系构建模块用于基于多元化线路特征，确定线路坐标轴向，并搭建线路特征坐标系；
温度特征坐标系构建模块，所述温度特征坐标系构建模块用于基于划分区域，确定温度坐标轴向，并搭建温度特征坐标系；
坐标系嵌入模块，所述坐标系嵌入模块用于将所述元件特征坐标系、所述线路特征坐标系与所述温度特征坐标系嵌入所述特征处理单元。
进一步而言，本申请图像获取模块14还包括：
指令生成模块，所述指令生成模块用于确定所述目标配电柜的上位应用场景，校对当前应用场景，生成基于场景变换的标准校准指令；
图像调用模块，所述图像调用模块用于随着所述标准校准指令的接收，调用所述上位应用场景的标准化图像；
图像补偿模块，所述图像补偿模块用于基于所述上位应用场景与所述当前应用场景，进行所述标准化图像进行场景的差异化影响补偿。
本说明书通过前述对一种配电柜的配电预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种配电柜的配电预警方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种配电柜的配电预警方法，其特征在于，所述方法包括：
对目标配电柜进行监测采集，获取监测数据库，所述监测数据库具有时效更新性；
基于所述监测数据库，调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；
搭建差异化分析模型，所述差异化分析模型包括并行布设的特征识别分支与温度检测分支与特征处理单元，所述特征识别分支包括元件特征识别子分支与线路特征识别子分支，所述差异化分析模型具备处理接续性；
获取标准化图像，所述标准化图像具有场景适配性；
将所述第一对比度图像集、所述第二对比度图像集与所述标准化图像输入所述差异化分析模型中，输出目标趋势曲线，所述目标趋势曲线包括特征趋势曲线与温度趋势曲线；
对所述目标趋势曲线进行整体分析与独立分析，定位异常特征；
结合所述目标配电柜，进行异常特征溯源，确定异常运维点；
基于所述异常运维点生成配电预警信息，进行目标针对性示警。
2.如权利要求1所述的方法，其特征在于，所述对目标配电柜进行监测采集，获取监测数据库，所述方法包括：
基于CCD图像传感器，对所述目标配电柜的电气元件与线路接线进行多角度监测采集，获取元件监测图像集与接线监测图像集；
基于热成像装置，对所述目标配电柜进行热成像采集，获取红外图像集；
基于所述元件监测图像集、所述接线监测图像集与所述红外图像集，生成监测数据库。
3.如权利要求1所述的方法，其特征在于，所述调用连续性的时序监测图像并进行灰度化处理，所述方法包括：
对所述时序监测图像进行图像分割处理，确定目标分割图像，图像分割标准为图像背景与图像目标；
基于所述目标分割图像进行灰度化处理，获取目标灰度图像；
识别的所述目标灰度图像的像素灰度值并进行邻域分析，确定图像增强区域，所述图像增强区域标识有灰度值调整参数；
基于所述灰度值调整参数，对所述图像增强区域进行像素灰度值的增强与弱化处理，获取对比度图像集，所述对比度图像集包括所述第一对比度图像集与所述第二对比度图像集。
4.如权利要求3所述的方法，其特征在于，所述识别的所述目标灰度图像的像素灰度值并进行邻域分析，所述方法包括：
基于所述像素灰度值进行目标拆分，确定多个局部目标区域；
基于所述多个局部目标区域，进行邻域像素灰度值的差值计算，判定是否满足差异化列表，所述差异化列表对应于多组邻域阈值；
若否，将邻域标识为所述图像增强区域，结合所述差异化列表确定所述灰度值调整参数。
5.如权利要求1所述的方法，其特征在于，所述搭建差异化分析模型，所述方法包括：
构建所述元件特征识别子分支、所述线路特征识别子分支与所述温度检测分支；
并行布设所述元件特征识别子分支、所述线路特征识别子分支，构成所述特征识别分支；
并行布设所述特征识别分支与所述温度检测分支，后置所述特征处理单元，生成所述差异化分析模型。
6.如权利要求5所述的方法，其特征在于，后置所述特征处理的单元，所述方法包括：
基于多元化元件特征，确定元件坐标轴向，并搭建元件特征坐标系；
基于多元化线路特征，确定线路坐标轴向，并搭建线路特征坐标系；
基于划分区域，确定温度坐标轴向，并搭建温度特征坐标系；
将所述元件特征坐标系、所述线路特征坐标系与所述温度特征坐标系嵌入所述特征处理单元。
7.如权利要求1所述的方法，其特征在于，所述标准化图像具有场景适配性，所述方法包括：
确定所述目标配电柜的上位应用场景，校对当前应用场景，生成基于场景变换的标准校准指令；
随着所述标准校准指令的接收，调用所述上位应用场景的标准化图像；
基于所述上位应用场景与所述当前应用场景，进行所述标准化图像进行场景的差异化影响补偿。
8.一种配电柜的配电预警系统，其特征在于，所述系统包括：
数据库获取模块，所述数据库获取模块用于对目标配电柜进行监测采集，获取监测数据库，所述监测数据库具有时效更新性；
图像处理模块，所述图像处理模块用于基于所述监测数据库，调用连续性的时序监测图像并进行灰度化处理，获取第一对比度图像集与第二对比度图像集；
模型搭建模块，所述模型搭建模块用于搭建差异化分析模型，所述差异化分析模型包括并行布设的特征识别分支与温度检测分支与特征处理单元，所述特征识别分支包括元件特征识别子分支与线路特征识别子分支，所述差异化分析模型具备处理接续性；
图像获取模块，所述图像获取模块用于获取标准化图像，所述标准化图像具有场景适配性；
曲线输出模块，所述曲线输出模块用于将所述第一对比度图像集、所述第二对比度图像集与所述标准化图像输入所述差异化分析模型中，输出目标趋势曲线，所述目标趋势曲线包括特征趋势曲线与温度趋势曲线；
异常特征定位模块，所述异常特征定位模块用于对所述目标趋势曲线进行整体分析与独立分析，定位异常特征；
异常运维点确定模块，所述异常运维点确定模块用于结合所述目标配电柜，进行异常特征溯源，确定异常运维点；
配电预警模块，所述配电预警模块用于基于所述异常运维点生成配电预警信息，进行目标针对性示警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311126699.1A CN117335556A (zh) | 2023-09-04 | 2023-09-04 | 一种配电柜的配电预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311126699.1A CN117335556A (zh) | 2023-09-04 | 2023-09-04 | 一种配电柜的配电预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117335556A true CN117335556A (zh) | 2024-01-02 |
Family
ID=89292263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311126699.1A Pending CN117335556A (zh) | 2023-09-04 | 2023-09-04 | 一种配电柜的配电预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117335556A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117691756A (zh) * | 2024-02-02 | 2024-03-12 | 深圳市鹏翔电气有限公司 | 配电柜的安全预警管理方法及系统 |
-
2023
- 2023-09-04 CN CN202311126699.1A patent/CN117335556A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117691756A (zh) * | 2024-02-02 | 2024-03-12 | 深圳市鹏翔电气有限公司 | 配电柜的安全预警管理方法及系统 |
| CN117691756B (zh) * | 2024-02-02 | 2024-04-23 | 深圳市鹏翔电气有限公司 | 配电柜的安全预警管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112734692B (zh) | 一种变电设备缺陷识别方法及装置 | |
| CN117335556A (zh) | 一种配电柜的配电预警方法及系统 | |
| CN115423127B (zh) | 一种基于人工智能的电力设备现场运维方法及系统 | |
| CN113408034B (zh) | 一种基于bim建筑三维模型技术的工程施工智能云管理平台 | |
| CN115171361B (zh) | 一种基于计算机视觉的危险行为智能检测预警方法 | |
| CN116363585A (zh) | 一种输电线路在线监测方法及系统 | |
| CN114463932B (zh) | 非接触式施工安全距离主动动态识别预警系统及方法 | |
| CN115238366A (zh) | 一种ai智能电缆隧道的在线检测应急预警方法及系统 | |
| KR102174424B1 (ko) | 서버 기반 부품 검사방법 및 그를 위한 시스템 및 장치 | |
| CN116821409B (zh) | 基于图像数据处理的生产安全管理方法及系统 | |
| KR101906192B1 (ko) | 스카다 시스템 및 그 동작 방법 | |
| CN112734637B (zh) | 一种导线温度监测的热红外图像处理方法和系统 | |
| CN116362036B (zh) | 一种高铁设备故障预警方法及系统 | |
| CN108898187A (zh) | 一种自动识别配电房指示设备图像的方法及装置 | |
| KR101906191B1 (ko) | 스카다 시스템 및 그 동작 방법 | |
| CN115184563B (zh) | 一种基于数字孪生的化工车间现场数据采集方法 | |
| CN112816053A (zh) | 一种船舶设备的非接触式振动信息检测方法及系统 | |
| CN114418941B (zh) | 一种基于电力巡检设备检测数据的缺陷诊断方法及系统 | |
| CN117809191B (zh) | 用于输电线路三维立体测距的智能监测预警方法及系统 | |
| CN115828400B (zh) | 一种基于卫星云图的输变电工程验收的复验方法及系统 | |
| CN117829821B (zh) | 一种基于云平台的复合材料设备维护管理方法 | |
| CN117436033B (zh) | 智能建筑垂直偏差监测系统及方法 | |
| KR102660626B1 (ko) | 현장 검증이 가능한 ai 기반 비전 검사 시스템 및 방법 | |
| CN118049938B (zh) | 钢轨测量方法、装置、电子设备、可读存储介质及系统 | |
| Xu et al. | A Method of Multi-Information Perception Collection for Power Equipment Disaster Damage |
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 |