CN117893147A - 一种变电作业智能辅助决策方法、系统及存储介质 - Google Patents
一种变电作业智能辅助决策方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117893147A CN117893147A CN202311664643.1A CN202311664643A CN117893147A CN 117893147 A CN117893147 A CN 117893147A CN 202311664643 A CN202311664643 A CN 202311664643A CN 117893147 A CN117893147 A CN 117893147A
- Authority
- CN
- China
- Prior art keywords
- operator
- module
- storage medium
- electric field
- acquisition module
- 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 30
- 230000009466 transformation Effects 0.000 title claims abstract description 26
- 230000005684 electric field Effects 0.000 claims abstract description 42
- 230000006698 induction Effects 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims description 25
- 230000009471 action Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000011521 glass Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims 3
- 238000012795 verification Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 3
- 239000013598 vector Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种变电作业智能辅助决策方法、系统及存储介质，现有电网企业运行操作中，人为责任事故事件发生占比大，管理措施多，技术措施少，管理措施叠加的边际效应有限，管理措施的薄弱环节，作业管控主要为人工、主观、被动的模式；本方案通过设置视频数据采集模块、声音数据采集模块、定位模块、电场感应模块、物联平台、存储介质和图像数据采集模块，并且支持图像分类功能，图像分类模块将包含电气柜的图像信息进行标记，并对电气柜上的标识进行文字识别，得到文字信息；支持语音识别功能，作业人员可通过语音进行人机交互；还支持对语音指令和文字指令核实，对指令内容的正确性、完整性以及一致性的校验和核对。
Description
技术领域
本发明属于电网企业业务管控技术领域，具体涉及一种变电作业智能辅助决策方法、系统及存储介质。
背景技术
数字化转型的定义为：通过新一代数字技术的深入运用，构建一个全感知、全联接、全场景和且全智能的数字世界，进而优化再造物理世界的业务，对传统管理模式、业务模式和商业模式进行创新和重塑，实现业务升级。
电网企业也面临着数字化转型的趋势，经统计，在电网企业运行操作和检修二次回路作业过程发生的人为责任事故事件占比大，因此，电网业务流程的薄弱环节需要更加稳定、可靠的防控措施，但是存在现场作业量巨大与安全管理环节中督查人手紧张的矛盾；目前主要依赖人工干预的方式进行作业远程安全监管，管理成本极大，管理措施的边际效应有限，同时，对作业人员的作业习惯不了解、难量化，对人员关注的区别化、针对性措施无法开展，导致不安全习惯未能得到及时纠正。
基于以上原因，本发明提供一种变电作业智能辅助决策方法、系统及存储介质，用于对不安全作业行为进行智能识别，防范人为事故发生，从而提高企业生产安全性。
发明内容
针对上述背景技术所提出的问题，本发明的目的是：旨在提供一种变电作业智能辅助决策方法、系统及存储介质。
为实现上述技术目的，本发明采用的技术方案如下：
一种变电作业智能辅助决策方法，包括以下步骤：
S1，调度下令，所述调度下令为指挥室语音或文字下达指令至作业人员处；
S2，运行复诵，所述作业人员接到语音指令后，基于时延神经网络训练而成的模型，对语音一致性进行核实，所述作业人员接到文字指令后，运用OCR文本识别，对文本一致性进行核实；
S3，作业人员对语音指令和文字指令核实，若语音指令或文字指令核实不一致，则触发报警；
S4，对作业人员进行身份识别，对作业人员的声音数据进行声纹识别，运用基于时延神经网络训练而成的模型，提取所述作业人员声音数据的特征点，从而得到所述作业人员的身份信息，并将此身份信息储存；
S5，执行指令，身份正常的作业人员对核实通过的指令进行执行；
S6，对作业人员定位，基于深度神经网络的多源异构数据训练而成的模型，将获取作业人员位置信息中的三维坐标进行特征提取，得到作业人员的位置高度，并基于位置高度转化为可移动的安全距离；
S7，电场安全距离，运用基于深度神经网络的多源异构数据训练而成的模型，提取所述作业人员四周的电场数据特征点，从而计算出作业人员距离电场的安全距离；
S8，获取作业人员的实时工作视频和图像信息，将录制完成的工作视频和图像信息储存。
进一步限定，还包括以下步骤：
S20，所述作业人员执行指令完成后，将作业人员执行指令过程存储在存储介质中，并录入至人员行为履历评价系统；
S21，通过人员行为履历评价系统调用人员行为履历，并生成可直观查看的柱状图表或饼图表。
进一步限定，一种变电作业系统，包括视频数据采集模块、声音数据采集模块、定位模块、电场感应模块、物联平台、存储介质和图像数据采集模块，所述视频数据采集模块与所述存储介质连接，所述声音数据采集模块与所述存储介质连接，所述定位模块与所述物联平台连接，所述电场感应模块与所述物联平台连接，所述图像数据采集模块与所述存储介质连接；其中：
所述视频数据采集模块用于获取作业人员的工作画面，并持续录制，录制完成的视频传输并储存至存储介质处；
所述声音数据采集模块用于获取作业人员的声音数据，并对作业人员的声音数据进行声纹识别，运用基于时延神经网络训练而成的模型，提取所述作业人员声音数据的特征点，从而得到所述作业人员的身份信息，并将此身份信息储存至存储介质处；
所述定位模块用于持续获取作业人员的位置信息，所述位置信息包括作业人员的三维坐标，并每隔5S将此位置信息发送至物联平台，基于深度神经网络的多源异构数据训练而成的模型，将获取位置信息中的三维坐标进行特征提取，得到作业人员的位置高度，并基于位置高度转化为可移动的安全距离；
所述电场感应模块用于获取作业人员的电场数据，并每隔5S将电场数据发送至物联平台，运用基于深度神经网络的多源异构数据训练而成的模型，提取所述作业人员四周的电场数据特征点，从而计算出作业人员距离电场的安全距离；
所述物联平台用于接收定位模块和电场感应模块传回的位置信息和电场数据；
所述图像采集模块用于获取作业人员工作的图像信息，并将图像信息储存至存储介质处。
进一步限定，还包括头盔、AR眼镜和定位工卡，所述视频数据采集模块、定位模块和电场感应模块均设置于头盔内，所述图像数据采集模块和声音数据采集模块均设置于AR眼镜内，所述定位模块设置于所述定位工卡内。
进一步限定，还包括图像分类模块，所述图像分类模块用于接收图像数据采集模块获取的图像信息，所述图像分类模块将包含电气柜的图像信息进行标记，并对电气柜上的标识进行文字识别，得到文字信息。
进一步限定，所述定位模块支持北斗全球卫星定位。
进一步限定，所述图像数据采集模块输出的图像分辨率不低于1080P。
进一步限定，所述存储介质连接有一运算芯片，所述运算芯片主频不低于2.5GHz。
进一步限定，所述存储介质上储存有计算机程序，所述计算机程序被运算芯片执行时实现如权利要求1和2所述的变电作业智能辅助决策方法的步骤。
本发明的有益效果：
现有电网企业运行操作中，人为责任事故事件发生占比大，管理措施多，技术措施少，管理措施叠加的边际效应有限，管理措施的薄弱环节，作业管控主要为人工、主观、被动的模式，辅助交互、模拟演练手段需进一步扩展，二次作业风险管控难；
本方案通过设置视频数据采集模块、声音数据采集模块、定位模块、电场感应模块、物联平台、存储介质和图像数据采集模块，并且支持图像分类功能，图像分类模块将包含电气柜的图像信息进行标记，并对电气柜上的标识进行文字识别，得到文字信息；支持语音识别功能，作业人员可通过语音进行人机交互；还支持对语音指令和文字指令核实，对指令内容的正确性、完整性以及一致性的校验和核对；
本方案提高了作业人员的行为感知能力，对作业人员不安全的行为进行预警，提高了安全性，还可通过物联平台在作业前进行模拟预演。
附图说明
本发明可以通过附图给出的非限定性实施例进一步说明；
图1为本发明一种变电作业智能辅助决策方法、系统及存储介质实施例的系统示意图；
图2为本发明一种变电作业智能辅助决策方法、系统及存储介质实施例的步骤流程图；
主要元件符号说明如下：视频数据采集模块1、声音数据采集模块2、定位模块3、电场感应模块4、物联平台5、图像数据采集模块6、存储介质7、图像分类模块8。
具体实施方式
为了使本领域的技术人员可以更好地理解本发明，下面结合附图和实施例对本发明技术方案进一步说明。
如图1-图2所示，本发明的一种变电作业智能辅助决策方法、系统及存储介质，包括以下步骤：
S1，调度下令，调度下令为指挥室语音或文字下达指令至作业人员处；
S2，运行复诵，作业人员接到语音指令后，基于时延神经网络训练而成的模型，对语音一致性进行核实，作业人员接到文字指令后，运用OCR文本识别，对文本一致性进行核实；
S3，作业人员对语音指令和文字指令核实，若语音指令或文字指令核实不一致，则触发报警；
S4，对作业人员进行身份识别，对作业人员的声音数据进行声纹识别，运用基于时延神经网络训练而成的模型，提取作业人员声音数据的特征点，从而得到作业人员的身份信息，并将此身份信息储存；
S5，执行指令，身份正常的作业人员对核实通过的指令进行执行；
S6，对作业人员定位，基于深度神经网络的多源异构数据训练而成的模型，将获取作业人员位置信息中的三维坐标进行特征提取，得到作业人员的位置高度，并基于位置高度转化为可移动的安全距离；
S7，电场安全距离，运用基于深度神经网络的多源异构数据训练而成的模型，提取作业人员四周的电场数据特征点，从而计算出作业人员距离电场的安全距离；
S8，获取作业人员的实时工作视频和图像信息，将录制完成的工作视频和图像信息储存。具体地，声纹识别的过程分为以下三个阶段：
(1)训练阶段，通过DNN深度神经网络为输入的语音数据找到一个合适的向量表示，希望能找到一个隐变量空间，可以训练出来对所有人的分类器，每个人都是这个隐变量空间的一个向量；其具体做法是采用有监督的学习方式：输入训练集为语音数据和每条语音对应的说话人标签，DNN深度神经网络的训练目标就是尽可能准确地给出输入语音的标签，即提高语音的分类准确率。
(2)注册阶段，对应一个训练收敛的DNN深度神经网络，去掉它的最后一层分类层一般会称为Softmax层，选取倒数第二层全连接层Fully Connected Layer，FC的输出向量作为DNN深度神经网络对一条语音数据的向量表示，并把这个向量称为d-vector，此处得到的d-vector类似于传统方法中的i-vector，后续可以用作分类、打分等操作，将某个说话人提供的多段语音输入到第一阶段训练好的DNN深度神经网络模型中得到一系列
d-vectors，将这些d-vectors做平均计算就得到了对应于该说话人的个性化模型。
(3)验证阶段，声纹验证阶段的具体任务是计算注册语音与其对应的测试语音之间的得分Score，如果得分高于一个预设定的阈值则接受，小于则拒绝；在这个步骤中，可能存在两种类型的错误：一是错误拒绝；二是错误接受，当FR和FA相等时，这个共同的值我们称之为等错误率，可用打分函数用于计算两个向量之间的余弦距离。
还包括以下步骤：
S20，作业人员执行指令完成后，将作业人员执行指令过程存储在存储介质中，并录入至人员行为履历评价系统；
S21，通过人员行为履历评价系统调用人员行为履历，并生成可直观查看的柱状图表或饼图表。
优选，一种变电作业系统，包括视频数据采集模块1、声音数据采集模块2、定位模块3、电场感应模块4、物联平台5、存储介质7和图像数据采集模块6，视频数据采集模块1与存储介质7连接，声音数据采集模块2与存储介质7连接，定位模块3与物联平台5连接，电场感应模块4与物联平台5连接，图像数据采集模块6与存储介质7连接；其中：
视频数据采集模块1用于获取作业人员的工作画面，并持续录制，录制完成的视频传输并储存至存储介质7处；
声音数据采集模块2用于获取作业人员的声音数据，并对作业人员的声音数据进行声纹识别，运用基于时延神经网络训练而成的模型，提取作业人员声音数据的特征点，从而得到作业人员的身份信息，并将此身份信息储存至存储介质7处；
定位模块3用于持续获取作业人员的位置信息，位置信息包括作业人员的三维坐标，并每隔5S将此位置信息发送至物联平台5，基于深度神经网络的多源异构数据训练而成的模型，将获取位置信息中的三维坐标进行特征提取，得到作业人员的位置高度，并基于位置高度转化为可移动的安全距离；
电场感应模块4用于获取作业人员的电场数据，并每隔5S将电场数据发送至物联平台5，运用基于深度神经网络的多源异构数据训练而成的模型，提取作业人员四周的电场数据特征点，从而计算出作业人员距离电场的安全距离；
物联平台5用于接收定位模块3和电场感应模块4传回的位置信息和电场数据；
图像采集模块6用于获取作业人员工作的图像信息，并将图像信息储存至存储介质7处。
优选，还包括头盔、AR眼镜和定位工卡，视频数据采集模块1、定位模块3和电场感应模块4均设置于头盔内，图像数据采集模块6和声音数据采集模块2均设置于AR眼镜内，定位模块3设置于定位工卡内。
具体地，本方案采用凝思或麒麟的操作系统，并且具备独立麦克风单元、外放扬声器单元以及蓝牙单元，蓄电池的供电使其能不间断工作4小时以上；定位工卡集成了基于北斗全球卫星定位系统，作业人员可随身携带，满足针对移动作业环境下对作业人员在室外的位置采集和发送功能；
优选，还包括图像分类模块8，图像分类模块8用于接收图像数据采集模块6获取的图像信息，图像分类模块8将包含电气柜的图像信息进行标记，并对电气柜上的标识进行文字识别，得到文字信息。
优选，定位模块3支持北斗全球卫星定位。
优选，图像数据采集模块6输出的图像分辨率不低于1080P。
优选，存储介质7连接有一运算芯片，运算芯片主频不低于2.5GHz。
优选，存储介质7上储存有计算机程序，计算机程序被运算芯片执行时实现变电作业智能辅助决策方法的步骤。
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种变电作业智能辅助决策方法，其特征在于：包括以下步骤：
S1，调度下令，所述调度下令为指挥室语音或文字下达指令至作业人员处；
S2，运行复诵，所述作业人员接到语音指令后，基于时延神经网络训练而成的模型，对语音一致性进行核实，所述作业人员接到文字指令后，运用OCR文本识别，对文本一致性进行核实；
S3，作业人员对语音指令和文字指令核实，若语音指令或文字指令核实不一致，则触发报警；
S4，对作业人员进行身份识别，对作业人员的声音数据进行声纹识别，运用基于时延神经网络训练而成的模型，提取所述作业人员声音数据的特征点，从而得到所述作业人员的身份信息，并将此身份信息储存；
S5，执行指令，身份正常的作业人员对核实通过的指令进行执行；
S6，对作业人员定位，基于深度神经网络的多源异构数据训练而成的模型，将获取作业人员位置信息中的三维坐标进行特征提取，得到作业人员的位置高度，并基于位置高度转化为可移动的安全距离；
S7，电场安全距离，运用基于深度神经网络的多源异构数据训练而成的模型，提取所述作业人员四周的电场数据特征点，从而计算出作业人员距离电场的安全距离；
S8，获取作业人员的实时工作视频和图像信息，将录制完成的工作视频和图像信息储存。
2.根据权利要求1所述的一种变电作业智能辅助决策方法，其特征在于：还包括以下步骤：
S20，所述作业人员执行指令完成后，将作业人员执行指令过程存储在存储介质中，并录入至人员行为履历评价系统；
S21，通过人员行为履历评价系统调用人员行为履历，并生成可直观查看的柱状图表或饼图表。
3.一种变电作业系统，其特征在于：包括视频数据采集模块(1)、声音数据采集模块(2)、定位模块(3)、电场感应模块(4)、物联平台(5)、存储介质(7)和图像数据采集模块(6)，所述视频数据采集模块(1)与所述存储介质(7)连接，所述声音数据采集模块(2)与所述存储介质(7)连接，所述定位模块(3)与所述物联平台(5)连接，所述电场感应模块(4)与所述物联平台(5)连接，所述图像数据采集模块(6)与所述存储介质(7)连接；其中：
所述视频数据采集模块(1)用于获取作业人员的工作画面，并持续录制，录制完成的视频传输并储存至存储介质(7)处；
所述声音数据采集模块(2)用于获取作业人员的声音数据，并对作业人员的声音数据进行声纹识别，运用基于时延神经网络训练而成的模型，提取所述作业人员声音数据的特征点，从而得到所述作业人员的身份信息，并将此身份信息储存至存储介质(7)处；
所述定位模块(3)用于持续获取作业人员的位置信息，所述位置信息包括作业人员的三维坐标，并每隔5S将此位置信息发送至物联平台(5)，基于深度神经网络的多源异构数据训练而成的模型，将获取位置信息中的三维坐标进行特征提取，得到作业人员的位置高度，并基于位置高度转化为可移动的安全距离；
所述电场感应模块(4)用于获取作业人员的电场数据，并每隔5S将电场数据发送至物联平台(5)，运用基于深度神经网络的多源异构数据训练而成的模型，提取所述作业人员四周的电场数据特征点，从而计算出作业人员距离电场的安全距离；
所述物联平台(5)用于接收定位模块(3)和电场感应模块(4)传回的位置信息和电场数据；
所述图像采集模块(6)用于获取作业人员工作的图像信息，并将图像信息储存至存储介质(7)处。
4.据权利要求3所述的一种变电作业系统其特征在于：还包括头盔、AR眼镜和定位工卡，所述视频数据采集模块(1)、定位模块(3)和电场感应模块(4)均设置于头盔内，所述图像数据采集模块(6)和声音数据采集模块(2)均设置于AR眼镜内，所述定位模块(3)设置于所述定位工卡内。
5.根据权利要求3所述的一种变电作业系统其特征在于：还包括图像分类模块(8)，所述图像分类模块(8)用于接收图像数据采集模块(6)获取的图像信息，所述图像分类模块(8)将包含电气柜的图像信息进行标记，并对电气柜上的标识进行文字识别，得到文字信息。
6.根据权利要求3所述的一种变电作业系统其特征在于：所述定位模块(3)支持北斗全球卫星定位。
7.根据权利要求3所述的一种变电作业系统其特征在于：所述图像数据采集模块(6)输出的图像分辨率不低于1080P。
8.根据权利要求3所述的一种变电作业系统其特征在于：所述存储介质(7)连接有一运算芯片，所述运算芯片主频不低于2.5GHz。
9.一种变电作业存储介质(7)，其特征在于：所述存储介质(7)上储存有计算机程序，所述计算机程序被运算芯片执行时实现如权利要求1和2所述的变电作业智能辅助决策方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311664643.1A CN117893147A (zh) | 2023-12-06 | 2023-12-06 | 一种变电作业智能辅助决策方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311664643.1A CN117893147A (zh) | 2023-12-06 | 2023-12-06 | 一种变电作业智能辅助决策方法、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117893147A true CN117893147A (zh) | 2024-04-16 |
Family
ID=90638444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311664643.1A Pending CN117893147A (zh) | 2023-12-06 | 2023-12-06 | 一种变电作业智能辅助决策方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117893147A (zh) |
-
2023
- 2023-12-06 CN CN202311664643.1A patent/CN117893147A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110674772B (zh) | 电力作业现场智能安全管控辅助系统及方法 | |
| CN111445106B (zh) | 一种用电采集设备故障处理作业现场安全控制方法及系统 | |
| CN107862331A (zh) | 一种基于时间序列及cnn的不安全行为识别方法及系统 | |
| CN110321809A (zh) | 一种基于深度学习的变电站作业现场监测方法及装置 | |
| CN109214280B (zh) | 基于街景的店铺识别方法、装置、电子设备及存储介质 | |
| CN112560745B (zh) | 一种电力作业现场人员甄别方法及相关装置 | |
| CN111160802A (zh) | 预设方案评估方法及装置 | |
| CN115828112A (zh) | 一种故障事件的响应方法、装置、电子设备及存储介质 | |
| CN112418717A (zh) | 基于人工智能的工程现场人员行为预警方法和系统 | |
| CN117671887B (zh) | 一种基于大数据的智慧安防预警管理方法和系统 | |
| CN109829693A (zh) | 一种用于建筑施工进度管理系统及管理方法 | |
| CN114187561A (zh) | 异常行为的识别方法、装置、终端设备及存储介质 | |
| CN113922502B (zh) | 一种智能视频运维管理系统及管理方法 | |
| CN115424048A (zh) | 电网作业现场违章识别系统及方法 | |
| CN117893147A (zh) | 一种变电作业智能辅助决策方法、系统及存储介质 | |
| CN117789301B (zh) | 一种应用于车站乘客的危险动作识别方法及系统 | |
| CN111510685A (zh) | 一种基于三维模型的信息输出方法及装置 | |
| EP4350639A1 (en) | Safety rule violation detection in a construction or constructed site | |
| CN117492814A (zh) | 生产运维变更方法及装置 | |
| CN108805462A (zh) | 配网风险预警的方法及装置、存储介质、处理器 | |
| CN115880113A (zh) | 一种基于智慧乡村综合治理的数字化管理系统及管理方法 | |
| CN113642172A (zh) | 用于微组装工艺的仿真操作方法及系统 | |
| CN112261321A (zh) | 字幕处理方法、装置及电子设备 | |
| CN117237993B (zh) | 作业现场违规行为检测方法、装置、存储介质及电子设备 | |
| CN118133130B (zh) | 一种飞行员心理韧性评估方法、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 |