CN118070680A - 一种变电站空间建模测距的监测预警方法 - Google Patents
一种变电站空间建模测距的监测预警方法 Download PDFInfo
- Publication number
- CN118070680A CN118070680A CN202410465733.6A CN202410465733A CN118070680A CN 118070680 A CN118070680 A CN 118070680A CN 202410465733 A CN202410465733 A CN 202410465733A CN 118070680 A CN118070680 A CN 118070680A
- Authority
- CN
- China
- Prior art keywords
- signal
- interference
- early warning
- ranging
- monitoring area
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012360 testing method Methods 0.000 claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims description 44
- 238000004458 analytical method Methods 0.000 claims description 30
- 238000005457 optimization Methods 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 13
- 238000004364 calculation method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Electromagnetism (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Emergency Alarm Devices (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及计算机相关技术领域，提供了一种变电站空间建模测距的监测预警方法，所述方法包括：采用数字孪生，识别并建立变电站的孪生仿真模型，建立设备信号库；根据预设监测区域，筛选干扰信号集，输入测距干扰识别模型，获取干扰指标；优化监测区域进行三维设距预警，解决了监测设备在进行监测过程中受到环境干扰，影响变电站空间的各类危险源识别的技术问题，实现了对监测设备的监测区域进行干扰测试，并优化电子围栏以确认风险管控区域，提高变电站预警测距空间有效性，从而确保在复杂环境的影响下仍能有效进行测距监测，准确识别出变电站空间的各类危险源，提升监测准确性的技术效果。
Description
技术领域
本发明涉及计算机相关技术领域，具体涉及一种变电站空间建模测距的监测预警方法。
背景技术
变电站是电力系统中的重要组成部分，其安全运行对于保障电力供应的稳定性和可靠性至关重要，然而由于变电站内部设备众多，且运行环境复杂，存在着各种潜在的风险和安全隐患。
一般地通过设置监测设备对变电站空间内部的各类危险源，比如电池运输车、液罐车、气体罐车及其他危险车辆进行探测预警，但监测设备在监测过程中会受到变电站空间中各种环境的干扰，比如变电站设备电压、电流以及其他电磁干扰或高温环境、灰尘与湿度的影响，使监测信号在传输时造成数据缺失，无法准确识别出各类危险源。
综上所述，现有技术中监测设备在进行监测过程中受到环境干扰，影响变电站空间的各类危险源识别的技术问题。
发明内容
本申请通过提供了一种变电站空间建模测距的监测预警方法，旨在解决现有技术中的监测设备在进行监测过程中受到环境干扰，影响变电站空间的各类危险源识别的技术问题。
鉴于上述问题，本申请实施例提供了一种变电站空间建模测距的监测预警方法。
本申请公开的第一个方面，提供了一种变电站空间建模测距的监测预警方法，其中，所述方法包括：采用数字孪生技术对变电站进行孪生数据识别，获取孪生变电站仿真模型；对所述孪生变电站仿真模型中各个变电站设备进行信号样本采集，建立设备信号库；获取便携式智能测距及预警模块的预设监测区域；根据所述便携式智能测距及预警模块的预设监测区域，从所述设备信号库中筛选属于所述监测区域的干扰信号集；将所述干扰信号集输入测距信号干扰识别模型中，获取测距干扰指标，其中，所述测距信号干扰识别模型用于识别所述便携式智能测距及预警模块的三维测距信号受所述预设监测区域的干扰信号集干扰影响的程度；基于所述测距干扰指标，对所述便携式智能测距及预警模块的预设监测区域进行三维设距优化，输出优化监测区域，所述便携式智能测距及预警模块按照所述优化监测区域进行监测预警。
本申请公开的另一个方面，提供了一种变电站空间建模测距的监测预警系统，其中，所述系统包括：孪生数据识别模块，用于采用数字孪生技术对变电站进行孪生数据识别，获取孪生变电站仿真模型；样本采集模块，用于对所述孪生变电站仿真模型中各个变电站设备进行信号样本采集，建立设备信号库；监测区域获取模块，用于获取便携式智能测距及预警模块的预设监测区域；信号筛选模块，用于根据所述便携式智能测距及预警模块的预设监测区域，从所述设备信号库中筛选属于所述监测区域的干扰信号集；干扰识别模块，用于将所述干扰信号集输入测距信号干扰识别模型中，获取测距干扰指标，其中，所述测距信号干扰识别模型用于识别所述便携式智能测距及预警模块的三维测距信号受所述预设监测区域的干扰信号集干扰影响的程度；三维设距优化模块，用于基于所述测距干扰指标，对所述便携式智能测距及预警模块的预设监测区域进行三维设距优化，输出优化监测区域，所述便携式智能测距及预警模块按照所述优化监测区域进行监测预警。
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：
由于采用了利用数字孪生和三维扫描技术，识别并建立变电站的孪生仿真模型，并创建设备信号库；根据预设监测区域，筛选干扰信号集，并利用测距信号干扰识别模型评估干扰程度，基于这些干扰指标，对监测区域进行三维优化，根据优化后的区域进行预警监测，实现了对监测设备的监测区域进行干扰测试，并优化电子围栏以确认风险管控区域，提高变电站预警测距空间有效性，从而确保在复杂环境的影响下仍能有效进行测距监测，准确识别出变电站空间的各类危险源，提升监测准确性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种变电站空间建模测距的监测预警方法可能的流程示意图；
图2为本申请实施例提供了一种变电站空间建模测距的监测预警方法中输入测距信号干扰识别模型可能的流程示意图；
图3为本申请实施例提供了一种变电站空间建模测距的监测预警系统可能的结构示意图。
附图标记说明：孪生数据识别模块100，样本采集模块200，监测区域获取模块300，信号筛选模块400，干扰识别模块500，三维设距优化模块600。
具体实施方式
以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
如图1所示，本申请实施例提供了一种变电站空间建模测距的监测预警方法，其中，所述方法包括：
Step-1：采用数字孪生技术对变电站进行孪生数据识别，获取孪生变电站仿真模型；
Step-2：对所述孪生变电站仿真模型中各个变电站设备进行信号样本采集，建立设备信号库；
Step-3：获取便携式智能测距及预警模块的预设监测区域；
在实际应用中，由于变电站内部设备众多且相互之间存在电磁兼容、热效应以及外部环境如天气变化等各种客观性因素，都可能对测距监测带来不同程度的干扰。
在变电站空间中，测量危险源距离导线的距离主要依赖于简单的物理信号传输原理，如超声波、红外线或无线电信号等，但这些信号在环境干扰下容易受到严重的衰减、反射、多径效应等影响，导致所获取的距离信息出现偏差，此外，受干扰的通信数据也可能造成误码率上升，降低了监控系统的数据传输质量，从而进一步影响预警系统的准确性和及时性。
经多次可行性验证，本申请通过数字孪生等先进技术手段实现变电站内设备与空间布局的精确建模，并结合先进的测距技术和智能算法，在变电站所处的整体空间中进行三维设距优化得到优化监测区域，依照优化监测区域进行监测预警，以适应各种复杂环境，保证电力设备、导线或其他变电站装置与危险源距离的测量准确性，确保变电站能够在各种复杂工况下安全、高效地运行，有效预防潜在风险并快速响应突发状况。
在变电站空间内，收集包括设备位置、结构尺寸、环境特征等在内的详细几何和物理信息并输入至数字孪生平台，使用3D Studio Max（软件名）、Blender（软件名）或其他任意建模软件，构建出一个与实际变电站一致的孪生仿真模型，所述孪生变电站仿真模型能够动态反映变电站内各设备的真实状态及相互间的空间关系。
在孪生变电站仿真模型中，对各个变电站设备进行识别和分类，确定需要进行信号分析的关键设备列表；基于设备的工作原理、运行参数以及现场实际监测数据，模拟生成不同工况下的设备信号样本，所述设备信号样本记录涵盖正常工作信号、异常信号等多种情况，并将之存储到设备信号库中。
优选的，所述便携式智能测距及预警模块为球形，在只有一个传递信号且位于球心位置时，半径一致的点在接收到信号强度上理论上是相同的，这种布控设计的优势在于确保了无论球体表面任何一点到信号源（即球心）的距离都是等同的，因此，从信号传输的角度来看，各个方向上的信号衰减会保持一致，有利于提高测距精度和信号质量评估的一致性；同时，在复杂电磁环境下，球形的便携式智能测距及预警模块可以在不同角度、方位上准确感知并测量来自中心信号源的信号强度，球形设计有助于减少多径效应、反射等对信号传播的影响；
根据变电站的整体布局和功能分区，预先确定便携式智能测距及预警模块的位置，使其能有效覆盖关键设备或重要区域，形成预设监测区域，便携式智能测距及预警模块关键监控节点，被部署在预设监测区域内，具有实时测量目标距离和方位的能力，为后续的信号干扰分析提供必要的空间数据支持。
Step-4：根据所述便携式智能测距及预警模块的预设监测区域，从所述设备信号库中筛选属于所述监测区域的干扰信号集；
Step-5：将所述干扰信号集输入测距信号干扰识别模型中，获取测距干扰指标，其中，所述测距信号干扰识别模型用于识别所述便携式智能测距及预警模块的三维测距信号受所述预设监测区域的干扰信号集干扰影响的程度；
Step-6：基于所述测距干扰指标，对所述便携式智能测距及预警模块的预设监测区域进行三维设距优化，输出优化监测区域，所述便携式智能测距及预警模块按照所述优化监测区域进行监测预警。
根据便携式智能测距及预警模块所确定的预设监测区域，在设备信号库中进行比对和筛选，识别出所有在该区域内产生的或对该区域有潜在影响的干扰信号；通过分析信号源位置、信号强度、频率特征等因素，以确保挑选出最有可能对测距性能产生干扰的信号集合。
将获取到的针对预设监测区域的干扰信号集输入已训练好的测距信号干扰识别模型中；利用测距信号干扰识别模型分析干扰信号集对便携式智能测距及预警模块三维测距信号的影响程度，输出测距干扰指标，测距干扰指标包括信号强度、频谱特性、时延等参数，并综合反映干扰信号对测距精度及稳定性的影响。
基于测距干扰指标，运用算法或优化方法对便携式智能测距及预警模块的预设监测区域进行三维空间上的重新布局和参数优化，以降低或规避干扰信号的影响，确保监测的有效性和准确性；通过迭代计算或智能规划，最终得出一个优化后的监测区域方案，优化监测区域能最大程度地减少干扰影响，同时保持必要的监测覆盖范围。
按照优化得到的监测区域，对便携式智能测距及预警模块的三维测距功能参数进行相应调整，使其按照新的优化监测区域进行实时的三维距离测量与监控；调整后，便携式智能测距及预警模块开始执行优化后的监测任务，当检测到区域内异常情况时，及时发出预警信号，以便运维技术人员快速响应风险。从信号筛选、干扰识别、区域优化到实际监测预警的一系列连续操作，旨在借助数字孪生技术提高变电站内关键设备监测的精准度和效率。
进一步而言，所述便携式智能测距及预警模块按照所述优化监测区域进行监测预警，本申请方法包括：
根据所述便携式智能测距及预警模块对所述优化监测区域中的危险源对象进行三维测距，获取所述危险源对象的三维测距数据集；
以所述三维测距数据集对所述危险源对象进行三维重建，获取所述危险源对象的预警距；
根据所述预警距生成第一预警信号，由所述便携式智能测距及预警模块将所述第一预警信号发送至上位机进行预警提醒。
根据预先设定的优化监测区域，部署在该区域内的便携式智能测距及预警模块工作，采用激光雷达（LiDAR）、超声波或其他光学测距技术对区域内进行实时的距离测量；
启用便携式智能测距及预警模块对优化监测区域内的危险源对象（例如电池运输车、液罐车、气体罐车等危险车辆类）进行实时的三维空间位置信息测量；依据预设频率或者事件触发机制，持续收集各个方向和角度下危险源对象与便携式智能测距及预警模块之间的距离信息，将所得到的大量原始测距数据整合形成一个完整的三维测距数据集，所述三维测距数据集中包括危险源对象不同部位到球形的便携式智能测距及预警模块的多个距离值，从而构成了危险源对象的空间位置信息。
利用所获取的三维测距数据集，通过三维建模和分析算法，精确重构危险源对象的空间形态和相对位置关系，生成其精确的三维模型；根据安全阈值或其他预设规则，计算危险源对象与高压开关柜之类的电力设备、电缆线头之类的关键组件以及其他变电站装置之间的预警距离，一旦该距离接近或达到阈值，即意味着可能有风险发生。
当实际测得的危险源与便携式智能测距及预警模块之间的距离达到预警距离时，会自动触发预警机制，生成第一预警信号，第一预警信号中包含有危险源的位置信息、当前距离以及可能的风险等级等关键参数。
便携式智能测距及预警模块将生成的第一预警信号通过无线通信方式实时发送至上位机（如监控中心的主控计算机或云平台）；上位机接收到第一预警信号后，立即将预警信息展示在监控界面，并通过声音等多种方式进行报警提醒，以及时采取相应的安全措施，以保障变电站的安全运行。
进一步而言，如图2所示，将所述干扰信号集输入测距信号干扰识别模型中，本申请方法包括：
将所述干扰信号集输入测距信号干扰识别模型中，根据所述测距信号干扰识别模型对所述干扰信号集进行类型划分，获取多个干扰信号组，其中，每个干扰信号组至少包括一个类型的干扰信号；
再对所述多个干扰信号组分别进行信号衰减分析，获取处于所述预设监测区域的多个干扰强度；
对所述多个干扰强度进行熵算子赋值，输出所述测距干扰指标。
建立测距信号干扰识别模型，包括，收集处于不同干扰强度下的经验数据；从原始信号中提取关键特征参数，比如信号强度、频率特性、时间序列变化趋势等；根据干扰类型（如多径效应、电磁兼容性问题、噪声等）选择合适的机器学习模型，如支持向量机（SVM）、决策树、神经网络等；设计并训练模型结构，包括输入层接收特征变量、隐藏层进行特征学习与抽象、输出层预测干扰类别或程度；调整模型参数，通过交叉验证、网格搜索等方式优化模型性能，提高模型识别准确率及泛化能力；对模型评估与验证，不断迭代优化模型，最终得到测距信号干扰识别模型；
将收集到的包含多种类型干扰信号的干扰信号集导入测距信号干扰识别模型，利用测距信号干扰识别模型对干扰信号集中的每一个信号进行特征提取与模式识别，根据信号特征将其划分为不同的类型；根据模型输出结果，可得到多个干扰信号组，每个组内的信号均属于同一类型或具有相似特征；
对于得到的每个干扰信号组，分别进行详细的信号衰减分析，包括，模拟信号传播过程，评估信号在随传播距离从小到大变化对应的衰减情况以及在预设监测区域内的分布特点；计算各个干扰信号在预设监测区域不同位置点上信号的功率的衰减强度，以此作为处于预设监测区域的多个干扰强度。
将获得的处于预设监测区域的多个干扰强度视为一个信息源，利用熵算子对其进行量化评估；计算熵值，熵值能够体现干扰信号在空间分布上的不均匀性以及信号强度的随机性，熵越大，说明干扰分布越无规律或者干扰来源越多样，通过计算各点位的熵值以及预设监测区域的整体干扰指标（如平均干扰强度、最大干扰强度等），为所述预设监测区域的不同位置点对应的多个干扰强度进行赋值，输出所述测距干扰指标，测距干扰指标可作为评估三维测距受复杂磁场干扰影响程度。
进一步而言，再对所述多个干扰信号组分别进行信号衰减分析，本申请方法包括：
获取同一干扰信号组中的各个干扰信号的设备源空间位置；
利用各个干扰信号的设备源空间位置与所述预设监测区域进行距离识别，获取各个干扰信号的信号衰减距；
获取对同一干扰信号组中的各个干扰信号的初始信号强度；
以所述信号衰减距和所述初始信号强度对各个干扰信号进行信号衰减分析，得到各个干扰信号的接收信号强度；
基于各个干扰信号的接收信号强度和所属干扰信号组的信号类型进行干扰影响识别，得到多个干扰强度。
对于每个干扰信号组中的每一个干扰信号，需要确定其发射设备在空间中的具体位置。这通常通过GPS定位、传感器网络或其他空间定位技术实现。
利用已知的各干扰信号设备源空间位置和预设监测区域的位置信息，通过几何关系或者相关算法（如欧几里得距离公式）来识别并计算出每个干扰信号到监测区域边界的距离的直线距离或考虑传播环境影响的有效传输距离，即信号衰减距。
对同一干扰信号组内的各个干扰信号，在信号发射点处记录或估计其初始发射功率或场强，作为后续衰减计算的基础数据。
根据无线电传播理论（如自由空间传播模型、多径效应模型等）与实际环境对应的信号传播规律（例如自由空间路径损耗模型、大气衰减模型等），结合信号衰减距和初始信号强度，计算出各个干扰信号到达预设监测区域时的接收信号强度。
根据各个干扰信号的接收信号强度，结合所属干扰信号组的信号类型特点（连续波干扰、脉冲干扰或其他特定频段干扰等），评估不同类型的干扰信号对测距装置的影响程度，例如，某些类型干扰可能会导致信号失真，而其他类型可能仅引起幅度衰减。
对于所有干扰信号，完成上述衰减分析后，将得到一组表示各自干扰影响大小的数据，即多个干扰强度，其中，干扰强度可以是绝对值（如dBm）或者相对值（相对于无干扰情况下的信噪比），用于表征各种类型干扰在监测区域内造成的实际干扰水平。从干扰源的空间定位开始，经过信号衰减距离计算、初始信号强度获取、衰减分析最后根据信号类型评估其在预设监测区域内的具体干扰强度，从而全面了解和量化不同干扰信号组对测距装置的潜在影响。
进一步而言，本申请方法包括：
以所述信号衰减距和所述初始信号强度对各个干扰信号进行信号衰减分析，所述信号衰减分析的表达式如下：；
其中，为第/>个干扰信号衰减后的接收信号强度，单位为/>，/>为一个干扰信号组中干扰信号的总数量，i为大于1的正整数，/>为第/>个干扰信号对应的信号衰减距，/>为第/>个干扰信号对应信号类型的已知信号在某一固定距离/>处所接收的信号强度，单位为/>，/>为在所述信号衰减距中的路径损耗指数。
确定第i个干扰信号在所属干扰信号组中的位置，为第/>个干扰信号衰减后的接收信号强度，单位为/>，/>为一个干扰信号组中干扰信号的总数量，i为大于1的正整数，为第/>个干扰信号对应的信号衰减距（单位为米），/>为第/>个干扰信号对应信号类型的已知信号在某一固定距离/>处所接收的信号强度，单位为/>，/>为在所述信号衰减距中的路径损耗指数，反映了信号随传输距离增加而衰减的速度。
以所述信号衰减距和所述初始信号强度对各个干扰信号进行信号衰减分析，所述信号衰减分析的表达式如下：；计算第i个干扰信号在实际衰减距/>下的接收信号强度/>；/>是一个参考距离，用于归一化信号强度，一般选择一个具有代表性的、便于比较的固定距离。
对于一个干扰信号组中的每一个干扰信号，依次代入信号衰减分析的表达式中计算每个干扰信号在预设监测区域内的接收信号强度，根据得到的多个干扰信号的接收信号强度，结合其所属干扰信号组的信号类型特征，可以进一步分析和识别不同类型的干扰对测距装置产生的综合干扰效应，为制定相应的干扰策略提供参考。
进一步而言，基于各个干扰信号的接收信号强度和所属干扰信号组的信号类型进行干扰影响识别，本申请方法还包括：
建立所述多个干扰信号组一一对应的测试样本组，每个测试样本组中包括对应类型下不同接收强度的样本信号集；
根据所述测试样本组对所述便携式智能测距及预警模块进行三维测距信号影响测试，得到测试样本数据，所述测试样本数据为三维测距信号准确性、三维测距信号中断性以及三维测距信号稳定性；
以所述测试样本数据对所述多个干扰信号组的干扰影响系数进行赋值，获取多个影响系数；
基于各个干扰信号的接收信号强度与所述多个影响系数进行干扰影响识别，得到多个干扰强度。
根据各个干扰信号组和对应的信号类型，建立一一对应的测试样本集，其中，每个样本组内包含该类型下不同接收强度的样本信号集，样本信号集反映了在不同衰减条件下干扰信号的真实情况，可以是在实验室环境下人为制造的干扰情况或者在真实场景中收集的不同距离、不同衰减程度下的信号数据；
利用便携式智能测距及预警模块进行三维测距信号影响测试，使用构建好的测试样本组对便携式智能测距及预警模块进行系统性的测试实验，将各测试样本组中的样本信号施加到便携式智能测距及预警模块上，观察并记录在不同干扰信号条件下的三维测距表现。
在三维测距影响测试过程中，收集得到一组详细的测试样本数据，包括但不限于：三维测距信号的准确性（即测距结果与真实值的偏差程度）、三维测距信号的中断性（即信号传输过程中的中断频率或时间）以及三维测距信号的稳定性（即信号强度变化趋势、信噪比等）。
根据所获得的测试样本数据，分析各个干扰信号组对三维测距性能的具体影响程度，通过统计学方法分析为每个干扰信号组赋予一个反映其干扰严重程度的影响系数，所述影响系数可以综合评估准确度、中断性和稳定性等因素。
将各个干扰信号的实际接收信号强度与对应干扰信号组的干扰影响系数相结合，评估各个干扰信号的实际干扰强度。构造多种类型的干扰信号样本集合，并对便携式智能测距及预警模块进行了多维度的信号影响测试，然后通过对测试数据的深入分析，确定了不同干扰信号的干扰强度。
进一步而言，本申请方法还包括：
采集所述便携式智能测距及预警模块的信号采集环境；
根据所述信号采集环境对所述便携式智能测距及预警模块进行三维测距信号干扰分析，若环境干扰指标大于预设环境干扰指标，获取环境影响因子；
基于所述环境影响因子对得到的多个干扰强度进行优化，输出优化后的多个干扰强度，其中，计算优化后的多个干扰强度的表达式如下：；
其中，为第/>个干扰信号受环境影响因子对接收信号强度产生的影响。
通过与便携式智能测距及预警模块处于同一位置的环境监测设备采集当前变电站内的信号采集环境数据，包括温度、湿度、灰尘密度、电磁场强度、多径效应等可能影响三维测距信号质量的因素；根据收集到的环境数据，输入到测距信号干扰识别模型中进行三维测距信号的干扰分析，对便携式智能测距及预警模块的三维测距信号进行评估和分析；计算当前信号采集环境下的环境干扰指标，并与预设的环境干扰阈值进行比较。
若实际计算得到的环境干扰指标大于预设阈值，则表明当前环境的干扰较强，此时，需要根据具体的环境参数变化情况，提取出能够表征这种环境干扰特性的环境影响因子，如特定频率段的噪声强度、温度对信号传播速度的影响系数等；
基于多个干扰信号及其接收信号强度，结合当前获得的环境影响因子进行干扰强度优化计算，计算优化后的多个干扰强度的表达式如下：，其中，/>为第/>个干扰信号受环境影响因子对接收信号强度产生的影响，逐一对多个干扰信号进行优化处理，最终得到一组优化后的干扰强度值，优化后的干扰强度值，将更准确地反映当前复杂环境下各干扰信号的实际影响程度，为后续的监测预警策略制定提供更为精确的数据支持。
综上所述，本申请实施例所提供的一种变电站空间建模测距的监测预警方法具有如下技术效果：
1．通过三维空间建模，能够精确模拟变电站内部布局和设备位置关系，结合先进的测距技术，实时、准确地获取设备间距离以及运行状态参数，提升监测数据的准确性。
2．在电磁环境复杂的变电站中，按照设备干扰测试进行设备防干扰空间定位，确保在复杂电磁环境下仍能有效进行测距监测，从而保证测量精度。
3．通过空间建模结合多种传感器数据，设定围栏确认风险管控区域，对变电站内设备进行更全面的状态监测，提高预警空间的智能性，实现自动化连续监测，提高工作效率。
4．由于采用了以信号衰减距和初始信号强度对各个干扰信号进行信号衰减分析，信号衰减分析的表达式如下：；其中，/>为第/>个干扰信号衰减后的接收信号强度，单位为/>，/>为一个干扰信号组中干扰信号的总数量，i为大于1的正整数，/>为第/>个干扰信号对应的信号衰减距，/>为第/>个干扰信号对应信号类型的已知信号在某一固定距离/>处所接收的信号强度，单位为/>，/>为在信号衰减距中的路径损耗指数。根据得到的多个干扰信号的接收信号强度，结合其所属干扰信号组的信号类型特征，可以进一步分析和识别不同类型的干扰对测距装置产生的综合干扰效应，为制定相应的干扰策略提供参考。
实施例二
基于与前述实施例中一种变电站空间建模测距的监测预警方法相同的发明构思，如图3所示，本申请实施例提供了一种变电站空间建模测距的监测预警系统，其中，所述系统包括：
孪生数据识别模块100，用于采用数字孪生技术对变电站进行孪生数据识别，获取孪生变电站仿真模型；
样本采集模块200，用于对所述孪生变电站仿真模型中各个变电站设备进行信号样本采集，建立设备信号库；
监测区域获取模块300，用于获取便携式智能测距及预警模块的预设监测区域；
信号筛选模块400，用于根据所述便携式智能测距及预警模块的预设监测区域，从所述设备信号库中筛选属于所述监测区域的干扰信号集；
干扰识别模块500，用于将所述干扰信号集输入测距信号干扰识别模型中，获取测距干扰指标，其中，所述测距信号干扰识别模型用于识别所述便携式智能测距及预警模块的三维测距信号受所述预设监测区域的干扰信号集干扰影响的程度；
三维设距优化模块600，用于基于所述测距干扰指标，对所述便携式智能测距及预警模块的预设监测区域进行三维设距优化，输出优化监测区域，所述便携式智能测距及预警模块按照所述优化监测区域进行监测预警。
进一步的，所述三维设距优化模块600用于执行步骤：
根据所述便携式智能测距及预警模块对所述优化监测区域中的危险源对象进行三维测距，获取所述危险源对象的三维测距数据集；
以所述三维测距数据集对所述危险源对象进行三维重建，获取所述危险源对象的预警距；
根据所述预警距生成第一预警信号，由所述便携式智能测距及预警模块将所述第一预警信号发送至上位机进行预警提醒。
进一步的，所述干扰识别模块500用于执行步骤：
将所述干扰信号集输入测距信号干扰识别模型中，根据所述测距信号干扰识别模型对所述干扰信号集进行类型划分，获取多个干扰信号组，其中，每个干扰信号组至少包括一个类型的干扰信号；
再对所述多个干扰信号组分别进行信号衰减分析，获取处于所述预设监测区域的多个干扰强度；
对所述多个干扰强度进行熵算子赋值，输出所述测距干扰指标。
进一步的，所述干扰识别模块500还用于执行步骤：
获取同一干扰信号组中的各个干扰信号的设备源空间位置；
利用各个干扰信号的设备源空间位置与所述预设监测区域进行距离识别，获取各个干扰信号的信号衰减距；
获取对同一干扰信号组中的各个干扰信号的初始信号强度；
以所述信号衰减距和所述初始信号强度对各个干扰信号进行信号衰减分析，得到各个干扰信号的接收信号强度；
基于各个干扰信号的接收信号强度和所属干扰信号组的信号类型进行干扰影响识别，得到多个干扰强度。
进一步的，所述干扰识别模块500还用于执行步骤：
以所述信号衰减距和所述初始信号强度对各个干扰信号进行信号衰减分析，所述信号衰减分析的表达式如下：；
其中，为第/>个干扰信号衰减后的接收信号强度，单位为/>，/>为一个干扰信号组中干扰信号的总数量，i为大于1的正整数，/>为第/>个干扰信号对应的信号衰减距，/>为第/>个干扰信号对应信号类型的已知信号在某一固定距离/>处所接收的信号强度，单位为/>，/>为在所述信号衰减距中的路径损耗指数。
进一步的，所述干扰识别模块500还用于执行步骤：
建立所述多个干扰信号组一一对应的测试样本组，每个测试样本组中包括对应类型下不同接收强度的样本信号集；
根据所述测试样本组对所述便携式智能测距及预警模块进行三维测距信号影响测试，得到测试样本数据，所述测试样本数据为三维测距信号准确性、三维测距信号中断性以及三维测距信号稳定性；
以所述测试样本数据对所述多个干扰信号组的干扰影响系数进行赋值，获取多个影响系数；
基于各个干扰信号的接收信号强度与所述多个影响系数进行干扰影响识别，得到多个干扰强度。
进一步的，所述干扰识别模块500还用于执行步骤：
采集所述便携式智能测距及预警模块的信号采集环境；
根据所述信号采集环境对所述便携式智能测距及预警模块进行三维测距信号干扰分析，若环境干扰指标大于预设环境干扰指标，获取环境影响因子；
基于所述环境影响因子对得到的多个干扰强度进行优化，输出优化后的多个干扰强度，其中，计算优化后的多个干扰强度的表达式如下：；
其中，为第/>个干扰信号受环境影响因子对接收信号强度产生的影响。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种变电站空间建模测距的监测预警方法，其特征在于，所述方法包括：
采用数字孪生技术对变电站进行孪生数据识别，获取孪生变电站仿真模型；
对所述孪生变电站仿真模型中各个变电站设备进行信号样本采集，建立设备信号库；
获取便携式智能测距及预警模块的预设监测区域；
根据所述便携式智能测距及预警模块的预设监测区域，从所述设备信号库中筛选属于所述监测区域的干扰信号集；
将所述干扰信号集输入测距信号干扰识别模型中，获取测距干扰指标，其中，所述测距信号干扰识别模型用于识别所述便携式智能测距及预警模块的三维测距信号受所述预设监测区域的干扰信号集干扰影响的程度；
基于所述测距干扰指标，对所述便携式智能测距及预警模块的预设监测区域进行三维设距优化，输出优化监测区域，所述便携式智能测距及预警模块按照所述优化监测区域进行监测预警。
2.如权利要求1所述的方法，其特征在于，所述便携式智能测距及预警模块按照所述优化监测区域进行监测预警，包括：
根据所述便携式智能测距及预警模块对所述优化监测区域中的危险源对象进行三维测距，获取所述危险源对象的三维测距数据集；
以所述三维测距数据集对所述危险源对象进行三维重建，获取所述危险源对象的预警距；
根据所述预警距生成第一预警信号，由所述便携式智能测距及预警模块将所述第一预警信号发送至上位机进行预警提醒。
3.如权利要求1所述的方法，其特征在于，将所述干扰信号集输入测距信号干扰识别模型中，包括：
将所述干扰信号集输入测距信号干扰识别模型中，根据所述测距信号干扰识别模型对所述干扰信号集进行类型划分，获取多个干扰信号组，其中，每个干扰信号组至少包括一个类型的干扰信号；
再对所述多个干扰信号组分别进行信号衰减分析，获取处于所述预设监测区域的多个干扰强度；
对所述多个干扰强度进行熵算子赋值，输出所述测距干扰指标。
4.如权利要求3所述的方法，其特征在于，再对所述多个干扰信号组分别进行信号衰减分析，方法包括：
获取同一干扰信号组中的各个干扰信号的设备源空间位置；
利用各个干扰信号的设备源空间位置与所述预设监测区域进行距离识别，获取各个干扰信号的信号衰减距；
获取对同一干扰信号组中的各个干扰信号的初始信号强度；
以所述信号衰减距和所述初始信号强度对各个干扰信号进行信号衰减分析，得到各个干扰信号的接收信号强度；
基于各个干扰信号的接收信号强度和所属干扰信号组的信号类型进行干扰影响识别，得到多个干扰强度。
5.如权利要求4所述的方法，其特征在于，以所述信号衰减距和所述初始信号强度对各个干扰信号进行信号衰减分析，所述信号衰减分析的表达式如下：
；
其中，为第/>个干扰信号衰减后的接收信号强度，单位为/>，/>为一个干扰信号组中干扰信号的总数量，i为大于1的正整数，/>为第/>个干扰信号对应的信号衰减距，/>为第个干扰信号对应信号类型的已知信号在某一固定距离/>处所接收的信号强度，单位为，/>为在所述信号衰减距中的路径损耗指数。
6.如权利要求4所述的方法，其特征在于，基于各个干扰信号的接收信号强度和所属干扰信号组的信号类型进行干扰影响识别，方法还包括：
建立所述多个干扰信号组一一对应的测试样本组，每个测试样本组中包括对应类型下不同接收强度的样本信号集；
根据所述测试样本组对所述便携式智能测距及预警模块进行三维测距信号影响测试，得到测试样本数据，所述测试样本数据为三维测距信号准确性、三维测距信号中断性以及三维测距信号稳定性；
以所述测试样本数据对所述多个干扰信号组的干扰影响系数进行赋值，获取多个影响系数；
基于各个干扰信号的接收信号强度与所述多个影响系数进行干扰影响识别，得到多个干扰强度。
7.如权利要求5所述的方法，其特征在于，所述方法还包括：
采集所述便携式智能测距及预警模块的信号采集环境；
根据所述信号采集环境对所述便携式智能测距及预警模块进行三维测距信号干扰分析，若环境干扰指标大于预设环境干扰指标，获取环境影响因子；
基于所述环境影响因子对得到的多个干扰强度进行优化，输出优化后的多个干扰强度，其中，计算优化后的多个干扰强度的表达式如下：
；
其中，为第/>个干扰信号受环境影响因子对接收信号强度产生的影响。
8.一种变电站空间建模测距的监测预警系统，其特征在于，用于实施权利要求1-7任意一项所述的一种变电站空间建模测距的监测预警方法，包括：
孪生数据识别模块，用于采用数字孪生技术对变电站进行孪生数据识别，获取孪生变电站仿真模型；
样本采集模块，用于对所述孪生变电站仿真模型中各个变电站设备进行信号样本采集，建立设备信号库；
监测区域获取模块，用于获取便携式智能测距及预警模块的预设监测区域；
信号筛选模块，用于根据所述便携式智能测距及预警模块的预设监测区域，从所述设备信号库中筛选属于所述监测区域的干扰信号集；
干扰识别模块，用于将所述干扰信号集输入测距信号干扰识别模型中，获取测距干扰指标，其中，所述测距信号干扰识别模型用于识别所述便携式智能测距及预警模块的三维测距信号受所述预设监测区域的干扰信号集干扰影响的程度；
三维设距优化模块，用于基于所述测距干扰指标，对所述便携式智能测距及预警模块的预设监测区域进行三维设距优化，输出优化监测区域，所述便携式智能测距及预警模块按照所述优化监测区域进行监测预警。
9.如权利要求8所述的系统，其特征在于，所述系统包括：
三维测距模块，用于根据所述便携式智能测距及预警模块对所述优化监测区域中的危险源对象进行三维测距，获取所述危险源对象的三维测距数据集；
三维重建模块，用于以所述三维测距数据集对所述危险源对象进行三维重建，获取所述危险源对象的预警距；
预警提醒模块，用于根据所述预警距生成第一预警信号，由所述便携式智能测距及预警模块将所述第一预警信号发送至上位机进行预警提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410465733.6A CN118070680B (zh) | 2024-04-18 | 2024-04-18 | 一种变电站空间建模测距的监测预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410465733.6A CN118070680B (zh) | 2024-04-18 | 2024-04-18 | 一种变电站空间建模测距的监测预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118070680A true CN118070680A (zh) | 2024-05-24 |
| CN118070680B CN118070680B (zh) | 2024-08-13 |
Family
ID=91109743
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410465733.6A Active CN118070680B (zh) | 2024-04-18 | 2024-04-18 | 一种变电站空间建模测距的监测预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118070680B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118282052A (zh) * | 2024-06-03 | 2024-07-02 | 江苏濠汉信息技术有限公司 | 一种基于立体式电子围栏的输配变电监测方法及系统 |
| CN118351672A (zh) * | 2024-06-18 | 2024-07-16 | 江苏濠汉信息技术有限公司 | 用于变电站带电区域的智能检测预警方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114881292A (zh) * | 2022-04-14 | 2022-08-09 | 广东电网有限责任公司 | 基于数字孪生的变电站故障预警系统及方法 |
| CN117671303A (zh) * | 2024-02-02 | 2024-03-08 | 江苏濠汉信息技术有限公司 | 基于孪生网络的立体测距隐患预警方法及系统 |
| CN117875719A (zh) * | 2024-03-11 | 2024-04-12 | 江苏濠汉信息技术有限公司 | 基于目标三维立体测距的变电站安全预警方法 |
-
2024
- 2024-04-18 CN CN202410465733.6A patent/CN118070680B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114881292A (zh) * | 2022-04-14 | 2022-08-09 | 广东电网有限责任公司 | 基于数字孪生的变电站故障预警系统及方法 |
| CN117671303A (zh) * | 2024-02-02 | 2024-03-08 | 江苏濠汉信息技术有限公司 | 基于孪生网络的立体测距隐患预警方法及系统 |
| CN117875719A (zh) * | 2024-03-11 | 2024-04-12 | 江苏濠汉信息技术有限公司 | 基于目标三维立体测距的变电站安全预警方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118282052A (zh) * | 2024-06-03 | 2024-07-02 | 江苏濠汉信息技术有限公司 | 一种基于立体式电子围栏的输配变电监测方法及系统 |
| CN118351672A (zh) * | 2024-06-18 | 2024-07-16 | 江苏濠汉信息技术有限公司 | 用于变电站带电区域的智能检测预警方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118070680B (zh) | 2024-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118070680B (zh) | 一种变电站空间建模测距的监测预警方法 | |
| CN113837477A (zh) | 数据双驱动的台风灾害下电网故障预测方法、装置和设备 | |
| RU2331096C1 (ru) | Способ моделирования процессов управления техническими средствами и система для его осуществления | |
| CN117111544B (zh) | 一种自动适配的楼宇物联网监控方法及系统 | |
| CN115600513A (zh) | 一种岩溶塌陷监测预警及防控一体化信息化模拟研判系统 | |
| CN117538710B (zh) | 用于局部动态放电监测的智能预警方法及系统 | |
| CN117805502B (zh) | 一种基于大数据的城市电磁辐射监测方法及系统 | |
| Kotenko et al. | An approach for intelligent evaluation of the state of complex autonomous objects based on the wavelet analysis | |
| CN112347705A (zh) | 一种建立变电站厂界噪声模型的方法和系统 | |
| CN118337308B (zh) | 基于电力通信无线电干扰源的定位方法及系统 | |
| CN113159447B (zh) | 一种激光雷达电磁环境效应预测方法及系统 | |
| Sukemi et al. | Path Loss Prediction Accuracy Based on Random Forest Algorithm in Palembang City Area | |
| CN117555130A (zh) | 一种多芯光纤的串扰抑制方法 | |
| CN118054871A (zh) | 无线信号预测方法、装置、设备及存储介质 | |
| CN116471661A (zh) | 基于射线跟踪的地下管廊机会信号分析方法定位方法 | |
| CN117335912B (zh) | 一种频谱智能感知方法及系统 | |
| CN116719003B (zh) | 一种毫米波雷达探测的目标检测方法及系统 | |
| CN118657411B (zh) | 动态遥感监测进行海域空间数据管理的方法及装置 | |
| CN113984128B (zh) | 利用物联网智能感知技术运检配电设备的监测系统 | |
| CN118509333B (zh) | 一种基于python的射频测试网络构建与评估方法及系统 | |
| CN118584523B (zh) | 基于时序更新的救援定位数据融合分析方法及系统 | |
| CN118243174B (zh) | 一种基于5g的设备运维管理用多参量测量光栅传感系统 | |
| CN118713773A (zh) | 一种无人机数据链抗干扰性能评估方法及系统 | |
| Dey et al. | A Rough Set Theory Based Rule Generation Method for Local Lightning Prediction using Now Casting and Other Local Measurements | |
| CN118818492A (zh) | 一种基于地质雷达的地下障碍物监测方法及系统 |
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 |