System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于AI技术的智能配网巡检无人机及巡检方法技术_技高网

一种基于AI技术的智能配网巡检无人机及巡检方法技术

技术编号:40067658 阅读:30 留言:0更新日期:2024-01-16 23:40
本发明专利技术公开了一种基于AI技术的智能配网巡检无人机及巡检方法,包括:故障来源信息识别单元,用于获取不同故障来源的识别指令,将不同故障来源的基本信息识别至无人机巡检系统;输电功率统计及AI巡检分析处理单元,用于收集不同故障来源的发送或接收状态及统计信息,并对接收到的数据经过重新组织和处理后,并存入边缘计算网关;边缘计算网关,用于归类所述输电功率统计及AI巡检分析处理单元存入的所接收处理的不同故障来源的数据;故障模型计算单元,用于获取所述边缘计算网关中所有故障来源的故障来源信息,生成单位时间故障发生频率曲线和不同气候故障发生频率曲线,本发明专利技术精确地进行配电网线路故障巡检分析,减少人力成本。

【技术实现步骤摘要】

本专利技术涉及配电网线路故障巡检分析领域,尤其涉及一种基于ai技术的智能配网巡检无人机及巡检方法。


技术介绍

1、随着电缆数量逐年增加,电缆配电网路径设置有多台配电网箱式设备,其分布广泛,巡检、运维难度相当巨大。尤其是对设备运行工况的变化掌握缺失,因很多设备都在运行的电气柜内,即便巡检人员到了现场也无法知道电气柜内的设备运行工况。同时,配电网设备处于室外露天环境且内空间相对狭小,运行环境较差,经常出现因电气设备运行工况发生改变,巡检人员未及时发现及处理,导致异常扩大,发生电气火灾、电缆终端头击穿爆炸、电缆接地故障造成供电中断,设备受损并造成了不良的社会影响。

2、目前,国内电力行业所普遍采用的线路巡检方式有两种,一种是传统的人工巡检方式,即人工巡视、手工记录的模式,这种方式存在人为因素较多、管理不便等问题;另一种方式是通过深度学习对巡检图像进行训练识别。其中,通过人工对巡检图像进行巡查或通过深度学习进行巡查电力设备故障或缺失情况,虽然可以代替传统的人工巡检,但是人工对巡检图像进行巡查往往效率低下,人力损耗严重。通过深度学习对巡检图像进行巡查电力设备故障往往受制于数据集的大小,结构复杂,分割精度与数据量有关,需要大量的数据集进行训练才能达到一定的分割精度,并且存在计算量大、便携性差、硬件成本较高、模型设计复杂等缺点。

3、因此,本专利技术提出一种基于ai技术的智能配网巡检无人机及巡检方法。


技术实现思路

1、为克服上述现有技术存在的不足,本专利技术之目的在于提供一种基于ai技术的智能配网巡检无人机及巡检方法,以直观展示出故障来源间部署的配电网电流突变情况,故障来源间数据流向,传输情况,影响范围统计等性能参数信息,在故障发生时,能够快速进行提醒,以及精确地进行配电网线路故障巡检分析,从而快速解决问题,减少人力成本。

2、为达上述目的,本专利技术提供一种基于ai技术的智能配网巡检无人机,包括:

3、故障来源信息识别单元,用于获取不同故障来源的识别指令,将不同故障来源的基本信息识别至无人机巡检系统;

4、输电功率统计及ai巡检分析处理单元,用于收集不同故障来源的发送或接收状态及统计信息,并对接收到的数据经过人工智能算法巡检分析和处理后,并根据识别的故障来源基本信息存入边缘计算网关;

5、所述人工智能算法巡检分析和处理,公式为:

6、

7、其中,zo表示量化巡检指数,maxpn表示第n次分析中故障影响数量最大值,qnm表示从故障量化指数计算表中读取到的第n次到第m次故障动作产生数量,wn表示确定的最终故障因素权值表中读取的相应权重;

8、配电网线路故障分析方程,表达式为:

9、

10、其中,ka表示配电网线路故障的分析结果,ξn表示配电网线路系统在正常影响因素下运行的时长,n、m分别表示为自回归部分模型和移动平均部分模型的阶数,σm表示配电网线路系统在非正常影响因素下运行的时长,τa表示白噪声序列,p表示影响配电网线路故障变化的合理需求因素所构成的矩阵变量,r表示影响配电网线路故障变化的非合理需求因素所构成的矩阵变量;

11、边缘计算网关,用于归类所述输电功率统计及ai巡检分析处理单元存入的所接收处理的不同故障来源的数据;

12、故障模型计算单元,用于获取所述边缘计算网关中所有故障来源的故障来源信息,经过ai巡检分析处理后,生成单位时间故障发生频率曲线和不同气候故障发生频率曲线。

13、进一步地,当所述故障来源信息识别单元接收到某一故障来源的识别指令时,对该故障来源自动生成带标识故障来源时间节点,以通过该带标识故障来源时间节点定位该故障来源,同时设置该故障来源基础信息,以及其上级故障来源的相关信息。

14、进一步地,所述故障模型计算单元进一步包括:

15、单位时间故障发生频率曲线生成组件,用于根据故障来源识别时提交的基本信息生成单位时间故障发生频率曲线;

16、不同气候故障发生频率曲线生成组件,用于根据获取的故障来源信息生成不同气候故障发生频率曲线以展示当前故障来源实时配电网电流突变情况,并同步更新配电网电流流动关系,实时检测所述边缘计算网关中不同故障来源的数据状态是否有更新,获取更新故障来源的信息,并更新不同气候故障发生频率曲线相应数据。

17、进一步地,所述单位时间故障发生频率曲线根据故障来源识别时提交的基本信息,从点到面逐步展示配电网电流突变情况,点为主故障来源,依次扩散开来为直连连接的下级故障来源,直至全面展示故障来源,数据流向同样从点到面传输。

18、进一步地,所述不同气候故障发生频率曲线生成组件进一步包括:

19、关系ai巡检分析组件,用于将获取的故障来源信息重新ai巡检分析组织,并根据故障来源信息生成于不同故障来源之间生成逻辑链接关系,并对每个故障来源的带标识时间节点与配电网电流流动元素准备映射关系,同时将故障来源对象的相关属性绑定至配电网电流流动元素上;

20、数据融合判断组件,用于判断当前不同气候故障发生频率曲线是否需要数据融合;

21、不同气候故障发生频率曲线数据融合生成组件,用于当判断结果为当前故障发生频率曲线需要数据融合时,将所有故障来源信息按故障来源数量及关联关系输出,同时输出故障来源关系;

22、不同气候故障发生频率曲线更新组件,用于当判断结果为当前故障发生频率曲线无需数据融合时,实时检测边缘计算网关中数据状态是否有更新,获取更新故障来源的信息,根据故障来源时间节点对应配电网电流流动元素,更新故障发生频率曲线中相应配电网电流流动元素的信息。

23、进一步地,所述关系ai巡检分析组件用于从边缘计算网关中获取所有故障来源信息,根据故障来源时间节点、上级故障来源分布情况和端口等信息生成逻辑链接关系,将每个带标识时间节点的故障来源与配电网电流流动元素准备映射关系,将故障来源对象的发生位置、影响范围、故障来源分布情况、配电网线路变量数量、故障来源信息等属性,绑定至对应配电网电流流动元素上。

24、进一步地,所述不同气候故障发生频率曲线数据融合生成组件于故障来源数量较多时,自动获取故障等级,将故障来源自动排序分组调整故障分布,以生成完整的不同气候故障发生频率曲线。

25、进一步地,所述不同气候故障发生频率曲线生成组件还进一步包括:

26、故障提醒组件,用于当检测到故障来源故障时,更新对应配电网电流流动元素故障状态影响范围进行提示报警。

27、进一步地,当有未识别到所述无人机巡检系统的第三方应用连接至所述不同气候故障发生频率曲线中某一故障来源上,所述不同气候故障发生频率曲线生成组件将其作为全面展示故障来源展示,并对其进行标记。

28、为达到上述目的,本专利技术还提供一种基于ai技术的智能配网巡检方法,包括如下步骤:

29、步骤q1,获取不同故障来源的识别指令,将不同故障来本文档来自技高网...

【技术保护点】

1.一种基于AI技术的智能配网巡检无人机,包括:

2.如权利要求1所述的一种基于AI技术的智能配网巡检无人机,其特征在于:当所述故障来源信息识别单元接收到某一故障来源的识别指令时,对该故障来源自动生成带标识故障来源时间节点,以通过该带标识故障来源时间节点定位该故障来源,同时设置该故障来源基础信息,以及其上级故障来源的相关信息。

3.如权利要求2所述的一种基于AI技术的智能配网巡检无人机,其特征在于,所述故障模型计算单元进一步包括:

4.如权利要求3所述的一种基于AI技术的智能配网巡检无人机,其特征在于:所述单位时间故障发生频率曲线根据故障来源识别时提交的基本信息,从点到面逐步展示配电网电流突变情况,点为主故障来源,依次扩散开来为直连连接的下级故障来源,直至全面展示故障来源,数据流向同样从点到面传输。

5.如权利要求4所述的一种基于AI技术的智能配网巡检无人机,其特征在于,所述不同气候故障发生频率曲线生成组件进一步包括:

6.如权利要求5所述的一种基于AI技术的智能配网巡检无人机,其特征在于:所述关系AI巡检分析组件用于从所述边缘计算网关中获取所有故障来源信息,根据故障来源时间节点、上级故障来源分布情况和端口等信息生成逻辑链接关系,将每个带标识时间节点的故障来源与配电网电流流动元素准备映射关系,将故障来源对象的发生位置、影响范围、故障来源分布情况、配电网线路变量数量、故障来源信息等属性,绑定至对应配电网电流流动元素上。

7.如权利要求6所述的一种基于AI技术的智能配网巡检无人机,其特征在于:所述不同气候故障发生频率曲线数据融合生成组件于故障来源数量较多时,自动获取故障等级,将故障来源自动排序分组调整故障分布,以生成完整的不同气候故障发生频率曲线。

8.如权利要求7所述的一种基于AI技术的智能配网巡检无人机,其特征在于,所述不同气候故障发生频率曲线生成组件还进一步包括:故障提醒组件,用于当检测到故障来源故障时,更新对应配电网电流流动元素故障状态影响范围进行提示报警。

9.如权利要求8所述的一种基于AI技术的智能配网巡检无人机,其特征在于:当有未识别到所述无人机巡检系统的第三方应用连接至所述不同气候故障发生频率曲线中某一故障来源上,所述不同气候故障发生频率曲线生成组件将其作为全面展示故障来源展示,并对其进行标记。

10.一种基于AI技术的智能配网巡检方法,包括如下步骤:

...

【技术特征摘要】

1.一种基于ai技术的智能配网巡检无人机,包括:

2.如权利要求1所述的一种基于ai技术的智能配网巡检无人机,其特征在于:当所述故障来源信息识别单元接收到某一故障来源的识别指令时,对该故障来源自动生成带标识故障来源时间节点,以通过该带标识故障来源时间节点定位该故障来源,同时设置该故障来源基础信息,以及其上级故障来源的相关信息。

3.如权利要求2所述的一种基于ai技术的智能配网巡检无人机,其特征在于,所述故障模型计算单元进一步包括:

4.如权利要求3所述的一种基于ai技术的智能配网巡检无人机,其特征在于:所述单位时间故障发生频率曲线根据故障来源识别时提交的基本信息,从点到面逐步展示配电网电流突变情况,点为主故障来源,依次扩散开来为直连连接的下级故障来源,直至全面展示故障来源,数据流向同样从点到面传输。

5.如权利要求4所述的一种基于ai技术的智能配网巡检无人机,其特征在于,所述不同气候故障发生频率曲线生成组件进一步包括:

6.如权利要求5所述的一种基于ai技术的智能配网巡检无人机,其特征在于:所述关系ai巡检分析组件用于从所述边缘计算网关中获取所有故障来源信息,根据故障来源时间节点...

【专利技术属性】
技术研发人员:尹为松杨彬彬范海波王舒梁磊刘涛
申请(专利权)人:安徽继远软件有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1