一种输电全景大数据智能监控方法技术

本发明专利技术公开了一种输电全景大数据智能监控方法，包括：分别采集电网输电线路巡检图像和相关特征数据，对巡检图像进行预处理；对预处理后的巡检图像进行特征提取，提取出巡检图像中输电线路直线特征；将特征提取后的巡检图像和相关特征数据，输入构建好的故障分析模型中，对输电线路进行缺陷识别，生成缺陷识别结果；根据缺陷识别结果，建立图像预警评判机制，对输电线路进行主动预警，形成缺陷预警信息。通过对多物理量感知的输电线路本体缺陷进行主动识别并预警，预测电网输电线路本体缺陷的劣化发展趋势，实现对输电线路状态进行智能化监测、评估和预警。评估和预警。评估和预警。

【技术实现步骤摘要】
一种输电全景大数据智能监控方法


[0001]本专利技术涉及输电线路智能管理
，特别涉及一种输电全景大数据智能监控方法。

技术介绍

[0002]我国的自然灾害具有频度大、种类多、分布广泛等特点，自然灾害引发的电网事故时有发生，尤其是重大自然灾害造成的严重后果不容忽视。严峻的自然灾害事实表明，开展电网防灾减灾研究，建立完善的电网灾害预警系统，主动精确的监控特殊区域可能发生的重大灾害，从而获得应急救援的主动权，将地质灾害造成的损失降到最低，提高电网危机管理能力迫在眉睫。
[0003]随着目前电力系统在线监测网络的建立，为电网提供了大量的实时的设备状态数据，如何有效、充分利用监测信息，保障电网安全平稳运行十分必要。现有的输电管理分析技术和系统存在以下缺陷：设备管理智能化水平不高；隐患风险预测预警能力不足；运检数据价值挖掘不深。针对目前输电智能预警不足、信息支撑不足、辅助决策不足、价值创造不足等状况，需要从输电业务智能化、科学化、高效化管理出发，利用现代大数据分析、人工智能分析等前沿技术，逐步实现输电全景大数据智能监控。
[0004]因此，在现有的输电管理分析技术的基础上，如何提供一种输电全景大数据智能监控方法，实现输电线路状态智能化监测、评估和预警，成为本领域技术人员亟需解决的问题。

技术实现思路

[0005]鉴于上述问题，本专利技术提出了一种至少解决上述部分技术问题的输电全景大数据智能监控方法，该方法可实现对输电线路全景多源数据进行智能分析与可视化，实现输电线路状态智能化监测、评估和预警。
[0006]本专利技术实施例提供一种输电全景大数据智能监控方法，包括如下步骤：
[0007]S1、分别采集电网输电线路巡检图像和相关特征数据，对所述巡检图像进行预处理；所述相关特征数据包括：输电线路环境温度、湿度和风速数据；
[0008]S2、对预处理后的所述巡检图像进行特征提取，提取出所述巡检图像中输电线路直线特征；
[0009]S3、将特征提取后的所述巡检图像和相关特征数据，输入构建好的故障分析模型中，对所述输电线路进行缺陷识别，生成缺陷识别结果；所述缺陷识别结果包括：故障设备的缺陷类型和等级；
[0010]S4、根据所述缺陷识别结果，建立图像预警评判机制，对所述输电线路进行主动预警，形成缺陷预警信息。
[0011]进一步地，所述步骤S1中电网输电线路巡检图像基于移动边缘计算采集。
[0012]进一步地，所述步骤S1中，对巡检图像进行预处理包括：采用加权平均法对所述巡
检图像进行灰度化处理：
[0013]P(x,y)＝0.45*R(x,y)+0.29*G(x,y)+0.17*B(x,y)
ꢀꢀꢀꢀꢀ
(1)
[0014]式(1)中，P(x,y)表示加权平均后的所述巡检图像的灰度值；(x,y)表示所述巡检图像中的像素点；R、G、B分别表示所述巡检图像的颜色值。
[0015]进一步地，所述步骤S1中，对巡检图像进行预处理还包括：采用直方图均衡方法对所述巡检图像进行图像亮度均衡：
[0016]统计所述巡检图像中不同灰度级的像素个数，计算原始图像直方图：
[0017]P(x)＝K
x
/K
ꢀꢀꢀꢀꢀꢀꢀ
(2)
[0018]式(2)中，K表示图像灰度级；K
x
表示图像灰度级的像素个数；
[0019]根据所述公式(2)，计算累计直方图：
[0020]P(y)＝P(1)+P(2)+P(3)+......+P(x)
ꢀꢀꢀꢀꢀꢀ
(3)
[0021]计算变换后的灰度值，四舍五入取整数：
[0022]y
’
＝INT[P(y)+0.5]ꢀꢀꢀꢀꢀꢀ
(4)；
[0023]根据所述变换后的灰度值，修正所述原始图像的灰度值，均衡所述巡检图像的图像亮度。
[0024]进一步地，所述步骤S1中，对巡检图像进行预处理还包括：
[0025]对所述巡检图像进行对比度增强，包括：
[0026]当所述巡检图像为模拟图像时，获取所述巡检图像的图像函数f(u,v)，则f(u,v)的梯度矢量为：
[0027][0028]式(5)中，u和v分别表示频域变量，u表示低频变量，v表示高频变量；
[0029]当所述巡检图像为数字图像时，获取所述巡检图像的图像函数f(u,v)，则f(u,v)的梯度矢量为：
[0030]G[f(u,v)]＝|f(u,v)
‑
f(u+1,v)|
ꢀꢀꢀꢀꢀꢀꢀ
(6)
[0031]式(6)中，u和v分别表示频域变量，u表示低频变量，v表示高频变量；
[0032]根据所述获取到的梯度矢量，增强所述巡检图像的对比度。
[0033]进一步地，所述步骤S1中，对巡检图像进行预处理还包括：采用线性滤波算法对所述巡检图像进行图像去噪：
[0034][0035]式(7)中，W表示不包含中心目标点(u,v)的点邻域像素点坐标的集合；α表示W中像素点的集合；l(u,v)表示滤波后的图像。
[0036]进一步地，所述步骤S2包括：
[0037]定义r(d,β)表示所述图像函数f(u,v)与纵坐标夹角为β、与原点距离为d的直线上的线积分；将坐标系进行旋转：
[0038][0039]式(8)中，(x,y)表示所述巡检图像旋转前的坐标系坐标位置；(d,ω)表示所述巡
检图像旋转后的坐标系坐标位置；
[0040]经过旋转后的坐标系空间域中每个点对应旋转前坐标系空间域中的一条直线，计算所述直线在垂直方向的投影最大值，所述最大值在参数空间形成一个峰值点；
[0041]根据所述峰值点得到图像空间中所述直线的斜率和截距，实现所述巡检图像输电线路直线特征的提取。
[0042]进一步地，所述步骤S3中的故障分析模型通过如下方式构建：基于建立的电网精细缺陷库、典型缺陷智能识别算法库和基础图像识别专家库，通过神经网络学习所述巡检图像中的颜色分布、明暗程度和物体尺寸，判断图像中物体层次和远近关系，并根据所述相关特征数据分析是否存在故障设备，识别出所述故障设备的缺陷类型和等级。
[0043]进一步地，通过以下方式分析是否存在故障设备：通过对输电线路故障在不同环境下的多源相关特征数据进行两两分析、多项分析，找出所述输电线路故障与所述相关特征数据的关联关系，得到故障设备的分析标准，通过所述分析标准分析是否存在故障设备。
[0044]进一步地，还包括：
[0045]S5、根据所述故障设备的设备台账信息，采用时间分析和对比分析，动态展示所述故障设备的发展变化过程。
[0046]本专利技术实施例提供的上述技术方案的有益效果至少包括：
[0047]本专利技术实施例提供的一种输电全景大数据智能监控方法，包括：分别采集电网输电线路巡检图像和相关特征数据，对巡检图像进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电全景大数据智能监控方法，其特征在于，包括如下步骤：S1、分别采集电网输电线路巡检图像和相关特征数据，对所述巡检图像进行预处理；所述相关特征数据包括：输电线路环境温度、湿度和风速数据；S2、对预处理后的所述巡检图像进行特征提取，提取出所述巡检图像中输电线路直线特征；S3、将特征提取后的所述巡检图像和相关特征数据，输入构建好的故障分析模型中，对所述输电线路进行缺陷识别，生成缺陷识别结果；所述缺陷识别结果包括：故障设备的缺陷类型和等级；S4、根据所述缺陷识别结果，建立图像预警评判机制，对所述输电线路进行主动预警，形成缺陷预警信息。2.如权利要求1所述的一种输电全景大数据智能监控方法，其特征在于，所述步骤S1中电网输电线路巡检图像基于移动边缘计算采集。3.如权利要求1所述的一种输电全景大数据智能监控方法，其特征在于，所述步骤S1中，对巡检图像进行预处理包括：采用加权平均法对所述巡检图像进行灰度化处理：P(x,y)＝0.45*R(x,y)+0.29*G(x,y)+0.17*B(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式(1)中，P(x,y)表示加权平均后的所述巡检图像的灰度值；(x,y)表示所述巡检图像中的像素点；R、G、B分别表示所述巡检图像的颜色值。4.如权利要求3所述的一种输电全景大数据智能监控方法，其特征在于，所述步骤S1中，对巡检图像进行预处理还包括：采用直方图均衡方法对所述巡检图像进行图像亮度均衡：统计所述巡检图像中不同灰度级的像素个数，计算原始图像直方图：P(x)＝K
x
/K
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式(2)中，K表示图像灰度级；K
x
表示图像灰度级的像素个数；根据所述公式(2)，计算累计直方图：P(y)＝P(1)+P(2)+P(3)+......+P(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)计算变换后的灰度值，四舍五入取整数：y
’
＝INT[P(y)+0.5]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)；根据所述变换后的灰度值，修正所述原始图像的灰度值，均衡所述巡检图像的图像亮度。5.如权利要求4所述的一种输电全景大数据智能监控方法，其特征在于，所述步骤...

【专利技术属性】
技术研发人员：王兴勋，朱瑾，倪康婷，张伟宾，孙邵英，赵勇，孟元美，
申请(专利权)人：国网黑龙江省电力有限公司，
类型：发明
国别省市：