一种变电站事故油池水位监测预警方法及系统技术方案

本发明专利技术提出一种变电站事故油池水位监测预警方法及系统，所述方法包括：通过摄像头持续采集事故油池内的水尺图像，对事故油池内的水尺图像进行识别，得到事故油池内的实时水位读数；获取当前变电站周边区域内的各个监测点的历史水位数据和事故油池内的历史水位数据，根据各个监测点的历史水位数据和事故油池内的历史水位数据建立水位变化预测模型；获取当前各个监测点的实时水位数据并输入水位变化预测模型，预测输出事故油池内的水位变化情况；根据预测得到的事故油池内的水位变化情况进行水位监测预警。本发明专利技术除了可以进行实时水位监测，还可以进行未来水位变化趋势预警，提高了事故油池内水位监测预警的前瞻性。高了事故油池内水位监测预警的前瞻性。高了事故油池内水位监测预警的前瞻性。

【技术实现步骤摘要】
一种变电站事故油池水位监测预警方法及系统


[0001]本专利技术属于变电站事故油池水位监测
，具体涉及一种变电站事故油池水位监测预警方法及系统。

技术介绍

[0002]在变电站的主要电气设备中，油浸式电力变压器因其具有投资经济、维护简便、运行时对环境要求低等特点，仍然具有广泛的使用，其中变压器油起到绝缘和冷却散热作用。遇到变压器事故喷油时，短时间内大量的变压器油从变压器内喷溅出来，泄往四周。如不采用专门的防护措施，会对变电站内及周边环境造成污染，且事故喷油后极易引起火灾。因此，无论是从环境保护还是从消防安全各方面考虑，都必须将这部分事故喷油安全有序地引到专门的事故油池中去，使其与外界火源隔离、降温存储起来，留待日后分离回收、加以处理，尽量利用。事故油池能顺利地收集和存储事故发生时溢漏油防止泄露油液引发火灾或发生爆炸，从而保护变电站设备及工作人员人身安全。
[0003]正常情况下，事故油池只会存积少量的雨水。然而当雨季来临或遭遇台风、暴雨等恶劣天气时，雨水会逐渐渗入事故油池，导致池内蓄存大量积水。如此时充油电气设备损坏，而池内大量积水无法快速排出，将导致设备油无法及时进入事故油池而发生油外泄事故，从而容易引发火灾，进而给电气设备的运行带来安全隐患。因此需要准确监测事故油池内的水位，及时预警。
[0004]现有的变电站水位监测系统多半使用各种传感器进行事故油池水位监测，主要分为接触式和非接触式两种。其中，使用浮子式和压组式等接触式传感器的检测方法容易受水中杂物的影响使得检测误差大，而使用激光法、雷达法、超声波法等非接触式传感器的检测方法成本太高且设备易损坏。比如申请号为201921071376 .6的专利通过超声波传感器对事故油池内的积水水面进行测距，并将测量值传给中央处理器与预设距离值进行比对，发现超过预设值一定次数后发出预警信息。基于机器视觉的水位监测方式能一定程度上提高监测准确度，但是且现有的监测方式往往存在滞后性，当台风、暴雨天气来临时往往来不及反应，不能及时进行危险水位预警，仍然存在安全隐患。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种变电站事故油池水位监测预警方法及系统，用于解决现有的事故油池水位监测方式存在滞后性的问题。
[0006]本专利技术第一方面，提出一种变电站事故油池水位监测预警方法，所述方法包括：通过摄像头持续采集事故油池内的水尺图像，对事故油池内的水尺图像进行识别，得到事故油池内的实时水位读数；获取当前变电站周边区域内的各个监测点的历史水位数据和事故油池内的历史水位数据，根据各个监测点的历史水位数据和事故油池内的历史水位数据建立水位变化预测模型；
获取当前各个监测点的实时水位数据并输入水位变化预测模型，预测输出事故油池内的水位变化情况；根据预测得到的事故油池内的水位变化情况进行水位监测预警。
[0007]在以上技术方案的基础上，优选的，所述对事故油池内的水尺图像进行识别，识别事故油池内的实时水位读数具体包括：对水尺图像进行预处理；判断水尺图像质量，对低光照度下的水尺图像进行明暗度调节，得到高质量水尺图像；提取高质量水尺图像的水尺区域，对水尺区域进行刻度线与数字分离，并对分离得到的数字通过预训练的第一卷积神经网络模型进行识别，计算出水位读数。
[0008]在以上技术方案的基础上，优选的，判断水尺图像质量，对低光照度下的水尺图像进行明暗度调节，得到高质量水尺图像具体包括：计算图像灰度直方图上的均值，若图像的明度小于图像分量灰度均值则认为是低光照度下的水尺图像；预先准备明暗不同的水尺图像组成数据集；构建KinD网络模型，将数据集中的水尺图像输入KinD网络模型进行训练，得到训练好的明暗度调节模型；通过训练好的明暗度调节模型对低光照度下的水尺图像进行明暗度调节，输出高质量水尺图像。
[0009]在以上技术方案的基础上，优选的，所述对事故油池内的水尺图像进行识别的过程中，以水位读数识别误差最小为目标，采用基于梯度的优化算法对第一卷积神经网络的超参数和KinD网络模型的光照度调节参数α进行优化，将优化后的调节参数α输入KinD网络模型进行明暗度调节，将优化后的超参数输入第一卷积神经网络，识别实时水位读数。
[0010]在以上技术方案的基础上，优选的，以水位读数识别误差最小为目标，采用基于梯度的优化算法对第一卷积神经网络的超参数和KinD网络模型的光照度调节参数α进行优化具体包括：分别设置第一卷积神经网络的超参数和KinD网络模型的光照度调节参数α的取值范围，将超参数、调节参数α的取值范围组成D维搜索空间；初始化基于梯度的优化算法的基本参数，并在D维搜索空间内随机初始化各个个体位置；以水位读数识别误差最小为目标建立适应度函数，通过适应度函数计算每个个体的适应度值，确定当前最优向量和最差向量；基于当前最优向量和最差向量建立搜索方向和梯度搜索规则，并引入向量加权平均算法的向量合并算子，基于搜索方向和梯度搜索规则、向量合并算子更新当前个体位置；根据局部逃逸算子更新当前个体位置；计算当前个体的适应度，更新最优向量；重复以上更新当前个体位置并计算个体适应度的过程，直到达到最大迭代次数，输出最优解。
[0011]在以上技术方案的基础上，优选的，所述基于搜索方向和梯度搜索规则、向量合并算子更新当前个体位置的公式为：
其中分别为第m、m+1次迭代时第n个向量的位置，为将中的最佳向量替换为当前向量得到的新向量，GSR为基于梯度的优化算法的梯度搜索规则，DM为搜索方向；均为0~1内的随机数，，randn为服从标准正态分布的随机数，，为正弦函数，rand为0~1内的随机数。
[0012]在以上技术方案的基础上，优选的，所述根据各个监测点的历史水位数据和事故油池内的历史水位数据建立水位变化预测模型具体包括：按照预设时间间隔对当前变电站周边区域内的各个监测点的历史水位数据和事故油池内的历史水位数据进行划分，分别计算每个时间间隔内各个监测站点的历史水位变化量和事故油池内的历史水位变化量；所述各个监测点的历史水位数据和事故油池内的历史水位数据之间有一个时间差，所述时间差根据各个监测点的历史水位数据发生变化的时间点与事故油池内的历史水位数据发生变化的时间点之间的差值确定；根据当前变电站周边区域内的各个监测点的位置建立位置关系矩阵；所述位置关系矩阵的行与列均代表监测点位置，位置关系矩阵中对应位置的元素为对应的两个监测点的位置之间的欧式距离；根据每个时间间隔内各个监测站点之间的历史水位变化量建立水位关系矩阵；所述水位关系矩阵的行与列均代表监测点的历史水位数据，水位关系矩阵中对应位置的元素为同一个时间间隔内对应的两个监测点的历史水位数据的变化量的差值；以位置关系矩阵和水位关系矩阵的乘积为输入、以事故油池内的历史水位变化量为输出训练第二卷积神经网络模型；将训练好的第二卷积神经网络模型作为水位变化预测模型。
[0013]本专利技术第二专利技术，公开一种变电站事故油池水位监测预警系统，所述系统包括：实时水位识别模块：用于通过摄像头持续采集事故油池内的水尺图像，对事故油池内的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站事故油池水位监测预警方法，其特征在于，所述方法包括：通过摄像头采集事故油池内的水尺图像，对事故油池内的水尺图像进行识别，得到事故油池内的实时水位读数；获取当前变电站周边区域内的各个监测点的历史水位数据和事故油池内的历史水位数据，根据各个监测点的历史水位数据和事故油池内的历史水位数据建立水位变化预测模型；获取当前各个监测点的实时水位数据并输入水位变化预测模型，预测输出事故油池内的水位变化情况；根据预测得到的事故油池内的水位变化情况进行水位监测预警。2.根据权利要求1所述的变电站事故油池水位监测预警方法，其特征在于，所述对事故油池内的水尺图像进行识别，识别事故油池内的实时水位读数具体包括：对水尺图像进行预处理；判断水尺图像质量，对低光照度下的水尺图像进行明暗度调节，得到高质量水尺图像；提取高质量水尺图像的水尺区域，对水尺区域进行刻度线与数字分离，通过预训练的第一卷积神经网络模型识别分离得到的数字，计算出水位读数。3.根据权利要求2所述的变电站事故油池水位监测方法，其特征在于，所述判断水尺图像质量，对低光照度下的水尺图像进行明暗度调节，得到高质量水尺图像具体包括：计算水尺图像灰度直方图的均值，若图像的明度小于图像灰度分量均值则认为是低光照度下的水尺图像；预先准备明暗不同的水尺图像组成数据集；构建KinD网络模型，将数据集中的水尺图像输入KinD网络模型进行训练，得到训练好的明暗度调节模型；通过训练好的明暗度调节模型对低光照度下的水尺图像进行明暗度调节，输出高质量水尺图像。4.根据权利要求3所述的变电站事故油池水位监测方法，其特征在于，所述对事故油池内的水尺图像进行识别的过程中，以水位读数识别误差最小为目标，采用基于梯度的优化算法对第一卷积神经网络的超参数和KinD网络模型的光照度调节参数α进行优化，将优化后的调节参数α输入KinD网络模型进行明暗度调节，将优化后的超参数输入第一卷积神经网络，识别实时水位读数。5.根据权利要求4所述的变电站事故油池水位监测方法，其特征在于，所述以水位读数识别误差最小为目标，采用基于梯度的优化算法对第一卷积神经网络的超参数和KinD网络模型的光照度调节参数α进行优化具体包括：分别设置第一卷积神经网络的超参数和KinD网络模型的光照度调节参数α的取值范围，将超参数、调节参数α的取值范围组成D维搜索空间；初始化基于梯度的优化算法的基本参数，并在D维搜索空间内随机初始化各个个体位置；以水位读数识别误差最小为目标建立适应度函数，通过适应度函数计算每个个体的适应度值，确定当前最优向量和最差向量；基于当前最优向量和最差向量建立搜索方向和梯度搜索规则，并引入向量加权平均算法的向量合并算子，基于搜索方向和梯度搜索规则、向量合并算子更新当前个体位置；
根据局部逃逸算子更新当前个体位置；计算当前个体的适应度，更新最优向量；重复以上更新当前个体位置并计算个体适应度的过程，直到达到最大迭代次...

【专利技术属性】
技术研发人员：陈曦，严道波，杭翠翠，洪倩，郭江华，邓丽，郭婷，
申请(专利权)人：国网湖北省电力有限公司经济技术研究院，
类型：发明
国别省市：