一种电网厂站主接线图拓扑关系的识别方法技术

本发明专利技术提供了一种电网厂站主接线图拓扑关系的识别方法，包括获取厂站主接线图的图纸图像，构造数据集，对数据集进行预处理，将数据输入预先构建的算法模型中，获得图元、文字、连接线三类坐标，再通过对坐标进行计算输出图纸图像中的拓扑关系，最终将结果以XML的标准格式保存输出。本发明专利技术采用深度学习与图像处理相结合的方法来实现对厂站主接线图拓扑关系的识别，能够准确生成电网接线图的拓扑关系，实现了对图纸的数字化，标准化，提高对图纸数据处理的效率，推进电网的数字化进程。推进电网的数字化进程。推进电网的数字化进程。

【技术实现步骤摘要】
一种电网厂站主接线图拓扑关系的识别方法


[0001]本专利技术属于电气工程图纸数字化领域，尤其是涉及一种电网厂站主接线图拓扑关系的识别方法。

技术介绍

[0002]随着互联网技术的发展，为了更好地快速建立准确的电力信息，智能识别技术已经开始引入到电网建设过程中。电网接线图能够反映出厂站和线路之间的拓扑情况，是电网的调度、检修、计划等部门常用的参考，它在实时调度和生产管理中有较多的应用。目前电网厂站主接线图仍依靠人力绘制，对于工作人员是一种繁琐的工作，且费时费力。随着电网规模的不断扩大，厂站线路的数量规模越来越大，其相应自动化及数字化电网图形的制作工作量也大量增加，因此，利用计算机技术完成对主接线图拓扑关系的分析与识别仍是现阶段研究的热点问题。
[0003]通过智能识别电网厂站主接线图，能够更加准确的获取图纸中所需的信息，配合具体的业务需求，快速应用到实际阶段，满足图纸数字化的需求，推进电网智能化的建设。

技术实现思路

[0004]本专利技术的目的在于弥补现有技术的不足之处，提供一种电网厂站主接线图拓扑关系的识别方法。
[0005]为了解决人力绘制电网厂站主接线图费时费力的技术问题，本专利技术采用如下技术方案：
[0006]一种电网厂站主接线图拓扑关系的识别方法，包括：
[0007]步骤1：获取电网厂站主接线图纸的图像，并转化为JPG格式；输入基于YOLOv5算法设计的深度学习设备模型中，训练神经网络，获取图纸中图元类型和坐标信息；
[0008]步骤2：将获取的主接线图纸图像数据集输入基于EAST算法设计的文字检测模型，通过训练得出图纸图像中文字的坐标信息；图像数据集输入基于CRNN算法设计的深度学习模型，通过训练得出图纸图像中的文本信息。
[0009]步骤3：基于步骤1和步骤2获得的信息，对主接线图纸图像进行预处理，对图像进行灰度化、去噪处理，根据图元和文字的坐标信息，去除图纸图像中的图元和文字，去掉检测拓扑关系的无关信息，防止对检测结果的干扰；
[0010]步骤4：对预处理后的图纸图像采用EDLines的直线检测方法，通过调参设置阈值，得到符合条件的直线端点坐标；再利用母线和连接线的连接特点，区分出母线与连接线；
[0011]步骤5：依据所得的图元与文字坐标，利用距离最近原则计算图元与文字的关联关系；再计算图元与连接线的坐标，最终得出图纸图像的拓扑关系。
[0012]进一步的，所述步骤1中，还包括构建接线图纸的图像数据集，并对图像数据集进行标注。
[0013]进一步的，所述图元类型包括但不限于：断路器、隔离刀闸、接地刀闸、变压器、电
容器、电抗器、线路、无功补偿装置、发电机。
[0014]进一步的，所述步骤2中，还包括对文字数据集进行构建并标注，完成对文字检测的训练与测试，获取文字的位置坐标，再利用文字坐标裁剪出文字图片，输入至文字识别的模型中，识别出文本信息。
[0015]进一步的，所述直线检测方法具体内容为：输入灰度图像，运行边缘检测，产生像素相邻的链；利用直线度准则，从生成的像素链中提取线段；采用亥姆霍兹原理消除虚假线段，完成连接线的检测。
[0016]进一步的，所述图元与文字的关联关系包括图元的位置关系、文字的位置关系、图元与文字的关联关系、图元与连接线的关联关系。
[0017]进一步的，所述计算图元与连接线的坐标是通过公式xmin≤x≤xmax∩ymin≤y≤ymax计算连接线两端连接的图元。
[0018]本专利技术实施例带来了以下有益效果：
[0019]1.本申请首先获取厂站主接线图的图纸图像，构造数据集，对数据集进行预处理，将数据输入预先构建的算法模型中，获得图元、文字、连接线三类坐标，再通过对坐标进行计算输出图纸图像中的拓扑关系，最终将结果以XML的标准格式保存输出。
[0020]2.本申请采用深度学习与图像处理相结合的方法来实现对厂站主接线图拓扑关系的识别，能够准确生成电网接线图的拓扑关系，实现了对图纸的数字化，标准化，提高对图纸数据处理的效率，推进电网的数字化进程。
[0021]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0022]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0023]图1是本专利技术实施例所提供的电网厂站主接线图拓扑关系的识别方法的流程图；
[0024]图2是本专利技术实施例所提供的电网厂站主接线图拓扑关系的识别方法的图元检测流程图；
[0025]图3是本专利技术实施例所提供的电网厂站主接线图拓扑关系的识别方法的图元存储结果示意图；
[0026]图4是本专利技术实施例所提供的电网厂站主接线图拓扑关系的识别方法的文字存储结果示意图；
[0027]图5是本专利技术实施例所提供的电网厂站主接线图拓扑关系的识别方法的去除图元与文字示意图。
[0028]图6为本专利技术实施例所提供的电网厂站主接线图拓扑关系的识别方法的具体实例厂站主接线图。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]本专利技术的实施例提供了一种电网厂站主接线图拓扑关系的识别方法，包括如下步骤：
[0031]步骤1：获取电网厂站主接线图纸的图像，并转化为JPG格式；输入基于YOLOv5算法设计的深度学习设备模型中，训练神经网络，获取图纸中图元类型和坐标信息；
[0032]步骤2：将获取的主接线图纸图像数据集输入基于EAST算法设计的文字检测模型，通过训练得出图纸图像中文字的坐标信息；图像数据集输入基于CRNN算法设计的深度学习模型，通过训练得出图纸图像中的文本信息。
[0033]步骤3：基于步骤1和步骤2获得的信息，对主接线图纸图像进行预处理，对图像进行灰度化、去噪处理，根据图元和文字的坐标信息，去除图纸图像中的图元和文字，去掉检测拓扑关系的无关信息，防止对检测结果的干扰；
[0034]步骤4：对预处理后的图纸图像采用EDLines的直线检测方法，通过调参设置阈值，得到符合条件的直线端点坐标；再利用母线和连接线的连接特点，区分出母线与连接线；
[0035]步骤5：依据所得的图元与文字坐标，利用距离最近原则计算图元与文字的关联关系；再计算图元与连接线的坐标，最终得出图纸图像的拓扑关系。
[0036]在本实施例中，结合图1
‑
6，具体操作步骤如下内容：
[0037]第一步：根据深度学习中的目标检测算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电网厂站主接线图拓扑关系的识别方法，其特征在于，包括如下步骤：步骤1：获取电网厂站主接线图纸的图像，并转化为JPG格式；输入基于YOLOv5算法设计的深度学习设备模型中，训练神经网络，获取图纸中图元类型和坐标信息；步骤2：将获取的主接线图纸图像数据集输入基于EAST算法设计的文字检测模型，通过训练得出图纸图像中文字的坐标信息；图像数据集输入基于CRNN算法设计的深度学习模型，通过训练得出图纸图像中的文本信息。步骤3：基于步骤1和步骤2获得的信息，对主接线图纸图像进行预处理，对图像进行灰度化、去噪处理，根据图元和文字的坐标信息，去除图纸图像中的图元和文字，去掉检测拓扑关系的无关信息，防止对检测结果的干扰；步骤4：对预处理后的图纸图像采用EDLines的直线检测方法，通过调参设置阈值，得到符合条件的直线端点坐标；再利用母线和连接线的连接特点，区分出母线与连接线；步骤5：依据所得的图元与文字坐标，利用距离最近原则计算图元与文字的关联关系；再计算图元与连接线的坐标，最终得出图纸图像的拓扑关系。2.根据权利要求1所述的电网厂站主接线图拓扑关系的识别方法，其特征在于，其中步骤1中，还包括构建接线图纸的图像数据集，并对图像数据集进行标注。3.根据权利要...

【专利技术属性】
技术研发人员：冯冰，金尧，刘宇浩，刘宁，杜岳凡，郑剑，赵阳，宗祥瑞，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：