一种基于图像识别的调控智能辅助系统技术方案

技术编号:39000443 阅读:11 留言:0更新日期:2023-10-07 10:32
本发明专利技术涉及图像处理技术领域,公开了一种基于图像识别的调控智能辅助系统,其中系统包括:输入模块,用于在电网系统实时监控界面中获取监控图像;信息处理模块,用于将所述监控图像进行文字识别,并对识别结果中的告警信号进行判别,得到判别结果;所述判别结果包括紧急信号和非紧急信号;输出模块,用于根据所述判别结果生成不同类型通知内容并输出。本发明专利技术降低了调控员人工处理的电网系统中实时监控内的告警数据量,并提高了信息处理及时率和准确率,缓解了调控员在面对的海量信息处理时的压力,实现人力资源的重新调配。实现人力资源的重新调配。实现人力资源的重新调配。

【技术实现步骤摘要】
一种基于图像识别的调控智能辅助系统


[0001]本专利技术涉及图像处理
,特别是涉及一种基于图像识别的调控智能辅助系统。

技术介绍

[0002]目前,随着我国经济社会的不断发展,各行业的用电量日益增长,整个电力系统面临着严峻的挑战。电网规模持续扩大,调控人员要处理的信息量不断增加,人员承载力出现不足等问题。同时,我国的电网调控水平也在不断朝着智能化的方向发展,综合现代化技术、提升电网数据安全可靠水平也成为迫切需要。各个供电公司所辖变电站变得越来越多,由于电网体量大,日均告警信息高达上千条,及时正确处理告警信息显得尤为重要。因此,亟需一种对电网告警信息及动态运行数据进行自动化识别处理的办法,来缓解调控人员的压力。

技术实现思路

[0003]本专利技术提供一种基于图像识别的调控智能辅助系统,达到降低调控员人工处理的告警数据量,提高信息处理及时率和准确率,缓解调控员在面对的海量信息处理时的压力,实现人力资源的重新调配的效果。
[0004]为达到上述目的,本专利技术提供一种基于图像识别的调控智能辅助系统,包括:
[0005]输入模块,用于在电网系统实时监控界面中获取监控图像;
[0006]信息处理模块,用于将所述监控图像进行文字识别,并对识别结果中的告警信号进行判别,得到判别结果;所述判别结果包括紧急信号和非紧急信号;
[0007]输出模块,用于根据所述判别结果生成不同类型通知内容并输出。
[0008]进一步地,输入模块,包括:
[0009]采集模块,用于从所述监控界面中采集视频图像;
[0010]定位模块,用于在所述视频图像中定位窗口界面;
[0011]捕捉模块,用于在所述窗口界面中捕捉抓取所述监控图像;
[0012]预处理模块,用于对所述监控图像进行预处理,并将预处理后的所述监控图像发送至所述信息处理模块。
[0013]进一步地,还包括:
[0014]动态数据采集模块,用于对所述监控界面进行调整,并重新定位窗口界面,在所述窗口界面中自动捕捉所述监控图像。
[0015]进一步地,信息处理模块,包括:
[0016]检测模块,用于通过CTPN模型对所述监控图像进行文字检测,得到文本行;
[0017]预测模块,用于通过CRNN模型对所述文本行进行预测,得到文字信息数据;
[0018]判别模块,用于对所述文字信息数据中的告警信号进行判别,并将所述判别结果输出至所述输出模块。
[0019]进一步地,CTPN模型包括VGG16网络、双向BLSTM层和全连接层;
[0020]所述检测模块,还用于:通过所述VGG16网络对所述监控图像进行特征提取,得到特征图;通过空间窗口对所述特征图进行密集滑动,得到特征矩阵;将所述特征矩阵作为所述双向BLSTM层的输入进行预测,并将得到的预测结果通过所述双向BLSTM层的输出层连接至所述CTPN模型的全连接层进行分类,得到分类结果;通过非极大值抑制算法对所述分类结果进行文本框筛选,得到具有固定宽度的文本框;通过文本行构造算法对所述文本框进行连接,得到所述文本行。
[0021]进一步地,CRNN模型包括卷积层、循环层和转录层;
[0022]所述预测模块,还用于:通过所述卷积层对所述文本行进行特征提取,得到卷积特征图像;通过所述循环层对所述卷积特征图像中的序列特征进行预测,得到预测标签分布;通过所述转录层将所述预测标签分布转换成标签序列,得到所述文字信息数据。
[0023]进一步地,输出模块,包括:
[0024]第一输出子模块,用于根据所述紧急信号生成第一内容信息并输出;其中,所述第一内容信息为根据变电站内设备的间隔名称和信号等级所生成的告警信息;
[0025]第二输出子模块,用于根据所述非紧急信号生成第二内容信息并输出;其中,所述第二内容信息为在设置时间节点后,未被确认的告警信号。
[0026]进一步地,信息处理模块,还包括:
[0027]分级识别模块,用于对所述判别结果进行缺陷等级分级识别,并将得到的分级识别结果上传至专家信息数据库保存;
[0028]分类模块,用于对所述分级识别结果中的故障进行分类,并将分类结果发送至所述输出模块。
[0029]进一步地,输出模块,包括:
[0030]关联模块,用于接收所述分类结果,并根据所述分类结果关联事故相关因素;所述事故相关因素包括事故影响范围、相关设备、归属地、及相关重要用户;
[0031]方案生成模块,用于根据所事故相关因素生成事故处理方案并输出;所述事故处理方案包括故障隔离措施、负荷转供线路、以及设备检修和复役的操作步骤。
[0032]进一步地,专家信息数据库包括厂站间隔告警集、告警信息行为集、图形符号集、设备归属集、及人员信息集;其中,
[0033]所述厂站间隔告警集包括辖区内所有厂站、间隔的遥信、遥控、遥测信号命名信息;
[0034]所述告警信息行为集包括厂站间隔告警发出并上窗时的行为动作关键词;
[0035]所述图形符号集包括所述监控图像中开关刀闸位置所对应的设备遥信状态的集合;
[0036]所述设备归属集包括所辖厂站设备相关的基层责任单位和设备主人信息;
[0037]所述人员信息集包括调度生产中涉及联络的设备主人、运维单位、重要用户、及职能部门负责人信息。
[0038]与现有技术相比,本专利技术实施例的有益效果在于:
[0039]本专利技术提供一种基于图像识别的调控智能辅助系统,通过CTPN算法来检测文字,通过CRNN算法完成各类信息识别,最后结合专家信息数据库对信号进行智能化处理,可以
实现不同数据系统间信息的安全应用,能够协助调控员完成相关工作;提高了调控信息确认及时率及事件处置效率,极大程度缓解调控员在面对的海量信息处理时的压力,实现了人力资源的重新调配;还能在保证原有电网中各系统安全性的前提下,实现对各类信号100%响应,实现了调度工作的人工智能代替,辅助调度员进行运行指挥和故障处理,具有一定的可行性和有效性。
附图说明
[0040]为了更清楚地说明本专利技术的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0041]图1是本专利技术某一实施例提供的一种基于图像识别的调控智能辅助系统框架图;
[0042]图2是本专利技术某一实施例提供的输入模块结构图;
[0043]图3是本专利技术另一实施例提供的信息处理模块结构图;
[0044]图4是本专利技术又一实施例提供的输出模块结构图;
[0045]图5是本专利技术某一实施例提供的调控智能辅助系统处理流程图。
具体实施方式
[0046]下面结合附图和实施例,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本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的调控智能辅助系统,其特征在于,包括:输入模块,用于在电网系统实时监控界面中获取监控图像;信息处理模块,用于将所述监控图像进行文字识别,并对识别结果中的告警信号进行判别,得到判别结果;所述判别结果包括紧急信号和非紧急信号;输出模块,用于根据所述判别结果生成不同类型通知内容并输出。2.根据权利要求1所述的一种基于图像识别的调控智能辅助系统,其特征在于,所述输入模块,包括:采集模块,用于从所述监控界面中采集视频图像;定位模块,用于在所述视频图像中定位窗口界面;捕捉模块,用于在所述窗口界面中捕捉抓取所述监控图像;预处理模块,用于对所述监控图像进行预处理,并将预处理后的所述监控图像发送至所述信息处理模块。3.根据权利要求2所述的一种基于图像识别的调控智能辅助系统,其特征在于,还包括:动态数据采集模块,用于对所述监控界面进行调整,并重新定位窗口界面,在所述窗口界面中自动捕捉所述监控图像。4.根据权利要求1所述的一种基于图像识别的调控智能辅助系统,其特征在于,所述信息处理模块,包括:检测模块,用于通过CTPN模型对所述监控图像进行文字检测,得到文本行;预测模块,用于通过CRNN模型对所述文本行进行预测,得到文字信息数据;判别模块,用于对所述文字信息数据中的告警信号进行判别,并将所述判别结果输出至所述输出模块。5.根据权利要求4所述的一种基于图像识别的调控智能辅助系统,其特征在于,所述CTPN模型包括VGG16网络、双向BLSTM层和全连接层;所述检测模块,还用于:通过所述VGG16网络对所述监控图像进行特征提取,得到特征图;通过空间窗口对所述特征图进行密集滑动,得到特征矩阵;将所述特征矩阵作为所述双向BLSTM层的输入进行预测,并将得到的预测结果通过所述双向BLSTM层的输出层连接至所述CTPN模型的全连接层进行分类,得到分类结果;通过非极大值抑制算法对所述分类结果进行文本框筛选,得到具有固定宽度的文本框;通过文本行构造算法对所述文本框进行连接,得到所述文本行。6.根据权利要求4所述的一种基于图像识别的调控智能辅助系统,其特征在于,所述CRNN模型包括卷积层、循...

【专利技术属性】
技术研发人员:靳东辉王德胜何顺勇胡云皓周述庆江小军周健华侯邦广黄广敢高佳刘禹含汪凯琳陈积光
申请(专利权)人:国网浙江省电力有限公司瑞安市供电公司
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