基于物联网技术的输电全景管控平台制造技术

本发明专利技术公开了基于物联网技术的输电全景管控平台；包括控制模块，控制模块上电性连接有处理模块，处理模块上电性连接有通讯模块，通讯模块上通讯连接有感知模块、边缘云模块和移动模块；感知模块是基于二三维GIS地理信息系统；本发明专利技术通过感知模块对输电过程进行全景管控，实现电力信息的采集，通过传感器、信息采集设备技术手段实现对输电线路的环境信息、线路信息、杆塔状态各个环节的信息采集，以及通过管理模块和边缘模块实现对数据信息进行计算处理，通过二三维GIS地理信息系统，实现对感知模块采集的数据信息和计算后的数据信息进行结合，并且边缘云模块和管理模块用于实现对系统数据信息进行计算处理。系统数据信息进行计算处理。系统数据信息进行计算处理。

【技术实现步骤摘要】
基于物联网技术的输电全景管控平台


[0001]本专利技术属于输电管控
，具体涉及基于物联网技术的输电全景管控平台。

技术介绍

[0002]电能的传输与“变电、配电、用电”一同构成电力系统的整体功能。随着电力基础设施的不断完善，输电线路让电能的开发和利用不断超越地域的限制，随着新一代信息通信技术的不断发展，对输电业务的管理也正逐步向“信息化、智能化、自动化”模式转变；针对电网安全运行的迫切需求，实现了对输电线路远程视频在线监测、外力破坏智能分析，可实现对输电线路的全天候实时监测和预警，有效保障电网运行安全，然而市面上各种的输电管控仍存在各种各样的问题。
[0003]如授权公告号为CN114971173A所公开的基于物联网技术的输电全景智慧管控平台，其虽然实现了管控中心接收到接触采集模块上传的接触信息后，以线路为单位对接触信息进行分类，并通过接触分析模块对每一线路的接触信息进行损耗分析，得到接触损耗信息；负荷分析模块用于根据接触损耗信息对线路进行负荷系数评估；若负荷系数大于负载阈值，则生成线路更换指令至基层人员，以提醒基层人员更换输电线路导线和连接金具，避免线路老化、破损引发的电力安全事故；管控中心用于根据负荷系数确定对应线路的输电容量阈值，有序开展动态增容或减容，避免线路超载损坏，提高输电安全，但是并未解决现有输电管控中存在的不能够有效的实现对输电进行检测，并且不能够有效的实现对全景管控的数据信息进行计算处理等的问题，为此我们提出基于物联网技术的输电全景管控平台。

技术实现思路

[0004]本专利技术的目的在于提供基于物联网技术的输电全景管控平台，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：基于物联网技术的输电全景管控平台，包括控制模块，控制模块上电性连接有处理模块，处理模块上电性连接有通讯模块，通讯模块上通讯连接有感知模块、边缘云模块和移动模块，处理模块用于实现对传输的数据信息和控制指令进行计算处理，提高数据传输的精准度和安全性，通讯模块用于实现对数据信息和控制指令进行传输，感知模块用于实现电力信息的采集，通过传感器、信息采集设备技术手段实现对输电线路的环境信息、线路信息、杆塔状态各个环节的信息采集，控制模块用于实现对信息的处理和应用，包括为应用提供基础服务的平台、中间件和各种业务应用，实现对输电线路的智能监测、分析决策、现场监控、智能巡线、智能预警、线路检测业务功能；
[0006]感知模块是基于二三维GIS地理信息系统，实现通道环境、设备状态、作业动态要素的全景全息展示，感知模块由智能终端和信息采集设备组成，其中采集设备负责输电线路的信息采集，智能终端负责采集设备的管理控制、数据汇集、智能分析和通信，感知模块
中包括有微型气象站、倾角传感器、导线震动传感器、导线温度传感器、高清摄像机和无人机；
[0007]边缘云模块和管理模块用于实现对系统数据信息进行计算处理，管理模块采用的算法有神经网络算法和AI图像处理算法，神经网络系统的公式：
[0008]输入层输入向量：X＝(x1,x2,
…
,x
i
,
…
,x
m
)，
[0009]第l层的隐含层向量：
[0010]输出层输出向量：Y＝(y1,y2…
,y
k
,
…
,y
n
)，
[0011]设为从第l
‑
1层的第i个神经元与第l层的第j个神经元之间的连接权重，为第l层第j个神经元的偏置，
[0012]则得到：
[0013][0014]其中为第l层第j个神经元的输入；
[0015]神经网络算法采用的是BP神经网络：
[0016]BP神经网络计算公式如下：
[0017]sigmod函数：
[0018]BP算法基于梯度下降策略，以目标负梯度方向对参数进行训练，对于误差Ek，对于给定学习率η，以目标的负梯度方向对参数进行调整，有
[0019][0020]根据链式求偏导，有：
[0021][0022]AI图像处理算法采用的是全卷积网络；
[0023]输入感知模块采集的图片矩阵以及后面的卷积核，特征图矩阵都是方阵，设输入矩阵大小为w，卷积核大小为k，步幅为s，补零层数为p，则卷积后产生的特征图大小计算公式为:
[0024][0025]输入公式为：
[0026]V＝cosv2(W,X,"valid")+b，
[0027]输出公式为：
[0028][0029]上面的输入输出公式是对每一个卷积层而言的，每一个卷积层都有一个不同的权重矩阵W，并且W，X，Y是矩阵形式，对于最后一层全连接层，设为第L层,输出是向量形式的y
L
，期望输出是d，则有总误差公式：
[0030][0031]cosv2()是Matlab中卷积运算的函数，第三个参数valid指明卷积运算的类型，前面介绍的卷积方式就是valid型，W是卷积核矩阵，X是输入矩阵，b是偏置，是激活函数，总误差中的d，y分别是期望输出和网络输出的向量，||x||2表示向量x的2
‑
范数，计算表达式为
[0032]优选的，微型气象站用于实现对输电线路环境、气象数据的采集，由风速、风向、环境温度、环境湿度、气压、雨量传感器组成；
[0033]倾角传感器用于监测杆塔倾斜程度的监测设备；
[0034]导线震动传感器利用光缆震动的应力形变引起的光相位改变，定位导线的震动强度和位置；
[0035]导线温度传感器利用温度对光的散射影响计算光纤内各位置处的温度信息，较准确地反映输电线路导线的温度和位置；
[0036]高清摄像机用于实现对输电线路的实时视频监控，通过AI图像处理算法实现对线路的实时智能分析感知；
[0037]无人机用于实现对输电线路进行巡检。
[0038]优选的，通讯模块采用的是无线通讯器，无线通讯器选用的是NB
‑
lot或者是LoRaWAN中的一种，NB
‑
lot或者是LoRaWAN用于实现对数据信息进行传输，实现物联网通讯传输数据信息，便于实现对系统进行互联网连接。
[0039]优选的，移动模块通过NB
‑
lot或者是LoRaWAN中的一种通讯方式进行连接，便于实现对数据信息进行传输，并且便于实现远程控制调节，移动模块包括有手机、平板和笔记本电脑，边缘云模块用于实现对数据信息进行计算处理，减少管理模块和控制模块的计算压力。
[0040]优选的，处理模块中包括有用于实现对数据信息进行接收的获取单元、包括有用于实现对数据信息进行模数转换的转换单元，包括有用于实现对数据信息进行滤除杂波的滤波单元，包括有用于实现对数据信息进行放大处理的增益单元，还包括有用于实现对图像进行预处理的图像处理单元。
[0041]优选的，图像处理单元采用的是伽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网技术的输电全景管控平台，包括控制模块，其特征在于：所述控制模块上电性连接有处理模块，所述处理模块上电性连接有通讯模块，所述通讯模块上通讯连接有感知模块、边缘云模块和移动模块，所述处理模块用于实现对传输的数据信息和控制指令进行计算处理，提高数据传输的精准度和安全性，所述通讯模块用于实现对数据信息和控制指令进行传输，所述感知模块实现电力信息的采集，通过传感器、信息采集设备技术手段实现对输电线路的环境信息、线路信息、杆塔状态各个环节的信息采集，所述控制模块用于实现对信息的处理和应用，包括为应用提供基础服务的平台、中间件和各种业务应用，实现对输电线路的智能监测、分析决策、现场监控、智能巡线、智能预警、线路检测业务功能；所述感知模块是基于二三维GIS地理信息系统，实现通道环境、设备状态、作业动态要素的全景全息展示，所述感知模块由智能终端和信息采集设备组成，其中所述采集设备负责输电线路的信息采集，所述智能终端负责采集设备的管理控制、数据汇集、智能分析和通信，所述感知模块中包括有微型气象站、倾角传感器、导线震动传感器、导线温度传感器、高清摄像机和无人机；所述边缘云模块和所述管理模块用于实现对系统数据信息进行计算处理，所述管理模块采用的算法有神经网络算法和AI图像处理算法，所述神经网络系统的公式：输入层输入向量：X＝(x1,x2,
…
,x
i
,
…
,x
m
)，第l层的隐含层向量：输出层输出向量：Y＝(y1,y2…
,y
k
,
…
,y
n
)，设为从第l
‑
1层的第i个神经元与第l层的第j个神经元之间的连接权重，为第l层第j个神经元的偏置，则得到：则得到：其中为第l层第j个神经元的输入；所述神经网络算法中还包括有BP神经网络：所述BP神经网络计算公式如下：sigmod函数：BP算法基于梯度下降策略，以目标负梯度方向对参数进行训练，对于误差Ek，对于给定学习率η，以目标的负梯度方向对参数进行调整，有根据链式求偏导，有：
所述AI图像处理算法采用的是全卷积网络；输入所述感知模块采集的图片矩阵以及后面的卷积核，特征图矩阵都是方阵，设输入矩阵大小为w，卷积核大小为k，步幅为s，补零层数为p，则卷积后产生的特征图大小计算公式为:输入公式为：V＝cosv2(W,X,"valid")+b，输出公式为：上面的输入输出公式是对每一个卷积层而言的，每一个卷积层都有一个不同的权重矩阵W，并且W，X，Y是矩阵形式，对于最后一层全连接层，设为第L层,输出是向量形式的y
L
，期望输出是d，则有总误差公式：cosv2()是Matlab中卷积运算的函数，第三个参数valid指明卷积运算的类型，前面介绍的卷积方式就是valid型，W是卷积核矩阵，X是输入矩阵，b是偏置，是激活函数，总误差中的d，y分别是期望输出和网络输出的向量，||x||2表示向量x的2
‑
范数，计算表达式为2.根据权利要求1所述的基于物联网技术的输电全景管控平台，其特征在于：所述微型气象站用于实现对输电线路环境、气象数据的采集，由风速、风向、环境温度、环境湿度、气压、雨量传感器组成；所述倾角传感器用于监测杆塔倾斜程度的监测设备；所述导线震动传感器利用光缆震动的应力形变引起的光相位改变，定位导线的震动强度和位置；所述导线温度传感器利用温度对光的...

【专利技术属性】
技术研发人员：范璞玉，苏玥，李昂，单怡晴，姚乔木，
申请(专利权)人：国网河南省电力公司周口供电公司，
类型：发明
国别省市：