一种基于无人值守配电监测的智能优化节能系统

技术领域

本发明涉及配电室监测技术领域，具体涉及一种基于无人值守配电监测的智能优化节能系统。

背景技术

随着电力系统的高速发展和配电室在其中的重要作用，对配电室内的状态监测的需求日益增强。传统的对配电室内的监测方法主要依靠人工巡视和定期维护，无法满足现代化电力系统对于高效、准确、实时监测的要求。因此，利用先进的技术手段提高配电室状态监测的精度和效率已成为电力系统领域中的热门研究方向。

对配电室进行状态监测和故障诊断，既可以提高电力系统的安全稳定性，又可以降低运行成本，具有重要的实际应用价值，在现有技术中通常使用数字孪生技术来对对实体系统进行建模、仿真，并在此基础上进行实时监测和预测分析，从而节省人工成本，并提高对配电室的监测效率。然而数字孪生技术需要基于配电室内所有的目标设备的安装位置以及连接关系创建虚拟模型，需要耗费大量人力物力。

因此，如何在节省人力物力的前提下，更高效地完成对目标配电室的监测。

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于无人值守配电监测的智能优化节能系统，详见下文阐述。

为实现上述目的，本发明提供了以下技术方案：

本发明提供的一种基于无人值守配电监测的智能优化节能系统，包括物理层，其用于展示目标配电室各配电实体设备以及辅助实体设备的陈列位置以及各实体设备之间的连接关系；图像层，其用于展示基于所述物理层的监控视频流，渲染获得球形全景监控图像；数据层，其用于采集的各配电实体设备以及辅助实体设备的状态监测数据；服务层，其用于基于所述状态监测数据，预测所述目标配电室的各配电实体设备的故障信息，并基于所述球形全景监控图像以及所述故障信息生成可视化提示界面。

作为优选，所述物理层包括图像采集实体设备、目标配电室的各配电实体设备、传感器实体以及所述目标配电室的辅助实体设备。

作为优选，所述图像层包括球形球体触摸屏以及图像渲染控制器。

作为优选，所述图像渲染控制器中包括：映射关系获取模块，其用于获取光学镜头中的平面成像面到球体触摸屏中的球体成像面之间的映射关系；方向调整模块，其用于基于所述映射关系调整每一出射光线的方向数据；图像生模块，其用于将调整后的每一出射光线的方向数据传输至三维渲染引擎，以使所述三维渲染引擎基于所述方向数据生成球形全景监控图像。

作为优选，所述服务层包括：故障预测模块，其用于基于目标配电设备的状态监测数据以及故障诊断模型，获取所述目标配电设备的故障预测结果；目标位置确定模块，其用于基于所述目标配电设备图像以及所述球形全景监控图像，确定出所述目标配电设备图像在所述球形全景监控图像中的目标位置信息并标示。

作为优选，所述图像渲染控制器中还包括：页面数据获取模块，其用于基于所述目标配电设备以及其对应的故障预测结果生成可视化页面数据；二次渲染模块，其用于基于所述目标位置信息以及所述可视化页面数据，在所述球形全景监控图像的目标位置处渲染出故障预测页面。

有益效果：采用上述配电监测智能优化系统，该系统包括物理层、图像层、数据层以及服务层，共同完成对目标配电室的各配电实体设备以及辅助实体设备的异常运行情况的监测，特别的是在现有技术中，通常利用数字孪生技术对目标配电室内的各配电实体设备以及辅助实体设备进行建模，会消耗大量的人力物力对目标配电室内各设备进行建模，而本申请实施例中基于物理层的监控视频流，渲染获得球形全景监控图像，减少了利用数字孪生技术对物理层进行建模的步骤，从而高效地对目标配电室内的各设备进行监测。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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发明的一些实施例，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。

图1是本发明配电监测智能优化系统的结构示意图；

图2是本发明的配电监测智能优化方法。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

参见图1-图2所示，本发明提供了一种基于无人值守配电监测的智能优化节能系统，包括:

物理层，其用于展示目标配电室各配电实体设备以及辅助实体设备的陈列位置以及各实体设备之间的连接关系；

该物理层中包括图像采集实体设备、目标配电室的各配电实体设备、传感器实体以及所述目标配电室的辅助实体设备；其中，目标配电室中的配电实体设备包括变压器以及配电柜，辅助实体设备包括空调、风机、水泵、除湿器等；

物理层中展示了各配电实体设备的陈列位置以及各配电实体设备之间的连接关系，以及各辅助实体设备的陈列位置以及各设备之间的连接关系。

图像层，其用于展示基于物理层的监控视频流，渲染获得球形全景监控图像；

其中，该监控视频流由安装于目标配电室内的监控摄像头获取。该监控视频流中包含目标配电室内各配电实体设备以及辅助实体设备各个角度的监控视频流，当该监控视频流渲染在球形监控屏上时形成球形全景监控图像。

需要说明的是，图像层包括球形球体触摸屏以及图像渲染控制器。

设置于服务器内的图像渲染控制图像渲染控制首先获取光学镜头中的平面成像面到球体触摸屏中的球体成像面之间的映射关系；再基于该映射关系调整每一出射光线的方向数据；将调整后的每一出射光线的方向数据传输至三维渲染引擎，以使三维渲染引擎基于方向数据生成球形全景监控图像。

数据层，其用于采集的各配电实体设备以及辅助实体设备的状态监测数据；

通过光缆获取目标配电室的变压器、配电柜以及辅助设备的关键运行参数的数值，并根据关键运行参数的数值生成目标配电室内各设备的状态监测数据。

服务层，其用于基于状态监测数据，预测目标配电室的各配电实体设备的故障信息，并基于球形全景监控图像以及故障信息生成可视化提示界面。

服务器根据数据层传输的各设备的状态监测数据进行在线安全监测与节能分析诊断，以保障整个配电室的安全；当监测到潜在的危急异常信息时，可通过可视化提示界面警示工作人员。

在一可选实施例中，由于鱼眼球形渲染模型跟全景渲染模型相似，因此可以根据鱼眼球形渲染模型来分析监控光学镜头中的平面成像到球体触摸屏中的球体成像面之间的映射关系。

具体地，图像渲染控制器根据光线追踪算法获取平面视点相机每一条出射光线的出射方向，并统计出射光线的出射方向的范围。球形全景渲染模型采用标准设备坐标定义方位分离角与极角，其中方位分离角与视角方向逆时针度量，位于方位方向平面上；极角位于相对于方位方向平面的垂直面向上旋转的角度，在方位分离角所在方位方向平面与极角所在极方向平面里，当物体在球面视点到空间点的距离范围内，光线在两个平面里分别进行跟踪运算，再建立虚拟场景中物体从三维摄像机里的光学镜头的平面成像面到球面成像面的映射关系；基于映射关系调整每一出射光线的方向数据；最后将调整后的每一出射光线的方向数据传输至三维渲染引擎，以使三维渲染引擎基于方向数据生成球形全景监控图像。

本申请实施例中图像渲染控制将平面镜头获取的监控视频流转换成球形全景监控图像，避免了在模拟软件上根据车间里各实际生产制造设备进行建模，提高了对车间里出现的故障进行诊断和排查的效率。

可以理解的是，在故障诊断中，对同一批设备的故障与维护数据进行处理，形成故障模式，并将其引入初始模型。运行过程中，与设备采集数据实时比对，整理相似的故障模式，用以对故障进行预测。将设备性能模型与故障数据在数字空间融合，生成故障诊断模型，实现设备故障预测。设备故障有多种类型，如振动故障、润滑故障等。

在一可选实施例中，所述服务层还包括：

故障预测模块，其用于基于目标配电设备的状态监测数据以及性能诊断模型，获取目标配电设备的故障预测结果；

首先通过对物理层进行维度缩放得到精确的部件特性，再采用部件创建低维性能模型，且该模型能与物理层中各设备同步映射；利用包含历史维修数据的训练该低维性能模型，得到训练好的故障预测模型，用于故障诊断和维护。

具体的，将目标配电设备的状态监测数据输入该性能诊断模型，获取目标配电设备的故障预测结果。

目标位置确定模块，其用于基于所述目标配电设备图像以及所述球形全景监控图像，确定出所述目标配电设备图像在球形全景监控图像中的目标位置信息并标示。

具体地，可以利用设备识别网络模型在球形全景监控图像中识别出目标配电设备图像。

该设备识别网络模型可以由卷积神经网络模型和分类模型组成。卷积神经网络模型是用于提取待测识别区域中的深层图像特征。该卷积神经网络模型可以由各种经过标记的样本设备图像训练而成。其中，该分类模型是可以是基于单类学习算法，同样是以各种经过标记的样本设备图像训练而的模型。其中，单类学习算法可以是OC-SVM模型。

服务器可以利用GooGleNet V3模型中的多个卷积层对待测识别区域进行卷积与池化操作，再利用GooGleNet V3模型中的Inception-v3网络模块对不同通道的图像特征图进行加权运算；基于不同尺寸以及不同深度上的特征进行融合，获取待测识别区域中的深度图像特征。

具体的，将目标配电设备图像输入设备识别网络模型，在球形全景监控图像中确定出目标配电设备图像在球形全景监控图像中的目标位置信息并标示。

在本申请实施例中，利用设备识别网络模型在球形全景监控图像中自动识别出目标设备所在位置，可以提高对目标配电室内里各设备出现的故障进行诊断和排查的效率。

在一申请实施例中，图像渲染控制器中还包括：

页面数据获取模块，其用于基于目标配电设备以及其对应的故障预测结果生成可视化页面数据；

当目标配电设备被检测出发生故障时，基于目标配电设备发生故障类型生成可视化页面数据。

二次渲染模块，其用于基于目标位置信息以及可视化页面数据，在球形全景监控图像的目标位置处渲染出故障预测页面。

在本申请实施例中，通过将发生故障的目标配电设备的故障类型标示在球形全景监控图像上，从而提示工作人员目标配电设备出现故障。

在一申请实施例中，提出了一种配电监测智能优化方法：

S1、基于目标配电设备的状态监测数据以及故障诊断模型，获取目标配电设备的故障预测结果；

首先通过对物理层进行维度缩放得到精确的部件特性，再采用部件创建低维性能模型，且该模型能与物理层中各设备同步映射；利用包含历史维修数据的训练该低维性能模型，得到训练好的故障预测模型，用于故障诊断和维护。具体地，服务器将目标配电设备的状态监测数据输入该性能诊断模型，获取目标配电设备的故障预测结果。

S2、基于目标配电设备图像以及球形全景监控图像，确定出目标配电设备图像在球形全景监控图像中的目标位置信息并标示；

具体地，可以利用设备识别网络模型在球形全景监控图像中识别出目标配电设备图像。该设备识别网络模型可以由卷积神经网络模型和分类模型组成。卷积神经网络模型是用于提取待测识别区域中的深层图像特征。该卷积神经网络模型可以由各种经过标记的样本设备图像训练而成。其中，该分类模型是可以是基于单类学习算法，同样是以各种经过标记的样本设备图像训练而的模型。其中，单类学习算法可以是OC-SVM模型。

具体的，将目标配电设备图像输入设备识别网络模型，在球形全景监控图像中确定出目标配电设备图像在球形全景监控图像中的目标位置信息并标示。

S3、基于目标配电设备以及其对应的故障预测结果生成可视化页面数据；

具体地，当目标配电设备被检测出发生故障时，基于目标配电设备发生故障类型生成可视化页面数据。

S4、基于目标位置信息以及可视化页面数据，在球形全景监控图像的目标位置处渲染出故障预测页面。

采用上述配电监测智能优化方法来完成对目标配电室的各配电实体设备以及辅助实体设备的异常运行情况的监测，特别的是在现有技术中，通常利用数字孪生技术对目标配电室内的各配电实体设备以及辅助实体设备进行建模，会消耗大量的人力物力对目标配电室内各设备进行建模，而本申请实施例中基于物理层的监控视频流，渲染获得球形全景监控图像，减少了利用数字孪生技术对物理层进行建模的步骤，从而高效地对目标配电室内的各设备进行监测。

需要说明的是，在本申请中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。