(12)发明专利申请
(10)申请公布号 CN 110503215 A(43)申请公布日 2019.11.26
(21)申请号 201910802443.5(22)申请日 2019.08.28
(71)申请人 国网天津市电力公司
地址 300010 天津市河北区五经路39号 申请人 国网天津市电力公司电力科学研究
院(72)发明人 郭悦 王刚 王健 尚学军
王伟臣 黄志刚 王鑫 王旭东 李国栋 杨晓静 马世乾 崇志强 王天昊 (74)专利代理机构 天津盛理知识产权代理有限
公司 12209
代理人 王利文(51)Int.Cl.
G06Q 10/00(2012.01)
权利要求书1页 说明书3页 附图1页
G06Q 50/06(2012.01)
CN 110503215 A(54)发明名称
基于图像识别技术识别设备状态、故障及处理异常的方法(57)摘要
本发明涉及一种基于图像识别技术识别设备状态、故障及处理异常的方法，包括以下步骤：采集设备图片，并对设备图片进行整理处理；通过接入设备运行状态的数据和调度监控信息的数据，分析故障原因和设备状态；根据得到的故障原因，通过图形识别技术自动确认设备状态，进而提供解决方案辅助调度人员进行处理决策。本发明采用图形识别技术和训练图形算法，分析故障原因和设备状态，并生成故障处理的方案，辅助调度人员进行决策，从而实现了主站监控信息表的信号事件化分析和图像识别设备状态的目的，解决了调度人员无法准确判断监控信号所代表的设备状态和故障原因的问题。
CN 110503215 A
权 利 要 求 书
1/1页
1.一种基于图像识别技术识别设备状态、故障及处理异常的方法，其特征在于：包括以下步骤：
步骤1、采集设备图片，并对设备图片进行整理处理；步骤2、通过接入设备运行状态的数据和调度监控信息的数据，分析故障原因和设备状态；
步骤3、根据得到的故障原因，通过图形识别技术自动确认设备状态，进而提供解决方案辅助调度人员进行处理决策。
2.根据权利要求1所述的基于图像识别技术识别设备状态、故障及处理异常的方法，其特征在于：所述步骤1采集设备图片包括包括设备正常状态下的图片和设备非正常状态下的图片以及正常状态下设备主要零件的位置。
3.根据权利要求1或2所述的基于图像识别技术识别设备状态、故障及处理异常的方法，其特征在于：所述步骤1对设备图片进行整理处理的方法为：确定需要识别设备的种类和型号，将不同的样本图片进行归类，利用图像识别的Sift算法对设备的图形识别进行训练，每次随机选取样本，将验证准确率靠前的模型作为候选，并将采集新的样本进行检验，取准确率最高的模型为最终训练的结果，模拟现场环境采集图片并进行测试，得出准确率，进行评估；并且将识别错误的结果进行纠正和新的样本加入训练库，重新进行训练，反复多次。
4.根据权利要求3所述的基于图像识别技术识别设备状态、故障及处理异常的方法，其特征在于：所述利用图像识别的Sift算法对设备的图形识别进行训练时，采用样本与测试各占比7：3，反复训练20次。
5.根据权利要求1或2所述的基于图像识别技术识别设备状态、故障及处理异常的方法，其特征在于：所述调度监控信息包括D5000监控信息表和电网模型数据。
6.根据权利要求5所述的基于图像识别技术识别设备状态、故障及处理异常的方法，其特征在于：所述步骤2分析故障原因和设备状态的方法为：通过对电网模型文件G文件和.CME文件进行数据段的分析，掌握文件中每一个数据字段和数据内容的含义，将需要的设备名称、连接关系、设备状态信息存入数据库中；根据以往人工经验对出现事故的信号进行总结，将每一个事故应该发出的信号进行归纳，做出每个事故所包含信号的模型，通过对监控信号进行匹配得出其所包含的电网事故；针对各种电网事故模型的特点，总结事故信号的特征，对信号进行对比和匹配，找出对应的电网事故模型；根据电网事故模型的结构判断并确认符合的电网事故模型，从而得到事故原因，并将事故信号的特征提取出来。
7.根据权利要求6所述的基于图像识别技术识别设备状态、故障及处理异常的方法，其特征在于：所述电网事故模型包括信号出现的间隔时间、复归时间、设备编号和设备状态。
8.根据权利要求1所述的基于图像识别技术识别设备状态、故障及处理异常的方法，其特征在于：所述步骤3的具体实现方法为：将监控信号进行事件化，将信号顺序进行整理，过滤掉影响信号，提供信号存在的问题以及故障原因；然后，通过分析得出的故障原因，提供故障处理的方案，并辅助进行设备状态检查和确认。
2
CN 110503215 A
说 明 书
1/3页
基于图像识别技术识别设备状态、故障及处理异常的方法
技术领域
[0001]本发明属于变电站技术领域，尤其是一种基于图像识别技术识别设备状态、故障及处理异常的方法。
背景技术
[0002]随着电网“大运行”建设的深入推进，调控一体化、地县一体化的深入开展，目前电力系统中主站的监控信息越来越趋近于精简的模式，大量合并站端上传监控信号，使主站监控信息表中存在着很多信号复杂的情况，导致调度人员无法准确判断监控信号所代表的设备状态和故障原因。
发明内容
[0003]本发明的目的在于克服现有技术的不足，提出一种基于图像识别技术识别设备状态、故障及处理异常的方法，解决调度人员无法准确判断监控信号所代表的设备状态和故障原因。
[0004]本发明解决其技术问题是采取以下技术方案实现的：[0005]一种基于图像识别技术识别设备状态、故障及处理异常的方法，包括以下步骤：[0006]步骤1、采集设备图片，并对设备图片进行整理处理；[0007]步骤2、通过接入设备运行状态的数据和调度监控信息的数据，分析故障原因和设备状态；
[0008]步骤3、根据得到的故障原因，通过图形识别技术自动确认设备状态，进而提供解决方案辅助调度人员进行处理决策。[0009]进一步，所述步骤1采集设备图片包括包括设备正常状态下的图片和设备非正常状态下的图片以及正常状态下设备主要零件的位置。[0010]进一步，所述步骤1对设备图片进行整理处理的方法为：确定需要识别设备的种类和型号，将不同的样本图片进行归类，利用图像识别的Sift算法对设备的图形识别进行训练，每次随机选取样本，将验证准确率靠前的模型作为候选，并将采集新的样本进行检验，取准确率最高的模型为最终训练的结果，模拟现场环境采集图片并进行测试，得出准确率，进行评估；并且将识别错误的结果进行纠正和新的样本加入训练库，重新进行训练，反复多次。
[0011]进一步，所述利用图像识别的Sift算法对设备的图形识别进行训练时，采用样本与测试各占比7：3，反复训练20次。[0012]进一步，所述调度监控信息包括D5000监控信息表和电网模型数据。[0013]进一步，所述步骤2分析故障原因和设备状态的方法为：通过对电网模型文件G文件和.CME文件进行数据段的分析，掌握文件中每一个数据字段和数据内容的含义，将需要的设备名称、连接关系、设备状态信息存入数据库中；根据以往人工经验对出现事故的信号进行总结，将每一个事故应该发出的信号进行归纳，做出每个事故所包含信号的模型，通过
3
CN 110503215 A
说 明 书
2/3页
对监控信号进行匹配得出其所包含的电网事故；针对各种电网事故模型的特点，总结事故信号的特征，对信号进行对比和匹配，找出对应的电网事故模型；根据电网事故模型的结构判断并确认符合的电网事故模型，从而得到事故原因，并将事故信号的特征提取出来。[0014]进一步，所述电网事故模型包括信号出现的间隔时间、复归时间、设备编号和设备状态。
[0015]进一步，所述步骤3的具体实现方法为：将监控信号进行事件化，将信号顺序进行整理，过滤掉影响信号，提供信号存在的问题以及故障原因；然后，通过分析得出的故障原因，提供故障处理的方案，并辅助进行设备状态检查和确认。[0016]本发明的优点和积极效果是：[0017]本发明设计合理，其采用图形识别技术和训练图形算法，对事故设备的图形和正常设备的图形进行采样，通过接入设备运行状态的数据以及调度监控信息，分析故障原因和设备状态，并生成故障处理的方案，辅助调度人员进行决策，从而实现了主站监控信息表的信号事件化分析和图像识别设备状态的目的，解决了调度人员无法准确判断监控信号所代表的设备状态和故障原因。附图说明
[0018]图1是本发明的工作原理图。
具体实施方式
[0019]以下结合附图对本发明实施例做进一步详述。[0020]一种基于图像识别技术识别设备状态、故障及处理异常的方法，如图1所示，包括以下步骤：
[0021]步骤1、采集设备图片，并对设备图片进行整理处理。[0022]在本步骤中，对设备进行图像样本数据采集，采样内容包括设备正常状态下的图片和非正常状态下的图片以及正常状态下设备主要零件的位置(以表示设备运行状态)采样时需要考虑有足够的样本数据，同时需要考虑环境因素的影响。[0023]对图像样本数据采集后进行如下处理：确定需要识别设备的种类和型号，将正常状态和故障状态都作为一种“状态”，针对不同的状态定义不同的类和图像识别的过程，也就是将不同的样本图片归为某一个类中。利用图像识别的Sift算法对设备的图形识别进行训练，采用样本与测试各占比7：3，反复训练20次，每次随机选取样本，将验证准确率前5个模型作为候选，并将采集新的样本10张左右的图片进行检验，取准确率最高的模型为最终训练的结果。模拟现场环境采集图片并进行测试，得出准确率，进行评估。改进的方式是将识别错误的结果进行纠正和新的样本加入训练库，重新进行训练，反复多次后提高准确率。[0024]步骤2、通过接入设备运行状态的数据和调度监控信息的数据，分析故障原因和设备状态。
[0025]在本步骤中，调度监控信息包括D5000监控信息表和电网模型数据，通过获取电网模型数据并利用模型数据解析电网的拓扑关系，利用监控信息数据分析和提炼事故模型，分析事故原因。具体方法为：
[0026]通过对电网模型文件G文件和.CME文件进行数据段的分析，掌握文件中每一个数
4
CN 110503215 A
说 明 书
3/3页
据字段和数据内容的含义，将需要的设备名称、连接关系、设备状态等信息按照适当的结构存入数据库中。[0027]利用监控信息的数据按照下述方法对设备发出的信号进行分析：根据以往人工经验对出现事故的信号进行总结，将每一个事故应该发出的信号进行归纳，做出每个事故所包含信号的模型，通过对监控信号进行匹配得出其所包含的电网事故。针对各种电网事故模型的特点，总结事故信号的特征，对信号进行对比和匹配，找出对应的电网事故模型。电网事故模型的结构包括从信号出现的间隔时间、复归时间、设备编号、设备状态等信息，根据上述结构判断并确认符合的电网事故模型，从而分析可能的事故原因，并将事故信号的特征提取出来。[0028]步骤3、根据得到的故障原因，通过图形识别技术自动确认设备状态，进而提供解决方案辅助调度人员进行处理决策。[0029]在本步骤中，首先将监控信号进行事件化，将信号顺序进行整理，过滤掉影响信号，提供信号存在的问题，以及故障原因。然后，通过分析得出的故障原因，提供故障处理的方案，并辅助进行设备状态检查和确认，具体方法为：[0030]通过分析得出的故障原因，利用市场已有的巡检机器人进行现场查看，并通过图形识别方法自动确认设备状态，提供故障处理的方案。例如：隔离开关接触不良，根据事故处理方式，设置系统进行报警，并尽快切除电源等。如果需要结合现场情况，可以通过相关的应用场景进行数据采集，针对事故模型的解决方案进行调整，优化电网事故处理的流程，并提高事故处理的效率。
[0031]通过对电网事故的分析，建立事故模型的信号规律、设备状态、运行数据、处理方案等资料。通过对发生故障的实际信号进行对比和总结，记录事故前后设备的状态信息，电网的运行信息等，分析一个事故发生后，电网运行过程中所有相关的数据。根据处理的方式和记录的数据，进行总结，建立一个详细的资料库，了解事故过程中监控信号和运行数据的情况，便于以后建立事故模型。利用监控信息表对信号规律进行分析，利用电网模型数据解析变电站的设备拓扑关系，利用机器学习训练图像识别设备状态的模型。结合系统集成处理，输出对电网事故的感知结果，解决方案，辅助调度调度人员进行处理决策。[0032]本发明方法遵循IEC61850标准规范和接口进行设计。[0033]需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。
5
CN 110503215 A
说 明 书 附 图
1/1页
图1
6
因篇幅问题不能全部显示，请点此查看更多更全内容