[发明专利]一种配电可视化系统及方法

说明书

本发明公开了一种配电可视化系统及方法，包括：图像获取模块，被配置为获取配网线路图像信息；图像智能识别模块，被配置为利用卷积神经网络对获取到的图像进行隐患识别和/或缺陷识别；告警模块，被配置为针对识别出的隐患和/或缺陷，向远程运维终端进行告警。本发明配电可视化系统能够实现配网线路的自动化巡视和诊断，借助于神经网络技术的精确分类，能够实现配网线路隐患源和配网设备缺陷的自动识别和告警，能够精准判断隐患和缺陷类型。

技术领域

本发明涉及配电可视化技术领域，尤其涉及一种配电可视化系统及方法。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

配网线路环境复杂多样，配电线路基数大、里程长，通道周边环境复杂多变；配网线路受到通道附近修路、建筑施工、大型作业车辆以及自然灾害等的影响，其运行安全受到了严重的威胁。

对于配网线路的监控，传统人防巡检模式巡视效率低下，无法做到同时兼顾；传统视频监控手段难以做到全面覆盖，再加上体积重量大安装复杂，且成本较高，不适用于配电线路塔型；而无人机等高科技手段在配电线路大多数环境中不宜使用。

发明内容

为了解决上述问题，本发明提出了一种配电可视化系统及方法，能够实现配网线路的远程可视化智能监控。

在一些实施方式中，采用如下技术方案：

一种配电可视化系统，包括：

图像获取模块，被配置为获取配网线路图像信息；

图像智能识别模块，被配置为利用卷积神经网络对获取到的图像进行隐患识别和/或缺陷识别；

告警模块，被配置为针对识别出的隐患和/或缺陷，向远程运维终端进行告警。

作为进一步地方案，所述图像智能识别模块利用卷积神经网络对获取到的图像进行隐患识别，具体包括：

构建隐患样本集；所述样本集包括正样本集和负样本集；

对样本集中每个样本所属的隐患类别进行标注；

将标注好的正样本和负样本按照设定的比例输入到卷积神经网络模型中进行训练；

将实时获取到的配网线路图像信息输入到训练好的神经网络模型，输出隐患识别结果。

作为进一步地方案，所述隐患识别包括：特种车辆识别、山火及烟雾识别、覆冰识别和异物悬挂识别。

作为进一步地方案，对于错误的隐患识别结果，对该结果的配网线路图像进行缺陷类别标注，将标注好的图像加入到样本集中，重新对神经网络模型进行训练。

作为进一步地方案，所述缺陷类别包括：倒塔和断线。

作为进一步地方案，所述图像智能识别模块能够对获取到的图像信息，自动提取监护区域的虚拟围栏，对虚拟围栏内的隐患进行识别。

作为进一步地方案，还包括：自动派单模块，被配置为识别出设备隐患或者缺陷后，自动生成运维工单，并派发给相关的运维终端。

作为进一步地方案，还包括：语音播放模块，被配置为能够播放运维人员的远程语音信息；或者，当图像智能识别模块识别出隐患源，并判断隐患源与配网设备的距离小于安全距离时，自动播放告警提示音。

作为进一步地方案，所述图像智能识别模块通过企业网关和防火墙将获取到的图像数据和识别结果传输至前置服务器；通过端口映射方式，允许外网客户端经防火墙访问前置服务器特定I P的特定端口，供监控中心实时监控。

在另一些实施方式中，采用如下技术方案：

一种配电可视化方法，包括：