[发明专利]一种厂站电系图图元识别方法、系统及计算机可读介质

说明书

本发明涉及一种厂站电系图图元识别方法、系统及计算机可读介质，其中图元识别方法包括：获取电系图图元以及待识别的厂站电系图；构建并使用电系图图元训练厂站电系图图元识别分类模型；将厂站电系图输入训练好的厂站电系图图元识别分类模型，获得图元识别结果。与现有技术相比，本发明具有准确率高、效果好等优点。

技术领域

本发明涉及一种智能电网技术领域，尤其是涉及一种厂站电系图图元识别方法、系统及计算机可读介质。

背景技术

厂站单线图绘制与智能电网规建运一体化息息相关，是实现变电站自动化系统和调度SCADA/EMS高度融合的前提。厂站单线图的绘制方式主要包括计算机辅助的手工绘制和计算机执行的自动绘制。由于在模型、数据、布局和图形等方面缺失统一标准，导致无法使用单个程序编辑(例如：修改、重构)“图模数不一致”的多源厂站单线图。

现阶段，针对电系图的识别大都采用图论加模式识别，对于厂站单线图识别，以图论为基础，辅以机器学习特征工程，对SVG格式的厂站单线图进行图元识别和拓扑解析。对于厂站单线图生成，首先建立典型布局模板，接着使用机器学习技术提取待绘厂站的显著特征(例如：主接线类型等)，最后使用模式匹配技术寻找模板中与待绘厂站特征最相似的。传统的和以机器学习辅助的模式识别的效果强依赖于业务知识构建的“特征”，当遇到“新模式”时会从“精确匹配”转变为“近似匹配”，对于部分形状近似的图元容易产生识别错误。手工绘图是产生“新模式”的主要来源，手工绘图和机器绘图在未来长期共存，图模数不一致问题也将与其共生。然而，手工绘图必须遵循统一的业务规则(标准)，这使得“新模式”与“旧模式”可能存在未被发掘的共性特征，如何有效挖掘共性特征是一个待解决的关键问题。同时，如何针对厂站电系图部分图像背景模糊，图元旋转角度不一致，从而导致对电系图图元识别存在困难的问题进行优化，将具有重要的实践意义。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种准确率高、效果好的厂站电系图图元识别方法、系统及计算机可读介质。

本发明的目的可以通过以下技术方案来实现：

一种厂站电系图图元识别方法，所述的图元识别方法包括：

步骤1：获取电系图图元以及待识别的厂站电系图；

步骤2：构建并使用电系图图元训练厂站电系图图元识别分类模型；

步骤3：将厂站电系图输入训练好的厂站电系图图元识别分类模型，获得图元识别结果。

优选地，所述的步骤2具体为：

步骤2-1：对电系图图元图像进行平滑去噪处理；

步骤2-2：采用灰度共生矩阵对平滑去噪后后的图像进行图像纹理特征提取；

步骤2-3：基于灰度共生矩阵，提取若干个特征向量以代表图像的纹理特征；

步骤2-4：构建纹理特征矩阵，并进行归一化处理；

步骤2-5：对纹理特征数据集进行聚类，进行类别标记，获得有监督学习样本数据集；

步骤2-6：对有监督样本数据集通过有监督机器学习模型进行训练，获得厂站电系图图元识别分类模型。

更加优选地，所述的步骤2-1具体为：

采用高斯滤波对电系图图元图像进行平滑去噪处理。

更加优选地，所述的步骤2-3具体为：

基于灰度共生矩阵，提取九种特征向量，包括均值、方差、同质性、对比度、相异性、熵、能量、相关性和自相关性以代表图像的纹理特征。

更加优选地，所述的步骤2-5具体为：