【技術實現步驟摘要】
本申請涉及電力設備巡檢的，尤其是涉及一種三維可視化電力巡檢方法。
技術介紹
1、在電力巡檢領域，傳統的巡檢方式主要依賴于人工現場檢查，這種方式不僅耗時耗力，而且受限于巡檢人員的經驗和判斷，可能存在漏檢、誤判等問題。隨著電力系統的復雜性和規模的不斷增加，傳統的巡檢方式已經難以滿足現代電力系統的管理需求。
2、近年來，隨著信息技術的不斷發展，特別是大數據、云計算和人工智能等技術的廣泛應用，為電力巡檢提供了新的解決方案。然而，電力巡檢中的數據包括實時運行數據、歷史運行數據等，這些數據具有多樣性和復雜性，且往往受到多種因素的影響，包括環境因素、設備老化、負荷變化等，這些影響因素之間的相互作用使得電力系統的運行狀態變得非常復雜，傳統的巡檢方式難以全面捕捉和分析這些變化。
技術實現思路
1、為了能夠準確的捕獲和分析電力系統中數據的變化規律，本申請提供了一種三維可視化電力巡檢方法。
2、本申請提供了一種三維可視化電力巡檢方法，采用如下的技術方案：
3、一種三維可視化電力巡檢方法，包括以下步驟：
4、數據采集：包括第一采集和第二采集；
5、第一采集：采集巡檢目標的實時運行數據；
6、第二采集：采集巡檢目標的歷史運行數據；
7、第一建模：基于深度學習算法，建立巡檢模型，所述巡檢模型包括：cnn子模型、bi-lstm子模型和決策樹子模型；
8、模型訓練：包括特征提取、第一訓練和第二訓練，獲得訓練后的巡檢模型
9、特征提取：采用cnn子模型提取n個運行特征；
10、第一訓練：將n個運行特征輸入至bi-lstm子模型，獲得bi-lstm子模型的輸出數據；
11、第二訓練：將n個運行特征以及bi-lstm子模型的輸出數據輸入決策樹子模型，輸出決策結果；
12、檢測：將實時運行數據輸入至訓練后的巡檢模型中，輸出第一巡檢結果。
13、本申請首先采集了實時運行數據和歷史運行數據，通過實時運行數據可以獲得巡檢目標當前的工作狀態，通過歷史運行數據則能夠獲得巡檢目標過去的工作情況，有助于識別潛在的問題或趨勢。之后建立了巡檢模型，所述巡檢模型包括：cnn子模型、bi-lstm子模型和決策樹子模型，cnn子模型擅長從輸入數據中提取局部特征，能夠精確提取巡檢目標歷史運行數據中的運行特征。bi-lstm子模型能夠處理序列數據（即n個運行特征），捕捉數據中的時間依賴關系，有助于分析巡檢目標隨時間變化的趨勢。決策樹子模型能夠根據提取的特征和bi-lstm的輸出做出決策，輸出決策結果。之后采用歷史運行數據對巡檢模型進行訓練，獲得訓練后的巡檢模型，之后將實時運行數據輸入至訓練后的巡檢模型中，輸出第一巡檢結果。本申請結合了實時和歷史數據，通過多個子模型協作處理數據，能夠全面、準確地分析巡檢目標的運行數據。
14、可選地，所述數據采集的步驟，還包括，第三采集：采集巡檢目標的實時圖像和歷史圖像，所述歷史圖像包括：正常圖像、異常圖像以及異常圖像對應的缺陷標簽；并在執行數據采集的步驟之后，執行第一建模的步驟之前，還包括：
15、第一分割：采用圖像分割算法對實時圖像進行分割，獲得多個第一分割塊；
16、第一判斷：基于第一分割塊判斷巡檢目標中是否存在遮擋，若是，則執行第一計算的步驟；若否，則執行第一建模的步驟；
17、第一計算：利用余弦相似度算法計算實時運行數據與歷史運行數據的相似度，將與實時運行數據的相似度為最大值時的歷史運行數據作為第一數據；
18、在檢測的步驟中，采用第一數據代替實時運行數據輸入至巡檢模型中。
19、本申請通過圖像分割算法將實時圖像分割成多個第一分割塊，通過分析第一分割塊判斷巡檢目標中是否存在遮擋，如果存在遮擋，則通過計算實時運行數據與歷史運行數據的相似度，選擇與實時運行數據最相似的歷史運行數據作為后續需要處理的數據。遮擋情況下的實時運行數據并不完整，因此無法準確反映巡檢目標的真實狀態，容易導致誤報或漏報，而使用歷史運行數據代替，可以基于過去類似情況的處理結果來減少這種誤報和漏報的風險，因此本申請利用了歷史運行數據來增強巡檢模型的識別能力，特別是在實時圖像中的巡檢目標被遮擋時，依舊可以通過分析歷史運行數據推測巡檢目標的巡檢結果。在檢測步驟中，采用與實時運行數據相似度最大的歷史運行數據代替實時運行數據輸入至巡檢模型中，有助于減少因巡檢目標被遮擋導致的誤判，提高系統的穩定性和準確性。
20、可選地，在執行第一計算的步驟之后，執行第一建模的步驟之前，還包括：
21、再訓練：采用歷史圖像對巡檢模型再次進行訓練，獲得再訓練后的巡檢模型；
22、第一獲取：獲取第一數據對應的全部歷史圖像，將一個歷史圖像記為一個第一圖像；
23、第二計算：采用哈希算法分別計算實時圖像與每個第一圖像的相似度，選取與實時圖像的相似度為最大值時的第一圖像作為第二圖像；
24、在檢測的步驟中，將第二圖像和實時運行數據輸入再訓練后的巡檢模型中。
25、本申請采用圖像數據對巡檢模型進行再次訓練，獲得再訓練后的巡檢模型，能夠利用圖像輔助運行數據實現對電力設備的巡檢，本申請還獲取了與實時運行數據相似度最大的歷史數據，并獲取其對應的歷史圖像，之后通過哈希算法計算實時圖像與這些歷史圖像的相似度，選擇最相似的歷史圖像作為第二圖像，并將第二圖像和實時運行數據輸入再訓練后的巡檢模型中，即，采用未被遮擋的歷史圖像代替遮擋的實時圖像，提高檢測結果的準確性。
26、可選地，在執行第二計算的步驟之后，執行第一建模的步驟之前，還包括：
27、第二分割：采用圖像分割算法對第二圖像進行分割，獲得包含有巡檢目標的第二分割塊；
28、第一融合：將包含有巡檢目標的第二分割塊與實時圖像進行圖像融合處理，獲得融合后的圖像；
29、在檢測的步驟中，將融合后的圖像和實時運行數據輸入再訓練后的巡檢模型中。
30、本申請采用圖像分割算法對第二圖像（即與實時圖像最相似的歷史圖像）進行分割，目的是識別并提取出包含巡檢目標的第二分割塊。將包含巡檢目標的第二分割塊與實時圖像進行圖像融合處理，能夠用第二分割塊（即從歷史圖像中提取的、更清晰或未遮擋的巡檢目標區域）來替換實時圖像中對應的、被遮擋或模糊的區域，進而改善輸入到巡檢模型中的圖像質量，特別是當實時圖像中存在遮擋區域時，本申請能夠利用歷史圖像中的信息來彌補這些不足，從而更準確地判斷巡檢目標的狀態。通過第二分割和第一融合兩個步驟，本申請能夠利用歷史圖像中的清晰或未遮擋區域來優化實時圖像，從而提高輸入到巡檢模型中的圖像質量，由于輸入到巡檢模型中的圖像質量得到了改善，本申請的識別準確性也會相應提高。
31、可選地，在執行模型訓練的步驟之后，執行檢測的步驟之前，還包括：
32、第五處理：將不包括巡檢目標的分割塊中的每個像素點的像本文檔來自技高網...
【技術保護點】
1.一種三維可視化電力巡檢方法，其特征在于，包括：
2.根據權利要求1所述的三維可視化電力巡檢方法，其特征在于，所述數據采集的步驟，還包括，第三采集：采集巡檢目標的實時圖像和歷史圖像，所述歷史圖像包括：正常圖像、異常圖像以及異常圖像對應的缺陷標簽；并在執行數據采集的步驟之后，執行第一建模的步驟之前，還包括：
3.根據權利要求2所述的三維可視化電力巡檢方法，其特征在于，在執行第一計算的步驟之后，執行第一建模的步驟之前，還包括：
4.根據權利要求3所述的三維可視化電力巡檢方法，其特征在于，在執行第二計算的步驟之后，執行第一建模的步驟之前，還包括：
5.根據權利要求3所述的三維可視化電力巡檢方法，其特征在于，在執行模型訓練的步驟之后，執行檢測的步驟之前，還包括：
6.根據權利要求3或4所述的三維可視化電力巡檢方法，其特征在于，在第一獲取的步驟之后，執行第二計算的步驟之前，還包括：
7.根據權利要求6所述的三維可視化電力巡檢方法，其特征在于，在執行檢測的步驟之后，還包括：
8.根據權利要求2-4任一項所述
9.根據權利要求8所述的三維可視化電力巡檢方法，其特征在于，在執行第一處理的步驟之后，執行運行仿真的步驟之前，還包括：
10.根據權利要求9所述的三維可視化電力巡檢方法，其特征在于，在執行第三判斷的步驟之后，執行輸出的步驟之前，還包括：
...【技術特征摘要】
1.一種三維可視化電力巡檢方法，其特征在于，包括：
2.根據權利要求1所述的三維可視化電力巡檢方法，其特征在于，所述數據采集的步驟，還包括，第三采集：采集巡檢目標的實時圖像和歷史圖像，所述歷史圖像包括：正常圖像、異常圖像以及異常圖像對應的缺陷標簽；并在執行數據采集的步驟之后，執行第一建模的步驟之前，還包括：
3.根據權利要求2所述的三維可視化電力巡檢方法，其特征在于，在執行第一計算的步驟之后，執行第一建模的步驟之前，還包括：
4.根據權利要求3所述的三維可視化電力巡檢方法，其特征在于，在執行第二計算的步驟之后，執行第一建模的步驟之前，還包括：
5.根據權利要求3所述的三維可視化電力巡檢方法，其特征在于，在執行模型訓練的步驟之后，執行檢測的步驟之前...
【專利技術屬性】
技術研發人員：孔令全，趙婷，譚衛星，王芬芬，王學芝，楊明，
申請(專利權)人：山東智和創信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。