[发明专利]变电站自动巡检方法和平台在审
申请号: | 201910763314.X | 申请日: | 2019-08-19 |
公开(公告)号: | CN110514957A | 公开(公告)日: | 2019-11-29 |
发明(设计)人: | 陈作伟;李勋;吕启深;刘顺桂;杨强;徐健;张裕汉 | 申请(专利权)人: | 深圳供电局有限公司 |
主分类号: | G01R31/08 | 分类号: | G01R31/08;G01N29/44;H02J13/00 |
代理公司: | 44224 广州华进联合专利商标代理有限公司 | 代理人: | 傅康<国际申请>=<国际公布>=<进入国 |
地址: | 518001 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 巡检机器人 噪声数据 卷积神经网络 定位信息 巡检路径 巡检位置 自动巡检 时频 变电站 发生故障 故障检测 接收设备 模型判断 确认设备 设备运行 图像识别 问题转化 预设规则 知识技能 对设备 巡检 采集 发送 | ||
1.一种变电站自动巡检方法,其特征在于,包括:
向巡检机器人发送巡检路径,以使所述巡检机器人按照巡检路径到达巡检位置,采集所述巡检位置处的设备的噪声数据,对所述设备和所述噪声数据进行对应标识,以及获取当前所述巡检机器人的定位信息;
接收所述设备的噪声数据以及所述巡检机器人的定位信息,并根据预设规则对所述噪声数据进行处理,得到所述设备运行时的时频图;
根据所述定位信息确认所述设备对应的训练完成的卷积神经网络模型,以及将所述设备的时频图输入到与所述设备对应的训练完成的卷积神经网络模型,利用所述卷积神经网络模型判断所述设备是否发生故障。
2.如权利要求1所述的变电站自动巡检方法,其特征在于,所述根据预设规则对所述噪声数据进行处理,得到所述设备运行时的时频图,包括:
对所述噪声数据进行短时傅里叶变换,得到并存储与所述设备运行时的时频图。
3.如权利要求1所述的变电站自动巡检方法,其特征在于,在根据所述定位信息确认所述设备对应的训练完成的卷积神经网络模型之前,还包括:
采集所述设备正常状态下和故障状态下的历史运行噪声数据,并分别对每一所述噪声数据对应的设备的运行状态进行标定,形成噪声数据样本;
将所述噪声数据样本进行短时傅里叶变换,得到与所述噪声数据样本对应的时频图;
将所述时频图作为图像训练样本输入预先设置的卷积神经网络进行训练,以得到所述训练完成的卷积神经网络模型,并存储。
4.如权利要求1所述的变电站自动巡检方法,其特征在于,在向所述巡检机器人发送所述巡检路径之前,还包括:
根据所述变电站的设计图纸或高清卫星图像,获取变电站中需要检测的各个设备的位置信息;
根据需要检测的所述设备的位置信息和进行噪声采集的时间,生成所述巡检路径。
5.如权权利要求1所述的变电站自动巡检方法,其特征在于,还包括:
当判定所述设备发生故障时,生成用于提示用户设备故障的报警信息。
6.如权利要求2所述的变电站自动巡检方法,其特征在于,还包括:
利用所述时频图对与所述设备对应的卷积神经网络模型进行再训练和优化。
7.一种变电站自动巡检平台,其特征在于,包括:
巡检机器人,用于按照巡检路径到达巡检位置,采集所述巡检位置处的设备的噪声数据,并对所述设备以及所述噪声数据进行标识,以及获取自身当前的定位信息;和
地面站系统,与所述巡检机器人通信连接,用于接收所述设备的噪声数据以及所述巡检机器人的定位信息,根据预设规则对所述噪声数据进行处理,得到所述设备运行时的时频图,以及根据所述定位信息确认所述设备对应的训练完成的卷积神经网络模型,将所述设备的时频图输入与所述设备对应的训练完成的卷积神经网络模型,利用所述卷积神经网络模型判断所述设备是否发生故障。
8.如权利要求7所述的变电站自动巡检平台,其特征在于,所述巡检机器人包括:
运动控制模块,用于根据所述巡检路径驱动所述巡检机器人到达所述巡检位置,并对所述设备以及所述噪声数据进行标识,以及获取所述巡检机器人当前的定位信息;
噪声采集模块,用于采集所述巡检位置处的设备的噪声数据;
噪声处理模块,与所述噪声处理模块通信连接,用于将所述噪声数据与所述设备进行对应标识;以及
通信模块,与所述噪声采集模块、所述噪声处理模块以及所述地面站系统分别通信连接,所述运动控制模块通过所述通信模块从所述地面站系统中获取所述巡检路径,所述噪声处理模块通过所述通信模块向所述地面站系统发送所述噪声数据。
9.如权利要求8所述的变电站自动巡检平台,其特征在于,所述噪声处理模块,还用于在将所述噪声数据发送给所述地面站系统之前,将所述噪声数据按照指定长度的采样点进行分割和打包处理。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳供电局有限公司,未经深圳供电局有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910763314.X/1.html,转载请声明来源钻瓜专利网。