基于AI深度学习类算法研究的低压集抄运维仿真装置的制作方法

基于ai深度学习类算法研究的低压集抄运维仿真装置
1.技术领域
2.本发明涉及运维仿真装置领域，具体涉及一种基于ai深度学习类算法研究的低压集抄运维仿真装置。


背景技术：

3.电力设备在工作期间需要不断的进行监测、维运工作，因此就需要使用到低压集抄运维仿真装置，目的为了保证电力系统的正常运行，在出现故障的时候，能够及时前去维修，避免故障影响受电设备的使用。
4.现有的低压集抄运维仿真装置存在着一定的不足之处有待改善，首先，电网结构复杂程度显著增大，电网运行方式变化频繁，面临更大的不确定性，而现有的低压集抄运维仿真装置不具备学习功能，各个电力设备的模型需要手动录入，工作量巨大，严重影响使用；其次，现有的低压集抄运维仿真装置通常由多个系统组合使用，信息覆盖化慢，导致容易影响维运的最佳时机。


技术实现要素：

5.本发明所要解决的技术问题在于：电网结构复杂程度显著增大，电网运行方式变化频繁，面临更大的不确定性，而现有的低压集抄运维仿真装置不具备学习功能，各个电力设备的模型需要手动录入，工作量巨大，严重影响使用；其次，现有的低压集抄运维仿真装置通常由多个系统组合使用，信息覆盖化慢，导致容易影响维运的最佳时机。
6.本发明是通过以下技术方案解决上述技术问题的，一种基于ai深度学习类算法研究的低压集抄运维仿真装置，包括无人机、巡检机器人、固定摄像机位、学习模块、电力运检影像库、维运app和远程维运系统；所述无人机用于高空巡逻式拍摄电力设备画面；所述巡检机器人用于携带热成像传感器陆地巡逻式拍摄电力设备画面；所述固定摄像机位用于固定式拍摄电力设备画面；所述学习模块用于学习设备初始化模型；所述电力运检影像库用于故障排查和储存初始化模型；所述维运app用于维运人员接受维运信息；所述远程维运系统用于维运人员请教专家人员远程协助维运。
7.优选的，所述学习模块包括ai核心处理芯片和场景/参数提取模块，所述场景/参数提取模块包括影像接收模块、参数获取模块、环境分析模块、特征提取模块、算法储存模块、强化学习模块和输出模块。
8.优选的，所述学习模块具体处理步骤如下：步骤一：ai核心处理芯片为整个学习模块的命令进行处理、运算、执行；
步骤二：在学习的时候，影像接收模块和参数接收模块分别接收电力设备影像及参数；步骤三：接收到影像和参数后，环境分析模块和特征提取模块对影像环境进行分析并且提取电力设备初始特征；步骤四：提起的特征由算法储存模块中储存的算法配合强化学习模块进行学习；步骤五：学习后的初始化模型由输出模块输出。
9.优选的，所述特征提取模块提取范围包括：各个电力设备运行正常参数、外观、正常运行温度、各种阀、开关的开合度/位置、各个设备三相短路故障可能产生的故障现象。
10.优选的，所述算法储存模块中储存的算法程序包括：非均衡数据学习算法、代价敏感学习算法与集成学习等算法中一种或多种。
11.优选的，所述电力运检影像库包括电路运检模块和初始模型储存库，所述电力运检模块包括影像接收模块、参数接收模块、闪存模块、特征匹配模块。
12.优选的，所述电力运检影像库具体处理步骤如下：步骤1：输出模块输出的电力设备初始模型被初始模型储存库所储存；步骤2：影像接收模块和参数接收模块分别接收电力设备影响以及采集的运行参数；步骤3：接收后的各项数据由闪存模块储存，特征匹配模块实时将闪存的模型与初始模型储存库中储存的初始模型进行匹配，当匹配出现不符现象的时候，向维运app发送维运信息。
13.优选的，所述维运app包括信息接收模块、信息处理模块、语音交互模块和导航包，当信息接收模块接收到维运信息的时候，信息处理模块通过导航包向维运人员提供故障信息发出的位置所在，同时维运人员通过语音交互模块进行语音交互。
14.优选的，所述远程维运系统由智能穿戴设备摄像头和平板、手机或pc终端组成，智能穿戴设备摄像头佩戴在维运人员身上，拍摄画面由互联网传输至专家人员的平板、手机或pc终端，专家人员与维运人员通过语音交互和增强现实电子白板进行交流，进行远程指导维运。
15.本发明相比现有技术具有以下优点：利用深度学习分析环境信息，从中提取特征，强化学习将基于这些特征，进一步分析、提取特征，并选择对应动作，实现目标回报，具备ai深度学习功能，减少手动录入的工作；通过设置电力运检影像库，集合ai深度学习算法与电力运检影像库中，在采集到设备图像和运行参数后，能够快速的进行匹配，从而进行排查故障，使得故障排查速度大大提高；通过导航包和语音交互模块，当维运app接收到工单消息时，导航包直接为维运人员提供导航信息，使得维运人员能够快速到达现场进行维运，避免错过最佳维运时机，而且全程可通过语音交互模块进行语音交互，解放双手提高工作效率；通过远程维运系统，对于复杂场景的疑难运维，运维人员还可通过智能穿戴设备摄像头以第一视角将现场情景直接传送到远程专家处，远程专家通过语音和增强现实电子白板，直观的将数字信息远程直接叠加在运维人员视野中的操作对象上，犹如获得现场专
家的指导一样处理棘手问题，极大的减少了沟通和交流成本，提高故障诊断及修复能力。
附图说明
16.图1是本发明的系统框图；图2是本发明的学习模块和电路运检影响库的系统图；图3是本发明的维运app的系统图;图4是本发明的远程维运系统的系统图。
具体实施方式
17.下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
18.如图1
‑
4所示，本实施例提供一种技术方案：一种基于ai深度学习类算法研究的低压集抄运维仿真装置，包括无人机、巡检机器人、固定摄像机位、学习模块、电力运检影像库、维运app和远程维运系统；无人机用于高空巡逻式拍摄电力设备画面；巡检机器人用于携带热成像传感器陆地巡逻式拍摄电力设备画面；固定摄像机位用于固定式拍摄电力设备画面；学习模块用于学习设备初始化模型；电力运检影像库用于故障排查和储存初始化模型；维运app用于维运人员接受维运信息；远程维运系统用于维运人员请教专家人员远程协助维运。
19.学习模块包括ai核心处理芯片和场景/参数提取模块，场景/参数提取模块包括影像接收模块、参数获取模块、环境分析模块、特征提取模块、算法储存模块、强化学习模块和输出模块。
20.学习模块具体处理步骤如下：步骤一：ai核心处理芯片为整个学习模块的命令进行处理、运算、执行；步骤二：在学习的时候，影像接收模块和参数接收模块分别接收电力设备影像及参数；步骤三：接收到影像和参数后，环境分析模块和特征提取模块对影像环境进行分析并且提取电力设备初始特征；步骤四：提起的特征由算法储存模块中储存的算法配合强化学习模块进行学习；步骤五：学习后的初始化模型由输出模块输出。
21.特征提取模块提取范围包括：各个电力设备运行正常参数、外观、正常运行温度、各种阀、开关的开合度/位置、各个设备三相短路故障可能产生的故障现象。
22.算法储存模块中储存的算法程序包括：非均衡数据学习算法、代价敏感学习算法与集成学习等算法中一种或多种。
23.电力运检影像库包括电路运检模块和初始模型储存库，电力运检模块包括影像接收模块、参数接收模块、闪存模块、特征匹配模块。
24.电力运检影像库具体处理步骤如下：步骤1：输出模块输出的电力设备初始模型被初始模型储存库所储存；步骤2：影像接收模块和参数接收模块分别接收电力设备影响以及采集的运行参数；步骤3：接收后的各项数据由闪存模块储存，特征匹配模块实时将闪存的模型与初始模型储存库中储存的初始模型进行匹配，当匹配出现不符现象的时候，向维运app发送维运信息。
25.维运app包括信息接收模块、信息处理模块、语音交互模块和导航包，当信息接收模块接收到维运信息的时候，信息处理模块通过导航包向维运人员提供故障信息发出的位置所在，同时维运人员通过语音交互模块进行语音交互；远程维运系统由智能穿戴设备摄像头和平板、手机或pc终端组成，智能穿戴设备摄像头佩戴在维运人员身上，拍摄画面由互联网传输至专家人员的平板、手机或pc终端，专家人员与维运人员通过语音交互和增强现实电子白板进行交流，进行远程指导维运。
26.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。