一种GIS设备刀闸触头状态智能监测方法与流程

摘要: 本技术涉及电力设备智能运维,具体涉及一种gis设备刀闸触头状态智能监测方法。背景技术:1、气体绝缘金属封闭开关设备(gis)作为变电站的核心设备,其刀闸触头的运...
一种GIS设备刀闸触头状态智能监测方法与流程

本技术涉及电力设备智能运维,具体涉及一种gis设备刀闸触头状态智能监测方法。

背景技术:

1、气体绝缘金属封闭开关设备(gis)作为变电站的核心设备,其刀闸触头的运行状态直接关系到电网的安全稳定。目前,针对gis刀闸触头的状态监测主要依赖人工定期巡视或基于单一静态图像的自动识别技术。然而,人工巡视方式实时性差、效率低,难以捕捉瞬态故障;而现有的图像自动识别方案通常将全部视频流上传至云端进行处理,不仅对通信带宽造成巨大压力,且边缘端算力资源浪费严重。更为关键的是,现有技术多聚焦于触头合闸或分闸到位等静态位置的判别,缺乏对刀闸动作过程中机械运动特性的连续分析能力,导致无法有效识别动作缓慢、机械卡涩等动态异常故障,难以满足gis设备精细化、智能化运维的需求。

2、因此,急需一种能够兼顾传输带宽优化与动态机械故障识别的gis设备刀闸触头状态智能监测方法。

技术实现思路

1、针对现有技术存在的边缘算力与传输带宽受限且无法有效识别刀闸触头动态机械异常的问题,本技术通过一种gis设备刀闸触头状态智能监测方法,实现边缘端关键帧提取与云端时序动作分析的协同监测。

2、为实现上述目的,本技术采用如下技术方案:

3、一种gis设备刀闸触头状态智能监测方法,包括:通过边缘计算节点获取目标区域的连续图像帧序列,并基于相邻图像帧之间的运动特征差异度,从所述连续图像帧序列中提取关键图像帧序列;将所述关键图像帧序列传输至云端服务器;通过所述云端服务器基于所述关键图像帧序列中的单帧图像进行空间特征提取,确定所述刀闸触头的静态位置状态;通过所述云端服务器基于所述关键图像帧序列的时间戳与空间位置变化构建时序动作轨迹,并基于所述时序动作轨迹确定所述刀闸触头的机械运动状态;融合所述静态位置状态与所述机械运动状态,生成所述刀闸触头的综合监测结果。

4、可选的,所述基于相邻图像帧之间的运动特征差异度,从所述连续图像帧序列中提取关键图像帧序列,包括:计算当前图像帧与前一图像帧在预设感兴趣区域内的像素级差异度或特征级差异度;当所述像素级差异度或所述特征级差异度满足预设触发条件时,将所述当前图像帧确定为关键图像帧;基于提取到的多个所述关键图像帧,按照时间顺序构建所述关键图像帧序列,以过滤所述连续图像帧序列中的静态冗余画面。

5、可选的,所述计算当前图像帧与前一图像帧在预设感兴趣区域内的像素级差异度或特征级差异度,包括:通过以下公式计算所述差异度:

6、

7、其中,表示当前图像帧在预设感兴趣区域内第个采样点的像素值或特征值, 表示前一图像帧在对应采样点的像素值或特征值,为所述预设感兴趣区域内的采样点总数;所述当所述像素级差异度或所述特征级差异度满足预设触发条件时,将所述当前图像帧确定为关键图像帧,包括:当所述差异度大于或等于动态阈值时,触发关键帧提取机制,将所述当前图像帧加入所述关键图像帧序列;所述动态阈值基于历史图像帧的差异度统计分布自适应更新。

8、可选的,所述通过所述云端服务器基于所述关键图像帧序列中的单帧图像进行空间特征提取,确定所述刀闸触头的静态位置状态,包括:利用高精度图像识别模型对所述关键图像帧序列中的目标关键图像帧进行空间特征提取,获取触头组件的几何轮廓特征与相对位置特征;基于所述几何轮廓特征与所述相对位置特征,对所述刀闸触头进行静态状态分类,输出包含合闸到位状态、分闸到位状态或接触偏移状态的所述静态位置状态。

9、可选的,所述通过所述云端服务器基于所述关键图像帧序列的时间戳与空间位置变化构建时序动作轨迹,并基于所述时序动作轨迹确定所述刀闸触头的机械运动状态,包括:提取所述关键图像帧序列中各关键图像帧对应的时间戳以及所述刀闸触头的空间位置坐标;基于所述时间戳与所述空间位置坐标,拟合生成反映所述刀闸触头动作过程的所述时序动作轨迹;计算所述时序动作轨迹的动作平滑度指标与动作耗时指标;当所述动作平滑度指标或所述动作耗时指标超出预设正常范围时,判定所述机械运动状态存在动态机械异常。

10、可选的,所述计算所述时序动作轨迹的动作平滑度指标的步骤,包括:基于相邻关键图像帧之间的空间位置坐标差值与时间戳差值,计算各关键图像帧对应的触头位移速度;通过以下公式计算作为所述动作平滑度指标的卡涩指数:

11、

12、其中,为所述关键图像帧序列中的关键图像帧总数,表示第个关键图像帧对应的触头位移速度, 表示第个关键图像帧对应的触头位移速度;当所述卡涩指数超过预设卡涩阈值时,判定所述动态机械异常为机械卡涩故障。

13、可选的,所述方法还包括:所述云端服务器实时获取当前网络带宽状态或所述综合监测结果的识别置信度;基于所述当前网络带宽状态或所述识别置信度,生成针对所述边缘计算节点的动态调节指令;所述边缘计算节点响应于所述动态调节指令,自适应调整所述连续图像帧序列的采集频率或所述运动特征差异度的计算灵敏度。

14、此外,本技术还提供了一种gis设备刀闸触头状态智能监测装置,包括:边缘处理模块,用于获取目标区域的连续图像帧序列,并基于相邻图像帧之间的运动特征差异度,从所述连续图像帧序列中提取关键图像帧序列;云端复核模块,用于基于所述关键图像帧序列中的单帧图像进行空间特征提取,确定所述刀闸触头的静态位置状态;云端时序分析模块,用于基于所述关键图像帧序列的时间戳与空间位置变化构建时序动作轨迹,并基于所述时序动作轨迹确定所述刀闸触头的机械运动状态;结果融合模块,用于融合所述静态位置状态与所述机械运动状态,生成所述刀闸触头的综合监测结果。

15、此外,本技术还提供了一种gis设备刀闸触头状态智能监测系统,包括边缘计算节点和云端服务器;所述边缘计算节点内置图像处理单元,配置为执行如上述方案所述方法中由所述边缘计算节点执行的步骤;所述云端服务器配置为执行如上述方案所述方法中由所述云端服务器执行的步骤。

16、此外,本技术还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述方案所述的方法。

17、有益效果:

18、本技术提供的技术方案,通过边缘计算节点与云端服务器的协同工作机制,实现了gis设备刀闸触头状态的高效、精准监测。具体而言,边缘计算节点基于相邻图像帧之间的运动特征差异度提取关键图像帧序列,仅将包含有效动作信息的关键帧传输至云端,从源头上过滤了海量静态冗余画面,显著降低了无线通信带宽占用与云端存储压力,同时避免了边缘端部署高算力模型带来的功耗与成本问题。云端服务器基于关键图像帧序列不仅进行单帧空间特征提取以确定静态位置状态,还进一步利用时间戳与空间位置变化构建时序动作轨迹,通过分析动作平滑度与耗时等指标来识别机械卡涩、动作缓慢等动态异常。这种“边缘初筛+云端精析”以及“静态位置+动态时序”的双重分析架构,克服了传统单一静态图像识别无法反映机械运动过程的缺陷,在保证低带宽传输的前提下,大幅提升了对gis刀闸触头隐蔽性机械故障的综合识别准确率与实时预警能力。