基于分层结构的电力设备多光谱数据中心模型建立方法与流程

本发明涉及电力设备数据管理与应用技术领域，尤其涉及基于分层结构的电力设备多光谱数据中心模型建立方法。

背景技术：

目前有些变电站安装了视频监控系统，可实现现场设备监视、控制远程摄像机运动、数字视频录像等功能。但只有监视功能没有图像识别功能，缺乏对变电站变电设备的自动识别与分析功能。依然依靠值班人员去观察和分析采集的图像，从而判断变电设备的运行状态，系统缺乏对变电设备图像的自动识别与分析功能。其根本是对背景复杂的变电站图像的分析和变电设备运行故障的判别方法的研究还不够成熟，切实提高图像分析能力，成为迫切需要解决的问题。

专利号为201510412958.6的发明公开了一种基于多光谱的复合绝缘子检测方法，包括：选择检测设备，在相同运行工况下，对同一复合绝缘子利用检测设备进行可见光检测、红外检测及紫外检测，获得该复合绝缘子的检测图像；对可见光图像的局部放电发光点、红外图像的局部过热点和紫外图像的电晕放电点进行比较；在相同运行工况下对同一线路同一基杆塔的不同复合绝缘子的可见光图像、红外图像和紫外图像进行比较；针对每个复合绝缘子，建立多光谱检测数据库，根据一定周期的检测的数据，对数据进行比较，找出存在的数据差异。该发明将可见光、红外、紫外三种检测手段有机地结合起来，优势互补，易对绝缘子进行带电检测，能够及时发现复合绝缘子缺陷，便于开展大面积的巡检。

专利号为201110419576.8的发明提供一种复合绝缘子高光谱检测方法，包括以下步骤：1）采用高光谱成像仪对复合绝缘子成像，获取复合绝缘子的高光谱影像；2）对复合绝缘子的高光谱影像进行预处理，包括几何校正、辐射校正以获得较为精确的光谱信息；3）用专业分析平台进行处理分析，确定复合绝缘子的运行状态，判定结果输出/显示，判断是否需要更换复合绝缘子。该发明复合绝缘子高光谱检测方法可对复合绝缘子进行非接触式检测，不需工人登塔；且现场操作所需时间短，用高光谱成像仪获取数据时，可以同时得到多个复合绝缘子的信息，便于后期同时对多个复合绝缘子进行处理分析，达到批量检测的目的，满足我国复合绝缘子状态检测的需求。

然而，在实际应用中，通过可见光、红外、紫外等多光谱检测分析与识别技术可从根本上解决目前变电设备在线监测中存在的一些问题：重要设备的运行参数需要实时监测，采用人工巡视难以满足实时性要求，巡视员的责任心、工作态度和精神状况严重影响了检测的结果；很多高压设备的运行状态难以转换成电信号，在信号转换和传输过程中易受强电磁场干扰而影响诊断；使用红外对设备进行检测仍处于对温度记录的简单应用层次，没有与设备状态关联，历史数据也难以存储检索；另外，人眼难以分辨细微图像的灰度变化，难以客观判断变电设备表面缺陷的程度。因此，多光谱图像分析与识别技术的运用及模型的建立可促进在线监测系统的智能化、自动化，提高变电站工作人员的工作效率，取得更高的经济效益，将具有较大的实用价值和应用前景。

技术实现要素：

本发明目的在于提供基于分层结构的电力设备多光谱数据中心模型建立方法，提出了可自适应调整的分层结构技术，能适应电力设备图像数据频繁变化的需求，为进一步全面分析电力图像，判断电力设备运行状态提供了有力支撑。

为实现上述目的，本发明采用的技术方案是：基于分层结构的电力设备多光谱数据中心模型建立方法，包括如下步骤：

1）进行基于电力设备多光谱数据结构的分析，包括对数据中心服务框架的分析和对影像识别分析算法的分析；

2）根据对数据中心服务框架的分析，构建电力设备多光谱数据中心模型，包括相互连接并进行数据传递的应用层、调度层、业务层和数据层；

3）根据对影像识别分析算法的分析，构建影像识别分析模型，包括图像信息获取与预处理、图像特征提取与重构、图像判决与识别；

4）进行影像识别分析模型对于多光谱数据中心模型的应用关系分析，并构建电力设备信息连接代理结构；

5）通过调用电力设备多光谱数据中心模型、影像识别分析算法和电力设备信息连接代理结构，依托计算机将各模型系统中的单元单独建模，生成分层控制单元，并按照实际拓扑关系将其联系起来构成分布式结构的网络，从而实现对于电力设备多光谱数据的自动分层及运算。

进一步地，所述电力设备信息连接代理结构包括业务代理和应用代理，所述业务代理包括控制代理、分布式代理和用户代理，所述应用代理包括数据服务代理和可视化模块。

进一步地，所述分层控制单元为多层嵌套结构，包括顺次连接的中央代理单元、仿真进程单元、仿真时序分层控制单元、对象代理单元、状态监控单元和外部接口单元。

进一步地，所述外部接口单元包括EMS外部数据库，用来获取初始化数据，所述外部接口单元通过高性能消息总线分别与所述仿真进程单元、所述仿真时序分层控制单元、所述对象代理单元、所述状态监控单元实现双向互联。

进一步地，所述数据层为电力设备物理层，通过可视化模块、测量设备、设备代理获取电力设备光谱信息，查询电力设备影像数据结果或将业务层传来的影像数据进行存储。

进一步地，所述调度层为信息安全层，作为整个系统的防火墙不仅对系统后端的请求进行身份验证，同时完成服务转发中的加密防护工作。

进一步地，所述业务层由多个子系统以及适应于市场的服务构成，不但可以调用内部服务，还可以调用其他外部服务，并与其他代理进行信息交换，收集和发送来自业务代理和应用代理的控制信号。

进一步地，所述应用层使用户直接面向计算机终端用户和移动端应用，通过应用软件或者移动设备APP程序来访问电力设备状态。

本发明的有益效果在于：

本发明提供了变电设备运行状态的多光谱检测分析与识别中所涉及的关键技术，建立变电设备运行状态的多光谱数据中心模型，构建分布式电网设备影像数据处理中心技术框架，包括多源传感器图像的获取、影像数据的分析处理、移动端互动与搭建等内容，通过多种传感器及其他方式获取多源图像以及电力设备相关信息，对电力设施数据进行检测分析，数据处理中心搭建数据中心存储框架，通过文件系统、计算框架和数据库，进一步提高存储方面的诸多瓶颈。最后通过搭建数据处理中心技术框架来实现数据处理中心与移动端的技术互联，从而实现检测平台与专家平台的互联互通，并最终利用移动终端平台进一步指导现场作业。本项目不仅可以解决变电设备多光谱影像分析中，如何建立多光谱数据中心模型并高效的利用影像数据问题，为变电设备故障检测与诊断提供数据基础，发挥了移动终端的优势，保证电网设备安全可靠运行，具有较高的理论和实际意义，并具有很强的有效性和实用性，值得广泛推广与使用。

附图说明

图1是本发明电力设备多光谱数据中心模型的体系结构图。

图2是本发明影像识别分析模型的结构关系图。

图3是本发明分层控制单元的组成结构示意图。

图4是本发明电力设备信息连接代理结构的组成关系图。

具体实施方式

实施例

如图1至图4所示，基于分层结构的电力设备多光谱数据中心模型建立方法，包括如下步骤：1）进行基于电力设备多光谱数据结构的分析，包括对数据中心服务框架的分析和对影像识别分析算法的分析；2）根据对数据中心服务框架的分析，构建电力设备多光谱数据中心模型，包括相互连接并进行数据传递的应用层、调度层、业务层和数据层；3）根据对影像识别分析算法的分析，构建影像识别分析模型，包括图像信息获取与预处理、图像特征提取与重构、图像判决与识别；4）进行影像识别分析模型对于多光谱数据中心模型的应用关系分析，并构建电力设备信息连接代理结构；5）通过调用电力设备多光谱数据中心模型、影像识别分析算法和电力设备信息连接代理结构，依托计算机将各模型系统中的单元单独建模，生成分层控制单元，并按照实际拓扑关系将其联系起来构成分布式结构的网络，从而实现对于电力设备多光谱数据的自动分层及运算。

在具体应用时，电力设备多光谱数据中心模型主要分为四个层次，1）应用层，即直接面向计算机终端用户和移动端应用；2）调度层，如防火墙等；3）业务层；4）数据层。在应用层中，用户使用应用软件或者移动设备APP程序来访问目标设备状态。请求通过调度层进入业务层，作为整个系统的防火墙不仅对系统后端的请求进行身份验证，同时完成服务转发工作。系统业务层由多个子系统以及适应于市场的服务构成，不但可以调用内部服务，还可以调用其他外部服务。最后数据存储层负责查询电力设备影像数据结果或将业务层传来的影像数据进行存储。

本发明中电网设备影像识别分析模型，如图2所示，：图像信息获取与预处理、图像特征提取与重构，图像判决与识别，设备特征提取要综合考虑设备颜色特征、纹理特征、形状（轮廓特征）和尺度空间信息；研究基于几何特征的计算机视觉中典型设备特点，借鉴图像处理与识别技术在其它领域内成功应用的经验，将图像处理和模式识别的算法运用到电力设备的识别，通过一定的算法可以在图中找到目标，确定其坐标位置，识别出电力设备的类型，这是进一步全面分析电力图像先决条件，是判断电力设备运行状态的基础。

针对电网设备影像的特性，进行设备影像的重构，进而提升所获得的设备影像的质量。图像增强技术针对图像分析识别中的预处理过程，突出电网设备图像中感兴趣区域信息，变换原电网设备图像为更加适合人机辨识的图像。研究常用的设备图像增强处理方式：灰度变换、直方图修正、图像锐化、噪声去除、几何畸变校正、频域滤波和彩色增强等；研究基于空间域的图像增强算法和基于变换域的图像增强算法，将有针对性、适应各种应用场合的图像增强算法应用到设备影像的处理中。

针对当前图像重构领域比较热的基于稀疏表示的图像重构方法，研究基于压缩感知理论和稀疏表示的设备图像质量增强方法。电网设备图像一般都具有丰富的纹理，基于稀疏表示的图像重建方法对恢复自然图像的纹理等细节具有良好的效果，在无显著噪声影响和模糊核已知的前提下，表现更为出色。除此之外，稀疏表示的方法构建的字典原子个数少、效率高，这为进一步设计更复杂、图像重建效果更好的算法预留出了空间。

研究基于深度学习的高层语义特征提取模型，构建从图像底层视觉特征到高级语义特征逐层迭代、逐层抽象的深度网络映射模型，旨在减小语义鸿沟，得到图像语义特征，为大规模图像自动标注提供良好的基础

针对基于深度学习的设备影像识别，研究解决最根本的问题即更有力的特征，使用更好的网络训练模型可以大大提高识别的准确率。研究直接利用全局特征预测每个位置可能的设备目标，不断进行迭代回归调整，得到最终的识别结果。研究通过定义回归方式，网络以及模型，将原始识别结果进行再一次回归之后，再进行识别，提升效果。

本发明方法的基础在于进行分层技术的分析，技术是一种信息处理技术，由多个代理通过共同合作来完成某一目标，代理可以与其所在环境进行信息和行为的互动。在本方法中代理单元对应含分布式的配网子区。分层是其一种高级存在形式，通过某种规则，将代理单元进行合并，实现群的高级互动功能。在本方法中“分层”体现在：依据提出的算法规则，对电力设备区域进行有效“空间”尺度上的划分，由区域内的代理群形成区域代理。其技术特点在于区域代理与区域代理之间，区域代理与上层系统代理之间的信息和行为互动。其核心价值是代理群的自学习、自协调、自管理、自执行的功能，本质上具有“并行处理”和“批处理”的能力。

电力设备信息连接代理结构包括业务代理和应用代理，业务代理包括控制代理、分布式代理和用户代理，应用代理包括数据服务代理和可视化模块。由四种代理构成，分别是控制代理、分布式代理、用户代理和应用代理，而应用代理又包括数据服务代理和可视化模块。在该系统中，每个代理有各自的目标和责任。控制代理的功能包括监视监测事故。当有故障发生时，控制代理发送信号形成隔离。分布式代理负责存储相关分布信息，也可以监控分布式功率以及连接状态。分布式信息包括设备数量、类型、额定功率、利用率等。用户代理作为智能微网提供给用户了解相关信息的通道。用户代理为客户提供智能系统各实体的实时信息。用户代理也可以监视重要和非重要信息的渠道，最后，应用代理负责存储系统信息、记录信息以及各代理之间的信息共享，应用代理也作为各代理的数据存取和用户显示模块，如图4所示。

传统的模型控制，其建模代理是由初始设定的固定单元，不能够适应场景的变化而做出自适应的调整。本发明设计的代理不是固定不变的，随着场景的变化，代理之间会做出自适应的调整，即“嵌套”。“嵌套”是本发明涉及的“分层”信息模型一种具体实现方法，首先对所研究的配网系统进行脆弱性关键路径的辨识和搜索，确定基础代理单元，然后再根据分布式结构接入信息，根据分布式接入点与设备关键因素形成操作规则，对代理单元进行多次“合并”操作，即所谓的“嵌套”。

本发明的分层模式包括两个方面，一种是作为多光谱数据中心的功能化分层，即由上至下的功能传递，其中，数据层为电力设备物理层，通过可视化模块、测量设备、设备代理获取电力设备光谱信息，查询电力设备影像数据结果或将业务层传来的影像数据进行存储。调度层为信息安全层，作为整个系统的防火墙不仅对系统后端的请求进行身份验证，同时完成服务转发中的加密防护工作。业务层由多个子系统以及适应于市场的服务构成，不但可以调用内部服务，还可以调用其他外部服务，并与其他代理进行信息交换，收集和发送来自业务代理和应用代理的控制信号。应用层使用户直接面向计算机终端用户和移动端应用，通过应用软件或者移动设备APP程序来访问电力设备状态。

另一方面，是通过模拟控制关系，运用全局协调的概念，进行网络分级式的分层，即分层控制单元，其为多层嵌套结构，包括顺次连接的中央代理单元、仿真进程单元、仿真时序分层控制单元、对象代理单元、状态监控单元和外部接口单元。

外部接口单元包括EMS外部数据库，用来获取初始化数据，外部接口单元通过高性能消息总线分别与仿真进程单元、仿真时序分层控制单元、对象代理单元、状态监控单元实现双向互联。

本发明的分层控制单元是将计算单元则构成了多个具有级联关系的中央协调代理单元，负责模拟多级网络之间的控制关系，并各自统筹内部多个对象代理共同构成一个以“分布式有序接入和网络波动最小”作为“全局协调目标”的影像识别分析算法，在给定的输入参数、约束条件后，模拟网络内部的分布式节点有序接入和网络内部的能量平衡过程，网络关系图如图3所示，各部分即相对外部独立，又可以通过中央代理单元进行任意的外部拓展，生成以以不同电力设备类型和区域划分的多级多区网络模型，在不同层级、不同区域实现上下级和区域间的协同管理，上下级和平级之间只通过中央代理单元来联系，互不干涉内部运行。

在实际应用中，分层控制单元是多层嵌套结构，每级的结构类似。以一级为例，如图3所示，主要包括中央代理单元、仿真进程、仿真时序控制、对象代理单元、状态监视和外部接口等部分，各部分结构及具体功能如下：

中央代理负责协调上下级与子区域间的仿真进程，并对本级内部进行统筹协调。每一个中央代理都只负责本级或本区域，其上级网络或下级网络各有独立的中央代理负责。中央代理的另外一个重要作用是，负责调用后台仿真计算程序对本级网络内部状态分析计算，并将计算结果向其所辖的所有对象代理进行广播；

在仿真进程中，由于仿真网络是多级结构，为了实现区域的并行化计算，每个子区域划分出一个仿真计算进程，从而实现多区域并行运算。另外当本区协调策略无法收敛时，通过上层的中央代理进行跨区统筹协调任务；仿真情景是指在某一时间断面下，由中央代理和对象代理的当前信息所构成的仿真网络的全局状态。

仿真时序控制是将所有层级和子区域内部的仿真过程全部时序化，通过事件触发的方式进行连续时间断面的模拟计算，各区内的计算流程相对独立，故中央代理要特别关注其子区域内事件在时序上的同步。根据中央代理“状态监视”、“仿真分析”、“统筹规划”、“任务执行”仿真控制环的定义，对中央代理完整的功能定义如下图所示：中央代理根据时间戳不断更新当前网络状态，并将结果向自身网络广播，通过端口监听来获取对所属对象代理的状态信息。中央代理需要全局协调策略支持，在当前的约束条件下计算适用的协调策略。在计算协调策略结果不收敛时，表明本网络内部已无法自协调，可向上级申请。同理，中央代理应对下级网络发送的请求进行响应。

对象代理单元是被中央单元管理的对象，是仿真网络最基本构造模块，每个区域中都包含多个对象代理实例，用于描述和构造仿真对象模型的基本属性，其自身具备知识方法库和规则逻辑算法，用于自主响应自身状态变化。

中央代理或是对象代理都是一种计算单元，仿真网络正是由这些计算单元构成。在软件系统中，若计算单元下辖的资源具体指向了某类具体仿真模型时，则其外在表现为对象代理，若计算单元下辖资源中还包括其他计算单元，则外在表现为中央代理。仿真网络的自治化归纳来说就是实现计算单元对自身所辖资源的自主管理机制，用于代替那些原本需要人工进行的管理工作。此外，通过EMS外部数据库来获取初始化数据，分布式文件系统则提供各区域拓扑模型文件数据。

分层控制单元架构下的分布式协同建模方法是对下控单元单独封装，其只关注内部定义和对主分层控制单元的激励响应策略，其自身数据和资源有限，不干预或影响外部网络结构和其他目标。主分层控制单元不再担任计算每个节点内部过程的任务，只需要根据整体控制目标制定激励信号来要求对其响应，对反馈结果进行校验，其下控单元的内部分析、调整和优化过程对其隐藏。而实际应用系统的主管理者也并不想过多关注各下属的内部过程，只评估系统是否达到了整体运行目标，所以该模式大大减轻了中央任务的负担。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，本领域的一般技术人员将认识到，使用本发明的方案还可以实现许多可选的实施例。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。