1.一种电力设备全空间信息三维重构方法,其特性在于,包括:
采集电力设备图像信息;
基于所述电力设备图像信息重建出所述电力装备的三维可视化模型;
定时向每个电力设备发送检测请求并利用电力设备多物理场多参数反演模型计算得到所述电力设备内部参数分布情况;
利用所述电力装备的三维可视化模型融合所述电力设备内部参数以及其他的异构检测参量实现空间维度信息的合成,结合不同检测参量的传播特性对电力设备内部状态进行可视化分析评估和诊断。
2.如权利要求1所述的电力设备全空间信息三维重构方法,其特征在于:所述电力设备图像信息的采集包括,
利用单个或多个成像传感器拍摄的多视角图像。
3.如权利要求1或2所述的电力设备全空间信息三维重构方法,其特征在于:所述电力装备的三维可视化模型的建立包括,
运动恢复结构技术和多视角立体技术;
所述运动恢复结构技术:从所述多视角图像序列中恢复出精确的相机拍摄位姿,并获得所述电力装备的稀疏点云;
所述多视角立体技术:将原始图像序列和所述运动恢复结构技术恢复出的相机位姿作为输入,重构出具有纹理细节的电力装备稠密点云以及纹理映射模型。
4.如权利要求1所述的电力设备全空间信息三维重构方法,其特征在于:所述电力装备数据的检测过程包括,
定时向每个电力设备发送检测请求;
利用贪心算法构建所述电力装备检测计算模型,识别每个电力设备的参数信息和权重综合衡量其优先度;
所述识别计算包括:
qrl,m<qrl+1,m
其中,qrl,m表示第l个设备的第m个参数分布的位置优先度,qrl,n,qrl+1,m同理,每个设备参数分布的位置优先度只与l有关;
所述权重计算包括,
计算参数的加权位置优先度,其计算公式为:
wqrl,m=wl,m×qrl,m
其中,wqrl,m表示第l个设备的第m个参数分布的加权位置优先度,wl,m表示第l个设备的第m个参数分布的权重,k表示第l个设备的所有的参数分布个数;
将检测到的参数数据以所述电力装备参数分布的空间位置为坐标合成不同检测手段的数据,构建电力装备高维数据的合成框架。
5.如权利要求1所述的电力设备全空间信息三维重构方法,其特征在于:所述电力设备多物理场多参数反演模型包括,
基于多物理场仿真方法建立电力设备内部参数的正演计算模型;
根据检测到的电压、电流以及负荷参数信息,反演计算得到所述电力设备内部电磁场分布参数,进而计算出所述电力设备内部的损耗分布;
将所述电力设备内部的损耗分布导入正演计算模型,建立目标函数和约束条件,获得所述电力设备多物理场多参数反演模型。
6.如权利要求5所述的电力设备全空间信息三维重构方法,其特征在于:所述多物理场仿真方法的计算公式包括,
其中,ρl表示流体密度,n表示微元面积矢量ds外法线的单位矢量,u表示流体速度,f表示单位质量流体所受到的质量力,π表示微元面积矢量ds的应力张量,c表示流体的比热容,t表示控制体的温度,k表示导热系数,q表示对应微元的生热量,
7.如权利要求5或6所述的电力设备全空间信息三维重构方法,其特征在于:建立所述目标函数和约束条件包括,
所述目标函数:
所述约束条件:
y<ns2
其中,ei(y)为电力设备i点处的电荷分布,i=1,2,3…n,ei为电力设备i点处的振动频率,k为导热系数,s为测量功率e的标准差。
8.如权利要求7所述的电力设备全空间信息三维重构方法,其特征在于:所述电力设备的参数分布情况包括,
其中,e为电场强度,d为电通量密度,h为磁场强度,b为磁通量密度,j为电流密度,σ为电荷密度。
9.如权利要求8所述的电力设备全空间信息三维重构方法,其特征在于:判断所述电力设备是否发生故障及故障点的过程包括,
构建评估函数:
其中,sk,s表示输出值,hk,s表示磁场强度系数,bk,s表示磁通量密度系数,l表示常规系数;
利用所述评估函数及三维模型的可视化性质判断所述电力设备是否发生故障:当输出值sk,s≥1时,所述电力设备发生故障;
若发生故障,则基于所述三维可视化模型进行故障点判断。
10.如权利要求9所述的电力设备全空间信息三维重构方法,其特征在于:所述电力装备高维数据的合成框架还包括,
所述其他的异构检测参量:
机器人巡检产生的红外、可见光、紫外图像;
带电检测系统产生的声音成像、三维激光点云。