本發(fā)明涉及電力調(diào)度數(shù)據(jù)網(wǎng)，具體地說，涉及一種電力網(wǎng)絡(luò)監(jiān)控方法及系統(tǒng)。

背景技術(shù)：

1、電力調(diào)度數(shù)據(jù)網(wǎng)，是指為電力調(diào)度生產(chǎn)服務(wù)的專用廣域數(shù)據(jù)網(wǎng)絡(luò)，是電力調(diào)度生產(chǎn)部門之間及電力調(diào)度生產(chǎn)部門與發(fā)電廠、變電站之間計算機(jī)監(jiān)控系統(tǒng)等實(shí)時和準(zhǔn)實(shí)時數(shù)據(jù)通信的基礎(chǔ)設(shè)施。電力調(diào)度數(shù)據(jù)網(wǎng)是電網(wǎng)調(diào)度自動化、管理現(xiàn)代化的基礎(chǔ)，是確保電網(wǎng)安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行的重要手段，是電力系統(tǒng)的重要基礎(chǔ)設(shè)施，在協(xié)調(diào)電力系統(tǒng)發(fā)、送、變、配、用電等組成部分的聯(lián)合運(yùn)轉(zhuǎn)及保證電網(wǎng)安全、經(jīng)濟(jì)、穩(wěn)定、可靠的運(yùn)行方面發(fā)揮了重要的作用，并有力的保障了電力生產(chǎn)、電力調(diào)度、水庫調(diào)度、燃料調(diào)度、繼電保護(hù)、安全自動裝置、遠(yuǎn)動、電網(wǎng)調(diào)度自動化等通信需要，在電力生產(chǎn)及管理中的發(fā)揮著不可替代的作用。

2、對于電力調(diào)度的數(shù)據(jù)網(wǎng)絡(luò)來說，主要由以下結(jié)構(gòu)組成：電力調(diào)度數(shù)據(jù)網(wǎng)絡(luò)的接入層結(jié)構(gòu)、電力調(diào)度數(shù)據(jù)網(wǎng)絡(luò)的骨干層結(jié)構(gòu)、電力調(diào)度數(shù)據(jù)網(wǎng)絡(luò)的核心層結(jié)構(gòu)等。對于電力調(diào)度數(shù)據(jù)網(wǎng)絡(luò)的接入層結(jié)構(gòu)來說，實(shí)際上就是對信息的接入與采集，主要對電力系統(tǒng)各個環(huán)節(jié)的電力信息與數(shù)據(jù)進(jìn)行收集與傳送；對于電力調(diào)度數(shù)據(jù)網(wǎng)絡(luò)的骨干層結(jié)構(gòu)來說，主要是通過不同環(huán)節(jié)的電力傳輸方式與電力運(yùn)行的協(xié)議共同構(gòu)成；電力調(diào)度數(shù)據(jù)網(wǎng)絡(luò)結(jié)構(gòu)的核心層是整個電力數(shù)據(jù)網(wǎng)絡(luò)結(jié)構(gòu)的最關(guān)鍵結(jié)構(gòu)組成，一般電力調(diào)度數(shù)據(jù)網(wǎng)絡(luò)的核心層結(jié)構(gòu)都是在各個地區(qū)的中心位置，從而實(shí)現(xiàn)對全部電力系統(tǒng)的信息與數(shù)據(jù)交換。通過電力調(diào)度數(shù)據(jù)網(wǎng)的構(gòu)建，能夠有效提高電力管理企業(yè)對電力調(diào)度工作的把控管理水平。

3、現(xiàn)有電力調(diào)度的具體工作內(nèi)容是依據(jù)各類信息采集設(shè)備反饋回來的數(shù)據(jù)流信息，或監(jiān)控人員和監(jiān)控設(shè)備通過記錄提供的信息，結(jié)合電網(wǎng)中實(shí)際產(chǎn)生的參數(shù)，如電壓、電流、頻率、負(fù)荷和電阻等數(shù)據(jù)，綜合考慮各項(xiàng)生產(chǎn)工作運(yùn)行的情況，對電網(wǎng)安全、經(jīng)濟(jì)運(yùn)行和生產(chǎn)狀態(tài)進(jìn)行判斷，確保電網(wǎng)持續(xù)安全穩(wěn)定的運(yùn)行。

4、近年來隨著技術(shù)的不斷發(fā)展，現(xiàn)代化監(jiān)管、控制裝置的不斷完善，電力調(diào)度的技術(shù)性支持和有效管理也日趨強(qiáng)大，視頻監(jiān)控設(shè)備中最重要的裝備為攝像機(jī)，可作為前端視頻圖像信號的采集，視頻監(jiān)控系統(tǒng)是一種防范能力較強(qiáng)的綜合系統(tǒng)，視頻監(jiān)控以其直觀、準(zhǔn)確、及時和信息內(nèi)容豐富而廣泛應(yīng)用于許多場合，隨著計算機(jī)、網(wǎng)絡(luò)以及圖像處理、傳輸技術(shù)的飛速發(fā)展，視頻監(jiān)控技術(shù)也有了長足的發(fā)展。

5、目前，基于視頻數(shù)據(jù)能夠獲取電力調(diào)度數(shù)據(jù)網(wǎng)中多種前端設(shè)備例如機(jī)房設(shè)備等的實(shí)時運(yùn)行狀態(tài)；在理論上，基于對視頻數(shù)據(jù)的圖像處理，是能夠自監(jiān)控視頻數(shù)據(jù)中提取每個機(jī)房設(shè)備的運(yùn)行界面圖像，進(jìn)而實(shí)現(xiàn)基于圖像分類處理的機(jī)房設(shè)備的運(yùn)行狀態(tài)判斷。雖然目前基于深度算法的圖像處理技術(shù)已經(jīng)較為完善，但是在運(yùn)用于機(jī)房設(shè)備的圖像處理中時，尚需考慮如下問題：1、同一機(jī)房中，一般會具有不同型號、規(guī)格的多種機(jī)房設(shè)備，而不同的機(jī)房設(shè)備又具有各不相同(尺寸、色彩、圖案等)的運(yùn)行界面，這就是說，采用同一個圖像分類算法模型基本不可能完成對不同設(shè)備的運(yùn)行狀態(tài)的判斷；2、一般而言，一個機(jī)房中的圖像采集設(shè)備的數(shù)量是遠(yuǎn)遠(yuǎn)小于機(jī)房設(shè)備的數(shù)量的，也就是說，在監(jiān)控視頻數(shù)據(jù)中，必然有大量機(jī)房設(shè)備的運(yùn)行界面圖像不是采集于正投影姿態(tài)下，這為圖像分類算法模型的訓(xùn)練過程和識別精確度帶來了巨大的挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種一種電力網(wǎng)絡(luò)監(jiān)控方法及系統(tǒng)，其能夠克服現(xiàn)有技術(shù)的某種或某些缺陷。

2、根據(jù)本發(fā)明的一種電力網(wǎng)絡(luò)監(jiān)控方法，其包括：

3、基于圖像采集設(shè)備，采集機(jī)房運(yùn)行過程中的監(jiān)控視頻數(shù)據(jù)；其中，監(jiān)控視頻數(shù)據(jù)由多幀連續(xù)的圖像數(shù)據(jù)構(gòu)成，任一圖像數(shù)據(jù)中均具有所覆蓋機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)；

4、基于對監(jiān)控視頻數(shù)據(jù)中的圖像數(shù)據(jù)的處理，獲取每個機(jī)房設(shè)備的運(yùn)行狀態(tài)。

5、基于上述，能夠較佳地實(shí)現(xiàn)基于機(jī)房內(nèi)現(xiàn)有的監(jiān)控系統(tǒng)，對每個機(jī)房設(shè)備的運(yùn)行狀態(tài)的實(shí)時診斷和直觀顯示。

6、作為優(yōu)選，所述基于圖像采集設(shè)備，采集機(jī)房運(yùn)行過程中的監(jiān)控視頻數(shù)據(jù)，包括，

7、以圖像采集設(shè)備的安裝點(diǎn)作為原點(diǎn)、以實(shí)際場景的機(jī)房的長度方向作為x軸、以實(shí)際場景的機(jī)房的寬度方向作為y軸、以實(shí)際場景的機(jī)房的高度方向作為z軸，構(gòu)建機(jī)房坐標(biāo)系；

8、基于機(jī)房設(shè)備的顯示屏幕的坐標(biāo)點(diǎn)，獲取每一機(jī)房設(shè)備的顯示屏幕所在平面的空間法向量；

9、基于全部的機(jī)房設(shè)備的顯示屏幕所在平面的空間法向量，以圖像采集設(shè)備的成像平面與任一機(jī)房設(shè)備的顯示屏幕所在平面的夾角均達(dá)到設(shè)定閾值且夾角均值最小建立約束，以最優(yōu)解作為圖像采集設(shè)備的光軸向量；

10、基于光軸向量獲取圖像采集設(shè)備所需的方位角，并基于方位角對圖像采集設(shè)備的姿態(tài)進(jìn)行調(diào)整。

11、可以理解的是，機(jī)房設(shè)備的顯示屏幕越平行于圖像采集設(shè)備的成像平面，則其運(yùn)行界面將被越全面地被拍攝于監(jiān)控視頻數(shù)據(jù)中。本公開中，通過構(gòu)建機(jī)房坐標(biāo)系，能夠以空間向量的方式對圖像采集設(shè)備的成像平面及機(jī)房設(shè)備的顯示屏幕所在平面進(jìn)行表征；通過構(gòu)建約束條件并基于空間向量的運(yùn)算，能夠?qū)崿F(xiàn)圖像采集設(shè)備的的最佳光軸方向的獲取，其中光軸方向能夠被表征為光軸向量；基于對光軸向量在空間中的姿態(tài)信息的獲取，即可實(shí)現(xiàn)圖像采集設(shè)備最佳的姿態(tài)的獲??；其中，圖像采集設(shè)備最佳的姿態(tài)能夠被表征為在空間中的方位角；而當(dāng)獲取方位角后，即可實(shí)現(xiàn)圖像采集設(shè)備的姿態(tài)調(diào)整，進(jìn)而即可較佳的在全局上實(shí)現(xiàn)任一圖像采集設(shè)備對其所覆蓋的機(jī)房設(shè)備的運(yùn)行界面的采集。

12、作為優(yōu)選，對于任一機(jī)房設(shè)備i，其空間法向量ni的獲取方法包括，

13、獲取機(jī)房設(shè)備i的顯示屏幕的3個不共線的坐標(biāo)點(diǎn)ai、bi和ci的坐標(biāo)，及

14、獲取機(jī)房設(shè)備i的空間法向量ni，ni＝(ai，bi，ci)；其中，

15、

16、

17、

18、基于上述，能夠較佳實(shí)現(xiàn)對任一機(jī)房設(shè)備的顯示屏幕所在平面的空間法向量的獲取。

19、作為優(yōu)選，光軸向量n0與全部的空間法向量ni間的約束關(guān)系如下，

20、

21、其中，n0＝(j，k，l)，n為機(jī)房設(shè)備的總數(shù)，θi為圖像采集設(shè)備的成像平面與機(jī)房設(shè)備i的顯示屏幕所在平面的夾角；其中，

22、

23、通過上述，能夠約束圖像采集設(shè)備的成像平面與任一機(jī)房設(shè)備的顯示屏幕所在平面的夾角均小于預(yù)設(shè)夾角閾值θ，同時基于成像平面與全部機(jī)房設(shè)備的顯示屏幕所在平面的夾角均值最小，即可在全局上實(shí)現(xiàn)每一機(jī)房設(shè)備的運(yùn)行界面均能夠在圖像采集設(shè)備的成像平面上投影出符合預(yù)設(shè)投影比例的投影圖像，故而能夠在全局上實(shí)現(xiàn)每個運(yùn)行界面所投影出的運(yùn)行界面圖像數(shù)據(jù)能夠具有最大的全面性。

24、作為優(yōu)選，圖像采集設(shè)備所需的方位角包括與x軸的夾角α，與y軸的夾角β以及與z軸的夾角γ，其中，

25、

26、

27、

28、基于上述，即可較佳地基于光軸向量實(shí)現(xiàn)空間中的方位角的獲取，利于對圖像采集設(shè)備的姿態(tài)調(diào)整。

29、作為優(yōu)選，所述基于對監(jiān)控視頻數(shù)據(jù)中的圖像數(shù)據(jù)的處理，獲取每個機(jī)房設(shè)備的運(yùn)行狀態(tài)，包括，

30、對圖像數(shù)據(jù)進(jìn)行分割處理，獲取對應(yīng)于每個機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)；

31、將每個機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)送入至對應(yīng)的圖像特征提取模型中，提取圖像特征；其中，圖像特征提取模型采用卷積神經(jīng)網(wǎng)絡(luò)；

32、將所提取的圖像特征送入至狀態(tài)分類模型中，獲取對應(yīng)機(jī)房設(shè)備的運(yùn)行狀態(tài)；其中，狀態(tài)分類模型采用全連接神經(jīng)網(wǎng)絡(luò)。

33、基于上述，能夠首先自監(jiān)控視頻數(shù)據(jù)中獲取單幀的圖像數(shù)據(jù)，之后基于對圖像數(shù)據(jù)進(jìn)行分割處理，即可獲取圖像數(shù)據(jù)中的每個機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)，通過以相匹配的圖像特征提取模型對對應(yīng)的運(yùn)行界面圖像數(shù)據(jù)進(jìn)行特征提取，即可實(shí)現(xiàn)對不同機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)的圖像特征進(jìn)行較佳的提取；同時，每一機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)在經(jīng)特征提取后能夠均在同一狀態(tài)分類模型處進(jìn)行分類，進(jìn)而實(shí)現(xiàn)運(yùn)行狀態(tài)的判斷，故能夠在考慮不同機(jī)房設(shè)備的差異性的同時，還能夠較佳地降低相關(guān)模型的訓(xùn)練工作量。

34、作為優(yōu)選，對應(yīng)于任一機(jī)房設(shè)備的圖像特征提取模型采用如下方式訓(xùn)練獲取，

35、構(gòu)建初始圖像特征提取模型；

36、獲取多組樣本對，構(gòu)建樣本對庫；其中，任一樣本對均包括對應(yīng)機(jī)房設(shè)備的在同一運(yùn)行界面下的正投影圖像數(shù)據(jù)和非正投影圖像數(shù)據(jù)；

37、基于樣本對庫對初始圖像特征提取模型進(jìn)行訓(xùn)練，獲取對應(yīng)的圖像特征提取模型；其中，基于樣本對的輸出值構(gòu)建損失函數(shù)。

38、基于上述，使得經(jīng)訓(xùn)練所獲取的最終圖像特征提取模型能夠自非正投影圖像數(shù)據(jù)中提取出與自正投影圖像數(shù)據(jù)所提取圖像特征相近的圖像特征；此種手段，使得圖像特征提取模型僅需要針對機(jī)房設(shè)備的種類進(jìn)行訓(xùn)練即可，經(jīng)訓(xùn)練完成后所獲取的圖像特征提取模型能夠適用于多個不同機(jī)房環(huán)境下的對應(yīng)機(jī)房設(shè)備處的運(yùn)行界面圖像數(shù)據(jù)的處理；故具有較好的通用性。

39、作為優(yōu)選，基于樣本對的輸出值的相似度構(gòu)建損失函數(shù)。故而能夠較佳地實(shí)現(xiàn)損失函數(shù)的構(gòu)建。

40、作為優(yōu)選，狀態(tài)分類模型采用如下方式訓(xùn)練獲取，

41、構(gòu)建初始運(yùn)行狀態(tài)分類模型，初始運(yùn)行狀態(tài)分類模型具有依次連接的初始特征提取層和初始分類輸出層；其中，初始特征提取層與圖像特征提取模型具有相同的結(jié)構(gòu)，初始分類輸出層采用全連接神經(jīng)網(wǎng)絡(luò)；

42、建立樣本庫，樣本庫中的樣本包括每個機(jī)房設(shè)備的在不同運(yùn)行狀態(tài)下的運(yùn)行界面圖像，每個樣本中所選取的運(yùn)行界面圖像均為運(yùn)行界面下的正投影圖像數(shù)據(jù)，每個樣本的樣本標(biāo)簽為對應(yīng)運(yùn)行界面圖像的運(yùn)行狀態(tài)；

43、基于樣本庫對初始運(yùn)行狀態(tài)分類模型進(jìn)行訓(xùn)練，獲取運(yùn)行狀態(tài)分類模型；提取運(yùn)行狀態(tài)分類模型中分類輸出層的網(wǎng)絡(luò)參數(shù)；

44、基于所提取的分類輸出層的網(wǎng)絡(luò)參數(shù)，構(gòu)建狀態(tài)分類模型。

45、基于上述，即實(shí)現(xiàn)具有較寬通用性的狀態(tài)分類模型的獲取。

46、根據(jù)本發(fā)明的一種電力網(wǎng)絡(luò)監(jiān)控系統(tǒng)系統(tǒng)，其包括，

47、用于采集機(jī)房運(yùn)行過程中的監(jiān)控視頻數(shù)據(jù)的圖像采集設(shè)備；其中，監(jiān)控視頻數(shù)據(jù)由多幀連續(xù)的圖像數(shù)據(jù)構(gòu)成，任一圖像數(shù)據(jù)中均具有所覆蓋機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)；

48、用于基于監(jiān)控視頻數(shù)據(jù)獲取每個機(jī)房設(shè)備的運(yùn)行狀態(tài)的分類裝置。基于上述，能夠通過如機(jī)房中的監(jiān)控系統(tǒng)等圖像采集設(shè)備對全部機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)進(jìn)行采集，并利用例如基于深度算法技術(shù)的分類裝置對全部機(jī)房設(shè)備的運(yùn)行界面圖像數(shù)據(jù)圖像處理，能夠?qū)崿F(xiàn)基于視頻數(shù)據(jù)的機(jī)房設(shè)備運(yùn)行狀態(tài)診斷；故而能夠基于機(jī)房內(nèi)現(xiàn)有的監(jiān)控系統(tǒng)，實(shí)現(xiàn)每個機(jī)房設(shè)備的運(yùn)行狀態(tài)的實(shí)時診斷和直觀顯示。