智能调节技术-电力安全作业及运维智能调节系统及方法.pdfVIP

智能调节技术-电力安全作业及运维智能调节系统及方法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

[全]智能调节技术-电力安全作业

及运维智能调节系统及方法

成为经济飞速发展,电力体改革不断深入,〃互联网〃技术使电力客

户的消费方式、使用习惯发生了变化,同时也大大提升了传统行业的生

产能力、生产能力,随同着我国国民经济的迅猛发展,电力负荷逐年增

加,电力网络的结构也日趋复杂。同时随着近2年来电力建设中的电力

建设中发生的电力低事故,部分原因是由于监管不到位,电力建设人员

自身对安全的不吸收,国家也加强了对电力行业安全监管的整体性,特

别是电力系统的变电站和输电线路是电力系统的设施,作为整个电网运

行的核心部分,建设其后续人员安全、全性和直接关系的整个电力系统

的发展。随着变迁无人值守〃的进一步取消,电力系统对认知需求与

日俱增加;现在变迁和直接电力线路采用的还是传统的监控方式,维维

人员必须随时监控视频画面,避免泄漏故障与违反安全生产要求的图像。

安全检查得通盘检索,更及时的浪费人力、物力与时间,无法充分发挥

监控系统的作用。电网公司后期对电站、变网线路的安全作业由传统的

人工监控向科技化、新模式发展。现需要有人员安全行为识别、智能运

维、预警安防报警、渐变调节系统及方法。

问题拆分

包括前端采集单元、智能处理单元和应用流媒体平台;所述前端采集单

元包括:多个摄像装置,安装在不同的监控点点;以及一个或一个以上

的网络视频机,网络视频机通过监控网络与摄像装置连接;所述智能处

理单元包括模型训练机、智能分析器和数据库服务器,智能分析器和数

据库服务器与监控网络连接;所述的流媒体平台包括流媒体服务器和监

控管理平台,该流媒体服务器和监控管理平台与监控网络连接。本发明

实现了人员安全行为识别、智能运维、警觉安防报警以及认知监管。

问题解决

本发明所述的电力安全作业及运维智能监管系统,包括尖端采集单元、

智能处理单元和应用流媒体平台;

3

I

_I____________

图1

[0005]前端采集单元包括:

[0006]多个摄像头,安装在不同的监控点,用于采集监控点的视频信息;

[0007]以及一个或一个以上的网络视频机,用于记录摄像装置采集的

视频信息,该网络视频机通过监控网络与摄像装置连接;

[0008]所述智能处理单元包括:

[0009]模型训练机,用于构建神经神经网络,并利用样本训练神经网

络;

[0019]利用训练好的神经网络对现场设备采集所采集的实时视频进

识别,非作业现场出现未授权的非作业人员,和/或出现异常,和/或作

业人员有安全不当为,则发出报警提示和/或记录。

[0020]还包括:

[0021]利用火焰火焰识别算法判别图像是否为火焰,若判别为,则发出

报警提示。

[0022]所述构成神经神经网络,利用图像训练神经网络包括:

[0023]训I练采用迁移学习技术进训练,包括样本集、样本训练和建

模训练;

[0024]样本为视频时,采用相同的时间间隔视频图像图像,将视频转

化为图像进格式,文件包括形象、图像色彩和感受度调节;

RTSP

图2

[0025]完成样例后启动模型训练流程,模型训练分为阶段开发模型训练

和现场部署后移动学习训练两种模式;

[0026模型在训练过程中,在训练集上完成一个模型的训练,分别在训

练上进一次训练,验证训练,检查模型泛化;模型经多轮训练过程中

再进一次训练,进训练筑结合现场增量数据定期进

文档评论(0)

zsmfjy + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档