本發(fā)明涉及物聯(lián)網(wǎng)，具體而言，涉及一種變電站大型機(jī)具的行為追蹤方法及裝置。

背景技術(shù)：

1、變電站大型機(jī)具行為追蹤是電力系統(tǒng)領(lǐng)域的重要研究方向，旨在通過對變電站大型機(jī)具(如變壓器、斷路器、隔離開關(guān)等)的運(yùn)動軌跡、運(yùn)行狀態(tài)、故障特征等進(jìn)行實(shí)時監(jiān)測和分析，實(shí)現(xiàn)對機(jī)具的故障預(yù)測、維護(hù)優(yōu)化和安全管理。

2、近年來，隨著傳感技術(shù)、數(shù)據(jù)分析技術(shù)和人工智能技術(shù)的快速發(fā)展，變電站大型機(jī)具行為追蹤研究取得了顯著進(jìn)展。主要體現(xiàn)在以下幾個方面：1)傳感技術(shù)，指各種新型傳感器的應(yīng)用，如光纖傳感器、無線傳感器、聲納傳感器等，提高了數(shù)據(jù)采集的精度和范圍；2)數(shù)據(jù)分析技術(shù)，大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等技術(shù)的應(yīng)用，使得能夠從海量數(shù)據(jù)中提取有價值的信息，用于機(jī)具狀態(tài)監(jiān)測和故障診斷；3)人工智能技術(shù)，指人工智能技術(shù)的應(yīng)用，如深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等，使得能夠構(gòu)建更加智能的機(jī)具行為追蹤模型，提高了預(yù)測和分析的準(zhǔn)確性。

3、但是現(xiàn)有技術(shù)中，傳感器可能會受到外界環(huán)境(如高溫、潮濕等)的影響，導(dǎo)致數(shù)據(jù)不準(zhǔn)確，進(jìn)而影響安全監(jiān)控效果，另外，盡管有遠(yuǎn)程監(jiān)控與控制系統(tǒng)，但由于網(wǎng)絡(luò)延遲等問題，實(shí)時監(jiān)控與響應(yīng)存在一定滯后，可能無法及時預(yù)警和處理突發(fā)狀況。

4、針對上述的問題，目前尚未提出有效的解決方案。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例提供了一種變電站大型機(jī)具的行為追蹤方法及裝置，以至少解決相關(guān)技術(shù)中由于變電站大型機(jī)具行為追蹤不準(zhǔn)確，導(dǎo)致無法保障變電站運(yùn)行安全性的技術(shù)問題。

2、根據(jù)本發(fā)明實(shí)施例的一個方面，提供了一種變電站大型機(jī)具的行為追蹤方法，包括：獲取目標(biāo)機(jī)具的環(huán)境感知數(shù)據(jù)，其中，所述環(huán)境感知數(shù)據(jù)至少包括：實(shí)時采集的環(huán)境圖像和深度信息；對于每張實(shí)時傳輸?shù)乃霏h(huán)境圖像，獲取所述環(huán)境圖像的圖像特征向量，并基于所述圖像特征向量對所述環(huán)境圖像進(jìn)行目標(biāo)檢測；在檢測到所述環(huán)境圖像中包含機(jī)具部件的情況下，基于所述深度信息在該環(huán)境圖像中生成目標(biāo)檢測框，其中，所述目標(biāo)檢測框是能完整框定所述機(jī)具部件的最小矩形框；整合指定時間段內(nèi)包含相同機(jī)具部件的所有所述環(huán)境圖像，基于每個所述環(huán)境圖像的采集時間戳和所述目標(biāo)檢測框分析所述目標(biāo)機(jī)具的行為狀態(tài)，并基于行為狀態(tài)信息生成行為追蹤報(bào)告。

3、進(jìn)一步地，獲取所述環(huán)境圖像的圖像特征向量的步驟，包括：對所述環(huán)境圖像進(jìn)行增強(qiáng)處理，得到增強(qiáng)環(huán)境圖像；將所述增強(qiáng)環(huán)境圖像輸入至卷積神經(jīng)網(wǎng)絡(luò)，輸出所述圖像特征向量，其中，所述卷積神經(jīng)網(wǎng)絡(luò)利用卷積層對所述增強(qiáng)環(huán)境圖像進(jìn)行局部特征提取，利用激活層整合所述局部特征得到特征圖，利用池化層降低特征圖尺寸，還利用全連接層對所述特征圖進(jìn)行線性變換，得到所述圖像特征向量。

4、進(jìn)一步地，基于所述圖像特征向量對所述環(huán)境圖像進(jìn)行目標(biāo)檢測的步驟，包括：對于每張所述環(huán)境圖像，將所述圖像特征向量與r個已知目標(biāo)特征逐一進(jìn)行匹配，得到匹配結(jié)果，其中，每個所述已知目標(biāo)特征對應(yīng)一個所述機(jī)具部件，所述匹配結(jié)果用于記錄n個與所述環(huán)境圖像相關(guān)的所述機(jī)具部件，n為非負(fù)整數(shù)，r為大于等于n的正整數(shù)；在n為0的情況下，生成第一目標(biāo)檢測結(jié)果為所述環(huán)境圖像中不包含任何所述機(jī)具部件；在n不為0的情況下，生成第二目標(biāo)檢測結(jié)果為所述環(huán)境圖像中包含所述機(jī)具部件。

5、進(jìn)一步地，在n不為0的情況下，生成第二目標(biāo)檢測結(jié)果之后，還包括：對于所述匹配結(jié)果指示的n個所述機(jī)具部件，基于所述圖像特征向量計(jì)算每個所述機(jī)具部件在所述環(huán)境圖像中的疑似概率，得到n個所述疑似概率；在n個所述疑似概率中確定最大疑似概率，將所述最大疑似概率對應(yīng)的所述機(jī)具部件確定為目標(biāo)機(jī)具部件。

6、進(jìn)一步地，基于所述深度信息在該環(huán)境圖像中生成目標(biāo)檢測框，包括：基于所述深度信息對所述環(huán)境圖像中的目標(biāo)機(jī)具部件進(jìn)行輪廓檢測，并在該環(huán)境圖像中生成輪廓標(biāo)記；按照預(yù)設(shè)繪圖方向在所述輪廓標(biāo)記的外圍生成外接矩形框，得到所述目標(biāo)檢測框。

7、進(jìn)一步地，基于每個所述環(huán)境圖像的采集時間戳和所述目標(biāo)檢測框分析所述目標(biāo)機(jī)具的行為狀態(tài)的步驟，包括：分析所述指定時間段內(nèi)的所述環(huán)境圖像中所述目標(biāo)檢測框所框定的目標(biāo)機(jī)具部件的m種行為特征，得到m個行為特征參數(shù)集合，其中，m為正整數(shù)；對于每種行為特征，基于所述采集時間戳和所述行為特征參數(shù)集合，按照時間順序分析行為特征參數(shù)，得到所述目標(biāo)機(jī)具部件對應(yīng)于該行為特征的工作狀態(tài)；基于所述目標(biāo)機(jī)具部件的所有所述行為特征對應(yīng)的所述工作狀態(tài)，生成所述目標(biāo)機(jī)具部件的部件行為狀態(tài)；整合所述目標(biāo)機(jī)具中所有所述目標(biāo)機(jī)具部件的所述部件行為狀態(tài)，得到所述目標(biāo)機(jī)具在所述指定時間段內(nèi)的所述行為狀態(tài)信息。

8、進(jìn)一步地，基于行為狀態(tài)信息生成行為追蹤報(bào)告的步驟，包括：根據(jù)所述深度信息、所述目標(biāo)檢測框的尺寸參數(shù)在預(yù)設(shè)三維空間中建立所述目標(biāo)機(jī)具部件的三維模型，得到目標(biāo)機(jī)具模型；基于所述目標(biāo)機(jī)具的所述行為狀態(tài)信息在所述預(yù)設(shè)三維空間中對所述目標(biāo)機(jī)具模型進(jìn)行行為模擬，并導(dǎo)出模擬文件；基于所述模擬文件生成所述行為追蹤報(bào)告。

9、進(jìn)一步地，在基于行為狀態(tài)信息生成行為追蹤報(bào)告之后，所述方法還包括：基于所述采集時間戳，確定第一目標(biāo)時間對應(yīng)的第一目標(biāo)檢測框和第二目標(biāo)時間對應(yīng)的第二目標(biāo)檢測框，其中，所述第一目標(biāo)時間早于所述第二目標(biāo)時間；基于所述行為追蹤報(bào)告建立行為預(yù)測模型，并利用所述行為預(yù)測模型和所述第一目標(biāo)檢測框的尺寸參數(shù)推測第二目標(biāo)時間的預(yù)測檢測框，并獲取該預(yù)測檢測框的尺寸參數(shù)；基于所述第二目標(biāo)時間對應(yīng)的所述第二目標(biāo)檢測框和所述預(yù)測檢測框的尺寸參數(shù)計(jì)算檢測框回歸偏移指數(shù)；使用所述檢測框回歸偏移指數(shù)修正所述行為預(yù)測模型的模型參數(shù)，并使用修正后的所述行為預(yù)測模型對所述目標(biāo)機(jī)具進(jìn)行行為預(yù)測。

10、進(jìn)一步地，在基于行為狀態(tài)信息生成行為追蹤報(bào)告之后，所述方法還包括：實(shí)時監(jiān)控所述目標(biāo)機(jī)具中所有所述機(jī)具部件的行為特征參數(shù)，并基于所述行為特征參數(shù)對該目標(biāo)機(jī)具進(jìn)行異常檢測，得到異常檢測得分；基于所述異常檢測得分生成所述目標(biāo)機(jī)具的異常預(yù)警策略。

11、根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種變電站大型機(jī)具的行為追蹤裝置，包括：獲取單元，用于獲取目標(biāo)機(jī)具的環(huán)境感知數(shù)據(jù)，其中，所述環(huán)境感知數(shù)據(jù)至少包括：實(shí)時采集的環(huán)境圖像和深度信息；檢測單元，用于對于每張實(shí)時傳輸?shù)乃霏h(huán)境圖像，獲取所述環(huán)境圖像的圖像特征向量，并基于所述圖像特征向量對所述環(huán)境圖像進(jìn)行目標(biāo)檢測；生成單元，用于在檢測到所述環(huán)境圖像中包含機(jī)具部件的情況下，基于所述深度信息在該環(huán)境圖像中生成目標(biāo)檢測框，其中，所述目標(biāo)檢測框是能完整框定所述機(jī)具部件的最小矩形框；分析單元，用于整合指定時間段內(nèi)包含相同機(jī)具部件的所有所述環(huán)境圖像，基于每個所述環(huán)境圖像的采集時間戳和所述目標(biāo)檢測框分析所述目標(biāo)機(jī)具的行為狀態(tài)，并基于行為狀態(tài)信息生成行為追蹤報(bào)告。

12、進(jìn)一步地，所述檢測單元包括：增強(qiáng)處理模塊，用于對所述環(huán)境圖像進(jìn)行增強(qiáng)處理，得到增強(qiáng)環(huán)境圖像；輸入模塊，用于將所述增強(qiáng)環(huán)境圖像輸入至卷積神經(jīng)網(wǎng)絡(luò)，輸出所述圖像特征向量，其中，所述卷積神經(jīng)網(wǎng)絡(luò)利用卷積層對所述增強(qiáng)環(huán)境圖像進(jìn)行局部特征提取，利用激活層整合所述局部特征得到特征圖，利用池化層降低特征圖尺寸，還利用全連接層對所述特征圖進(jìn)行線性變換，得到所述圖像特征向量。

13、進(jìn)一步地，所述檢測單元還包括：匹配模塊，用于對于每張所述環(huán)境圖像，將所述圖像特征向量與r個已知目標(biāo)特征逐一進(jìn)行匹配，得到匹配結(jié)果，其中，每個所述已知目標(biāo)特征對應(yīng)一個所述機(jī)具部件，所述匹配結(jié)果用于記錄n個與所述環(huán)境圖像相關(guān)的所述機(jī)具部件，n為非負(fù)整數(shù)，r為大于等于n的正整數(shù)；第一生成模塊，用于在n為0的情況下，生成第一目標(biāo)檢測結(jié)果為所述環(huán)境圖像中不包含任何所述機(jī)具部件；第二生成模塊，用于在n不為0的情況下，生成第二目標(biāo)檢測結(jié)果為所述環(huán)境圖像中包含所述機(jī)具部件。

14、進(jìn)一步地，所述檢測單元還包括：第一計(jì)算模塊，用于在n不為0的情況下，生成第二目標(biāo)檢測結(jié)果之后，對于所述匹配結(jié)果指示的n個所述機(jī)具部件，基于所述圖像特征向量計(jì)算每個所述機(jī)具部件在所述環(huán)境圖像中的疑似概率，得到n個所述疑似概率；確定模塊，用于在n個所述疑似概率中確定最大疑似概率，將所述最大疑似概率對應(yīng)的所述機(jī)具部件確定為目標(biāo)機(jī)具部件。

15、進(jìn)一步地，所述生成單元包括：第三生成模塊，用于基于所述深度信息對所述環(huán)境圖像中的目標(biāo)機(jī)具部件進(jìn)行輪廓檢測，并在該環(huán)境圖像中生成輪廓標(biāo)記；第四生成模塊，用于按照預(yù)設(shè)繪圖方向在所述輪廓標(biāo)記的外圍生成外接矩形框，得到所述目標(biāo)檢測框。

16、進(jìn)一步地，所述分析單元包括：第一分析模塊，用于分析所述指定時間段內(nèi)的所述環(huán)境圖像中所述目標(biāo)檢測框所框定的目標(biāo)機(jī)具部件的m種行為特征，得到m個行為特征參數(shù)集合，其中，m為正整數(shù)；第二分析模塊，用于對于每種行為特征，基于所述采集時間戳和所述行為特征參數(shù)集合，按照時間順序分析行為特征參數(shù)，得到所述目標(biāo)機(jī)具部件對應(yīng)于該行為特征的工作狀態(tài)；第五生成模塊，用于基于所述目標(biāo)機(jī)具部件的所有所述行為特征對應(yīng)的所述工作狀態(tài)，生成所述目標(biāo)機(jī)具部件的部件行為狀態(tài)；整合模塊，用于整合所述目標(biāo)機(jī)具中所有所述目標(biāo)機(jī)具部件的所述部件行為狀態(tài)，得到所述目標(biāo)機(jī)具在所述指定時間段內(nèi)的所述行為狀態(tài)信息。

17、進(jìn)一步地，所述分析單元還包括：建立模塊，用于根據(jù)所述深度信息、所述目標(biāo)檢測框的尺寸參數(shù)在預(yù)設(shè)三維空間中建立所述目標(biāo)機(jī)具部件的三維模型，得到目標(biāo)機(jī)具模型；導(dǎo)出模塊，用于基于所述目標(biāo)機(jī)具的所述行為狀態(tài)信息在所述預(yù)設(shè)三維空間中對所述目標(biāo)機(jī)具模型進(jìn)行行為模擬，并導(dǎo)出模擬文件；第六生成模塊，用于基于所述模擬文件生成所述行為追蹤報(bào)告。

18、進(jìn)一步地，所述變電站大型機(jī)具的行為追蹤裝置還包括：確定模塊，用于基于所述采集時間戳，確定第一目標(biāo)時間對應(yīng)的第一目標(biāo)檢測框和第二目標(biāo)時間對應(yīng)的第二目標(biāo)檢測框，其中，所述第一目標(biāo)時間早于所述第二目標(biāo)時間；推測模塊，用于基于所述行為追蹤報(bào)告建立行為預(yù)測模型，并利用所述行為預(yù)測模型和所述第一目標(biāo)檢測框的尺寸參數(shù)推測第二目標(biāo)時間的預(yù)測檢測框，并獲取該預(yù)測檢測框的尺寸參數(shù)；第二計(jì)算模塊，用于基于所述第二目標(biāo)時間對應(yīng)的所述第二目標(biāo)檢測框和所述預(yù)測檢測框的尺寸參數(shù)計(jì)算檢測框回歸偏移指數(shù)；修正模塊，用于使用所述檢測框回歸偏移指數(shù)修正所述行為預(yù)測模型的模型參數(shù)，并使用修正后的所述行為預(yù)測模型對所述目標(biāo)機(jī)具進(jìn)行行為預(yù)測。

19、進(jìn)一步地，所述變電站大型機(jī)具的行為追蹤裝置還包括：監(jiān)控模塊，用于實(shí)時監(jiān)控所述目標(biāo)機(jī)具中所有所述機(jī)具部件的行為特征參數(shù)，并基于所述行為特征參數(shù)對該目標(biāo)機(jī)具進(jìn)行異常檢測，得到異常檢測得分；第七生成模塊，用于基于所述異常檢測得分生成所述目標(biāo)機(jī)具的異常預(yù)警策略。

20、根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)包括存儲的計(jì)算機(jī)程序，其中，在所述計(jì)算機(jī)程序運(yùn)行時控制所述計(jì)算機(jī)可讀存儲介質(zhì)所在設(shè)備執(zhí)行上述任意一項(xiàng)變電站大型機(jī)具的行為追蹤方法。

21、根據(jù)本發(fā)明實(shí)施例的另一方面，還提供了一種電子設(shè)備，包括一個或多個處理器和存儲器，所述存儲器用于存儲一個或多個程序，其中，當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述一個或多個處理器實(shí)現(xiàn)上述任意一項(xiàng)變電站大型機(jī)具的行為追蹤方法。

22、本發(fā)明中，提出一種變電站大型機(jī)具的行為追蹤方法，先獲取目標(biāo)機(jī)具的環(huán)境感知數(shù)據(jù)，其中，環(huán)境感知數(shù)據(jù)至少包括：實(shí)時采集的環(huán)境圖像和深度信息，再對于每張實(shí)時傳輸?shù)沫h(huán)境圖像，獲取環(huán)境圖像的圖像特征向量，并基于圖像特征向量對環(huán)境圖像進(jìn)行目標(biāo)檢測，然后在檢測到環(huán)境圖像中包含機(jī)具部件的情況下，基于深度信息在該環(huán)境圖像中生成目標(biāo)檢測框，其中，目標(biāo)檢測框是能完整框定機(jī)具部件的最小矩形框，最后整合指定時間段內(nèi)包含相同機(jī)具部件的所有環(huán)境圖像，基于每個環(huán)境圖像的采集時間戳和目標(biāo)檢測框分析目標(biāo)機(jī)具的行為狀態(tài)，并基于行為狀態(tài)信息生成行為追蹤報(bào)告。

23、本發(fā)明中，通過采集變電站大型機(jī)具所在環(huán)境的實(shí)時環(huán)境圖像和深度信息等多源感知數(shù)據(jù)，更加全面的反映機(jī)具行為狀態(tài)，保證更高的數(shù)據(jù)可靠性，再通過環(huán)境圖像的圖像特征向量檢測環(huán)境圖像中是否包含目標(biāo)機(jī)具中的任何機(jī)具部件，在檢測到包含機(jī)具部件的情況下，結(jié)合深度信息生成能完整框定該機(jī)具部件的目標(biāo)檢測框，按照時間順序整合該機(jī)具部件對應(yīng)的所有目標(biāo)檢測框，分析該機(jī)具部件的行為狀態(tài)，再基于目標(biāo)機(jī)具中所有機(jī)具部件的行為狀態(tài)信息生成目標(biāo)機(jī)具的行為追蹤報(bào)告，能夠?qū)崿F(xiàn)有效識別機(jī)具行為狀態(tài)和行為軌跡，保證數(shù)據(jù)有效性和實(shí)時性，從而保障變電站調(diào)控和運(yùn)行的安全性，進(jìn)而解決了相關(guān)技術(shù)中由于變電站大型機(jī)具行為追蹤不準(zhǔn)確，導(dǎo)致無法保障變電站運(yùn)行安全性的技術(shù)問題。