本发明公开了一种智能低压分路监测系统，该监测系统包括：电力数据信息采集模块、数据分析模块、数据存储模块和报警模块。电力数据信息采集模块，用于对低压分路系统进行数据采集；数据分析模块，用于对采集的各项数据进行分析，并与存储在数据存储模块中的预设的各项数据的阈值范围进行实时比较，并输出比较结果至报警模块；报警模块，用于接收数据分析模块的比较结果，并进行相应的报警操作。本发明监测系统结构简单、安全稳定性强，能够实时监测低压分路的运行状态，一旦出现异常，可以及时发出报警信号，提醒工作人员及时采取应对措施，保证低压分路安全稳定地运行。
1.一种智能低压分路监测系统，其特征是，所述低压分路监测系统包括：电力数据信息采集模块、数据分析模块、数据存储模块和报警模块；
所述电力数据信息采集模块，用于对所述低压分路系统进行数据采集；
所述数据分析模块，用于对采集的各项数据进行分析，并与存储在所述数据存储模块中的预设的各项数据的阈值范围进行实时比较，并输出比较结果至所述报警模块；
所述报警模块，用于接收所述数据分析模块的比较结果，并进行相应的报警操作；
所述电力数据信息采集模块包括模拟量采集单元、开关量采集单元、电量采集单元、电力设备图像采集单元；
所述模拟量采集单元，用于采集低压分路系统中各段母线电压、线路电压、电流、有功功率、无功功率、功率因素和频率；
所述开关量采集单元，用于采集低压分路系统中的断路器状态、隔离开关状态、接地刀闸状态和断电保护动作信号；
所述电量采集单元，用于采集低压分路系统的交流采样电流、电压值；
所述电力设备图像采集单元，用于采集所述低压分路中各个电力设备图像所述数据分析模块包括模拟量分析单元、开关量分析单元、电量分析单元和图像分析单元；
所述模拟量分析单元，用于对所述模拟量采集单元采集的数据进行滤波、放大和模数转换，并将处理后的数据与所述数据存储模块中的预设的各项数据的阈值范围进行实时比较，若比较结果显示处理后的数据不在预设的阈值范围内，则发送比较结果至所述报警模块进行报警；
所述开关量分析单元，用于对所述开关量采集单元采集的数据进行电气隔离后，与所述数据存储模块中的预设的各项数据的阈值范围进行实时比较，若比较结果显示处理后的数据不在预设的阈值范围内，则发送比较结果至所述报警模块进行报警；
所述电量分析单元，用于根据所述电量采集单元采集的电流、电压值计算出电量，并将计算出的电量与所述数据存储模块中的预设的电量的阈值范围进行实时比较，若比较结果显示处理后的数据不在预设的阈值范围内，则发送比较结果至所述报警模块进行报警；
所述图像分析单元，用于对采集的电力设备图像进行分析，得到表征电力设备图像的特征向量 并与数据存储模块中的预存的相应电力设备的安全特征向量 进行比较，若满足 则发送比较结果至所述报警模块进行报警，其中，δ为设定的相似度因子；
所述图像分析单元包括去噪子单元、增强子单元、特征提取子单元和故障诊断子单元；
所述去噪子单元，用于去除所述电力设备图像中的随机噪声；
所述增强子单元，用于对去噪后的电力设备图像进行增强操作；
所述特征提取子单元，用于从增强后的电力设备图像中提取该电力设备的特征向量；
所述故障诊断子单元，用于将提取到的电力设备图像的特征向量 并与数据存储模块中的预存的相应电力设备的安全特征向量 进行比较，若满足 则发送比较结果至所述报警模块进行报警，其中，δ为设定的相似度因子；
(2)以像素点p(i,j)为中心，选取一大小为(2R+1,2R+1)的矩形窗口，分别计算灰度化的图像中像素点p(i,j)与矩形窗口内剩余像素点之间的灰度绝对值差，其中，像素点p(i,j)与像素点q(m,n)之间的灰度绝对值差可利用下式计算得到：式中，Dpq是像素点p(i,j)与像素点q(m,n)的灰度绝对值， 为像素点p和像素点q的高斯加权欧式距离，α为高斯函数的标准差，i、j分别为像素点p的横坐标和纵坐标，m、n分别为像素点q的横坐标和纵坐标，g(p)为像素点p的灰度值，g(q)为像素点q的灰度值,Φ为矩形窗口内不包含像素点p的剩余像素点构成的集合；
(3)将得到的像素点p(i,j)与矩形窗口内剩余像素点之间的灰度绝对值差进行升序排列，得到一升序排列的集合 其中，rk为灰度绝对差中第k个最小的元素，根据集合Ψ确定一个新绝对差秩序：
式中，w为人为设定的正整数，且取值范围是：2≤w≤(2R+1) -1，SQ(p)为关于像素点p的新绝对差秩序；
(4)根据得到的新绝对差秩序，计算像素点p的价值程度值：
式中，T1、T2为预设的阈值常量，且满足T1＞T2，U(p)为像素点p的价值程度值，该价值程度值用来衡量该像素点属于噪声点的程度，η是设定的指数因子，其满足0.5≤η≤1.5，当U(p)＝0时，表明像素点p肯定为噪声像素点，当U(p)＝1，表明像素点p不是噪声像素点；
(5)根据像素点p的价值程度值，利用下式计算像素点p的去噪估计值，式中， 为像素点p的去噪估计值， 为以像素点p为中心的，大小为(2R+1,2R+1)的矩形窗口内所有像素点的平均灰度值，g(p)为像素点p的灰度值；
遍历灰度化图像中所有像素点，并用计算得到的各个像素点的去噪估计值替换相应像素点的灰度值，替换后的所有像素点构成的集合即为去噪后的图像。
一种智能低压分路监测系统
技术领域
[0001] 本发明涉及监测技术领域，具体涉及一种智能低压分路监测系统。
背景技术
[0002] 低压分路中各种电力设备的正常运行是低压分路正常工作的基础，然而，现有的电力设备监控系统控制设定复杂，调整不便，且无法实现对各个电力设备的实时在线监测，导致用户无法及时知晓低压分路中各个设备的运行状况，使其维护和维修等工作非常困难且耗时巨大。
发明内容
[0003] 针对上述问题，本发明提供一种智能低压分路监测系统。
[0004] 本发明的目的采用以下技术方案来实现：
[0005] 电力数据信息采集模块、数据分析模块、数据存储模块和报警模块。电力数据信息采集模块，用于对低压分路系统进行数据采集；数据分析模块，用于对采集的各项数据进行分析，并与存储在数据存储模块中的预设的各项数据的阈值范围进行实时比较，并输出比较结果至报警模块；报警模块，用于接收数据分析模块的比较结果，并进行相应的报警操作。
[0006] 有益效果：本发明监测系统结构简单、安全稳定性强，能够实时监测低压分路的运行状态，一旦出现异常，可以及时发出报警信号，提醒工作人员及时采取应对措施，保证低压分路安全稳定地运行。
附图说明
[0007] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0008] 图1是本发明一种智能低压分路监测系统的结构图；
[0009] 图2是本发明图像分析单元24的框架结构图。
[0010] 附图标记：电力数据采集模块1；数据分析模块2；数据存储模块3；报警模块4；模拟量采集单元11；开关量采集单元12；电量采集单元13；电力设备图像采集单元14；模拟量分析单元21；开关量分析单元22；电量分析单元23；图像分析单元24；去噪子单元241；增强子单元242；特征提取子单元243；故障诊断子单元244。
具体实施方式
[0011] 结合以下实施例对本发明作进一步描述。
[0012] 参见图1，一种智能低压分路监测系统，该低压分路监测系统包括：电力数据信息采集模块1、数据分析模块2、数据存储模块3和报警模块4。
[0013] 电力数据信息采集模块1，用于对低压分路系统进行数据采集；数据分析模块2，用于对采集的各项数据进行分析，并与存储在数据存储模块3中的预设的各项数据的阈值范围进行实时比较，并输出比较结果至报警模块4；报警模块4，用于接收数据分析模块的比较结果，并进行相应的报警操作。
[0014] 优选地，电力数据信息采集模块1包括模拟量采集单元11、开关量采集单元12、电量采集单元13、电力设备图像采集单元14。
[0015] 模拟量采集单元11，用于采集低压分路系统中各段母线电压、线路电压、电流、有功功率、无功功率、功率因素和频率；开关量采集单元12，用于采集低压分路系统中的断路器状态、隔离开关状态、接地刀闸状态和断电保护动作信号；电量采集单元13，用于采集低压分路系统的交流采样电流、电压值；电力设备图像采集单元14，用于采集低压分路中各个电力设备图像。
[0016] 优选地，数据分析模块2包括模拟量分析单元21、开关量分析单元22、电量分析单元23和图像分析单元24。
[0017] 模拟量分析单元21，用于对模拟量采集单元11采集的数据进行滤波、放大和模数转换，并将处理后的数据与数据存储模块3中的预设的各项数据的阈值范围进行实时比较，若比较结果显示处理后的数据不在预设的阈值范围内，则发送比较结果至报警模块4进行报警；
[0018] 开关量分析单元22，用于对开关量采集单元12采集的数据进行电气隔离后，与数据存储模块3中的预设的各项数据的阈值范围进行实时比较，若比较结果显示处理后的数据不在预设的阈值范围内，则发送比较结果至报警模块4进行报警；
[0019] 电量分析单元23，用于根据电量采集单元13采集的电流、电压值计算出电量，并将计算出的电量与数据存储模块3中的预设的电量的阈值范围进行实时比较，若比较结果显示处理后的数据不在预设的阈值范围内，则发送比较结果至报警模块4进行报警；
[0020] 图像分析单元24，用于对采集的电力设备图像进行分析，得到表征电力设备图像的特征向量 并与数据存储模块3中的预存的相应电力设备的安全特征向量 进行比较，若满足 则发送比较结果至报警模块4进行报警，其中，δ为设定的相似度因子。
[0021] 优选地，参见图2，图像分析单元24包括去噪子单元241、增强子单元242、特征提取子单元243和故障诊断子单元244。
[0022] 去噪子单元241，用于去除电力设备图像中的随机噪声；
[0023] 增强子单元242，用于对去噪后的电力设备图像进行增强操作；
[0024] 特征提取子单元243，用于从增强后的电力设备图像中提取该电力设备的特征向量；
[0025] 故障诊断子单元244，用于将提取到的电力设备图像的特征向量 并与数据存储模块3中的预存的相应电力设备的安全特征向量 进行比较，若满足 则发送比较结果至报警模块4进行报警，其中，δ为设定的相似度因子。
[0026] 优选地，所述去除电力设备图像中的随机噪声，具体为：
[0027] (1)对电力设备图像进行灰度化处理；
[0028] (2)以像素点p(i,j)为中心，选取一大小为(2R+1,2R+1)的矩形窗口，分别计算灰度化处理后的图像中像素点p(i,j)与矩形窗口内剩余像素点之间的灰度绝对值差，其中，像素点p(i,j)与像素点q(m,n)之间的灰度绝对值差可利用下式计算得到：
[0029]
[0030] 式中，Dpq是像素点p(i,j)与像素点q(m,n)的灰度绝对值， 为像素点p和像素点q的高斯加权欧式距离，α为高斯函数的标准差，i、j分别为像素点p的横坐标和纵坐标，m、n分别为像素点q的横坐标和纵坐标，g(p)为像素点p的灰度值，g(q)为像素点q的灰度值,Φ为矩形窗口内不包含像素点p的剩余像素点构成的集合；
[0031] (3)将得到的像素点p(i,j)与矩形窗口内剩余像素点之间的灰度绝对值差进行升序排列，得到一升序排列的 其中，rk为灰度绝对差中第k个最小的元素，根据集合Ψ确定一个新绝对差秩序：
[0032]
[0033] 式中，w为人为设定的正整数，且取值范围是：2≤w≤(2Q+1)2-1，SQ(p)为关于像素点p的新绝对差秩序；
[0034] (4)根据得到的新绝对差秩序，计算像素点p的价值程度值：
[0035]
[0036] 式中，T1、T2为预设的阈值常量，且满足T1＞T2，U(p)为像素点p的价值程度值，该价值程度值用来衡量该像素点属于噪声点的程度，η是设定的指数因子，其满足0.5≤η≤1.5，当U(p)＝0时，表明像素点p肯定为噪声像素点，当U(p)＝1，表明像素点p不是噪声像素点；
[0037] (5)根据像素点p的价值程度值，利用下式计算像素点p的去噪估计值，[0038]
[0039] 式中， 为像素点p的去噪估计值， 为以像素点p为中心的，大小为(2R+1,2R+1)的矩形窗口内所有像素点的平均灰度值，g(p)为像素点p的灰度值；
[0040] 遍历灰度化图像中所有像素点，并用计算得到的各个像素点的去噪估计值替换相应像素点的灰度值，替换后的所有像素点构成的集合即为去噪后的图像。
[0041] 有益效果：利用上述算法计算待监测电力图像中各个像素点的去噪估计值，首先对电力设备图像进行灰度化处理，之后通过自定义的价值程度值计算公式度量每个像素点的价值程度，进而衡量各个像素点属于噪声点的程度，进而实现对各个像素点去噪估计值的计算，得到去噪后的各个像素点的灰度值，该算法不仅考虑了像素点p与其矩形窗口内剩余像素点之间的高斯加权欧式距离的影响，还考虑了像素点p与其矩形窗口内剩余像素点之间的空间距离的影响，进而实现了对像素点p有无受到噪声污染的准确检测，完成对各个像素点的去噪估计值的准确估计，提高了去噪效果。
[0042] 优选地，增强单元22用于对去噪后的电力设备图像进行增强操作，具体为：
[0043] (1)利用自定义的隶属度函数将去噪后的电力设备图像从空间域映射到模糊域，其中，自定义的隶属度函数为：
[0044]
[0045] 式中，hij为去噪后的电力设备图像中坐标为(i,j)像素点的隶属度值，Xmin为去噪后的电力设备图像的最小灰度值，Xmax为去噪后的电力设备图像的最大灰度值，Xij为去噪后的电力设备图像中坐标为(i,j)像素点的灰度值，为去噪后的电力设备图像的平均灰度值，θ、η为模糊调节因子，用于根据去噪后的电力设备图像中目标区域(待监测电力设备所在区域)的内容和图像增强的目的对隶属度函数进行修正；
[0046] (2)在模糊域中对隶属度值hij进行修正，得到修正后的坐标为(i,j)的像素点的隶属度值h′ij；
[0047] (3)对得到的h′ij进行逆变换，实现将去噪后的图像从模糊域映射到空间域，其逆变换公式为：
[0048]
[0049] 式中，X′ij为经逆变换得到的坐标为(i,j)的像素点的灰度值；
[0050] 遍历模糊域中的所有像素点，全体的X′ij组成的集合即为增强处理后的电力设备图像。
[0051] 有益效果：将去噪后的电力设备图像由空间域转换到模糊域，该算法通过在模糊域中对各个像素点的隶属度值进行修正，并将修正后的隶属度值作为像素点的新隶属度值，进而达到了模糊域内图像增强的目的，保持了图像本身的亮度，也能很好的抑制了去噪后的电力设备图像中残余的噪声。
[0052] 优选地，所述在模糊域中对隶属度值hij进行修正，得到修正后的坐标为(i,j)的像素点的隶属度值h′ij，具体为：
[0053] (1)在模糊域中，以像素点p(i,j)为中心，选取一个大小为m×m的窗口Wm(i,j)，在该窗口上自定义一个模糊对比度，其模糊对比度的表达式为：
[0054]
[0055] 式中，Conf为模糊对比度值，hij是像素点p(i,j)的隶属度值， 为窗口内邻域像素点的隶属度值的平均值，hmax为窗口内隶属度值的最大值，hmin为窗口内隶属度值的最小值；
[0056] (2)将得到的模糊对比度进行非线性变换，其非线性变换公式为：
[0057]
[0058] 式中，Con′f为Conf经非线性变换后得到的模糊对比度修正值，k1、k2为权重系数，且满足k1≥0，k2≥0，k1+k2＝1，v为自定义的参数调节因子；
[0059] (3)根据得到的Con′f，利用下式对隶属度值hij进行修正：
[0060]
[0061] 式中，h′ij为修正后的像素点p(i,j)的隶属度值，Hc为自定义的模糊隶属度阈值。
[0062] 有益效果：通过对hij进行修正，进而达到在模糊域中对去噪后的电力设备图像进行增强的目的，本算法首先通过选定一窗口确定该窗口内中心像素点的模糊对比度值，其次对得到的模糊对比度值进行修正，最后利用修正后的模糊对比度值来实现对隶属度值hij的更新，通过二次修正算法，能够凸显模糊域中去噪后的电力设备图像中的有用信息并进一步抑制图像中的残余噪声，改善图像的视觉效果，便于后续对图像中待监测电力设备的运行状况进行准确判断，提高监测系统的准确度。
[0063] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
