(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211158932.X (22)申请日 2022.09.22 (65)同一申请的已公布的文献号 申请公布号 CN 115240394 A (43)申请公布日 2022.10.25 (73)专利权人 国网湖北省电力有限公司经济技 术研究院 地址 430061 湖北省武汉市武昌区水果湖 街徐东路47号 (72)发明人 陈曦　严道波　杭翠翠　洪倩　 郭江华　邓丽　郭婷　 (74)专利代理 机构 武汉开元知识产权代理有限 公司 42104 专利代理师 潘杰 (51)Int.Cl. G08B 31/00(2006.01)G01F 23/04(2006.01) G06Q 10/04(2012.01) G06N 3/04(2006.01) G06F 17/10(2006.01) G06Q 50/06(2012.01) G06V 10/52(2022.01) G06V 10/82(2022.01) G06V 20/00(2022.01) G06V 30/19(2022.01) (56)对比文件 CN 114091362 A,202 2.02.25 张超.基于图像的水位标尺检测技 术研究. 《中国优秀硕士学位 论文全文数据库 （电子期 刊） 》 .202 2, 审查员 鲁国剑 (54)发明名称 一种变电站事故油池水位监测预警方法及 系统 (57)摘要 本发明提出一种变电站事故油池水位监测 预警方法及系统， 所述方法包括： 通过摄像头持 续采集事故油池内的水尺图像， 对事故油池内的 水尺图像进行识别， 得到事故油池内的实时水位 读数； 获取当前变电站周边区域内的各个监测点 的历史水位数据和事故油池内的历史水位数据， 根据各个监测点的历史水位数据和事故油池内 的历史水位数据建立水位变化预测模 型； 获取当 前各个监测点的实时水位数据并输入水位变化 预测模型， 预测输出事故油池内的水位变化情 况； 根据预测得到的事故油池内的水位变化情况 进行水位监测预警。 本发明除了可以进行实时水 位监测， 还可 以进行未来水位变化趋势预警， 提 高了事故油池内水位 监测预警的前瞻性。 权利要求书3页 说明书9页 附图1页 CN 115240394 B 2022.12.20 CN 115240394 B 1.一种变电站事故油池水位 监测预警方法， 其特 征在于， 所述方法包括： 通过摄像头采集事故油池内的水尺图像， 对事故油池内的水尺图像进行识别， 得到事 故油池内的实时水位读数； 获取当前变电站周边区域内的各个监测点的历史水位数据和事故油池内的历史水位 数据， 根据各个监测点的历史水位数据和事故油池内的历史水位数据建立水位变化预测模 型； 获取当前各个监测点的实时水位数据并输入水位变化预测模型， 预测输出事故油池内 的水位变化情况； 根据预测得到的事故油池内的水位变化情况进行 水位监测预警； 所述对事故油池内的水尺图像进行识别， 识别事故油池内的实时水位读数 具体包括： 对水尺图像进行 预处理； 判断水尺图像质量， 对低光照度下的水尺图像进行明暗度调节， 得到高质量水尺图像； 提取高质量水尺图像的水尺区域， 对水尺区域进行刻度线与数字分离， 通过预训练的 第一卷积神经网络模型识别分离得到的数字， 计算出 水位读数； 所述判断水尺图像质量， 对低光照度下的水尺图像进行明暗度调节， 得到高质量水尺 图像具体包括： 计算水尺图像灰度直方图的均值， 若图像的明度小于图像灰度分量均值则认为是低 光 照度下的水尺图像； 预先准备明暗不同的水尺图像组成数据集； 构建KinD网络模型， 将数据集中的水尺图像输入KinD网络模型进行训练， 得到训练好 的明暗度调节模型； 通过训练好的明暗度调节模型对低 光照度下的水尺图像进行明暗度调节， 输出高质量 水尺图像； 所述对事故油池内的水尺图像进行识别的过程中， 以水位读数识别误差最小为目标， 采用基于梯度的优化算法对第一卷积神经网络的超参数和KinD网络模型的光照度调节参 数α进行优化， 将优化后的调节参数α输入KinD 网络模型进行明暗度调节， 将优化后的超参 数输入第一卷积神经网络， 识别实时水位读数； 所述以水位读数识别误差最小为目标， 采用基于梯度的优化算法对第 一卷积神经网络 的超参数和Ki nD网络模型的光照度调节参数α 进行优化具体包括： 分别设置第一卷积神经网络的超参数和KinD网络模型的光照度调节参数α 的取值范 围， 将超参数、 调节参数α 的取值范围组成D维搜索空间； 初始 化基于梯度的优化算法的基本 参数， 并在D维搜索空间内随机初始化各个 个体位置； 以水位读数识别误差最小为目标建立适应度函数， 通过适应度函数计算每个个体的适 应度值， 确定当前最优向量和最差向量； 基于当前最优向量和最差向量建立搜索方向和梯度搜索规则， 并引入向量加权平均算 法的向量 合并算子， 基于 搜索方向和梯度搜索规则、 向量 合并算子更新当前个 体位置； 根据局部逃逸 算子更新当前个 体位置； 计算当前个 体的适应度， 更新 最优向量； 重复以上更新当前个体位置并计算个体适应度的过程， 直到达到最大迭代次数， 输出权　利　要　求　书 1/3 页 2 CN 115240394 B 2最优解。 2.根据权利要求1所述的变电站事故油池水位监测预警方法， 其特征在于， 所述基于搜 索方向和梯度搜索规则、 向量 合并算子更新当前个 体位置的公式为： 其中 分别为第m、 m+1次迭代时第n个向量的位置， 为将 中的最 佳向量 替换为当前向量 得到的新向量， GSR为基于梯度的优化算法的梯度 搜索规则， DM为搜索方向； 均为0~1内的随机数， ， randn为服从标 准正态分布的随机数， ， 为正弦函数， rand为0~1内的随机数。 3.根据权利要求1所述的变电站事故油池水位监测预警方法， 其特征在于， 所述根据 各 个监测点的历史水位数据和事故油池内的历史水位数据建立水位变化预测模型 具体包括： 按照预设时间间隔对当前变电站周边区域内的各个监测点的历史水位数据和事故油 池内的历史水位数据进行划分， 分别计算每个时间间隔内各个监测站点的历史水位变化量 和事故油池内的历史水位变化量； 所述各个监测点的历史水位数据和事故油池内的历史水 位数据之 间有一个时间差， 所述时间差根据各个监测点的历史水位数据发生变化的时间点 与事故油池内的历史水位数据发生变化的时间点之间的差值确定； 根据当前变电站周边 区域内的各个监测点的位置建立位置关系矩阵； 所述位置关系矩 阵的行与列均代表监测点位置， 位置关系矩阵中对应位置的元素为对应的两个监测点的位 置之间的欧式距离； 根据每个时间间隔内各个监测 站点之间的历史水位变化量建立水位关系矩阵； 所述水 位关系矩阵的行与列均 代表监测点的历史水位数据， 水位关系矩阵中对应位置的元素为同 一个时间 间隔内对应的两个监测点的历史水位数据的变化 量的差值； 以位置关系矩阵和水位关系矩阵的乘积为输入、 以事故油池内的历史水位变化量为输 出训练第二卷积神经网络模型； 将训练好的第二卷积神经网络模型作为水位变化预测模型。 4.基于权利要求1~3任一项所述的变电站事故油池水位监测预警方法的一种变电站事 故油池水位 监测预警系统， 其特 征在于， 所述系统包括： 实时水位识别模块： 用于通过摄像头持续采集事故油池内的水尺图像， 对事故油池内 的水尺图像进行识别， 得到事故油池内的实时水位读数；权　利　要　求　书 2/3 页 3 CN 115240394 B 3