电网厂站接线图人工智能识别关键方法

王梓耀; 罗庆全; 萧文聪; 王艺澎; 余涛

doi:10.7500/AEPS20220223008

您当前的位置：

首页 >

文章列表页 >

电网厂站接线图人工智能识别关键方法

研制与开发 | 更新时间：2025-06-16

- 电网厂站接线图人工智能识别关键方法
- Key Method of Wiring Diagram Recognition with Artificial Intelligence for Power Plant and Substation
- 电力系统自动化 2023年47卷第2期页码：115-124
- 作者机构：
  
  1.华南理工大学电力学院,广东省广州市 510640
  2.广东省电网智能量测与先进计量企业重点实验室,广东省广州市 510640
- 作者简介：
  
  王梓耀(1996—)，男，博士研究生，主要研究方向：人工智能与优化在配电网规划与运行中的应用、配电网显式可靠性评估。E-mail：ziyaowang100@sina.com
  罗庆全（1999—），男，硕士研究生，主要研究方向：电力指纹及电力人工智能相关应用。E-mail：571998939@qq.com
  萧文聪（2000—），男，硕士研究生，主要研究方向：人工智能与优化在配电网规划与运行中的应用。E-mail：201830211110@mail.scut.edu.cn
  余涛(1974—)，男，通信作者，博士，教授，主要研究方向：复杂电力系统的非线性控制理论和仿真、优化及机器学习。E-mail：taoyu1@scut.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(U2066212);已申请国家发明专利（申请号(202111587313.8;202111587336.9);202111589662.3
- DOI：10.7500/AEPS20220223008
  中图分类号：
- 收稿：2022-02-23，
  
  修回：2022-06-16，
  
  网络出版：2022-11-01，
  
  纸质出版：2023-01-25
- 稿件说明：
移动端阅览
王梓耀,罗庆全,萧文聪等.电网厂站接线图人工智能识别关键方法[J].电力系统自动化,2023,47(2):115-124.

WANG Ziyao,LUO Qingquan,XIAO Wencong,et al.Key Method of Wiring Diagram Recognition with Artificial Intelligence for Power Plant and Substation[J].Automation of Electric Power Systems,2023,47(2):115-124.
王梓耀,罗庆全,萧文聪等.电网厂站接线图人工智能识别关键方法[J].电力系统自动化,2023,47(2):115-124. DOI： 10.7500/AEPS20220223008.

WANG Ziyao,LUO Qingquan,XIAO Wencong,et al.Key Method of Wiring Diagram Recognition with Artificial Intelligence for Power Plant and Substation[J].Automation of Electric Power Systems,2023,47(2):115-124. DOI： 10.7500/AEPS20220223008.

摘要

矢量化的电网厂站接线图需要调度运维人员参考设计图纸进行人工绘制及导入，工作量巨大且极易出错。针对电网厂站接线图中图元、文字以及接线关系3个核心的识别问题，提出一套基于人工智能的完整电网厂站接线图识别方法，显著提升识别的效率和准确性。通过结合分级预处理的重叠滑窗机制与YOLOv4算法，解决电网厂站接线图的“大图像小图元检测”问题；通过迁移学习与卷积循环神经网络结合，提升包含中文电气文本的识别率；通过嵌入电气领域知识与规则，提升接线识别的准确率。最后，根据获取的电气元件信息、文本信息、连接线信息，完成其他下游任务。采用实际调度系统导出的电网接线图数据集，设计了图元、文字、接线识别三方面的对比实验，验证了所提方法的有效性。

Abstract

Vectorized wiring diagrams for power plants and substations need to be manually drawn and imported by dispatching operation and maintenance personnel with reference to design drawings

which is labor-intensive and error-prone. Aiming at the three core recognition problems

i.e.

graphic element

text and wiring relationship of the wiring diagram for power plants and substations

a complete method of wiring diagram recognition for power plants and substations based on artificial intelligence is proposed to significantly improve the efficiency and accuracy of recognition. Through the combination of overlapping sliding window mechanism of hierarchical preprocessing and YOLOv4 algorithm

the problem of “large image and small graphic element detection” of the wiring diagram recognition for power plants and substations is solved. Through the combination of transfer learning and convolutional recurrent neural network

the recognition rate of Chinese electrical texts is improved. Embedded with the electrical domain knowledge and rules

the accuracy of wiring recognition is improved. Finally

according to the obtained electrical component information

text information

connection line information

other downstream tasks are completed. Using the data set of grid wiring diagram derived from the actual dispatching system

the comparison experiments of graphic element

text and wiring recognition are designed to verify the effectiveness of the proposed method.

关键词

Keywords

references

刘广一，何明，周建其，等 . 基于图计算的主动配电网综合能源服务技术支持系统［J］. 供用电， 2019 ， 36 （ 11 ）： 3 - 11 .

LIU Guangyi ， HE Ming ， ZHOU Jianqi ， et al . Active distribution network integrated energy service technical support system based on graph computing platform ［J］. Distribution & Utilization ， 2019 ， 36 （ 11 ）： 3 - 11 .

白浩，周长城，袁智勇，等 . 基于数字孪生的数字电网展望和思考［J］. 南方电网技术， 2020 ， 14 （ 8 ）： 18 - 24 .

BAI Hao ， ZHOU Changcheng ， YUAN Zhiyong ， et al . Prospect and thinking of digital power grid based on digital twin ［J］. Southern Power System Technology ， 2020 ， 14 （ 8 ）： 18 - 24 .

DARGAN S ， KUMAR M ， AYYAGARI M R ， et al . A survey of deep learning and its applications： a new paradigm to machine learning ［J］. Archives of Computational Methods in Engineering ， 2020 ， 27 （ 4 ）： 1071 - 1092 .

程乐峰，余涛，张孝顺，等 . 机器学习在能源与电力系统领域的应用和展望［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 15 - 31 .

CHENG Lefeng ， YU Tao ， ZHANG Xiaoshun ， et al . Machine learning for energy and electric power systems： state of the art and prospects ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 15 - 31 .

李刚，李银强，王洪涛，等 . 电力设备健康管理知识图谱：基本概念、关键技术及研究进展［J］. 电力系统自动化， 2022 ， 46 （ 3 ）： 1 - 13 .

LI Gang ， LI Yinqiang ， WANG Hongtao ， et al . Knowledge graph of power equipment health management： basic concepts， key technologies and research progress ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 3 ）： 1 - 13 .

律方成，牛雷雷，王胜辉，等 . 基于优化YOLOv4的主要电气设备智能检测及调参策略［J］. 电工技术学报， 2021 ， 36 （ 22 ）： 4837 - 4848 .

LV Fangcheng ， NIU Leilei ， WANG Shenghui ， et al . Intelligent detection and parameter adjustment strategy of major electrical equipment based on optimized YOLOv4 ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 22 ）： 4837 - 4848 .

李文璞，毛颖科，廖逍，等 . 基于旋转目标检测的变电设备红外图像电压致热型缺陷智能诊断方法［J］. 高电压技术， 2021 ， 47 （ 9 ）： 3246 - 3253 .

LI Wenpu ， MAO Yingke ， LIAO Xiao ， et al . Intelligent diagnosis method of infrared image for substation equipment voltage type thermal defects based on rotating target detection ［J］. High Voltage Engineering ， 2021 ， 47 （ 9 ）： 3246 - 3253 .

苏运光，罗俊，熊浩，等 . 基于存量图形拓扑分析的厂站接线图自动生成［J］. 电力系统自动化， 2020 ， 44 （ 3 ）： 162 - 166 .

SU Yunguang ， LUO Jun ， XIONG Hao ， et al . Automatic generation of substation wiring graph based on inventory graph topology analysis ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 3 ）： 162 - 166 .

陈洋，张明，杨立东，等 . 一种基于改进YOLOv4的SAR舰船检测算法［J］. 电子测量技术， 2022 ， 45 （ 11 ）： 120 - 125 .

CHEN Yang ， ZHANG Ming ， YANG Lidong ， et al . A SAR ship detection algorithm based on improved YOLOv4 ［J］. Electronic Measurement Technology ， 2022 ， 45 （ 11 ）： 120 - 125 .

钟志峰，夏一帆，周冬平，等 . 基于改进YOLOv4的轻量化目标检测算法［J］. 计算机应用， 2022 ， 42 （ 7 ）： 2201 - 2209 .

ZHONG Zhifeng ， XIA Yifan ， ZHOU Dongping ， et al . Lightweight object detection algorithm based on improved YOLOv4 ［J］. Journal of Computer Applications ， 2022 ， 42 （ 7 ）： 2201 - 2209 .

ZOU Z X ， SHI Z W ， GUO Y H ， et al . Object detection in 20 years： a survey ［EB/OL］. ［ 2021-10-05 ］. https：//arxiv.org/abs/1905.05055 https://arxiv.org/abs/1905.05055 .

HE K ， ZHANG X ， REN S ， et al . Spatial pyramid pooling in deep convolutional networks for visual recognition ［J］. IEEE Transactions on Pattern Analysis & Machine Intelligence ， 2014 ， 37 （ 9 ）： 1904 - 16 .

LIN T Y ， DOLLÁR P ， GIRSHICK R ， et al . Feature pyramid networks for object detection ［C］// 2017 IEEE Conference on Computer Vision and Pattern Recognition ， July 21-26 ， 2017 ， Honolulu， USA ： 936 - 944 .

LIU S ， QI L ， QIN H F ， et al . Path aggregation network for instance segmentation ［C］// 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition ， June 18-23 ， 2018 ， Salt Lake City， USA ： 8759 - 8768 .

SHI B G ， BAI X ， YAO C . An end-to-end trainable neural network for image-based sequence recognition and its application to scene text recognition ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2017 ， 39 （ 11 ）： 2298 - 2304 .

WOJNA Z ， GORBAN A N ， LEE D S ， et al . Attention-based extraction of structured information from street view imagery ［C］// 2017 14th IAPR International Conference on Document Analysis and Recognition （ICDAR）， November 9-15 ， 2017 ， Kyoto， Japan ： 844 - 850 .

魏伟，苏津磷，李帆，等 . 基于改进PSENet与CRNN网络的智能电能表文本识别技术研究［J/OL］. 电测与仪表［ 2021-04-30 ］. http：//kns.cnki.net/kcms/detail/23.1202.TH.20210430.1348.008.html http://kns.cnki.net/kcms/detail/23.1202.TH.20210430.1348.008.html .

WEI Wei ， SU Jinlin ， LI Fan ， et al . Research on scene text recognition technology of smart meter based on improved PSENet and CRNN network ［J/OL］. Electrical Measurement & Instrumentation ［ 2021-04-30 ］. http：//kns.cnki.net/kcms/detail/23.1202.TH.20210430.1348.008.html http://kns.cnki.net/kcms/detail/23.1202.TH.20210430.1348.008.html .

李昊，管荑，王杉，等 . 电力系统厂站接线图拓扑关系检测技术［J］. 北京航空航天大学学报， 2021 ， 47 （ 3 ）： 531 - 538 .

LI Hao ， GUAN Ti ， WANG Shan ， et al . Topological relation detection technology of substation wiring diagram in electric power system ［J］. Journal of Beijing University of Aeronautics and Astronautics ， 2021 ， 47 （ 3 ）： 531 - 538 .

李昊，王杉，耿玉杰，等 . 基于深度学习和图匹配的接线图检测与校核［J］. 北京航空航天大学学报， 2021 ， 47 （ 3 ）： 539 - 548 .

LI Hao ， WANG Shan ， GENG Yujie ， et al . Wiring diagram detection and check based on deep learning and graph matching ［J］. Journal of Beijing University of Aeronautics and Astronautics ， 2021 ， 47 （ 3 ）： 539 - 548 .

BOCHKOVSKIY A ， WANG C Y ， LIAO H Y M . YOLOv4： optimal speed and accuracy of object detection ［EB/OL］. ［ 2021-10-05 ］. https：//arxiv.org/abs/2004.10934 https://arxiv.org/abs/2004.10934 .

WANG C Y ， MARK LIAO H Y ， WU Y H ， et al . CSPNet： a new backbone that can enhance learning capability of CNN ［C］// 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops （CVPRW）， June 14-19 ， 2020 ， Seattle， USA ： 1571 - 1580 .

VAN ETTEN A . You only look twice： rapid multi-scale object detection in satellite imagery ［EB/OL］. ［ 2021-10-05 ］. https：//arxiv.org/abs/1805.09512 https://arxiv.org/abs/1805.09512 .

OTSU N . A threshold selection method from gray-level histograms ［J］. IEEE Transactions on Systems， Man， and Cybernetics ， 1979 ， 9 （ 1 ）： 62 - 66 .

VON GIOI R G ， JAKUBOWICZ J ， MOREL J M ， et al . LSD： a fast line segment detector with a false detection control ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2010 ， 32 （ 4 ）： 722 - 732 .

PADILLA R ， NETTO S L ， DA SILVA E A B . A survey on performance metrics for object-detection algorithms ［C］// 2020 International Conference on Systems， Signals and Image Processing （IWSSIP）， July 1-3 ， 2020 ， Niteroi， Brazil ： 237 - 242 .

Characters recognition ［EB/OL］. ［ 2021-10-05 ］. https：//github.com/justinge/CRNN_Chinese_Characters_Rec https://github.com/justinge/CRNN_Chinese_Characters_Rec .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度子领域自适应的直驱风机次/超同步振荡源定位

基于迁移学习和自编码器的极端天气自适应短期风电功率预测

复杂模型下电力系统暂态稳定性量化分析的算例筛选