[发明专利]一种基于AR设备虚拟交互的电网调度方法和系统在审

专利信息
申请号: 201910826287.6 申请日: 2019-09-03
公开(公告)号: CN112446799A 公开(公告)日: 2021-03-05
发明(设计)人: 于海;彭林;徐敏;钱堃;王鹤;鲍兴川;王刚;侯战胜;何志敏;朱亮 申请(专利权)人: 全球能源互联网研究院有限公司;国家电网有限公司;国网江苏省电力有限公司电力科学研究院
主分类号: G06Q50/06 分类号: G06Q50/06;G06F3/01;G06N3/08
代理公司: 北京安博达知识产权代理有限公司 11271 代理人: 徐国文
地址: 102209 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 ar 设备 虚拟 交互 电网 调度 方法 系统
【权利要求书】:

1.一种基于AR设备虚拟交互的电网调度方法,其特征在于,所述方法包括:

观测调度中心的监控图像,并生成监控图像对应的AR场景;

在AR场景库中匹配与所述监控图像对应的AR场景相似度最高的AR场景模板;

将监控图像对应的AR场景中各监测点的监测数据代入所述AR场景模板对应的决策神经网络模型中,获取决策指令;

基于所述决策指令在所述AR场景中对监控图像对应的区域电网进行调度。

2.如权利要求1所述的方法,其特征在于,所述AR场景库由各区域电网在不同运行工况下的AR场景建立的。

3.如权利要求1所述的方法,其特征在于,所述AR场景模板对应的决策神经网络模型的建立过程,包括:

将与所述AR场景模板匹配的历史监控图像对应的AR场景中各监测点的监测数据作为决策神经网络模型的输入层训练样本,将所述历史监控图像对应的AR场景对应的决策指令作为决策神经网络模型的输出层训练样本,训练决策神经网络模型,获取AR场景模板对应的决策神经网络模型。

4.如权利要求1所述的方法,其特征在于,所述AR场景模板对应的决策神经网络模型的验证过程,包括:

将与所述AR场景模板匹配的历史监控图像对应的AR场景中各监测点的监测数据代入AR场景模板对应的决策神经网络模型,获取所述AR场景模板对应的决策神经网络模型的输出数据;

比较历史监控图像对应的AR场景对应的决策指令与所述输出数据,若两者的一致率大于训练阈值,则所述AR场景模板对应的决策神经网络模型合格,否则,所述AR场景模板对应的决策神经网络模型不合格。

5.如权利要求1所述的方法,其特征在于,所述基于所述决策指令在所述AR场景中对监控图像对应的区域电网进行调度,包括:

控制AR设备的虚拟光标移到所述决策指令对应的AR设备的虚拟按键上,当所述虚拟光标停留在虚拟按键的时间达到预定时间时,触发虚拟按键启动并将决策指令发送至监控图像对应的区域电网,以实现所述区域电网执行决策指令相应的电网调度;

其中,所述决策指令对应的AR设备的虚拟按键位于所述AR场景模板对应的虚拟键盘上。

6.如权利要求5所述的方法,其特征在于,所述AR场景模板对应的虚拟键盘与现实中监控图像对应的操作键盘的设定一致。

7.一种基于AR设备虚拟交互的电网调度系统,其特征在于,所述系统包括:

生成模块,用于观测调度中心的监控图像,并生成监控图像对应的AR场景;

匹配模块,用于在AR场景库中匹配与所述监控图像对应的AR场景相似度最高的AR场景模板;

获取模块,用于将监控图像对应的AR场景中各监测点的监测数据代入所述AR场景模板对应的决策神经网络模型中,获取决策指令;

调度模块,用于基于所述决策指令在所述AR场景中对监控图像对应的区域电网进行调度。

8.如权利要求7所述的系统,其特征在于,所述AR场景库由各区域电网在不同运行工况下的AR场景建立的。

9.如权利要求7所述的系统,其特征在于,所述AR场景模板对应的决策神经网络模型的建立过程,包括:

将与所述AR场景模板匹配的历史监控图像对应的AR场景中各监测点的监测数据作为决策神经网络模型的输入层训练样本,将所述历史监控图像对应的AR场景对应的决策指令作为决策神经网络模型的输出层训练样本,训练决策神经网络模型,获取AR场景模板对应的决策神经网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于全球能源互联网研究院有限公司;国家电网有限公司;国网江苏省电力有限公司电力科学研究院,未经全球能源互联网研究院有限公司;国家电网有限公司;国网江苏省电力有限公司电力科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910826287.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top