牵引变电站智能巡检信息过滤的方法及系统
技术领域
本发明涉及变电站故障巡检技术领域，特别涉及一种牵引变电站智能巡检信息过滤方法及系统。
背景技术
随着牵引变电所(站)自动化程度的不断提升，所安装的仪器仪表及传感器设备也越来越多。变电所现场情况监测已成为当前变电站管理人员需要考虑的重要问题，如仪器仪表检测的数据是否正确，是否出现非法入侵、水浸甚至火灾等状况，都需要安排值班人员进行定期或不定期的巡查。随着铁路沿线牵引动力变电站数量的增加，对人员的需求越来越大，要求越来越高，由于人员的疏忽所造成的可能损失也会增大。与此同时，由于变电站数量大、位置分散，甚至处于很偏僻的位置，所以安全隐患较多。
虽然牵引变电站智能巡检系统功能越来越强，例如可以将“陌生人入侵报警”的图片信息、“传感器异常报警”的文字信息等通过网络传递到段或处的调度中心，再由调度中心向牵引变电站智能巡检手机应用发出，用户即可通过牵引变电站智能巡检手机应用查看，并及时处理。但同时也存在一个重要问题：过高的相似报警率使得用户在使用牵引变电站智能手机应用时体验较差，无法第一时间获得准确信息，使得用户疲于应付。因此迫切需要针对牵引变电站智能巡检信息过滤的方法，以减少重复报警量，减轻用户负担。
发明内容
本发明的目的在于改善现有技术中所存在的上述不足，提供一种牵引变电站智能巡检信息过滤方法及系统，通过对巡检信息进行过滤，减少重复报警量，提高用户体验良好感。
为了实现上述发明目的，本发明实施例提供了以下技术方案：
一方面，本发明实施例提供了一种牵引变电站智能巡检信息过滤的方法，包括步骤：
采用TCP/IP协议，不断接收牵引变电站巡检系统发来的报警信息，所述报警信息包括“陌生人入侵报警”的图片信息和/或“传感器异常报警”的文字信息；
根据报警类型，将接收的报警信息生成相应的特征向量，并将特征向量存储到数据库中；
在数据库中查出本次接收的报警消息在设定时间段内的特征向量，逐一进行欧几里得距离运算，得出相似度结果，并将相似度结果与设定的阈值进行比较；
如果相似度结果小于设定的阈值，则对用户进行报警推送，否则不对用户进行报警推送。
根据本发明实施例，对于“陌生人入侵报警”的图片信息，采用FaceNet网络模型，提取出人脸的特征向量。
根据本发明实施例，对于“传感器异常报警”的文字信息，采用TF-IDF算法用于报警相似度的计算，得出特征向量。
另一方面，本发明实施例提供了一种牵引变电站智能巡检信息过滤的系统，包括：
报警信息接收模块：采用TCP/IP协议，不断接收牵引变电站巡检系统发来的报警信息，所述报警信息包括“陌生人入侵报警”的图片信息和/或“传感器异常报警”的文字信息；
特征向量转换模块：根据报警类型，将接收的报警信息生成相应的特征向量，并将特征向量存储到数据库中；
相似度计算模块：在数据库中查出本次接收的报警消息在设定时间段内的特征向量，逐一进行欧几里得距离运算，得出相似度结果；
信息过滤模块：将相似度结果与设定的阈值进行比较，如果相似度结果小于设定的阈值，则对用户进行报警推送，否则不对用户进行报警推送。
与现有技术相比，本发明的有益效果：本发明针对陌生人入侵与传感器异常两种报警类型采用了不同的方法进行信息过滤。其中，在陌生人入侵报警中，采用了FaceNet模型，将调度中心传来的人脸图像映射成128维度的特征向量，以向量为特征，采用KNN模型对5分钟内重复的人脸进行过滤；在传感器异常报警中，采用TF-IDF算法，将高度重复的报警信息进行过滤，从而达到减少重复报警量，减少用户负担的目的，但是又不影响用户及时了解牵引变电站的当前报警信息。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明牵引变电站智能巡检信息过滤方法的流程示意图。
图2为实施例中三联子损失函数示意图。
图3为实施例中牵引变电站智能巡检信息过滤系统的结构示意框图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例中提供了一种牵引变电站智能巡检信息过滤的方法，该方法应用在牵引变电站智能巡检手机应用中。如图1所示，该方法包括以下步骤：
步骤1，采用TCP/IP协议，不断接收牵引变电站巡检系统发来的报警信息，报警信息包括“陌生人入侵报警”的图片信息和/或“传感器异常报警”的文字信息。“陌生人入侵报警”的图片信息和“传感器异常报警”的文字信息分别为两种不同报警类型。
步骤2，根据报警类型，将接收的报警信息生成相应的特征向量，并将特征向量存储到数据库中。
其中，对于“陌生人入侵报警”的图片信息，采用FaceNet网络模型，提取出人脸的特征向量，然后将这些提取出来的特征向量用于人脸比对。并且，FaceNet采用三联子损失函数来训练提取人脸特征的卷积神经网络。三联子损失函数(Triplet loss)一般用于个体级别的细粒度识别，例如花鸟狗等大类别的识别，FaceNet借助其分类思想将它用于人脸的识别，目的是将人脸图像X映射入d维度的欧几里得空间f(x)＝Rd。在该向量空间内，希望保证单个个体的图像
对于“传感器异常报警”的文字信息，采用TF-IDF算法用于报警相似度的计算。TF-IDF用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。其主要思想是：如果某个单词在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。其中TF是词频(Term Frequency)，其计算公式为
步骤3，在数据库中查出本次接收的报警消息在设定时间段(例如五分钟)内的特征向量，逐一进行欧几里得距离运算，得出相似度结果。通过所设阈值大小判断是否推送。
步骤4，如果相似度结果小于设定的阈值，即相似度较小，表明不是相同的报警信息，则对用户进行报警推送。
步骤5，如果相似度结果大于或等于设定的阈值，即相似度较大，表明是相同的报警信息，则不对用户进行报警推送。
如图3所示，本发明实施例中还提供了一种牵引变电站智能巡检信息过滤的系统，包括：
报警信息接收模块：采用TCP/IP协议，不断接收牵引变电站巡检系统发来的报警信息，所述报警信息包括“陌生人入侵报警”的图片信息和/或“传感器异常报警”的文字信息。
特征向量转换模块：根据报警类型，将接收的报警信息生成相应的特征向量，并将特征向量存储到数据库中。对于“陌生人入侵报警”的图片信息，特征向量转换模块采用FaceNet网络模型，提取出人脸的特征向量。对于“传感器异常报警”的文字信息，特征向量转换模块采用TF-IDF算法用于报警相似度的计算，得出特征向量。
相似度计算模块：在数据库中查出本次接收的报警消息在设定时间段内的特征向量，逐一进行欧几里得距离运算，得出相似度结果。
信息过滤模块：将相似度结果与设定的阈值进行比较，如果相似度结果小于设定的阈值，则对用户进行报警推送，否则不对用户进行报警推送。
本系统是与前述方法是相对应的，因此，此处未描述之处可参见前述方法描述中的相关内容。
随着牵引变电站自动化程度的不断提升，所安装的仪器仪表及传感器设备也越来越多。设备采集的信息均可通过网络传递到段或处的调度中心，可由调度中心向牵引变电站智能巡检手机应用发出的陌生人入侵、传感器异常报警冗余度也较高，影响用户判断、体验。本发明针对陌生人入侵与传感器异常两种报警类型采用了不同的方法进行信息过滤。其中，在陌生人入侵报警中，采用了FaceNet模型，将调度中心传来的人脸图像映射成128维度的特征向量，以向量为特征，采用KNN模型对5分钟内重复的人脸进行过滤；在传感器异常报警中，采用TF-IDF算法，将高度重复的报警信息进行过滤，从而达到减少重复报警量，减少用户负担的目的，但是又不影响用户及时了解牵引变电站的当前报警信息。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
