(19)中华 人民共和国 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 202110515830.8 (22)申请日 2021.05.12 (65)同一申请的已公布的文献号 申请公布号 CN 113162240 A (43)申请公布日 2021.07.23 (73)专利权人 泰瑞数创科技 （北京） 有限公司 地址 100190 北京市海淀区中关村南大街5 号二区683栋20层22 (72)发明人 刘俊伟　 (74)专利代理 机构 北京中普鸿儒知识产权代理 有限公司 1 1822 代理人 曲芳兵 (51)Int.Cl. H02J 13/00(2006.01) G06F 30/27(2020.01)G06F 30/13(2020.01) (56)对比文件 CN 110866161 A,2020.0 3.06 CN 10489 9922 A,2015.09.09 CN 1080739 96 A,2018.0 5.25 CN 110083119 A,2019.08.02 WO 2016147045 A1,2016.09.2 2 吕希奎 等.城市轨道交通 三维城市景观快 速建模方法研究. 《城市轨道交通研究》 .2012,全 文. 金勇 等.基 于公共信息模型对象聚合的高 压配电网功能单 元信息模型. 《电力系统自动 化》 .2016,第40卷(第9期),全 文. 审查员 李炜 (54)发明名称 城市信息模型的电力载波智能监测方法及 其系统 (57)摘要 本发明提供了一种城市模型的电力载波智 能监测方法， 其特征在于， 包括如下步骤： S1基于 人工智能网络的城市道路和建筑的二维模型建 立； S2根据步骤S1的二维模型制作城市模型实 物， 并在模 型实物的道路和建筑中存在电力设备 或电器的位置设置发光装置； S3构建城市电力载 波信号传输系统， 建立城市电力载波智能监测模 型； S4根据步骤S3建立的模型 实时监测城市的电 力运营状态。 本发明通过 发光3D打印城市模型的 视频拍摄而经由人工智能模型识别就能获知城 市电力运营状态的实时可视化时空分布监测， 实 现了城市电力运营的状态智能化 监控。 权利要求书5页 说明书13页 附图4页 CN 113162240 B 2022.04.12 CN 113162240 B 1.城市模型的电力载波智能监测方法， 其特 征在于， 包括如下步骤： S1基于人工智能网络的城市道路和建筑的二维模型建立； S2 根据步骤S1的二维模型制作城市模型实物， 并在模型实物的道路和建筑中存在电 力设备或电器的位置设置发光装置； S3 构建城市电力载波信号传输系统， 建立城市电力载波智能监测模型； S4根据步骤S3建立的模型实时监测城市的电力运营状态； S1具体包括： S1‑1人工智能网络 的城市道路网模型建立； S1 ‑1具体包括： S1 ‑1‑1建立城市地理坐标 系E， XOY平 面代表地面； 基于城市遥感图像生 成道路网； S1 ‑1‑2将道路网中的所有线条按照 预设的宽度w进行扩宽， 形成具有一定 宽度的道路宽线条， 从而获得城市道路网模型； S1‑2人工智能网络的城市 建筑网模型的建立； S1‑3将步骤S1 ‑1和S1‑2建立的模型融合， 形成城市道路和建筑的二维模型； S2 具体包括： S2‑1在所述城市道路和建筑的二维模型中的每一个多边形边界中最长和次长的对角 线交点代表该建筑的标引点 ， 并以该标引点为圆心r为半径形成建筑标引圆， 并且在二 维模型中的道路中存在电力设备或电器的位置处形成道路标引圆， 从而获得具有建筑和道 路标引圆的城市道路和建筑的二维模型 ； 或对所述具有建筑和道路标引圆的城 市道路和建筑的二维模型Mod2D进行具有建筑和 道路标引圆的城市道路和建筑的语义化识 别， 形成相应的二维语 义模型Mod2D’； S2‑2预设二维模型Mod2D中多边形边界在城市地理坐标 系E下的Z坐标H， 形成具有建筑和道路标引圆的城市道路和建筑的三维模型Mod3D， 将Mod3D 模型数据导入3D打印设备， 打印出具有建筑和道路标引圆孔的3D打印城市模型Mod3DCITY，  其中， H=0 ‑1.5w； 或者将Mod2D’数据导入2D打印设备打印出Mod2D’CITY； S2‑3在Mod3DCITY或 Mod2D'CITY模型中的各标引圆孔中设置发光装置； 或者， 在Mod3DCITY或Mod2D'CITY模型中的各标 引圆孔中设置发光装置之后将安装有发光装置的Mod3DCITY模型或Mod2D'CITY模型进行封装形 成显示屏； S3所述构建城市电力载波信号传输系统包括： S3‑1对于城市的道路和 建筑的电力线装接PLC电路， 用于形成PLC信号， 并按照城市电 力使用预定的区划规定， 在每个划区设置集中器， 用于接收PLC信号并通过集中器中的无线 传输模块将PLC信号转化为无线信号A； 其中， 所述无线信号A中包含对应道路和 /或建筑中 标引圆心 在E下的坐标信息以及PLC中调制信号类型信息， 所述调制信号类型包括FSK， SSB， PSK， BPSK， QPSK， PA M， 16QAM中的至少一种； S3 ‑2设置服务器， 用于接收所述集中器发出 的包含有所述 坐标信息以及PLC中调制信号类型信息的无线信号A； 所述建立城市电力载波智能监测模型包括： S3‑3服务器将建立所述包含有所述坐标信息以及PLC中调制信号类型信息的无线信号 A中包含的电力参数与发光装置的发光参数之 间的对应关系， 将发光参数伪彩化或灰度化， 所述电力参数包括电压、 和电流中至少一种， 所述 发光参数包括 发光波长或灰阶WL， 发光光权　利　要　求　书 1/5 页 2 CN 113162240 B 2强 ； S3‑4采集城市电力线中电力参数获得伪彩化或灰度化结果， 并根据坐标信息控制对应 Mod3DCITY模型或Mod2D'CITY模型中的发光装置， 实现相应波段的伪彩或灰度显示， 获得城市电 力分布检测图； 所述采集为在预设固定时间间隔T内进行， T为1s ‑1h之间， 并基于所述电力 分布检测图采集到检测图像Pic， 将检测图像Pic分为训练集和验证集， 且两者比例为5:1 ‑ 1:1， 同时获得标准图Picst； S3‑5采用人工智能模型AI， 以采集到的检测图像Pic和/或电力 参数为输入端进行训练， 得到电力监测结果中间模型， 并不断利用验证集代入中间模型与 标准图Picst得到的结果差值， 当差值在预设阈值范围内时停止训练， 即得到城市电力载波 智能监测模型 ， 其中， 表示输入端。 2.如权利要求1所述的方法， 其特 征在于， 其中， S1‑1‑1具体包括： 基于城市遥感图像， 利用RNN循环神经网络算法， 通过包括编码器以 及解码器的节点生成器生成道路连续节点， 并在生成过程中连接生成前后的两个节点， 将 新的生成节点输入节点生成器不断产生新的节点， 而继续连接产生的新节点， 如此循环而 连接成道路网； S1‑1‑2中， w按照所述遥感图像中对应的道路宽度进行扩宽， w为所述遥感图像中所有 道路宽度平均值的0.5 ‑1.5倍， 或者， 对于机动车道路、 非机动车道路为0.5 ‑1倍， 人行道路 为1‑1.5倍。 3.如权利要求2所述的方法， 其特 征在于， 步骤S1 ‑2具体包括： S1‑2‑1基于步骤S1 ‑1中的城市遥感图像， 使用无添加层的VGG ‑16算法作为CNN主干网 络提取一系列不同卷积层获得的特 征图， 特征图是输入图像尺寸的1/2 ‑1/10； 同时， 通过图像金字塔算法FPN利用CNN主干网络不同层来构建特征金字塔， 并预测多 个建筑的边框， S1 ‑2‑2对于多个建筑中的每一建筑， 都对所述一系列不同卷积层获得的特 征图和对应的建筑的边框利用Ro IAlign算法获得建筑的本地特 征图F； S1‑2‑2对于每个建筑的所述本地特征图F采用卷积层处理形成多边形边界罩M， 再利用 卷积层处理形成边界罩M的多个预测顶点P； 其中多边形边界罩M具体是指描述建筑在E中的 XOY平面的垂直投影； S1‑2‑3选取P中概率最大的点作为起始点 ， 利用卷积长短期记忆ConvLSTM的多层 RNN算法进行多步预测， 得到多个预测点 封闭的建筑边界多边形， 形成城市 建筑网模型， 其中t为 步序数， 。 4.如权利 要求1所述的方法， 其特征在于， 步骤S1 ‑3具体包括在城市地理坐标系E下， 按 照所述遥感图像中建筑和道路的相 对坐标位置， 将步骤S1 ‑1和S1‑2建立的模型融合， 形成 城市道路和建筑的二维模型。 5.如权利要求1所述的方法， 其特征在于， 其中， 所述发光装置为LED， OLED， 或AMOLED， 所述的Mod3DCITY模型或Mod2D'CITY模型与现实城市比例尺为1:10 000‑1:100000。 6.如权利要求1所述的方法， 其特 征在于，权　利　要　求　书 2/5 页 3 CN 113162240 B 3