本申请涉及电力，尤其涉及变电站。具体而言，涉及一种针对变电站作业的监测方法及装置。
背景技术：
1、在电力系统中，变电站扮演着至关重要的角色，它不仅是一次能源输送、转换和分配的关键节点，也是保障电网安全、稳定运行的智能调控中心。然而，在变电站作业监测过程中，由于电力设备众多、带电情况错综复杂，作业风险和隐患也随之增多。
2、目前，主要依赖近电感应技术来预警人员、车辆及工器具与带电体的空间距离，以降低作业风险。由于缺乏技术手段精准判定作业人员、工器具、施工车辆与带电体的空间距离，人员误入带电间隔、大型机械容易误碰带电区域等安全事故时常发生。尤其在变电站或线路交叉跨越等多电压设备交错的复杂电场环境中，单纯的近电感应技术容易出现误报、漏报的情况，无法满足精准判定的需求。
3、此外，随着智慧安全监控技术的推广应用，各作业现场普遍配备了布控球、执法仪等视频督查装备，用于线上视频监管。然而，这些视频督查装备受到现场摆放位置、网络通信以及视频终端技术参数的限制，难以实现对作业现场人员行为轨迹、带电部位、安全措施布置等的立体展示以及风险识别。
4、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请提供了一种针对变电站作业的监测方法及装置，以至少解决现有技术中使用近感应技术和布控球、执法仪等视频督查装备进行变电站作业监测导致监测效果差的技术问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种针对变电站作业的监测方法，包括：根据变电站数据和设备数据构建变电站的数字孪生模型，其中，变电站数据至少包括变电站的轮廓数据和全景图像，设备数据至少包括变电站内的多个设备的位置信息、几何信息以及不同的设备之间的交互信息，数字孪生模型用于虚拟表征变电站的三维实体信息；根据数字孪生模型和变电站的历史作业人员的虚拟模型构建数字孪生环境，其中，数字孪生环境用于对变电站进行模拟和分析；在数字孪生环境中，根据作业识别网络和设备运行识别网络对目标作业人员进行监测，得到初步监测结果，其中，作业识别网络用于识别目标作业人员的作业行为类型，设备运行识别网络用于识别设备的运行状态；根据初步监测结果和人员状态识别网络确定目标监测结果，其中，人员状态识别网络用于识别目标作业人员的状况。
3、可选地，根据变电站数据和设备数据构建变电站的数字孪生模型，包括：根据变电站数据构建变电站模型，其中，变电站模型用于虚拟表征变电站整体结构的三维实体信息；根据设备数据构建初始设备模型，初始设备模型用于虚拟表征变电站内设备的三维实体信息；获取变电站内的不同设备之间的关联参数；根据关联参数确定不同设备之间的关联关系，其中，关联关系用于表征不同设备之间的交互关系；根据关联关系和初始设备模型确定目标设备模型；根据变电站设备的位置信息、变电站模型以及目标设备模型确定数字孪生模型。
4、可选地，在根据数字孪生模型和变电站的历史作业人员的虚拟模型构建数字孪生环境之前，包括：获取历史作业人员的姿态；将姿态分解为n个人体关节点，其中，n为大于1的整数；根据人体骨骼连接关系将n个人体关节点进行关联，得到历史作业人员的虚拟模型。
5、可选地，根据数字孪生模型和变电站的历史作业人员的虚拟模型构建数字孪生环境，包括：将变电站的历史运行数据和历史作业人员的作业视频作为目标数据；根据数字孪生模型、虚拟模型以及目标数据构建数字孪生环境。
6、可选地，作业识别网络通过以下步骤得到包括：获取历史作业人员的作业行为数据；基于作业行为数据在虚拟模型中进行作业行为的模拟，生成历史作业人员的异常行为；根据异常行为生成异常行为数据集；根据异常行为数据集对第一神经网络进行训练，得到作业识别网络。
7、可选地，在根据异常行为数据集对第一神经网络进行训练，得到作业识别网络的过程中，针对变电站作业的监测方法还包括：根据异常行为数据集确定变电站的视频图像特征，其中，视频图像特征用于描述历史作业人员的动作和姿态特征；将视频图像特征输入至目标分支，得到二维作业姿态的数据，其中，目标分支用于根据视频图像特征学习和判断视频中的人体姿态信息；将二维作业姿态的数据映射在三维空间中，得到三维作业姿态数据；基于三维作业姿态数据进行分类识别，其中，分类识别用于识别历史作业人员的作业状态。
8、可选地，设备运行识别网络通过以下步骤得到包括：根据异常行为数据集和数字孪生模型对变电站中的设备进行运行状态的模拟，得到设备的异常运行数据集；根据异常运行数据集对第二神经网络进行训练，得到设备运行识别网络。
9、可选地，在将二维作业姿态的数据映射在三维空间中，得到三维作业姿态数据之后，针对变电站作业的监测方法还包括：将三维作业姿态数据中的人体关节点与虚拟模型中历史作业人员的关节点进行绑定。
10、可选地，人员状态识别网络通过以下步骤得到包括：采集作业人员的生理数据，其中，生理数据至少包括心率、血压、体温；基于生理数据对第三神经网络进行训练，得到人员状态识别网络。
11、根据本申请的另一方面，还提供了一种针对变电站作业的监测装置，包括：第一构建单元，根据变电站数据和设备数据构建变电站的数字孪生模型，其中，变电站数据至少包括变电站的轮廓数据和全景图像，设备数据至少包括变电站内的多个设备的位置信息、几何信息以及不同的设备之间的交互信息，数字孪生模型用于虚拟表征变电站的三维实体信息；第二构建单元，根据数字孪生模型和变电站的历史作业人员的虚拟模型构建数字孪生环境，其中，数字孪生环境用于对变电站进行模拟和分析；第一确定单元，在数字孪生环境中，根据作业识别网络和设备运行识别网络对目标作业人员进行监测，得到初步监测结果，其中，作业识别网络用于识别目标作业人员的作业行为类型，设备运行识别网络用于识别设备的运行状态；第二确定单元，根据初步监测结果和人员状态识别网络确定目标监测结果，其中，人员状态识别网络用于识别目标作业人员的状况。
12、在本申请实施例中，通过变电站的相关数据和变电站内设备的相关数据构建数字孪生模型，接着对数字孪生模型和变电站的历史作业人员的虚拟模型进行虚拟装配，实现了数字孪生环境的构建，然后在数字孪生环境中通过使用训练好的作业识别网络和设备运行识别网络得到变电站作业人员的作业状况和变电站内设备的工作状态，再结合训练好的人员状态识别网络识别作业人员自身的状况，基于作业识别网络、设备运行识别网络以及人员状态网络三个维度的分析上获得了变电站的整体运行状况，相比于现有技术中使用视频等督查装备对变电站进行监测，本申请根据数字孪生模型实现了对变电站的实时监测，又基于多维度的识别网络分析变电站内的状态，最终得到监测结果。达到了对变电站进行更全面的监测和分析的目的，从而实现了提高变电站监测效果的技术效果，进而解决了现有技术中使用近感应技术和布控球、执法仪等视频督查装备进行变电站作业监测导致监测效果差的技术问题。
1.一种针对变电站作业的监测方法，其特征在于，包括：
2.根据权利要求1所述的针对变电站作业的监测方法，其特征在于，根据变电站数据和设备数据构建变电站的数字孪生模型，包括：
3.根据权利要求1所述的针对变电站作业的监测方法，其特征在于，在根据所述数字孪生模型和所述变电站的历史作业人员的虚拟模型构建数字孪生环境之前，包括：
4.根据权利要求1所述的针对变电站作业的监测方法，其特征在于，根据所述数字孪生模型和所述变电站的历史作业人员的虚拟模型构建数字孪生环境，包括：
5.根据权利要求1所述的针对变电站作业的监测方法，其特征在于，所述作业识别网络通过以下步骤得到包括：
6.根据权利要求5所述的针对变电站作业的监测方法，其特征在于，在根据所述异常行为数据集对第一神经网络进行训练，得到所述作业识别网络的过程中，所述针对变电站作业的监测方法还包括：
7.根据权利要求5所述的针对变电站作业的监测方法，其特征在于，所述设备运行识别网络通过以下步骤得到包括：
8.根据权利要求6所述的针对变电站作业的监测方法，其特征在于，在将二维作业姿态的数据映射在三维空间中，得到三维作业姿态数据之后，所述针对变电站作业的监测方法还包括：
9.根据权利要求1所述的针对变电站作业的监测方法，其特征在于，所述人员状态识别网络通过以下步骤得到包括：
10.一种针对变电站作业的监测装置，其特征在于，包括：
