一种阀厅设备故障识别方法及系统技术方案

本发明专利技术公开了一种阀厅设备故障识别方法及系统，方法包括：获取图像采集设备实时拍摄的待检测设备的视频流，所述视频流包括：红外图像和紫外图像；对视频流中的任意一帧图像进行预处理，并提取预处理后图像的特征数据；利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，判断待检测设备是否存在故障；当检测到故障时，生成故障类型并定位到具体位置。本发明专利技术提出了通过对红外图像和紫外图像进行预处理及特征数据提取，利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，明确阀厅设备故障发生的类型及故障区域位置，提高了阀厅设备运维的可靠性、科学性和智能化。

【技术实现步骤摘要】
一种阀厅设备故障识别方法及系统
本专利技术涉及电力巡检
，具体涉及一种阀厅设备故障识别方法及系统。
技术介绍
目前，以时间为基础的预防性试验及定期维修的电力设备检修制度，由于其自身的盲目性及检修水平不高等因素，可能使设备良好的运行状态造成破坏或者使设备“越修越坏”，尤其是特高压换流阀、换流变压器、穿墙套管等复杂大型设备，由于常用的预防性试验通常是在离线情况下施加低电压进行的，低压试验完全无法模拟设备在特高压情况下的运行工况；离线情况下，也无法模拟设备的热应力等特性；同时，阀厅内特高压换流阀等设备结构复杂，在其阀体内部存在水路穿梭、高低电位的交叉，虽然整体的绝缘特性在产品的设计生产中有可靠的保证，但随着长期运行，元件性能下降、运行环境变化，尤其是渗水，对换流站的可靠运行造成了潜在威胁以及换流变压器高压端子渗油异常等情况，通过当前人为监视手段很难及时发现异常情况，对整个特高压直流工程的持续稳定运行形成了潜在风险。换流阀阀厅是特高压换流站核心的建筑单元，其长期运行在电、磁、热等多物理场交织的复杂环境中，换流阀阀厅运行的可靠性是直接影响整个直流工程稳定的关键点，当前排除换流阀阀厅内设备的运行隐患方法是定期检修，而停电状态下的定期检修无法模拟换流阀等设备的实际运行工况，同时导致设备某些运行缺陷或隐患无法重现，存在不能明确阀厅设备故障发生的类型及故障区域位置的问题。
技术实现思路
因此，本专利技术提供的一种阀厅设备故障识别方法及系统，克服了现有技术中不能明确阀厅设备故障发生的类型及故障区域位置的缺陷。为达到上述目的，本专利技术提供如下技术方案：第一方面，本专利技术实施例提供一种阀厅设备故障识别方法，包括：获取图像采集设备实时拍摄的待检测设备的视频流，所述视频流包括：红外图像和紫外图像；对视频流中的任意一帧图像进行预处理，并提取预处理后图像的特征数据；利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，判断待检测设备是否存在故障；当检测到故障时，生成故障类型并定位到具体位置。在一实施例中，所述当检测到故障时，生成故障类型并定位到具体位置的步骤后，还包括：生成报警信息，并对报警信息进行图表绘制、可视化显示，报警信息包括故障阀厅设备的故障类型、时间、图像和视频信息。在一实施例中，所述故障类型包括：明火、放电、过热、渗水。在一实施例中，当检测到设备故障为明火、过热、渗水类型时，在红外图像中标识出故障区域；当检测到设备故障为放电类型时，在紫外图像中标识出故障区域。在一实施例中，明火故障检测的步骤包括：获取图像采集设备实时拍摄的红外图像，通过预设图像处理算法确定火焰可疑区域，提取可疑区域每一个时刻每一个火焰的特征值，并输入动态特征池，特征值包括:平均圆形度、面积平均变化率、周长平均变化率，利用启发式分类算法对特征值进行分类归队，结合动态特征分析算法判断多个待检测设备是否存在明火故障。在一实施例中，放电故障检测的步骤包括：获取图像采集设备实时拍摄的紫外图像，通过预设图像检测算法检测出单帧图像中的可疑放电点，根据放电负样本，统计紫外噪声的分布，利用概论模型拟合，可得到噪声的概率密度函数，基于所述概率密度函数利用启发式特征分类算法构建可疑放电区域在时间上的序列，计算序列为噪声序列的概率，通过与对应的预设阈值比较来判断待检测设备是否存在放电故障。在一实施例中，过热故障检测的步骤包括：获取图像采集设备实时拍摄的红外图像，通过预设图像处理算法确定发热可疑区域，提取发热区域的温度值，利用动态特征分析算法分析发热区域的温升、温差、相对温差，通过与对应的预设阈值比较来判断待检测设备是否存在过热故障。在一实施例中，渗水故障检测的步骤包括：获取图像采集设备实时拍摄的红外图像，利用图像分割算法求出单帧图像中渗水可疑区域，计算区域内与区域边界外附区域的平均温度差，初步筛选可疑区域，利用轮廓在时间序列上启发式分类算法，将多帧下不同轮廓划分为不同的队列，每个队列表示一片渗水区域在时间序列上的变化，计算各个队列在时间序列上的面积平均变化率和周长平均变化率，与设定的变化率阈值比较，筛选出渗水区域。第二方面，本专利技术实施例提供一种阀厅设备故障识别系统，包括：图像获取模块，用于获取图像采集设备实时拍摄的待检测设备的视频流，所述视频流包括：红外图像和紫外图像；特征提取模块，用于对视频流中的任意一帧图像进行预处理，并提取预处理后图像的特征数据；故障检测模块，用于利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，判断待检测设备是否存在故障；故障识别模块，用于当检测到故障时，生成故障类型并定位到具体位置。第三方面，本专利技术实施例提供一种终端，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本专利技术实施例第一方面所述的阀厅设备故障识别方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本专利技术实施例第一方面所述的阀厅设备故障识别方法。本专利技术技术方案，具有如下优点：本专利技术提供的阀厅设备故障识别方法及系统，获取图像采集设备实时拍摄的待检测设备的视频流，所述视频流包括：红外图像和紫外图像；对视频流中的任意一帧图像进行预处理，并提取预处理后图像的特征数据；利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，判断待检测设备是否存在故障；当检测到故障时，生成故障类型并定位到具体位置。提出了通过对红外图像和紫外图像进行预处理及特征数据提取，利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，明确阀厅设备故障发生的类型及故障区域位置，提高了阀厅设备运维的可靠性、科学性和智能化。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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的附图。图1为本专利技术实施例提供的一种阀厅设备故障识别方法的一个具体示例的流程图；图2为本专利技术实施例提供的一种阀厅设备故障识别方法的一个具体登录示例的流程图；图3为本专利技术实施例提供的一种阀厅设备故障识别方法的一个具体示例的动态特征池的示意图；图4为本专利技术实施例提供的一种阀厅设备故障识别方法的一个具体示例的解决故障重叠的示意图；图5为本专利技术实施例提供的一种阀厅设备故障识别系统的模块组成图；图6为本专利技术实施例提供的一种终端一个具体示例的组成图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本本文档来自技高网...

【技术保护点】
1.一种阀厅设备故障识别方法，其特征在于，包括：/n获取图像采集设备实时拍摄的待检测设备的视频流，所述视频流包括：红外图像和紫外图像；/n对视频流中的任意一帧图像进行预处理，并提取预处理后图像的特征数据；/n利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，判断待检测设备是否存在故障；/n当检测到故障时，生成故障类型并定位到具体位置。/n

【技术特征摘要】
1.一种阀厅设备故障识别方法，其特征在于，包括：
获取图像采集设备实时拍摄的待检测设备的视频流，所述视频流包括：红外图像和紫外图像；
对视频流中的任意一帧图像进行预处理，并提取预处理后图像的特征数据；
利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，判断待检测设备是否存在故障；
当检测到故障时，生成故障类型并定位到具体位置。


2.根据权利要求1所述的阀厅设备故障识别方法，其特征在于，所述当检测到故障时，生成故障类型并定位到具体位置的步骤后，还包括：生成报警信息，并对报警信息进行图表绘制、可视化显示，报警信息包括故障阀厅设备的故障类型、时间、图像和视频信息。


3.根据权利要求1所述的阀厅设备故障识别方法，其特征在于，所述故障类型包括：明火、放电、过热、渗水。


4.根据权利要求3所述的阀厅设备故障识别方法，其特征在于，当检测到设备故障为明火、过热、渗水类型时，在红外图像中标识出故障区域；当检测到设备故障为放电类型时，在紫外图像中标识出故障区域。


5.根据权利要求4所述的阀厅设备故障识别方法，其特征在于，明火故障检测的步骤包括：获取图像采集设备实时拍摄的红外图像，通过预设图像处理算法确定火焰可疑区域，提取可疑区域每一个时刻每一个火焰的特征值，并输入动态特征池，特征值包括:平均圆形度、面积平均变化率、周长平均变化率，利用启发式分类算法对特征值进行分类归队，结合动态特征分析算法判断多个待检测设备是否存在明火故障。


6.根据权利要求4所述的阀厅设备故障识别方法，其特征在于，放电故障检测的步骤包括：获取图像采集设备实时拍摄的紫外图像，通过预设图像检测算法检测出单帧图像中的可疑放电点，根据放电负样本，统计紫外噪声的分布，利用概论模型拟合，可得到噪声的概率密度函数，基于所述概率密度函数利用启发式特征分类算法构建可疑放电区域在时间上的序列，计算序列为噪声序列的概率，通过与对应的预设阈...

【专利技术属性】
技术研发人员：于海，彭林，王鹤，徐敏，侯战胜，鲍兴川，朱亮，王刚，何志敏，杨建伟，
申请(专利权)人：全球能源互联网研究院有限公司，
类型：发明
国别省市：北京;11