一种基于面积区域温度梯度的电力设备状态评估方法技术

技术编号:37317549 阅读:15 留言:0更新日期:2023-04-21 22:58
本发明专利技术提供一种基于面积区域温度梯度的电力设备状态评估方法,包括,采集电力设备红外图像,并对采集的电力设备的红外图像进行预处理,得到红外图像数据集;将所述红外图像数据集作为输入项输入预先训练的电力设备面积区域的识别模型,得到电力设备面积区域图像;对所述电力设备面积区域图像中任一点温度梯度炳进行计算,得到该电力设备面积区域图像对应的温度梯度图像结果,并根据所述温度梯度图像结果确定图像中各点对应的温度梯度结果;将所述温度梯度结果与预设的先验知识温度梯度阈值比较,根据比较结果确定对应的电力设备状态评估结果。本发明专利技术将电力设备区域的问题进行温度梯度分析,提高红外检测设备评估的精细化能力。能力。能力。

【技术实现步骤摘要】
一种基于面积区域温度梯度的电力设备状态评估方法


[0001]本专利技术涉及智能电网信息
,特别是涉及一种基于面积区域温度梯度的电力设备状态评估方法。

技术介绍

[0002]目前,针对电力设备的红外巡检完全依靠人工进行,存在人工工作量大且成本高的问题,而且设备状态评估对检修人员专业性和工作经验要求比较高,但检测结果依旧存在一定主观性的情况。随着人工智能技术的发展,各行各业都向着智能化方向发展,随着智能电网的提出,未来电力设备红外检测应向着智能化类型识别、状态评估方法发展,并形成规范化的电力设备状态红外评估体系,为电力设备运维提供支撑。
[0003]同时,红外检测的现行标准<DLT664

2008带电设备红外诊断应用规范>通过带电设备温度的相对温差进行状态评估,这种相对温差方法需要环境温度作为基准进行评估,然而电力设备众多、结构和工作环境复杂,不同电力设备受环境温度的影响程度能力不一,在不同的检测场景下,红外不一定能准确检测潜伏性缺陷,如设备接头处老化引起的局部某点温度异常等。

技术实现思路

[0004]本专利技术的目的在于,提出一种于面积区域温度梯度的电力设备状态评估方法,解决在不同的检测场景下,红外不一定能准确检测潜伏性缺陷的技术问题。
[0005]一方面,提供一种基于面积区域温度梯度的电力设备状态评估方法,包括:
[0006]采集电力设备红外图像,并对采集的电力设备的红外图像进行预处理,得到红外图像数据集;
[0007]将所述红外图像数据集作为输入项输入预先训练的电力设备面积区域的识别模型,得到电力设备面积区域图像;
[0008]对所述电力设备面积区域图像中任一点温度梯度炳进行计算,得到该电力设备面积区域图像对应的温度梯度图像结果,并根据所述温度梯度图像结果确定图像中各点对应的温度梯度结果;
[0009]将所述温度梯度结果与预设的先验知识温度梯度阈值比较,根据比较结果确定对应的电力设备状态评估结果。
[0010]优选地,所述对采集的电力设备的红外图像进行预处理包括:
[0011]采集电力设备的红外图像,其中,所述电力设备至少包括断路器、隔离开关、电压/电流互感器、电缆;
[0012]通过双线性插值的方式对红外图像增加的位置进行插值修改图像尺寸;
[0013]对原始的红外图像数据进行增强,形成红外图像数据集。
[0014]优选地,所述对原始的红外图像数据进行增强包括:
[0015]任意选取两张红外图像,并选取区其中一张红外图像对任意矩阵区域进行裁剪并
填充像素值为0;
[0016]根据第一张图像裁剪的区域尺寸,将第二张图像进行尺寸修改并将其填充至裁剪的区域,实现数据的增强。
[0017]优选地,所述电力设备面积区域的识别模型至少包括主干特征提取网络、加强特征提取网络;
[0018]所述主干特征提取部分,通过网络主干部分获得5个特征层;
[0019]所述加强特征提取网络采用反卷积进行上采样,采样完成后通过权重相加和主干特征提取部分获取的5个特征层进行叠加融合,最终获得的预测层;
[0020]其中,所述电力设备面积区域的识别模型接收到输入的红外图像数据集后,通过该模型输入相同尺寸的预测图像,预测图像有效信息主要为设备区域,背景信息将被模型滤除。
[0021]优选地,所述电力设备面积区域的识别模型通过以下方式进行训练:
[0022]获取红外图像训练数据集并输入所述电力设备面积区域的识别模型;
[0023]对所述红外图像训练数据集进行训练处理,得到训练结果;
[0024]将所述训练结果与预设的训练目标结果进行对比,根据比对结果确定所述电力设备面积区域的识别模型是否收敛,若未达到所述训练目标结果,判定训练未完成,重现加载红外图像训练数据集进行重复训练;若达到所述训练目标结果,判定训练完成并输出模型权重,得到训练后的电力设备面积区域的识别模型。
[0025]优选地,所述对所述电力设备面积区域图像中任一点温度梯度炳进行计算包括:
[0026]根据以下公式计算所述电力设备面积区域图像中任一点的梯度炳:
[0027][0028]其中,为任一点a的梯度炳,x为任一点x轴坐标,y为任一点y轴坐标,T为a的温度。
[0029]优选地,根据以下公式确定图像中各点对应的温度梯度结果:
[0030][0031]其中,entropy为温度梯度,P(l)为设备区域内不同的温度梯度值对应出现的概率,l为温度梯度值,L为l数量上限。
[0032]优选地,所述先验知识温度梯度阈值为预先收集的红外图像数据集基础上,根据现行标准将红外图像数据划分成的梯度等级所对应的阈值,其中,所述梯度等级至少包括为正常、一般缺陷、严重缺陷。
[0033]优选地,所述根据比较结果确定对应的电力设备状态评估结果包括:
[0034]当所述温度梯度结果处于所述先验知识温度梯度阈值中正常的梯度等级所对应的阈值时,判定对应的电力设备状态评估结果为正常;
[0035]当所述温度梯度结果处于所述先验知识温度梯度阈值中一般缺陷的梯度等级所对应的阈值时,判定对应的电力设备状态评估结果为一般缺陷;
[0036]当所述温度梯度结果处于所述先验知识温度梯度阈值中严重缺陷的梯度等级所
对应的阈值时,判定对应的电力设备状态评估结果为严重缺陷。
[0037]综上,实施本专利技术的实施例,具有如下的有益效果:
[0038]本专利技术提供的基于面积区域温度梯度的电力设备状态评估方法,首先采集电力设备的红外图像,然后通过对图像进行预处理,形成红外图像数据集,通过数据集对专利中的设备区域识别模型进行训练,训练完成后用于实现红外图像设备区域温度的提取,将电力设备区域的问题进行温度梯度分析,评估电力设备是否存在断路器内部接头接触不良、隔离开关转头接触不良、互感器匝间短路、电缆压接发热在内的故障,提高红外检测设备评估的精细化能力,进一步支撑智能电网的实现。
附图说明
[0039]为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本专利技术的范畴。
[0040]图1为本专利技术实施例中一种基于面积区域温度梯度的电力设备状态评估方法的主流程示意图。
[0041]图2为本专利技术实施例中数据集构建及电力设备面积区域的识别模型训练流程的逻辑示意图。
[0042]图3为本专利技术实施例中电力设备面积区域的识别模型示意图。
具体实施方式
[0043]为使本专利技术的目的、技术方案和优点更加清楚,下面将结合附图对本专利技术作进一步地详细描述。
[0044]如图1所示,为本专利技术提供的一种基于面积区域本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于面积区域温度梯度的电力设备状态评估方法,其特征在于,包括:采集电力设备红外图像,并对采集的电力设备的红外图像进行预处理,得到红外图像数据集;将所述红外图像数据集作为输入项输入预先训练的电力设备面积区域的识别模型,得到电力设备面积区域图像;对所述电力设备面积区域图像中任一点温度梯度炳进行计算,得到该电力设备面积区域图像对应的温度梯度图像结果,并根据所述温度梯度图像结果确定图像中各点对应的温度梯度结果;将所述温度梯度结果与预设的先验知识温度梯度阈值比较,根据比较结果确定对应的电力设备状态评估结果。2.如权利要求1所述的方法,其特征在于,所述对采集的电力设备的红外图像进行预处理包括:采集电力设备的红外图像,其中,所述电力设备至少包括断路器、隔离开关、电压/电流互感器、电缆;通过双线性插值的方式对红外图像增加的位置进行插值修改图像尺寸;对原始的红外图像数据进行增强,形成红外图像数据集。3.如权利要求2所述的方法,其特征在于,所述对原始的红外图像数据进行增强包括:任意选取两张红外图像,并选取区其中一张红外图像对任意矩阵区域进行裁剪并填充像素值为0;根据第一张图像裁剪的区域尺寸,将第二张图像进行尺寸修改并将其填充至裁剪的区域,实现数据的增强。4.如权利要求3所述的方法,其特征在于,所述电力设备面积区域的识别模型至少包括主干特征提取网络、加强特征提取网络;所述主干特征提取部分,通过网络主干部分获得5个特征层;所述加强特征提取网络采用反卷积进行上采样,采样完成后通过权重相加和主干特征提取部分获取的5个特征层进行叠加融合,最终获得的预测层;其中,所述电力设备面积区域的识别模型接收到输入的红外图像数据集后,通过该模型输入相同尺寸的预测图像,预测图像有效信息主要为设备区域,背景信息将被模型滤除。5.如权利要求4所述的方法,其特征在于,所述电力设...

【专利技术属性】
技术研发人员:杜进桥李艳怡勇田杰余鹏刘子俊任佳杨帆李致民
申请(专利权)人:深圳供电局有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1