基于数据模型的输电线路温度检测方法、系统及设备技术方案

本发明专利技术提供一种基于数据模型预测的输电线路温度检测方法，包括：获取输电线路图像，包括红外图像和可见光图像；根据输电线路图像获取时的地理信息进行分类存储；对输电线路图像进行对齐；利用可见光图像剔除背景影响；对红外图像进行特征抽取并存储为温度梯度和地理信息的分层立体数据库；利用分层立体数据库基于孤立森林算法构建模型；利用构建的模型进行预测；对预测值和真实值进行残差分析，预测故障点和趋势变化。利用温度数据信息建建立温度数据信息模型，利用孤立森林异常值检测以及梯度变化规律判断每个线塔的温度变化，反映线塔的故障变化规律，通过数据预测分析提前预测和告警隐患点，快速筛查预判，提高实施效率和应用实战意义。用实战意义。用实战意义。

【技术实现步骤摘要】
基于数据模型的输电线路温度检测方法、系统及设备


[0001]本专利技术涉及深度学习技术在输电
的应用，尤其是基于数据模型预测的输电线路温度检测方法。

技术介绍

[0002]深度学习技术中，图像识别技术是一门重要的技术，其目的是为了让计算机代替人工去处理大量的物理信息。图像识别技术工作过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。电网安全运行是确保社会生活和经济运行的压舱石。由于输变电线路距离远、跨度大，检测点高，一般的检测手段无法满足。目前行业内普遍采用无人机拍摄线路图像信息，并结合红外热成像技术，采集数据后，可见光图像与红外图像进行对齐，找到热成像图中的高温区域，然后对齐可见光图像实现识别并与人工复检相结合的方式。在高压输电线路领域，由于铁塔高度在50米以上，高空背景干扰较少可以比较容易的进行目标识别；但，对于低矮的变电线路，背景复杂，路面上的车辆，线杆背景中的建筑物，以及树木的遮挡等都会产生干扰。导致采集的图像信息背景复杂，使用传统的图像检测方法对输电线路进行温度的检测，需要先进行图像分割，然后进行目标识别，并利用模板匹配的检测方法，如此一来难以保证较好的识别准确度。
[0003]受场景与实际应用条件及成本的限制，目前通常使用的检测方法是分割和目标识别，然后进行温度检测，但是当背景区域复杂时，线塔区域的检测很容易引入背景的干扰，背景干扰滤除是一个比较复杂的需要大量的人工标注，从时效性和投入都比较大，成为限制电力巡检的瓶颈。

技术实现思路

[0004]本专利技术旨在克服上述现有技术的至少一种缺陷，针对输电线路的线塔红外热成像检测中的问题，提出了利用温度数据信息建建立温度数据信息模型，利用孤立森林异常值检测以及梯度变化规律判断每个线塔的温度变化，反映出线塔的故障变化规律，通过数据预测分析可以提前预测和告警隐患点，快速筛查预判，提高实施效率和应用实战意义。
[0005]第一方面，本专利技术提供一种基于数据模型的输电线路温度检测方法，包括：
[0006]获取输电线路图像，包括红外图像和可见光图像；
[0007]根据输电线路图像获取时的地理信息进行分类存储；
[0008]对输电线路图像进行对齐；
[0009]利用可见光图像剔除背景影响；
[0010]对红外图像进行特征抽取并存储为温度梯度和地理信息的分层立体数据库；
[0011]利用分层立体数据库基于孤立森林算法构建模型；
[0012]利用构建的模型进行预测；
[0013]对预测值和真实值进行残差分析，预测故障点和趋势变化。
[0014]本专利技术的输电线路图像可以通过如无人机等方式拍摄，将采集的图像按照地理信
息进行分类存储，同一位置的图像存储在同一个数据库表中，并可以按照方位角进行标签特征分类存储。
[0015]红外图像与可见光图像需要进行对齐，以进行一一对应，有利于后续进行数据筛选，使得线路的几何中心位于图像的中心区域，进而可以基于该特征进行比对筛选。
[0016]由于线路所在的线塔的背景中会出现不确定的物体，这些偶然采集进去的目标会干扰温度等温区域的分割，因此可以根据历史文件对偶然进入区域的目标，会给出一个筛选机制策略，增加永久性的区域，筛选掉偶然临时区域。
[0017]在背景筛选过程中，由于线塔经常出现背景问题，可以通过历史样本对比，剔除大部分背景影响，对于线路更新替换后的局部样件可以通过更新文件的方式进行增补。对于偶然出现和连续出现的背景干扰物，可以进行时间变化规律的总结，提取其特征随后进行筛选。
[0018]本专利技术的分层立体数据库是基于对线塔的特征训练与存储的逻辑关系，图像转化为结构化数据后，经过历史对比，将动态出现的特征进行筛选，保留固定特征，经过时间序列存储回归可以确定出重点存储管理的区域，可以通过剪枝处理冗余部分。
[0019]所述分层立体数据库的数据结构是按照温度梯度建立的，可以根据温度动态建立三个层面的温度信息数据库。
[0020]进一步，所述对红外图像进行特征抽取具体包括：
[0021]对红外图像进行校正配准，标定温度值与像素值；
[0022]将红外图像的温度信息通过RGB通道像素值进行映射转换。
[0023]通过将基准温度红外图像的温度值与像素值进行标定，进而可以进行校正配准，建立像素值与温度值的数学关系，进而在红外图像根据地理信息进行分类后，可以将红外图像的温度信息通过RGB三通道像素值进行映射转换，将红外图像的温度信息按照像素值进行存储。
[0024]进一步，所述存储为温度梯度和地理信息的分层立体数据库具体包括：
[0025]经过所述数据库的历史对比，筛除动态出现的特征，保留固定特征；
[0026]通过时间序列存储回归确定重点存储管理区域；
[0027]剪枝处理冗余部分；
[0028]根据温度梯度和地理信息进行分层存储。
[0029]进一步，所述分层存储包括：
[0030]根据输电线路图像的环境温度分别建立常规温度区间、较高温度区间和危险区间三个温度信息数据库；
[0031]所述温度信息数据库均按照存储时间和地理信息对应的线路构建二维数据存储关系。
[0032]进一步，所述利用分层立体数据库基于孤立森林算法构建模型具体包括：
[0033]根据所述三个温度信息数据库分别提取红外图像中的像素点位和像素值；
[0034]分别在三个温度信息数据库的基础上基于孤立森林算法构建模型。
[0035]进一步，所述利用构建的模型进行预测包括以下步骤：
[0036]a.从分层立体数据库中随机选择Ψ个温度点样本作为子样本，放入根节点；
[0037]b.随机指定一个维度，在当前节点中随机产生一个切割点p，切割点p产生于当前
节点中指定维度的最大值和最小值之间；
[0038]c.以切割点p生成一个超平面，将当前节点的数据空间划分为两个子空间，将指定维度中小于p的数据生成节点放在当前节点的左边，大于p的数据生成节点放在当前节点的右边；
[0039]d.在每一个子节点中递归步骤b和步骤c，直到子节点中只有一个数据。
[0040]孤立森林算法是通过对分布稀疏且离密度高的群体较远的点判定为异常值，具有时间复杂度特点，基于输电线路图像结合鼓励森林算法可以有效地判定异常值，进而可以高效、准确地对输电线路温度进行检测和预测，反映线塔的故障变化规律，通过数据预测分析提前预测和告警隐患点，快速筛查预判，提高实施效率和应用实战意义。
[0041]进一步，所述对输电线路图像进行对齐具体包括：
[0042]采用外轮廓比对的方式进行对齐；
[0043]剔除干扰项；
[0044]滤除无法用于检测的输电线路图像。
[0045]第二方面，本专利技术提供一种基于数据模型的输电线路温度检测系统，包括：
[0046]图像获取模块，用于获取输电线路图像，包括红外图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据模型的输电线路温度检测方法，其特征在于，包括：获取输电线路图像，包括红外图像和可见光图像；根据输电线路图像获取时的地理信息进行分类存储；对输电线路图像进行对齐；利用可见光图像剔除背景影响；对红外图像进行特征抽取并存储为温度梯度和地理信息的分层立体数据库；利用分层立体数据库基于孤立森林算法构建模型；利用构建的模型进行预测；对预测值和真实值进行残差分析，预测故障点和趋势变化。2.根据权利要求1所述的基于数据模型的输电线路温度检测方法，其特征在于，所述对红外图像进行特征抽取具体包括：对红外图像进行校正配准，标定温度值与像素值；将红外图像的温度信息通过RGB通道像素值进行映射转换。3.根据权利要求1所述的基于数据模型的输电线路温度检测方法，其特征在于，所述存储为温度梯度和地理信息的分层立体数据库具体包括：经过所述数据库的历史对比，筛除动态出现的特征，保留固定特征；通过时间序列存储回归确定重点存储管理区域；剪枝处理冗余部分；根据温度梯度和地理信息进行分层存储。4.根据权利要求3所述的基于数据模型的输电线路温度检测方法，其特征在于，所述分层存储包括：根据输电线路图像的环境温度分别建立常规温度区间、较高温度区间和危险区间三个温度信息数据库；所述温度信息数据库均按照存储时间和地理信息对应的线路构建二维数据存储关系。5.根据权利要求4所述的基于数据模型的输电线路温度检测方法，其特征在于，所述利用分层立体数据库基于孤立森林算法构建模型具体包括：根据所述三个温度信息数据库分别提取红外图像中的像素点位和像素值；分别在三个温度信息数据库的基础上基于孤立森林算法构建模型。6.根据权利要求1所述的基于数据模型的输电线路温度检测方法，其特征在于，所述利用构建的模型进行预测包...

【专利技术属性】
技术研发人员：马鑫磊，张迎峰，方辉敏，黎永昇，罗慧瑜，刘斐，杨双，王旺意，李红泽，苏凤明，詹皓淙，索晨，
申请(专利权)人：联通广东产业互联网有限公司，
类型：发明
国别省市：