基于多端交互实现电力设备的缺陷检测方法及系统技术方案

本发明专利技术涉及缺陷检测领域，揭露一种基于多端交互实现电力设备的缺陷检测方法及系统，所述方法包括：分析后设备的输出数据，利用后设备的输出数据，识别电力设备的运行缺陷位置；在红外热图像提取设备区域，测量设备区域的设备温度，分析电力设备的发热缺陷位置，测量设备区域的设备温度，分析电力设备的发热缺陷位置；对电力设备进行表面缺陷检测，得到电力设备的表面缺陷位置；对历史运行数据与设备图像进行特征提取，得到运行特征与图像特征，计算电力设备的缺陷类别概率，识别缺陷类别概率对应的缺陷类别；匹配缺陷类别与运行缺陷位置、发热缺陷位置及表面缺陷位置，得到缺陷类别

【技术实现步骤摘要】
基于多端交互实现电力设备的缺陷检测方法及系统


[0001]本专利技术涉及缺陷检测领域，尤其涉及一种基于多端交互实现电力设备的缺陷检测方法及系统。

技术介绍

[0002]目前，随着深度学习技术的发展，通过深度学习技术进行工业设备的缺陷检测的技术也越来越成熟，但利用深度学习技术进行电力设备的缺陷检测的方法仍存在以下缺陷：电力设备的缺陷通常包括设备发热异常、运行数据异常、表面缺陷等，一、在对设备的异常温度进行检测时，通常只能通过红外热成像技术识别设备的异常发热部位，却不能分析异常发热的源头，二、对设备的异常运行数据进行检测时，通常只能利用分类器分类设备运行数据的异常类别，而不能确定具体哪个设备发生了运行故障，三、仅利用分类器识别电力设备的缺陷类别，但不能确定每个发生缺陷的位置处的缺陷原因。因此，由于，不能保障对电力设备的发热源头、异常运行位置、缺陷原因的识别，导致电力设备的缺陷检测精细度不足。

技术实现思路

[0003]为了解决上述问题，本专利技术提供了一种基于多端交互实现电力设备的缺陷检测方法及系统，可以提高电力设备的缺陷检测精细度。
[0004]第一方面，本专利技术提供了一种基于多端交互实现电力设备的缺陷检测方法，包括：构建多端交互的电力设备的交互循环圈，从所述交互循环圈中提取前设备与后设备，基于所述前设备的输出数据，分析所述后设备的输出数据，利用所述后设备的输出数据，识别所述电力设备的运行缺陷位置；采集所述电力设备的红外热图像，在所述红外热图像中提取设备区域，测量所述设备区域的设备温度，基于所述设备温度，分析所述电力设备的发热缺陷位置，其中，所述在所述红外热图像中提取设备区域，包括：利用下述公式计算所述红外热图像的特征图：
[0005]其中，表示所述特征图，表示所述红外热图像，表示卷积滤波器，表示线性运算函数，表示特征图与特征图之间的拼接符号，
[0006]利用下述公式对所述特征图进行多尺度特征图提取，得到多尺度特征图：
[0007]其中，表示所述多尺度特征图，表示上采样函数，num表示上采样次数，表示所述特征图，表示降采样函数，表示尺度大小，表示特征图与特征图之间的拼接符号，表示卷积滤波器，表示卷积次数，
[0008]通过对当前尺度的所述多尺度特征图进行下采样后与小一级尺度的所述多尺度
特征图进行拼接，从而实现融合所述多尺度特征图中的多个多尺度特征图，得到融合特征图，利用预设的锚点框识别所述融合特征图中的设备区域，测量所述设备区域的设备温度，基于所述设备温度，分析所述电力设备的发热缺陷位置；对所述电力设备进行表面缺陷检测，得到所述电力设备的表面缺陷位置；采集所述电力设备的历史运行数据与设备图像，对所述历史运行数据与所述设备图像进行特征提取，得到运行特征与图像特征，基于所述运行特征与所述图像特征，计算所述电力设备的缺陷类别概率，并识别所述缺陷类别概率对应的缺陷类别；匹配所述缺陷类别与所述运行缺陷位置、所述发热缺陷位置及所述表面缺陷位置，得到缺陷类别
‑
缺陷位置匹配关系，并将所述缺陷类别
‑
缺陷位置匹配关系作为所述电力设备的缺陷检测结果。
[0009]在第一方面的一种可能实现方式中，所述对所述用户数据进行预处理，得到目标数据，包括：所述基于所述前设备的输出数据，分析所述后设备的输出数据，包括：获取所述后设备的历史输出数据，根据所述历史输出数据，计算所述后设备的第一当前输出数据；根据所述前设备的输出数据，计算所述后设备的第二当前输出数据；利用下述公式融合所述第一当前输出数据与所述第二当前输出数据，得到所述后设备的输出数据：
[0010]其中，表示所述后设备的输出数据，表示所述第一当前输出数据，表示所述第一当前输出数据的权重，表示所述第二当前输出数据，表示所述第二当前输出数据的权重。
[0011]在第一方面的一种可能实现方式中，所述对所述用户数据进行预处理，得到目标数据，包括：所述根据所述历史输出数据，计算所述后设备的第一当前输出数据，包括：利用下述公式对所述历史输出数据进行累加处理，得到历史累加数据：
[0012]其中，表示所述历史累加数据，表示所述历史输出数据，i表示所述历史输出数据的序号，k表示所述历史输出数据的总数；
[0013]根据所述历史累加数据，利用下述公式计算所述后设备的当前分析参数：
[0014][0015]其中，表示所述当前分析参数，表示均值，表示所述历史累加数据，表示所述历史输出数据，表示的前一个的历史累加数据，k表示所述历史输出数据
的总数；
[0016]根据所述当前分析参数，利用下述公式计算所述历史累加数据对应的当前累加数据：
[0017]其中，表示所述当前累加数据，表示所述历史输出数据，表示所述当前分析参数，k表示所述历史输出数据的总数；
[0018]对所述当前累加数据进行累加还原处理，得到所述第一当前输出数据。
[0019]在第一方面的一种可能实现方式中，所述对所述用户数据进行预处理，得到目标数据，包括：所述根据所述前设备的输出数据，计算所述后设备的第二当前输出数据，包括：利用下述公式计算所述前设备的输出数据的隐含层向量：
[0020]其中，表示所述隐含层向量，表示从输入层到隐含层的权重，表示从输入层到隐含层的偏置，表示所述前设备的输出数据，表示从输入层到隐含层的线性函数，u表示所述前设备的输出数据的序号，N表示所述前设备的输出数据的总数；
[0021]根据所述隐含层向量，利用下述公式计算所述前设备的输出数据的输出层向量：
[0022]其中，表示所述输出层向量，表示所述隐含层向量，表示从隐含层到输出层的权重，表示从隐含层到输出层的偏置，v表示所述隐含层向量的序号，M表示所述隐含层向量的总数；
[0023]根据所述输出层向量，确定所述第二当前输出数据。
[0024]在第一方面的一种可能实现方式中，所述对所述用户数据进行预处理，得到目标数据，包括：所述利用所述后设备的输出数据，识别所述电力设备的运行缺陷位置，包括：在所述后设备的输出数据与所述后设备的实际输出数据之间的差值大于预设差值时，则将此时的后设备及其输出数据作为所述运行缺陷位置。
[0025]在第一方面的一种可能实现方式中，所述对所述用户数据进行预处理，得到目标数据，包括：所述基于所述设备温度，分析所述电力设备的发热缺陷位置，包括：对所述设备温度进行温度聚类，得到聚类温度；在所述聚类温度中查询最大设备温度，并获取所述最大设备温度所对应的聚类，得到目标聚类；
并将所述目标聚类所对应的设备位置作为所述发热缺陷位置。
[0026]在第一方面的一种可能实现方式中，所述对所述用户数据进行预处理，得到目标数据，包括：所述基于所述运行特征与所述图像特征，计算所述电力设备的缺陷类别概率，包括：利用下述公式对所述运行特征与所述图像特征进行特征融合，得到运行
‑
图像融合特征：
[0027][0028]其中，表示所述运行
‑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多端交互实现电力设备的缺陷检测方法，其特征在于，所述方法包括：构建多端交互的电力设备的交互循环圈，从所述交互循环圈中提取前设备与后设备，基于所述前设备的输出数据，分析所述后设备的输出数据，利用所述后设备的输出数据，识别所述电力设备的运行缺陷位置；采集所述电力设备的红外热图像，在所述红外热图像中提取设备区域，测量所述设备区域的设备温度，基于所述设备温度，分析所述电力设备的发热缺陷位置，其中，所述在所述红外热图像中提取设备区域，包括：利用下述公式计算所述红外热图像的特征图：其中，表示所述特征图，表示所述红外热图像，表示卷积滤波器，表示线性运算函数，表示特征图与特征图之间的拼接符号，利用下述公式对所述特征图进行多尺度特征图提取，得到多尺度特征图：其中，表示所述多尺度特征图，表示上采样函数，num表示上采样次数，表示所述特征图，表示降采样函数，表示尺度大小，表示特征图与特征图之间的拼接符号，表示卷积滤波器，表示卷积次数，通过对当前尺度的所述多尺度特征图进行下采样后与小一级尺度的所述多尺度特征图进行拼接，从而实现融合所述多尺度特征图中的多个多尺度特征图，得到融合特征图，利用预设的锚点框识别所述融合特征图中的设备区域，测量所述设备区域的设备温度，基于所述设备温度，分析所述电力设备的发热缺陷位置；对所述电力设备进行表面缺陷检测，得到所述电力设备的表面缺陷位置；采集所述电力设备的历史运行数据与设备图像，对所述历史运行数据与所述设备图像进行特征提取，得到运行特征与图像特征，基于所述运行特征与所述图像特征，计算所述电力设备的缺陷类别概率，并识别所述缺陷类别概率对应的缺陷类别；匹配所述缺陷类别与所述运行缺陷位置、所述发热缺陷位置及所述表面缺陷位置，得到缺陷类别
‑
缺陷位置匹配关系，并将所述缺陷类别
‑
缺陷位置匹配关系作为所述电力设备的缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述前设备的输出数据，分析所述后设备的输出数据，包括：获取所述后设备的历史输出数据，根据所述历史输出数据，计算所述后设备的第一当前输出数据；根据所述前设备的输出数据，计算所述后设备的第二当前输出数据；利用下述公式融合所述第一当前输出数据与所述第二当前输出数据，得到所述后设备的输出数据：其中，表示所述后设备的输出数据，表示所述第一当前输出数据，表示所述第一当前输出数据的权重，表示所述第二当前输出数据，表示所述第二当前输出数据的权重。
3.根据权利要求2所述的方法，其特征在于，所述根据所述历史输出数据，计算所述后设备的第一当前输出数据，包括：利用下述公式对所述历史输出数据进行累加处理，得到历史累加数据：其中，表示所述历史累加数据，表示所述历史输出数据，i表示所述历史输出数据的序号，k表示所述历史输出数据的总数；根据所述历史累加数据，利用下述公式计算所述后设备的当前分析参数：根据所述历史累加数据，利用下述公式计算所述后设备的当前分析参数：其中，表示所述当前分析参数，表示均值，表示所述历史累加数据，表示所述历史输出数据，表示的前一个的历史累加数据，k表示所述历史输出数据的总数；根据所述当前分析参数，利用下述公式计算所述历史累加数据对应的当前累加数据：其中，表示所述当前累加数据，表示所述历史输出数据，表示所述当前分析参数，k表示所述历史输出数据的总数；对所述当前累加数据进行累加还原处理，得到所述第一当前输出数据。4.根据权利要求2所述的方法，其特征在于，所述根据所述前设备的输出数据，计算所述后设备的第二当前输出数据，包括：利用下述公式计算所述前设备的输出数据的隐含层向量：其中，表示所述隐含层向量，表示从输入层到隐含层的权重，表示从输入层到隐含层的偏置，表示所述前设备的输出数据，表示从输入层到隐含层的线性函数，u表示所述前设备的输出数据的序号，N表示所述前设备的输出数据的总数；根据所述隐含层向量，利用下述公式计算所述前设备的输出数据的输出层向量：其中，表示所述输出层向量，表示所述隐含层向量，表示从隐含层到输出层的权重，表示从隐含层到输出层的偏置，v表示所述隐含层向量的序号，M表示所述隐含层向量的总数；
根据所述输出层向量，确定所述第二当前输出数据。5.根据权利要求1所述的方法，其特征在于，所述利用所述后设备的输出数据，识别所述电力设备的运行缺陷位置，包括：在所述后设备的输出数据与所述后设备的实际输出数据之间的差值大于预设差值时，则将此时的后设备及其输出数据作为所述运行缺陷位置。6.根据权利要求1所述的方法，其特征在于，所述基于所述设备温度，分析所述电力设备的发热缺陷位置，包括：对所述设备温度进行温度聚类，得到聚类温度；在所述聚类温度中查询最大设备温度，并获取所述...

【专利技术属性】
技术研发人员：杜双育，郑午，朱振航，
申请(专利权)人：佰聆数据股份有限公司，
类型：发明
国别省市：