[發明專利]一種GIS盆式絕緣子內部導體局部過熱智能診斷方法

有效

• 申請號: 201711002380.2
• 申請日: 2017-10-24
• 公開（公告）號: CN107767374B
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 侯春萍;管岱;楊陽;郎玥;章衡光
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G01R31/12
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

本發明涉及一種GIS盆式絕緣子內部導體局部過熱智能診斷方法，包括：第一步，建立基于標準視覺圖像標記的拍攝位姿校準模型；第二步，建立針對GIS開關盆式絕緣子視覺索引認證引結構：結合電網系統特性，設計一種基于地理空間網格化的GIS開關盆式絕緣子索引機制，先將待索引目標按照地理空間進行粗網格劃分，建立基于固定格網的一級索引，以減少跨網格空間對象數量，然后對完全包含在網格區域內的空間對象進行細分，最后為跨網格的空間對象建立索引鏈表，建立高效的盆式絕緣子索引認證的數據庫；將位置信息編碼進嵌入圖像標記的視覺索引認證模型中；第三步：對內部異常進行識別。

技術領域

本發明屬于圖像識別領域，涉及一種綜合利用基于傳統圖像處理方法和深度學習物體檢測算法，基于多模態圖像數據，對GIS殼體盆式絕緣子進行智能檢索，以及對內部導體局部過熱點進行自動診斷的方法。

背景技術

變電站在電力系統中起著非常重要的作用，該場所可以對電壓和電流進行交換和分配，之后將電能輸送給用戶。直接關系到千家萬戶的用電問題，大規模斷電將給國民經濟帶來不可估量的損失。隨著我國電力系統向特高壓、大容量、智能化穩步發展，對電力設備安全穩定運行的要求不斷提高。而作為匯集、分配和傳送電能的重要設備，氣體絕緣組合電器(gas insulated switchgear，GIS)母線，在具有運行可靠、結構緊湊、安裝維護方便、互換性好等優點的同時，也面臨著密封性強、電流較大、損耗發熱狀況難以準確全面預測和監視的難題。GIS是指采用六氟化硫(SF₆)氣體作為絕緣介質和滅弧介質的將母線、斷路器、隔離開關、接地開關、互感器、避雷器、連接件等部件密封在金屬腔體內部的封閉式開關設備^[1]。GIS因占地面積較小和可靠性高等優點，已被大量應用于電力系統中，隨著GIS使用量的增加和使用電壓等級的增高，其對電力系統供電連續性和穩定性的影響日益突出，因此必須對GIS的運行工況予以重視，盡量減少GIS故障的發生。

GIS在運行過程中，其內部經常會發生局部發熱現象，尤其是盆式絕緣子的部位，這些局部發熱會加速GIS部件老化，嚴重威脅GIS安全穩定運行。當前，主要通過紅外測溫儀對發熱部位進行測溫，并根據所得到的測溫圖來判別發熱點和設備的缺陷類型，進而提出相應的處理解決方案。但對于電氣設備內部發熱點的確定往往是依賴于設備維修人員的相關工作經驗，無法進行科學理性的分析和判斷。

物體檢測任務需要回答一張圖像中在什么位置存在一個什么物體。與物體分類問題不同，物體檢測問題從數學上是研究輸入圖像X與輸出物體窗口Y之間的關系，這里Y的取值不再是一個實數，而是一組“結構化”的數據，指定了物體的外接窗口和類別^[2]。基于可見光圖像和紅外圖像的盆式絕緣子檢測任務作為物體檢測任務的一種，依賴于對多模態圖像特征的恰當選擇與提取，現有的單一的機器學習算法、模板匹配、特征匹配等方法都不能進行有效的檢測。盆式絕緣子的識別效率往往與拍攝所在的位置有關，因此考慮一種自適應糾正拍照的方法，來獲得高質量的拍攝數據。卷積神經網絡(Convolutional NeuralNetwork，CNN)提供了一種端到端的學習模型，經過訓練后的卷積神經網絡能夠較好的學習到圖像中的特征，并且完成對圖像特征的提取和分類。在計算機視覺領域，CNN最主要的技術優勢體現在：通過充分利用圖像數據的層次屬性，抽象或組合低層信號來構建高層特征，即局部邊緣構成主題，主題聚合成部分，部分組成物體，最終使得圖像中的物體易于檢測或分類。因此，CNN具有極其優良的數據表征能力^[3]。

本發明提出一種，大大減少了人工識別的工作量。

[1]羅學琛.SF6氣體絕緣全封閉組合電器(GIS)[M].中國電力出版社,1999.

[2]黃凱奇,任偉強,譚鐵牛.圖像物體分類與檢測算法綜述[J].計算機學報,2014,(06):1225-1240.

[3]劉棟,李素,曹志冬.深度學習及其在圖像物體分類與檢測中的應用綜述[J].計算機科學,2016,(12):13-23.

發明內容