[發明專利]一種基于神經網絡模型的帶電設備故障診斷方法

在審

• 申請號: 202010414353.1
• 申請日: 2020-05-15
• 公開（公告）號: CN111798407A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 周迅;韓中杰;錢國良;傅進;高惠新;湯曉石;穆國平;周富強;石惠承;蔡亞楠;周剛;劉維亮;鐘鳴盛;楊波;孫立峰;張清;莫加輝;羅睿;湯萃;徐輝
• 申請（專利權）人: 國網浙江省電力有限公司嘉興供電公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G06N3/04;G01R31/00;G01J5/00
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 尉偉敏

1.一種基于神經網絡模型的帶電設備故障診斷方法，其特征在于，所述方法包括以下步驟：

S1、采集被測對象的紅外圖像：為特定區域內所有被測對象開展多次定點、定向、定位的紅外精確拍攝；

S2、對步驟S1中采集到的紅外圖像進行圖像處理，并建立圖像模型庫：建立圖像模型，透明化圖像模型，作為圖像模型庫保存；

S3、關聯被測對象的對象名稱，提取檢測特征：將步驟S2中建立的圖像模型與被測對象的對象名稱關聯；

S4、闕值上限設置，制定診斷規則；

S5、構建缺陷樣本圖像的數據集，構建卷積神經網絡模型并對卷積神經網絡模型進行訓練；

S6、在線采集被測對象的紅外圖像，將待檢測被測對象的圖像輸入到上述訓練好的卷積神經網絡模型中進行圖像匹配，通過卷積神經網絡模型實現在線的自動診斷，從而識別診斷帶電設備存在的故障；

S7、將診斷結果上傳并儲存到診斷系統中，診斷系統根據診斷結果對遠程控制端發出預警信號，巡檢人員對帶電設備進行排查。

2.根據權利要求1所述的一種基于神經網絡模型的帶電設備故障診斷方法，其特征在于，所述步驟S2包括以下步驟：

S2.1、選定紅外熱圖像中被測對象的區域，根據預設的閾值對圖像做二值化處理：使用雙閾值邊緣提取方法實現邊緣選取，在高閾值圖像中把邊緣鏈接成輪廓，使得整個圖像邊緣閉合，最終將邊緣提取后的圖像做矢量化處理，生成一個被測對象的矢量圖；

S2.2、批量透明化處理所有圖像模型：對圖像模型輪廓內外的像素做全透明處理，模型圖輪廓的像素做半透明處理。

3.根據權利要求1所述的一種基于神經網絡模型的帶電設備故障診斷方法，其特征在于，所述步驟S3包括以下步驟：

S3.1、將步驟S2處理好的圖像模型與被測對象的對象名稱關聯，并關聯被測對象圖像模型的對象材質與對應的輻射率；

S3.2、建立若干分析框，手動提取對齊點，從分析框最小外接矩形邊緣出發設置對齊點停止提取條件，以確定分析框區域，將若干分析框根據對齊點覆蓋被測對象的被測對象的不同部位，并對不同部位覆蓋的分析框進行標記，以及對上述標記的不同分析框內的被測對象進行特征檢測提取。

4.根據權利要求2所述的一種基于神經網絡模型的帶電設備故障診斷方法，其特征在于，所述S3.2中特征檢測提取包括以下步驟：

步驟1、將被測對象紅外熱成像的分析框按MxN劃分小方格，對分析框進行二維圖像坐標系建立，對每個小方格均隨機部署f個測量點，(m_x,n_y)為每個小方格像素塊測量點的坐標，并對每個小方格區域中f個測量點的溫度進行測量，記為T_fn，計算并統計每個小方格區域內的平均溫度值T_mean，平均溫度值如下公式所述：

將每個小方格的平均溫度T_mean作為小方格的溫度；

步驟2、對比并記錄每個小方格與其相鄰小方格的溫度差值，將多個相鄰小方格的溫度差值的溫度最大值T_max作為對應分析框的溫度梯度K；

步驟3、測量被測對象每個小方格的發熱部位面積S_m,n，根據被測對象溫度和發熱部位面積占比的關系建立數學模型，得到溫度覆蓋率Q_n：

Q_n＝T_fn*(S_n/100)；

步驟4、重新采集影響紅外熱成像分析框溫度變化的數據，所述溫度變化的數據包括帶電設備環境溫度參照體的溫度T_環境、發熱點T_異常和正常點的溫度T_正常；

步驟5、將所述的每個小方格的平均溫度T_mean、溫度覆蓋率Q_n、溫度梯度K、環境溫度參照體的溫度T_環境、發熱點T_異常和正常點的溫度T_正常作為神經網絡模型的特征數據輸入樣本。