[發明專利]一種面積區域相對溫差的電力設備自動診斷方法

在審

• 申請號: 202210367951.7
• 申請日: 2022-04-08
• 公開（公告）號: CN114723962A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 張娜;張學東;王大偉;楊罡;宋述停;張健;胡帆;晉濤;王偉;李少華;趙莉莉
• 申請（專利權）人: 國網山西省電力公司電力科學研究院
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V20/30;G06N3/08;G06N3/04;G06V10/82
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

本發明請求保護一種面積區域相對溫差的電力設備自動診斷方法，屬于智能電網信息技術領域，其包括以下步驟：構建電力設備紅外圖像數據集，搭建YOLOv4的網絡模型結構，訓練檢測同種類型設備識別的YOLOv4模型；通過提取同種類型設備的特征，開展基于YOLO的紅外圖像中同種類型設備識別；從設備識別結果中挑選出異常設備；采用基于圖像處理方法對異常設備的發熱區域進行溫度矩陣提取；根據提取的溫度矩陣，采用基于同類型設備面積區域比較的診斷方法進行自動診斷。有效提高了電力設備紅外圖像的診斷能力；利用主流的人工智能技術，開發針對電力設備的深度學習模型，引入面積區域相對溫差的概念，實現電力設備紅外診斷的設備類型分析精細化。

技術領域

本發明屬于智能電網信息技術領域，特別涉及一種基于面積區域相對溫差的電力設備自動診斷方法。

背景技術

目前，針對電力設備的紅外圖像分析完全依賴人工進行，分析處理工作量大，對檢測人員專業性和工作經驗要求高，分析結果存在一定主觀性。隨著人工智能技術的發展，未來紅外測溫技術應向著自動識別、導入、分析等方向發展，并形成精確的評價體系，建立規范化的管理平臺，為設備全壽命周期管理提供支持。

針對目前紅外帶電檢測存在的問題，本發明主要涉及面積區域相對溫差的電力設備自動診斷方法。針對目前紅外圖像中異常圖像分析工作量大的問題，設計出一種面積區域相對溫差的電力設備自動診斷方法，有效提高了電力設備紅外圖像的診斷能力；利用主流的人工智能技術，開發針對電力設備的深度學習模型，引入面積區域相對溫差的概念，實現電力設備紅外診斷的設備類型分析精細化。

經過檢索，申請公開號CN105548747A，一種基于紅外測溫技術的設備故障識別系統及方法，紅外測溫信息采集模塊對設備進行信息的采集；將采集的紅外測溫信息上傳至大數據分析平臺，由大數據分析平臺計算設備檢測區域的相對溫差；將計算的設備檢測區域的相對溫差與作為故障判據的預設典型故障案例庫的相對溫差進行比較，進而判斷設備異常發熱對應的故障類型；大數據分析平臺將分析得到的故障類型顯示在監控界面上，同時將異常發熱的設備紅外檢測圖像顯示在監控界面上。本發明實現了一種可自動識別輸變電設備故障的系統，考慮周圍環境條件的影響，通過相對溫差判斷法，自動判斷該電氣設備的運行狀況和故障信息，實現了在線快速檢測電氣設備的運行狀況。該方法通過相對溫差對電氣設備進行分析，實現了電氣設備的運行狀況檢測，但不足的是僅考慮單點相對溫差的情況，電力設備所處環境復雜，單一點的相對溫差極有可能造成誤判的情況，基于上述問題，本發明通過面積區域相對溫差的方法進行判斷，可以實現電氣設備的狀態分析，同時考慮單一點相對溫差的局限性，提高狀態診斷的可靠性。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種面積區域相對溫差的電力設備自動診斷方法。本發明的技術方案如下：

一種面積區域相對溫差的電力設備自動診斷方法，其包括以下步驟：

構建電力設備紅外圖像數據集，搭建YOLOv4的網絡模型結構，訓練檢測同種類型設備識別的YOLOv4模型；通過提取同種類型設備的特征，開展基于YOLO的紅外圖像中同種類型設備識別；

從設備識別結果中挑選出異常設備；采用基于圖像處理方法對異常設備的發熱區域進行溫度矩陣提取；

根據提取的溫度矩陣，采用基于同類型設備面積區域比較的診斷方法進行自動診斷。

進一步的，所述搭建YOLOv4的網絡模型結構具體包括輸入結構、主干網絡結構、特征融合結構、預測網絡結構，各層的作用主要分為以下幾種：

1、輸入層：數據訓練時對圖像的輸入，包括隨機縮放、隨機裁剪方法；

2、主干網絡：提取圖像的高維度特征，包括卷積、池化方法；

3、特征融合結構：融合不同尺寸、維度的圖像特征，包括全連接方法；

4、預測網絡結構：對整體特征進行結果預測，包括概率求解方法。