电力设备的缺陷识别及预警方法、装置及计算机设备与流程

文档序号:20498869发布日期:2020-04-21 22:36阅读:来源:国知局

技术特征:

1.一种电力设备的缺陷识别及预警方法,其特征在于,包括以下步骤:

s1.获取待测电力设备的红外热成像图谱;

s2.构建缺陷识别模型和预警分析模型,所述缺陷识别模型用于对所述红外热成像图谱进行缺陷识别分析,得到所述待测电力设备的缺陷值;

s3.若所述缺陷值大于所述缺陷识别模型中预设的缺陷阈值,采用所述预警分析模型对所述红外热成像图谱进行预警分析,得到所述待测电力设备的预警值;

s4.若所述预警值大于所述预警分析模型的预设的预警阈值,作出预警分析。

2.根据权利要求1所述的电力设备的缺陷识别及预警方法,其特征在于,构建所述缺陷识别模型的步骤包括:

s21.基于电力设备数据库获取历史电力设备采集的红外热成像图谱数据;

s22.采用图像拼接、边缘检测、图像增强、图像恢复、图像滤波、图像分割对所述红外热成像图谱数据进行处理,得到红外图像数据;

s23.采用gist特征提取方式和gabor滤波方式对所述红外图像数据进行特征提取,得到特征图像数据;

s24.采用卷积神经网络对所述特征图像数据进行分类,得到红外图谱数据;

s25.采用深度学习对所述红外图谱数据进行训练得到缺陷识别模型。

3.根据权利要求2所述的电力设备的缺陷识别及预警方法,其特征在于,构建所述预警分析模型的步骤包括所述步骤s21、所述步骤s22和所述步骤s23,构建所述预警分析模型的步骤还包括:

采用遗传算法和或模糊诊断对所述特征图像数据进行处理,建立所述预警分析模型。

4.根据权利要求3所述的电力设备的缺陷识别及预警方法,其特征在于,在所述模糊诊断过程中,通过故障征兆和故障诱因对所述特征图像数据建立模糊关系矩阵,将所述模糊关系矩阵进行矩阵组合并用逻辑或并逻辑实现所述模糊诊断,并得到待测电力设备的预警值;

在所述遗传算法过程中,在不同时段对所述待测电力设备的特征图像数据与获取历史电力设备的特征图像数据进行横向对比和纵向对比,得到电力设备在不同时段的红外图像对比,根据所述遗传算法对所述红外图像对比进行求解,得到预警分析的所述预警值。

5.根据权利要求2所述的电力设备的缺陷识别及预警方法,其特征在于,获取所述特征图像数据过程中,采用所述gist特征提取方式对所述红外图像数据的全局和或局部的自然度、开放度、膨胀度的特征进行提取,获取所述特征图像数据;还采用gabor滤波方式对所述红外图像数据从方向选择和尺寸选择提取出图像数据中不同方向纹理。

6.根据权利要求2所述的电力设备的缺陷识别及预警方法,其特征在于,所述红外图谱数据包括电力设备的正常红外图谱数据和缺陷红外图谱数据。

7.一种电力设备的缺陷识别及预警装置,其特征在于,包括:

图像获取单元,用于获取待测电力设备的红外热成像图谱;

构建模型单元,用于构建缺陷识别模型和预警分析模型,所述缺陷识别模型用于对所述红外热成像图谱进行缺陷识别分析,得到所述待测电力设备的缺陷值;

第一执行单元,用于根据所述缺陷值大于所述缺陷识别模型中预设的缺陷阈值,采用所述预警分析模型对所述红外热成像图谱进行预警分析,得到所述待测电力设备的预警值;

第二执行单元,用于根据所述预警值大于所述预警分析模型的预设的预警阈值,作出预警分析。

8.根据权利要求7所述的电力设备的缺陷识别及预警装置,其特征在于,所述构建模型单元包括数据采集子单元、数据处理子单元、特征数据提取子单元、数据分类子单元、缺陷模型子单元和预警模型子单元;

所述数据采集子单元,用于根据基于电力设备数据库获取历史电力设备采集的红外热成像图谱数据;

所述数据处理子单元,用于采用图像拼接、边缘检测、图像增强、图像恢复、图像滤波、图像分割对所述红外热成像图谱数据进行处理,得到红外图像数据;

所述特征数据提取子单元,用于采用gist特征提取方式和gabor滤波方式对所述红外图像数据进行特征提取,得到特征图像数据;

所述数据分类子单元,用于采用卷积神经网络对所述特征图像数据进行分类,得到红外图谱数据;

所述缺陷模型子单元,用于采用深度学习对所述红外图谱数据进行训练得到缺陷识别模型;

所述预警模型子单元,用于采用遗传算法和或模糊诊断对所述特征图像数据进行处理,建立所述预警分析模型。

9.根据权利要求8所述的电力设备的缺陷识别及预警装置,其特征在于,所述预警模型子单元通过故障征兆和故障诱因对所述特征图像数据建立模糊关系矩阵,将所述模糊关系矩阵进行矩阵组合并用逻辑或并逻辑实现所述模糊诊断,并得到待测电力设备的预警值;

所述预警模型子单元还在不同时段对所述待测电力设备的特征图像数据与获取历史电力设备的特征图像数据进行横向对比和纵向对比,得到电力设备在不同时段的红外图像对比,根据所述遗传算法对所述红外图像对比进行求解,得到预警分析的所述预警值。

10.一种计算机设备,其特征在于,包括处理器以及存储器;

所述存储器,用于存储程序代码,并将所述程序代码传输给所述处理器;

所述处理器,用于根据所述程序代码中的指令执行权利要求1-6任一项所述的电力设备的缺陷识别及预警方法。


技术总结
本发明实施例涉及一种电力设备的缺陷识别及预警方法、装置及计算机设备,包括获取待测电力设备的红外热成像图谱,构建缺陷识别模型和预警分析模型,缺陷识别模型用于对红外热成像图谱进行缺陷识别分析,得到待测电力设备的缺陷值,若缺陷值大于缺陷识别模型中预设的缺陷阈值,采用预警分析模型对红外热成像图谱进行预警分析,得到待测电力设备的预警值,若预警值大于预警分析模型的预设的预警阈值,作出预警分析。该方法通过缺陷识别模型先对电力设备进行缺陷分析,之后在预警分析模型中再对电力设备进行预警分析,采用深度学习在缺陷识别模型和预警分析模型进行训练,提高了缺陷识别率和准确性,从而保障了电力系统运行的稳定性和可靠性。

技术研发人员:吴添权;黄锐勇;戴美胜;钟荣生;舒坚;刘瑶章;陈桂平
受保护的技术使用者:广东电网有限责任公司;广东电网有限责任公司潮州供电局
技术研发日:2019.12.28
技术公布日:2020.04.21
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1