一种用于电力设备的温度梯度异常诊断的定位方法和装置与流程

本发明涉及电力设备温度异常诊断定位领域，具体涉及一种用于电力设备的温度梯度异常诊断的定位方法和装置。

背景技术：

1、随着经济的不断发展，各行各业对电力的需求不断增加，电能成为能源行业中发展最快的行业之一，相比于2011年， 2021年国家电网27家省公司运行的变电站/换流站数量翻番，达到了4万多座；电网主设备作为电网安全稳定运行的核心环节，伴随着越来越多新能源的接入，电网主设备的稳定性问题尤为突出，越来越多电力设备状态需要被及时监测；其中，日常巡检是确保电网主设备安全稳定运行的重要环节，但电网运维人员数量近几年并未增加。在电力设备增加和运维人员短缺的情况下，给电网主设备运维带来巨大挑战和变革契机。人工智能技术、新型传感技术可提升电网设备巡检智能化水平。

2、目前，红外热成像技术已用于电力设备巡视，红外热成像技术是运用光电技术检测物体热辐射的红外特定波段信号，将该信号转换成可供人类视觉分辨的凸显和图形，并可红外热成像技术是发现设备过热缺陷的主要日常巡视手段，但存在以下问题：

3、1)红外波段图像难以区分目标主体和背景

4、红外波段图像反映的是被拍摄物的温度，但缺少被拍摄物的边缘和纹理信息，当被拍摄物的背景复杂的情况下，很难通过红外波段图像将目标主体和背景进行区分。因此对拍摄角度有较高的要求，但对于一些密集型变电站，采用机器人自动巡视，很难通过改变角度让背景纯净。

5、2)红外图谱标准形状难以获取目标主体温度场

6、通过在固定点位和预置位设定点测温、线测温、矩形框测温和多边形框测温的方式很难有效获取目标主体表面的温度场。其中点测温、线测温无法反应目标主体表面的完整温度场；由于目标主体形状不规则，矩形框测温存在矩形框过大或过小导致无法反应目标主体表面完整温度场或反应了目标主体背景温度，导致温度分析的漏检和误检；采用多边形框测温，由于多边形框是在镜头成相区域上标注，由于摄像头云台或机器人移动存在不可忽略的机械位置误差，因此多边形框测温在长期运行后，也存在多边形框漂移的问题，导致温度分析的误检。

7、3)缺少温度场差异化智能分析手段

8、目前针对设备外表面温度的依据主要是基于《dl/t 664带电设备红外诊断应用规范》，但该规范缺少地区差异化、设备差异化、工况差异化的详细考量，相对固化的判别标准很难适应新型电力系统设备差异化运维的需求，急需更加智能和主动的差异化分析手段用于设备表面温度场分析。

技术实现思路

1、变电站/换流站在运行过程中，运行检修人员需要对站内的设备进行定期巡检，以保证上述设施运行状态正常。本发明通过提出一种用于电力设备的温度梯度异常诊断的定位方法和装置，旨在解决1)红外波段图像难以区分目标主体和背景的问题；2)红外图谱标准形状难以获取目标主体温度场的问题；3) 缺少温度场差异化智能分析手段的问题。

2、本发明提供一种用于电力设备的温度梯度异常诊断的定位方法，包括：

3、采集电力设备的可见光波段图像和红外波段图像；

4、将所述可见光波段图像和红外波段图像进行融合，获得融合图像；

5、将所述融合图像分为目标设备的像素区域和非目标设备的像素区域，根据像素与温度值的映射关系，获得所述目标设备的像素区域对应的温度矩阵；

6、采用空间温度梯度分析所述温度矩阵，获得所述述温度矩阵对应的空间温度梯度分布，根据所述空间温度梯度分布，获取目标区域温度梯度异常的像素点；

7、根据所述目标区域温度梯度异常的像素点，对所述电力设备的温度异常的位置进行空间定位。

8、进一步的，采集电力设备的可见光波段图像和红外波段图像，包括：

9、通过图像采集设备采集电力设备的可见光波段图像v和红外波段图像i。

10、进一步的，在采集电力设备的可见光波段图像和红外波段图像的步骤之后，还包括：

11、对电力设备的可见光波段图像v进行预处理，去除不同光照强度对电力设备可见光波段成像的影响，获取预处理后的可见光波段图像v。

12、进一步的，还包括：

13、所述红外波段图像i和可见光波段图像v进行高期滤波、灰度化和边缘提取；

14、通过完全仿射不变图像特征匹配算法提取所述红外波段图像i和可见光波段图像v的特征点；

15、通过快捷最近搜索方法将所述红外波段图像i和可见光波段图像v的特征点的进行匹配；

16、通过随机抽样一致性算法去除误匹配点，实现所述外波段图像i和可见光波段图像v的配准。

17、进一步的，将所述可见光波段图像和红外波段图像进行融合，获得融合图像，包括：

18、通过非向下采样轮廓波变换，获得所述外波段图像i和可见光波段图像v 的低频和高频子带系数；

19、对所述低频和高频子带系数进行指导滤波，获得融合后的低频子带系数fl 和fh；

20、根据所述低频子带系数fl和fh，通过逆变换得到初步融合图像f1；

21、将所述初步融合图像f1和红外波段图像v送入预先构建的卷积神经网络，通过所述卷积神经网络输出最终的融合图像f。

22、进一步的，将所述融合图像分为目标设备的像素区域和非目标设备的像素区域，包括：

23、将所述融合图像f进行实例分割，按照所述融合图像像素的语义，将所述融合图像分为目标设备的像素区域zt和非目标设备的像素区域zu。

24、本发明同时提供一种用于电力设备的温度梯度异常诊断的定位装置，包括：

25、图像采集单元，用于采集电力设备的可见光波段图像和红外波段图像；

26、融合单元，用于将所述可见光波段图像和红外波段图像进行融合，获得融合图像；

27、温度矩阵获取单元，用于将所述融合图像分为目标设备的像素区域和非目标设备的像素区域，根据像素与温度值的映射关系，获得所述目标设备的像素区域对应的温度矩阵；

28、梯度分布获取单元，用于采用空间温度梯度分析所述温度矩阵，获得所述述温度矩阵对应的空间温度梯度分布，根据所述空间温度梯度分布，获取目标区域温度梯度异常的像素点；

29、空间定位单元，用于根据所述目标区域温度梯度异常的像素点，对所述电力设备的温度异常的位置进行空间定位。

30、进一步的，还包括：

31、预处理单元，用于对电力设备的可见光波段图像v进行预处理，去除不同光照强度对电力设备可见光波段成像的影响，获取预处理后的可见光波段图像 v。

32、进一步的，还包括：

33、图像处理单元，用于所述红外波段图像i和可见光波段图像v进行高期滤波、灰度化和边缘提取；

34、特征点提取单元，用于通过完全仿射不变图像特征匹配算法提取所述红外波段图像i和可见光波段图像v的特征点；

35、特征点匹配单元，通过快捷最近搜索方法将所述红外波段图像i和可见光波段图像v的特征点的进行匹配；

36、配准单元，用于通过随机抽样一致性算法去除误匹配点，实现所述外波段图像i和可见光波段图像v的配准。

37、进一步的，融合单元，包括：

38、系数获取子单元，用于通过非向下采样轮廓波变换，获得所述外波段图像 i和可见光波段图像v的低频和高频子带系数；

39、滤波子单元，用于对所述低频和高频子带系数进行指导滤波，获得融合后的低频子带系数fl和fh；

40、初步融合图像获取子单元，用于根据所述低频子带系数fl和fh，通过逆变换得到初步融合图像f1；

41、融合图像输出子单元，用于将所述初步融合图像f1和红外波段图像v送入预先构建的卷积神经网络，通过所述卷积神经网络输出最终的融合图像f。

42、通过本发明提供的一种用于电力设备的温度梯度异常诊断的定位方法和装置，解决现有技术红外测温目标识别能力低的问题。