[发明专利]一种电力设备发热缺陷的诊断方法以及诊断系统

权利要求书

1.一种电力设备发热缺陷的诊断方法，其特征在于：包括如下步骤：

步骤S1：从历史现场测试数据中提取电力设备各类发热缺陷对应的红外温度数据；

步骤S2：对所述红外温度数据进行预处理得到电力设备各类发热缺陷对应的缺陷数据；

所述缺陷数据至少包括电力设备的红外热成像图、红外点阵温度图、可见光成像图、关键测量点温度标记；

步骤S3：利用步骤S2中电力设备的缺陷数据以及发热缺陷类型标签训练深度卷积神经网络得到发热缺陷诊断模型；

其中，发热缺陷诊断模型的输入数据为电力设备的缺陷数据，输出数据为电力设备的发热缺陷诊断结果，所述诊断结果包括是否存在发热缺陷以及发热缺陷的类型；

步骤S4：采集待诊断电力设备的红外温度数据，并进行预处理得到缺陷数据；

步骤S5：将步骤S4的缺陷数据输入至步骤S3的发热缺陷诊断模型中得到发热缺陷诊断结果

其中，按照预设比例将步骤S2中采集的电力设备的缺陷数据以及发热缺陷类型标签进行划分得到训练集和验证集，训练集和验证集中每个样本均对应电力设备的一组缺陷数据以及发热缺陷类型标签，其中，利用训练集的训练深度卷积神经网络得到步骤S3中的发热缺陷诊断模型，训练过程如下：

S31：将训练集中样本的缺陷数据作为输入数据输入深度卷积神经网络；

S32：在前向传播过程中，输入的图形数据经过多层卷积层的卷积和池化处理，提出特征向量，并将特征向量传入全连接层得到分类识别结果；

S33：根据分类识别结果得到发热缺陷诊断结果，并将发热缺陷诊断结果与期望值比较，若不相符，执行S34进行反向传播过程；

其中，若相符，输出缺陷诊断结果；

S34：计算发热缺陷诊断结果与期望值的误差，并判断误差是否小于期望误差，若小于，输出深度卷积神经网络；否则，并根据误差依次计算出全连接层、下采样层和卷积层的误差，并分别基于各层误差对各层进行权重更新得到更新的深度卷积神经网络，再返回步骤S31；

其中，利用验证集中电力设备的缺陷数据对训练后的深度卷积神经网络进行验证，过程如下：

S35：将验证集中各个样本的缺陷数据输入训练后的深度卷积神经网络得到电力设备的发热诊断结果；

S36：基于样本对应的发热缺陷类型标签鉴别发热诊断结果是否正确得到验证集的准确率；

S37：根据准确率调节模型参数得到发热缺陷诊断模型。

2.根据权利要求1所述的方法，其特征在于：步骤S2中对红外温度数据进行预处理得到电力设备各类发热缺陷对应的缺陷数据的过程如下：

S21：根据电力设备所处的实际场景、设备类型、设备部件构建变电设备目标树；

S22：根据变电设备目标树对采集的红外温度数据进行分类；

S23：根据不同微气象环境下的变电设备成像特点对红外视频图像进行预分割和目标区域提取；

S24：利用滤波算法对提取区域进行平滑处理，生成待分析设备的红外热成像图、红外点阵温度图、可见光成像图、关键测量点温度标记。

3.根据权利要求1所述的方法，其特征在于：步骤S1中的红外温度数据是利用红外传感器采集的，所述红外传感器包括手持式红外热成像仪、点阵式红外温度传感器、非接触式红外测温仪。

4.一种基于权利要求1-3任一项所述方法的诊断系统，其特征在于：包括依次连接的红外传感器、红外带电检测装置以及云平台；

其中，红外传感器用于采集电力设备各类发热缺陷对应的红外温度数据；

所述红外带电检测装置包括数据采集模块、数据综合处理模块、数据通讯模块，其中，数据采集模从红外传感器获取红外温度数据，所述数据综合处理模块用于对红外温度数据进行预处理得到电力设备各类发热缺陷对应的缺陷数据；

所述云平台，用于构建发热缺陷诊断模型以及利用所述发热缺陷诊断模型对电力设备实时进行发热缺陷诊断，并将诊断结果传送给所述红外带电检测装置，所述红外带电检测装置通过数据通讯模块接收诊断结果；

数据综合处理模块数据综合处理模块。

5.根据权利要求4所述的诊断系统，其特征在于：所述红外传感器与红外带电检测装置有线或无线连接，所述红外带电检测装置与云平台通过4G通讯网络连接。