[发明专利]一种基于红外图像的劣化绝缘子识别诊断方法及其装置

说明书

本发明公开了一种基于红外图像的劣化绝缘子识别诊断方法及其装置，包括以下步骤：获取绝缘子红外图谱数据库；对红外图谱数据库中的全部图像进行预处理，将图像的大小调整为同一尺寸；从预处理后的图像中按照一定比例随机选取出训练集和测试集；提取训练集中的图像的方向梯度直方图特征并采用主成分分析法进行降维处理；提取测试集中的图像的方向梯度直方图特征并采用主成分分析法进行降维处理；将降维处理后的训练集中的图像的方向梯度直方图特征输送至支持向量机模型中，通过贝叶斯优化算法进行优化，得到优化后的支持向量机模型；将降维处理后的测试集中的图像的方向梯度直方图特征输送至优化后的支持向量机模型中，进行故障诊断。

技术领域

本发明涉及输变电设备技术领域，特别涉及一种基于红外图像的劣化绝缘子识别诊断方法及其装置。

背景技术

目前，线路绝缘子作为高压输电线系统中至关重要的组成部分，承担着连接导体和电气绝缘的功能，绝缘子大多分布在野外，受到外界环境变化的一系列影响，有可能发生闪络、掉串等故障，为了保障电力系统安全可靠运行，需要安排人员定期进行绝缘子巡检工作，我国目前主流的巡检方法是通过驾驶直升机或遥控无人机，沿输电线路巡检，利用红外热像仪远距离进行电力设备的故障检测，采集海量视频和图像，对所获取的绝缘子红外图谱进行分类评估可以大大提高电力巡检效率。

为了快速准确地诊断出劣化绝缘子，现有手段提出了将数据挖掘的方法应用到故障诊断的领域，如采用BP神经网络、灰色预测、模糊计算、遗传算法、Petri网络及决策树，支持向量机作为一种传统的机器学习分类方法，已在人脸识别、故障诊断、图像识别等领域呈现良好的应用前景，越来越多的引起人们的关注。

支持向量机在电力系统的故障诊断领域同样应用广泛，针对支持向量机的参数优化问题，不少学者采取基于交叉验证的网格搜索法来确定支持向量机的最优参数，一些研究者采取布谷鸟搜索、粒子群等算法来确定支持向量机的最优参数，然而上述搜索算法或多或少存在优化参数效率低、训练成本过高等缺陷，例如网格搜索速度最慢且训练成本较高，但在搜索整个搜索空间方面效果很好，而针对随机搜索来说，由于不能利用先验知识来选择下一组超参数，可能会错过搜索空间中的重要点，这一缺点在训练成本较高的模型中尤为突出。在测试一组新的支持向量机超参数时，网格搜索和随机搜索不会对先验分布加以利用，而是选择忽略前一组支持向量机超参数的信息，这将导致训练成本大大增加。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种基于红外图像的劣化绝缘子识别诊断方法及其装置，能够通过对线路绝缘子红外图像的分析，自动诊断出劣化绝缘子与正常绝缘子，最大限度地减少人工工作量并提高电力巡检作业的准确度。

本发明的第一方面，提供一种基于红外图像的劣化绝缘子识别诊断方法，包括以下步骤：

获取绝缘子红外图谱数据库；

对所述红外图谱数据库中的全部图像进行预处理，将所述图像的大小调整为同一尺寸；

从预处理后的图像中按照一定比例随机选取出训练集和测试集；

提取训练集中的图像的方向梯度直方图特征；

采用主成分分析法对训练集中的图像的方向梯度直方图特征进行降维处理；

提取测试集中的图像的方向梯度直方图特征；

采用主成分分析法对测试集中的图像的方向梯度直方图特征进行降维处理；

将降维处理后的训练集中的图像的方向梯度直方图特征输送至支持向量机模型中，通过贝叶斯优化算法进行优化，得到优化后的支持向量机模型；

将降维处理后的测试集中的图像的方向梯度直方图特征输送至优化后的支持向量机模型中，进行故障诊断。