[发明专利]一种基于热像仪进行异常设备识别的方法及系统

说明书

本发明公开了一种基于热像仪进行异常设备识别的方法及系统，该系统应用该方法，方法包括：S1：获取当前位置信息和环境信息；S2：根据环境信息生成并采集红外热图像，并识别出红外热图像中的所有像素点的温度；S3：判断各像素点的温度是否超过阈值，若有超过阈值的像素点，跳转步骤S4，若没有则跳过该红外热图像；S4：采集与红外热图像对应的可见光图像；S5：根据可见光图像与红外热图像提取出对应的设备；S6：根据提取出的设备识别设备对应的类型和型号以及常见温度异常故障类型；S7：将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心。根据当前位置数据准确获取异常设备所在的位置，从而提升维护效率。

技术领域

本发明属于电力设备故障检测技术领域，具体地说，涉及一种基于热像仪进行异常设备识别的方法及系统。

背景技术

随着科学技术的迅速发展，对于电力行业的要求也得到了逐步的提升。目前，我国大力发展智能变电站，构建大数据平台。由于电力设备长期处于运行状态，同时受环境等因素的影响，会产生不同等级的故障，从而对电力系统的安全、稳定造成一定的危害，因此电力设备的故障检测与分析是智能电网中非常重要的一环，对不同类型的电力设备进行有效的监控，并实时、自动的分析电力设备有无故障、故障程度、故障位置以及故障时间预测等现已成为研究的热点。

红外热成像技术由于具有非接触式检测、无电磁干扰、检测范围大、故障诊断率高、昼夜监控、直观可靠等优点，现已成为电力设备故障检测的重要手段,运用红外热像仪检查电力设备的发热隐患成为保证设备正常运行的方式之一。

申请号为2019107201610的发明专利公开了一种电力设备红外图像故障定位、识别与预测方法，步骤：1)收集电力设备红外热图像数据；2)分类红外图像，构成数据集；3)构建卷积神经网络模型；4)分出有故障的电力设备；5)实时监测有故障的电力设备，纵向收集温度数据；6)定位故障部位，分割电力设备红外图像，提取故障区域；7)诊断故障区域进行，判断故障等级；8)预测设备状态趋势；9)信息统一输出显示；10)存储故障等级；11)制作四类红外图像数据集；12)构建目标检测模型，并训练；13)直接目标检测待测的电力设备红外图像，获取故障部位、等级；14)重复步骤5)；15)重复步骤8)；16)重复步骤9)；利于故障部位的定位、故障等级判断、故障设备的预测、给出维护建议。

该方案中采用红外热图像对数据进行处理分析出有故障的电力设备，定位到电力设备的故障位置，判断故障的等级，但是在电力巡检过程中，采集到的红外热图像包含了较多的电力设备，且红外热像图上展示的是热力场分布图，无法准确从红外热像图中识别出对应的电力设备，不同的电力设备的故障类型不相同，给出的维护建议也不一定准确。

发明内容

针对现有技术中上述的不足，本发明提供一种基于热像仪进行异常设备识别的方法及系统，该方法通过红外热图像识别出图像中超过温度阈值的像素点，然后采集可见光图像，识别可见光图像中的设备的类型和型号及常见温度异常故障类型，将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心，便于监控中心通知对应的维护人员并根据异常故障类型准备好维修需要的设备，且根据当前位置数据准确获取异常设备所在的位置，从而提升维护效率，降低排查故障设备的耗时；系统应用该方法，实现数据的分析和上传。

为了达到上述目的，本发明采用的解决方案是：一种基于热像仪进行异常设备识别的方法，包括如下步骤：

S1：获取当前位置信息以及该位置的环境信息，其中，环境信息包括温度信息、湿度信息以及PM2.5信息；

S2：根据环境信息生成并采集红外热图像，根据红外热图像识别出热图像中的所有像素点的温度；

S3：判断各像素点的温度是否超过阈值，若存在超过阈值的像素点，则跳转步骤S4，若没有，则跳过该红外热图像；

S4：采集与红外热图像对应的可见光图像；