[发明专利]一种变电站呼吸器状态智能识别方法及系统

说明书

本发明公开了一种变电站呼吸器状态智能识别方法及系统，该方法包括：采集变电站呼吸器图像，对获取的图像进行预处理操作，消除噪声影响；优化YOLO v3深度神经网络训练模型；使用训练后的模型识别并提取呼吸器ROI区域；对ROI区域使用HSV特征变换，在HSV颜色空间下，根据呼吸器的色彩信息的固有属性，分析在不同状态下的颜色分量比重，综合判断呼吸器的运行状态。该方法及系统能够能够自动识别变电站呼吸器的运行状态，减轻变电站运维人员工作负担，代替或部分代替巡检人员工作量，并提示提供警示信息。

技术领域

本发明涉及电力系统自动化领域，特别涉及一种变电站呼吸器状态智能识别方法及系统。

背景技术

随着电网规模不断扩大，智能电网进程不断加快，电网运维面临着设备增多，但人员数量不断下降的挑战。传统变压器呼吸器缺少监测手段，完全依靠人工目视确定其状态及发现故障缺陷，而呼吸器是变压器稳定工作的保证，对电力的平稳运行具有重要的影响。人工确认的方式已不能满足现代化电力发展的需求。

常用的呼吸器主要有玻璃罩罐、油封杯、连接管、隔离网、吸附剂(硅胶)、密封圈等组成。其中吸附剂(硅胶)作为干燥剂，正常状态下为蓝色，在吸收潮器后变为粉红色或粉白色，个别情况下会出现棕黄色和棕黑色等。吸附剂的颜色可以表示呼吸器的运行状态。如何在实际工作中，及时高效的识别呼吸器状态，并对失效呼吸器进行更换对巡检人员提出了较高要求。纯人工方式可能出现检测不及时或漏检情况，进而对变压器造成损害。

发明内容

本发明的目的在于提供一种变电站呼吸器状态智能识别方法及系统，用于解决上述至少一个技术问题，其能够自动识别变电站呼吸器的运行状态，减轻变电站运维人员工作负担，代替或部分代替巡检人员工作量，并提示提供警示信息。

第一方面，本申请实施例提供了一种变电站呼吸器状态智能识别方法，包括：

采集变电站呼吸器图像，对获取的图像进行预处理操作，消除噪声影响。

优化YOLO v3深度神经网络训练模型。

使用训练后的模型识别并提取呼吸器ROI区域。

对ROI区域使用HSV特征变换，在HSV颜色空间下，根据呼吸器的色彩信息的固有属性，分析在不同状态下的颜色分量比重，综合判断呼吸器的运行状态。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述采集变电站呼吸器图像，对获取的图像进行预处理操作，消除噪声影响，包括：

使用巡检机器人采集包含各种位置、高度和角度的变电站呼吸器图像。

使用Yolo_mark或labelImg对图像进行标注，保存为txt格式。

其中，搜集变电站呼吸器各种状态的图像，实际变压站呼吸器安装位置千变万化，具有各种角度和高度。目前智能变电站都已配备智能巡检机器人，针对某个固定位置、固定时间采集图像信息。数据来源于某智能变电站巡检机器人一段时间内拍摄的大量呼吸器图像。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述优化YOLO v3深度神经网络训练模型，包括：

保持第一次和第二次的残差块不变，将第三次第四次下采样时的残差块由8个修改为3个，将第五次下采样时的残差块由4个修改为2个。

将检测头中特征提取层保留为原来的1/3。

利用网络裁剪方法在通道维度上进行裁剪。

利用k-Means聚类方法，结合呼吸器实际目标，生成呼吸器的anchors尺寸，替换配置文件内anchors。