[发明专利]面向红外图像的变电设备电流致热型缺陷的诊断方法和装置

说明书

本发明提供一种面向红外图像的变电设备电流致热型缺陷的诊断方法和装置，其核心是利用预设的网络模型识别红外图像中电力设备、部位区域、三相区域；计算识别到的归属于同一三相区域的电力设备和部位的最高温度以及相对温差；采用预设的缺陷诊断标准基于电力设备、部位区域的最高温及相对温差综合确定设备是否存在电流致热型缺陷，经试验发现，该方法对于电流较小的设备发生电流致热型缺陷时也具有较高的准确率，极大地提升了变电设备红外图像的故障检测效率。

技术领域

本发明涉及故障检测技术领域，具体涉及一种面向红外图像的变电设备电流致热型缺陷的诊断方法和装置。

背景技术

变电站是电网中负责转换电压与分配电能的重要节点，其安全可靠性直接关系到电力系统的安全稳定。电力设备的故障大多以发热形式表现出来，红外检测能够及时有效的发现设备缺陷，具有不停电、不接触、灵敏度高、技术成熟等优点，已经成为电力设备带电监测和故障诊断的重要手段。随着电网规模不断扩大，设备不断增加与人员逐渐减少之间的矛盾日益突出，变电站运维管理的智能化与无人化已成为必然趋势。当前变电站红外检测是按周期开展，巡视人员通过红外成像仪采集数据，再由工作人员参照DL/T 664《带电设备红外诊断应用规范》对数据进行判别分析和诊断。近年来，带有红外摄像头的变电站机器人、无人机、摄像头巡检广泛应用，替代人工进行了红外图像的获取，但是巡检或在线监测产生的海量红外图片仍需人工后期研判分析，未能真正减少运维人员工作量，存在工作耗时长，工作效率低，实时性差等问题，亟需发明一种变电设备热缺陷智能诊断方法，能够智能、高效、准确的进行电力设备热缺陷诊断，真正提高巡检作业效率和质量，提升变电站智能化水平。

近年来，计算机技术不断飞速发展，大数据分析技术不断推广应用，新一代人工智能技术也取得了突破性进展，各行各业朝着智能化、数字化、网络化和高速化方向发展。利用人工智能深度学习目标检测算法实现红外图像智能诊断，替代人工进行海量红外图像分析处理，能够减轻运维人员工作负担，对提高运维工作效率具有重要意义。

专利申请号201710195834的专利公开了一种基于电力设备识别和在线诊断方法，其对电力设备进行电力设备及部件识别，参照红外缺陷规则库而对电力设备及其部件的红外图像数据进行分析和在线诊断，评估电力设备当前运行状态。

专利号201910653908的专利公开了一种检测变电设备缺陷的方法，接收采集设备发送的图像，通过预先训练的识别模型(VGG16)检测设备，根据图像标识码确定设备信息，根据设备信息确定设备的温度阈值，判断是否存在热缺陷。

专利号201910612845的专利公开了一种基于深度学习的红外输变电异常发热点目标检测方法，使用训练数据集对所建立的模型网络进行训练；利用训练建立网络模型(Fast RCNN)，对待识别的红外图像进行识别，获取红外图片异常发热点识别与定位结果。

上述方案中红外智能诊断方法大多基于单一设备阈值判定设备是否存在热缺陷，但是当检测时电流(负荷)较小时，有时不能按照该方法进行正确热缺陷诊断，有可能造成缺陷漏报，而这个漏报可能就是最终导致设备故障的原因。

发明内容

有鉴于此，本发明实施例提供一种面向红外图像的变电设备电流致热型缺陷的诊断方法和装置，以对于电流较小的设备发生电流致热型缺陷时也具有较高的准确率。

为实现上述目的，本发明实施例提供如下技术方案：

一种面向红外图像的变电设备电流致热型缺陷的诊断方法，包括：

获取红外图像；

采用预设的网络模型识别所述红外图像中的电力设备、部位区域以及三相区域；

获取与所述识别到的电力设备、部位区域以及三相区域相匹配的缺陷诊断标准，所述缺陷诊断标准中具有电力设备以及所述部位区域的最高温及相对温差与缺陷等级之间的映射关系；