[发明专利]变压器异常检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种变压器异常检测方法、装置、计算机设备和存储介质。所述方法包括：获取待检测的变压器运行场景图像；将变压器运行场景图像输入至训练好的轻量级异常检测网络模型中，通过轻量级异常检测网络模型的卷积层对变压器运行场景图像进行特征提取，得到对应的初始特征图；对各初始特征图进行卷积处理，得到第一预设数量个点卷积特征图和第二预设数量个冗余特征图；根据冗余特征图和点卷积特征图得到变压器运行场景图像的目标特征图；通过全局平均池化层对特征图进行异常检测，确定变压器的异常类别。采用本方法能够提高变压器异常检测效率。

技术领域

本申请涉及电网设备异常检测技术领域，特别是涉及一种变压器异常识别方法、装置、计算机设备和存储介质。

背景技术

变电站异常检测对于维持变电站的安全稳定运行具有重要意义。在现有的变电站工作环境中，变电站异常检测是依靠人工进行检测，长时间的人工监视不仅会造成工作人员疲劳，对一些突发的异常状况也很难及时地做出判断与响应，大大降低了监控系统的工作效率，

随着计算机视觉技术的发展，智能监控技术在电力系统中的应用日趋广泛，现有变电站监控中，通过具有智能检测功能的网络摄像机对采集到的环境信息进行异常检测，导致变压器异常检测效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高变压器异常检测效率的变压器异常检测方法、装置、计算机设备和存储介质。

一种变压器异常检测方法，所述方法包括：

获取待检测的变压器运行场景图像；

将所述变压器运行场景图像输入至训练好的轻量级异常检测网络模型中，通过所述轻量级异常检测网络模型的卷积层对所述变压器运行场景图像进行特征提取，得到对应的初始特征图；

对各所述初始特征图进行卷积处理，得到第一预设数量个点卷积特征图和第二预设数量个冗余特征图；

根据所述冗余特征图和所述点卷积特征图得到所述变压器运行场景图像的目标特征图；

通过全局平均池化层对所述特征图进行异常检测，确定变压器的异常类别。

在其中一个实施例中，所述对各所述初始特征图进行卷积处理，得到第一预设数量个点卷积特征图和第二预设数量个冗余特征图，包括：

对各所述初始特征图进行逐通道卷积处理，根据通道卷积的权重值确定通道卷积特征图；

对所述通道卷积特征图进行逐点卷积处理，根据点卷积的权重值得到第一预设数量个的点卷积特征图；

对所述点卷积特征图进行线性处理，得到第二预设数量个冗余特征图。

在其中一个实施例中，所述根据所述冗余特征图和所述点卷积特征图得到所述变压器运行场景图像的特征图，包括：

对所述点卷积特征图和所述冗余特征图进行加权融合，得到融合特征图；

所述通过全局平均池化层对所述特征图进行异常检测，确定变压器的异常类别，包括：

通过全局平均池化层对所述融合特征图进行异常检测，确定变压器的异常类别。

在其中一个实施例中，所述通过全局平均池化层对所述融合特征图进行异常检测，确定变压器的异常类别，包括：

对所述融合特征图进行池化处理，得到池化处理后的池化特征；

在全连接层对所述池化特征进行处理，得到各所述异常类型的异常类别数；

通过分类器对各所述异常类别数进行分类处理，得到对应的概率值；

根据各所述概率值的数值大小，确定变压器的异常类别。