[发明专利]基于复杂网络与Page Rank随机游走的多点温度融合监测方法

权利要求书

1.基于复杂网络与Page Rank随机游走的多点温度融合监测方法，其特征在于步骤如下：

步骤1：通过红外摄像头反馈影像，以秒为时间间隔，采集多个设备温度测量红外成像图，并编码为{1,2,3…t…}；

步骤2：对电力设备进行分割和区域划分，形成α个部件模块并编号[1,...,α]；

步骤3：对于每个单独的区域模块，随机确定n个温度测量点，获取n个测量点的红外测温数据，选取δ为邻近温度间隔，连在临近间隔内的温度点，获得m条边，完成形成本地温度点的组网，并形成图G(V＝{1,...,n}，V表示顶点，E表示边，则形成温度点的邻接矩阵：

式中，i表示第i行，j表示第j列，a_ij表示邻接矩阵里第i行第j列的元素；

步骤4：定义第i节点的距离d_i＝∑_ja_ij，定义对角矩阵D＝diag(d₁,…,d_n)，定义权值矩阵W，则有：

W＝D^-1

权值矩阵的元素

步骤5：应用主方程获取第i个节点在图像t时的概率i、j为邻接矩阵的行号和列号，也是节点号，i、j的取值范围为1……n，p_j(t)表示点j在时刻t的概率，则可获得概率分布为：

π_i指的就是漫步系列落在i点的稳定概率，∑_k d_k用字母k只是为了区别于字母i，无其他实际含义；

则可以获得稳态时的概率分布为

π＝W^Tπ

式中，W^T表示权值矩阵W的转置矩阵；

步骤6：选取概率v为Page Rank随机概率，求取节点i到j的跳跃概率为

则由步骤5中主方程可以得到

定义第t红外成像图的跳跃概率：

递推得到

其中U为n维单位列向量

可以得到平衡点解析式为：

即可解得严格正定非奇异平衡点概率为：

步骤7：根据平衡点概率，获得最大概率坐标对应在部件位置，溯源该点温度作为该区域内的温度趋势点，则可获得由当前时间区间[1,t]的节点温度朝该区域温度趋势点的变化趋势；

步骤8：选取另一区域，重复步骤1-7，直至循环完成该电力设备所有区域温度趋势点的测量，得到所有区域的温度趋势点，进行从高到低排序，即可得到不同区域的趋势温度点；

步骤9：将α个趋势温度点按照步骤3进行组网，形成设备整体温度点图，并按照步骤4-8求得温度稳态平衡概率点，即可溯源至最高概率点得到设备整体温度趋势点处温度，该点温度即为由时间段[1,t]内的设备整体趋势温度；

步骤10：选取不同时间段内的数据重复步骤1-9，即可获得不同时间段内的设备整体趋势温度。

2.根据权利要求1所述的基于复杂网络与Page Rank随机游走的多点温度融合监测方法，其特征在于：选取多个不同日期的相同时间的数据重复步骤1-9求取平均值，即可得到设备日常温度运行规律。

3.根据权利要求1所述的基于复杂网络与Page Rank随机游走的多点温度融合监测方法，其特征在于：步骤2使用基于形状先验的水平集电力设备分割算法对电力设备进行分割和区域划分。