[发明专利]一种多图像融合的变电站设备异常识别定位方法

说明书

本发明公开了一种多图像融合的变电站设备异常识别定位方法，包括以下步骤：S1：获取巡检机器人的巡检路线；S2：结合巡检路线，采集不同角度的变电站设备的图像信息，采集的图像信息包括红外图像、可见光图像、纹影图像和X光线图像；S3：建立变电站设备的故障识别模型；本发明在可见光图像和红外图像的基础上，加入纹影图像和X光线图像，对变电站设备进行更加全面的故障和异常检测，同时，结合远景图像和近景图像使得故障点的检测更加准确，对设备异常点的定位更加精准，方便后续的设备维修，大大减少运维人员的工作负担，减少运维停电时间。

技术领域

本发明涉及变电站设备故障识别技术领域，尤其涉及一种多图像融合的变电站设备异常识别定位方法。

背景技术

随着我国电力系统对智能化、自动化、安全性要求的不断提高，电网运行迫切需要进行大规模人工智能巡检，对特定电力设备元器件进行分析和检测。伴随着人工智能化、信息化建设的不断发展，计算机视觉技术越来越多地应用在电力设备的巡检和在线监测中。智能变电站电力设备的运行检修，逐渐由传统的基于时间周期的预防性检修过渡为针对性更强的状态性检修模式。目前的智能变电站主要通过场站和巡检机器人的高清摄像头传输基于可见光电力设备图像以及红外图像视频到集控中心，智能检测系统需要对视频流图像进行智能化分析，提取出其中的电力设备部件判定其类别并定位准确，才能开展后续对电力设备状态的全面分析。该方式的实际应用效果还不理想，主要因为智能检测系统识别能力不强。以往智能变电站只能根据设备的红外图像和可见光数据实现电力设备状态感知，导致检测的结果出现较大的偏差，无法实现变电站设备异常位置的准确定位以及故障识别。

例如，中国专利CN201711125901.3公开了基于红外、紫外和可见光图像融合一体化的检测方法和装置。该申请在红外和可见光图像的基础上加入了紫外光检测，但是紫外光检测的设备图像与红外光检测的区别性不大，导致该申请的检测方法依然无法全面和准确的检测设备的故障位置。

发明内容

本发明主要解决现有的技术中无法对变电站设备的故障进行全面和准确检测的问题；提供一种多图像融合的变电站设备异常识别定位方法，对变电站设备的故障点和异常点进行准确检测和定位，大大减少运维人员的工作负担，减少运维停电时间，优化电网服务质量。

本发明的上述技术问题主要是通过下述技术方案得以解决的：一种多图像融合的变电站设备异常识别定位方法，应用于巡检机器人，包括以下步骤：

S1：获取巡检机器人的巡检路线；

S2：结合巡检路线，采集不同角度的变电站设备的图像信息，采集的图像信息包括红外图像、可见光图像、纹影图像和X光线图像；

S3：建立变电站设备的故障识别模型；

S4：将采集的红外图像、可见光图像、纹影图像和X光线图像分别导入变电站设备故障识别模型得到第一输出值X1、第二输出值Y1、第三输出值N1和第四输出值M1，将第一输出值X1、第二输出值Y1、第三输出值N1和第四输出值M1作为输入导入故障判定函数，根据故障判定函数的输出结果判断变电站设备是否发生故障。在可见光图像和红外图像的基础上，加入纹影图像和X光线图像，可通过红外图像找到有缺陷的断路器触点，通过纹影图像找到六氟化硫气体的泄露点，通过X光图像发现设备内部的缺陷绝缘子，通过可见光图像找到线路的破损处，对变电站设备进行更加全面的故障和异常检测，方便工作人员后续对变电站设备的维修，大大减少运维人员的工作负担，减少运维停电时间，优化电网服务质量。

作为优选，步骤S3中，故障识别模型的建立方法为：

S31：获取变电站设备正常状态和异常状态下的若干张红外图像、可见光图像、纹影图像和X光线图像；

S32：对红外图像、可见光图像、纹影图像和X光线图像进行二值化处理后获取变电站设备的故障特征向量；