[发明专利]一种变电站设备热故障诊断方法及系统

说明书

本发明涉及一种变电站设备热故障诊断方法及系统。该方法包括：对红外图像进行预处理；根据预处理后的红外图像确定对应的温度矩阵；采用K均值聚类算法对预处理后的红外图像进行变电设备目标与背景的粗分割；将Prewitt算子检测目标边缘得到的差分信息与Chan‑Vese模型进行结合，确定改进后的Chan‑Vese模型；将粗分割后的红外图像作为上述模型的初始分割条件，利用上述模型对粗分割后的红外图像进行变电设备目标与背景的细分割，确定待诊断的目标位置；根据目标位置与温度矩阵，确定目标位置的温度；根据目标位置的温度对变电站设备热故障进行诊断。本发明能够提高变电站设备热故障诊断的准确性。

技术领域

本发明涉及变电站设备热故障诊断领域，特别是涉及一种变电站设备热故障诊断方法及系统。

背景技术

随着国民生产生活对电能需求逐渐增加，电网规模也日益扩大，红外诊断技术的加入极大的提高了变电设备故障诊断的效率，但是利用红外成像诊断变电设备故障存在场景干扰大等问题。先对红外图像中感兴趣区域(Region of Interest,ROI)进行提取，之后进行故障诊断，可以有效减少场景干扰大的问题，便于变电设备红外故障诊断的推广。

其中，现有技术中对变电设备红外故障诊断的方法如下：(1)基于红外图像处理的变电设备热故障自动诊断方法，实现对目标设备的提取，并根据设备的像素统计图的极值规律及故障诊断判据，对设备区域结构划分并诊断。其优势在于能够对变电设备热故障进行自动诊断，但阈值分割对邻域、噪声等因素考虑欠佳，导致设备结构区域划分不当，易造成误诊断。(2)深度学习的电力设备红外图像故障诊断方法，基于MobileNet轻量化网络进行迁移学习，利用比色条和温度极值拟合出图像灰度与实际温度函数关系，根据得到的热点温度对比故障诊断规范实现故障的自动诊断。其优势在于能够准确高效地对设备故障与否实现判断，但存在前期数据的采集与标注费时费力的问题。(3)电力设备IR图像特征提取及故障诊断方法研究，采用粒子群算法(PSO)与Niblack算法提取电力设备红外图像特征，结合交叉验证和改进蝙蝠算法对SVM进行参数优化，并利用优化后的SVM实现设备故障诊断。其优势在于特征提取和故障诊断方面精度较高，但此方法难以提取出复杂特征，并且特征选取的难度较大，因此模型泛化能力难以保证。

基于上述问题，亟需一种新的变电站设备热故障诊断方法或系统以提高变电站设备热故障诊断的准确性。

发明内容

本发明的目的是提供一种变电站设备热故障诊断方法及系统，能够提高变电站设备热故障诊断的准确性。

为实现上述目的，本发明提供了如下方案：

一种变电站设备热故障诊断方法，包括：

获取变电站设备的红外图像；

对所述红外图像进行预处理；所述预处理包括：滤波和灰度化；

根据预处理后的红外图像确定对应的温度矩阵；

采用K均值聚类算法对所述预处理后的红外图像进行变电设备目标与背景的粗分割；

将Prewitt算子检测目标边缘得到的差分信息与Chan-Vese模型进行结合，确定改进后的Chan-Vese模型；

将粗分割后的红外图像作为改进后的Chan-Vese模型的初始分割条件，利用改进后的Chan-Vese模型对粗分割后的红外图像进行变电设备目标与背景的细分割，确定变电设备中待诊断的目标位置；

根据所述待诊断的目标位置与所述温度矩阵，确定所述待诊断的目标位置的温度；

根据所述待诊断的目标位置的温度对所述变电站设备热故障进行诊断。

可选地，所述将Prewitt算子检测目标边缘得到的差分信息与Chan-Vese模型进行结合，确定改进后的Chan-Vese模型，具体包括：