[发明专利]一种基于红外图像和机器学习的绝缘子故障诊断方法

说明书

本发明公开了一种基于红外图像和机器学习的绝缘子故障诊断方法，将CNN自编码网络在绝缘子红外图像数据集上使用图像分类任务进行预训练，提取绝缘子红外图像区域级的原始特征，接着在最后一层卷积层得到的特征映射层上设置候选区域，然后进行空间金字塔池化操作，通过将空间金字塔池化结果分别经过识别网络和分类网络，并将识别网络和检测网络和结果拼在一起，并经过全连接网络得到预测的绝缘子红外图像故障状态。实现了将红外图像和机器学习技术的有机融合，对绝缘子故障进行精准、高效、智能化地诊断，有效地提高绝缘子在线故障诊断的效率。

技术领域

本发明属于电力设备运行与维护领域，涉及了一种基于红外图像和机器学习的绝缘子故障诊断方法。

背景技术

绝缘子的在线监控与劣化诊断对于维护电力系统的安全稳定运行具有重要意义。在电网运行中，电力设备部件因绝缘破损、接触面氧化腐蚀、设计载流量不足等原因导致的劣化及过热运行，会引起具有异于常态的温度分布。红外热像法基于视场内待测物体的辐射量差异，即响应辐射量的相对变化值，得到待测物体温升分布的热像图，依据温升曲线的异常分布，检测出待测设备是否劣化故障。但目前，同时融入红外图像和机器学习的绝缘子故障诊断方法还没有见到相关报道。

发明内容

有鉴于此，本发明的目的之一是提供一种基于红外图像和机器学习的绝缘子故障诊断方法。实现了将红外图像和机器学习有机融合，对绝缘子故障进行精准、高效、智能化地诊断，有效地提高绝缘子在线故障诊断的效率。

本发明的目的之一是通过以下技术方案实现的：

本发明的一种基于红外图像和机器学习的绝缘子故障诊断方法，包括以下步骤：

步骤S1：进行样本准备；

步骤S2：进行绝缘子红外图像预训练；

步骤S3：进行空间金字塔池化操作；

步骤S4：进行识别和检测；

步骤S5：进行网络训练；

步骤S6:进行绝缘子红外图像状态判别。

进一步的，所述步骤S1包括如下子步骤：

步骤S11：通过现场拍摄和采集绝缘子红外图像

步骤S12：对数据进行如下标准化处理，

式中：为第i张原始图像的均值，为原始图像的标准差，为标准化之后的图像；

步骤S13：对进行随机旋转角度处理进得到X_i，提高模型的鲁棒性，同时可增加样本量；

步骤S14：对X_i提取R、G、B三通道分量，分别记为V_Ri,V_Gi,V_Bi；

步骤S15：进行绝缘子红外图像数据集标注，记y_i为如果第i张图像X_i里绝缘子是否有故障的标签，如有故障，则标签为y_i＝1，否则标签y_i＝0y_i＝0

步骤S16：对红外图像X_i，在绝缘子红外X_i图像中，寻找过热区域，提取过热区域作为种子seed，其在图像X_i中坐标为(X_seed,Y_seed)，其对应的RGB 三通道分量值为V_Ri(X_seed,Y_seed)，V_Gi(X_seed,Y_seed)，V_Bi(X_seed,Y_seed)；