[发明专利]一种面积区域相对温差的电力设备自动诊断方法

说明书

本发明请求保护一种面积区域相对温差的电力设备自动诊断方法，属于智能电网信息技术领域，其包括以下步骤：构建电力设备红外图像数据集，搭建YOLOv4的网络模型结构，训练检测同种类型设备识别的YOLOv4模型；通过提取同种类型设备的特征，开展基于YOLO的红外图像中同种类型设备识别；从设备识别结果中挑选出异常设备；采用基于图像处理方法对异常设备的发热区域进行温度矩阵提取；根据提取的温度矩阵，采用基于同类型设备面积区域比较的诊断方法进行自动诊断。有效提高了电力设备红外图像的诊断能力；利用主流的人工智能技术，开发针对电力设备的深度学习模型，引入面积区域相对温差的概念，实现电力设备红外诊断的设备类型分析精细化。

技术领域

本发明属于智能电网信息技术领域，特别涉及一种基于面积区域相对温差的电力设备自动诊断方法。

背景技术

目前，针对电力设备的红外图像分析完全依赖人工进行，分析处理工作量大，对检测人员专业性和工作经验要求高，分析结果存在一定主观性。随着人工智能技术的发展，未来红外测温技术应向着自动识别、导入、分析等方向发展，并形成精确的评价体系，建立规范化的管理平台，为设备全寿命周期管理提供支持。

针对目前红外带电检测存在的问题，本发明主要涉及面积区域相对温差的电力设备自动诊断方法。针对目前红外图像中异常图像分析工作量大的问题，设计出一种面积区域相对温差的电力设备自动诊断方法，有效提高了电力设备红外图像的诊断能力；利用主流的人工智能技术，开发针对电力设备的深度学习模型，引入面积区域相对温差的概念，实现电力设备红外诊断的设备类型分析精细化。

经过检索，申请公开号CN105548747A，一种基于红外测温技术的设备故障识别系统及方法，红外测温信息采集模块对设备进行信息的采集；将采集的红外测温信息上传至大数据分析平台，由大数据分析平台计算设备检测区域的相对温差；将计算的设备检测区域的相对温差与作为故障判据的预设典型故障案例库的相对温差进行比较，进而判断设备异常发热对应的故障类型；大数据分析平台将分析得到的故障类型显示在监控界面上，同时将异常发热的设备红外检测图像显示在监控界面上。本发明实现了一种可自动识别输变电设备故障的系统，考虑周围环境条件的影响，通过相对温差判断法，自动判断该电气设备的运行状况和故障信息，实现了在线快速检测电气设备的运行状况。该方法通过相对温差对电气设备进行分析，实现了电气设备的运行状况检测，但不足的是仅考虑单点相对温差的情况，电力设备所处环境复杂，单一点的相对温差极有可能造成误判的情况，基于上述问题，本发明通过面积区域相对温差的方法进行判断，可以实现电气设备的状态分析，同时考虑单一点相对温差的局限性，提高状态诊断的可靠性。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种面积区域相对温差的电力设备自动诊断方法。本发明的技术方案如下：

一种面积区域相对温差的电力设备自动诊断方法，其包括以下步骤：

构建电力设备红外图像数据集，搭建YOLOv4的网络模型结构，训练检测同种类型设备识别的YOLOv4模型；通过提取同种类型设备的特征，开展基于YOLO的红外图像中同种类型设备识别；

从设备识别结果中挑选出异常设备；采用基于图像处理方法对异常设备的发热区域进行温度矩阵提取；

根据提取的温度矩阵，采用基于同类型设备面积区域比较的诊断方法进行自动诊断。

进一步的，所述搭建YOLOv4的网络模型结构具体包括输入结构、主干网络结构、特征融合结构、预测网络结构，各层的作用主要分为以下几种：

1、输入层：数据训练时对图像的输入，包括随机缩放、随机裁剪方法；

2、主干网络：提取图像的高维度特征，包括卷积、池化方法；

3、特征融合结构：融合不同尺寸、维度的图像特征，包括全连接方法；

4、预测网络结构：对整体特征进行结果预测，包括概率求解方法。