[发明专利]一种基于红外图像的电力设备热故障监测方法、装置及介质

说明书

本发明公开了一种基于红外图像的电力设备热故障监测方法、装置及介质，该方法首先获取电力设备的红外图像；然后，基于热故障区域与图像背景在红外图像上的温度差异特性，利用低秩矩阵恢复逐像素计算出红外图像中热故障区域，获取初始检测结果图；最后，基于初始检测结果图，采用边缘保持滤波算法对初始诊断结果进行滤波处理，充分利用相邻像素之间的空间相关性，减少图像中的噪声与畸变细节，提升热故障诊断精度。本发明能够有效监测出电力设备中的热故障区域，指导电力设备运维决策，具有很好的经济效益和工程价值。

技术领域

本发明涉及电力设备状态热故障监测领域，更具体的说是一种基于红外图像的电力设备热故障监测方法、装置及介质。

背景技术

在电力设备的运行过程中，不可避免地出现各式各样的故障，其中热故障是最常见的一种故障类型。一旦未能及时检测出设备中的热故障点，导致局部温度异常升高，易引发设备跳闸停电，给电力设备安全稳定的运行带来巨大挑战。当前，红外热成像技术是电力设备热故障诊断的常用技术手段，具有非接触带电检测的优势，能够有效检测电力设备的温度场信息。然而，随着我国电力系统的不断发展，电力设备的红外巡检任务压力也逐渐增大。

目前，对电力设备热故障诊断方式依靠人工对采集的红外图像进行判别与分析。这种方式不仅人工成本高，检测周期长，巡检效率低，而且误检率较高。而已有的专利文献CN201510659136.8变电站设备红外图像感兴趣区域的分割方法及系统，所提出的方法是利用SIFT算子提取特征点，再对特征点进行匹配后，进行故障区分，由于整幅图像中的故障区域较小，仍然容易受到背景噪声的干扰，因此，提出智能的、可靠的电力设备的热故障监测方法，及时预警设备热故障区域，进而采取防御措施，对保障电力设备的正常运行具有重要意义。

发明内容

本发明的目的是提供了一种基于红外图像的电力设备热故障监测方法、装置及介质，通过对红外图像进行无监督学习的智能处理，根据热故障区域与背景区域在热信号上的差异特性和红外图像相邻像素间的空间相似性，获取较高精度的热故障诊断结果，满足了对热故障实时性和高精度的监测要求，同时解决了人工巡检效率不高的难题，从而提高电力设备智能化运检水平。

本发明提供的技术方案如下：

一方面，一种基于红外图像的电力设备热故障监测方法，包括以下步骤：

步骤1：获取待进行热故障诊断的电力设备红外图像；

步骤2：基于低秩矩阵恢复原理，提取电力设备红外图像中呈稀疏分布的热故障区域初始检测结果；

步骤3：利用像素间的空间相似性，采用双边滤波对热故障区域初始结果进行滤波优化，获得热故障区域最终检测结果，实现电力设备热故障监测。

该方案属于一种基于无监督学习的热故障监测技术，不需要热故障的训练数据集。通过对红外图像进行无监督学习的智能处理，根据热故障区域与背景区域在热信号上的差异特性和红外图像相邻像素间的空间相似性，获取较高精度的热故障诊断结果。

进一步地，提取电力设备红外图像中呈稀疏分布的热故障区域初始检测结果中采用的低秩矩阵恢复模型如下：

min||l||_*+λ||s||₁,s.t.||d-l-s||σ,

其中，d为获取的电力设备红外图像，s表示电力设备红外图像中热故障区域，l为电力设备红外图像中背景区域；||.||_*表示矩阵核范数，||.||₁表示L₁范数，λ为正则化参数，用于调节稀疏项的权重大小，m和n分别为输入图像的长和宽；σ是一个表示高斯噪声强度的常数，为经验设定值。