一种GIS盆式绝缘子内部导体局部过热智能诊断方法技术

本发明专利技术涉及一种GIS盆式绝缘子内部导体局部过热智能诊断方法，包括：第一步，建立基于标准视觉图像标记的拍摄位姿校准模型；第二步，建立针对GIS开关盆式绝缘子视觉索引认证引结构：结合电网系统特性，设计一种基于地理空间网格化的GIS开关盆式绝缘子索引机制，先将待索引目标按照地理空间进行粗网格划分，建立基于固定格网的一级索引，以减少跨网格空间对象数量，然后对完全包含在网格区域内的空间对象进行细分，最后为跨网格的空间对象建立索引链表，建立高效的盆式绝缘子索引认证的数据库；将位置信息编码进嵌入图像标记的视觉索引认证模型中；第三步：对内部异常进行识别。

An intelligent diagnosis method for local superheat of GIS insulator internal conductor

The invention relates to a GIS insulator internal conductor local overheating intelligent diagnosis method comprises the following steps: first, establish the shooting pose calibration model based on visual image marking standards; the second step to build GIS switch insulator visual index guiding structure: authentication combined with power grid system, the design of a switch insulator index the mechanism of geo spatial grid based on GIS, the first to be indexed target coarse mesh according to geographic space, the establishment of a fixed grid based index, to reduce the number of cross grid space object, and then subdivide the space object is completely contained in the grid area, and finally establish the index list for the inter grid spatial objects. The establishment of insulator index authentication efficient database model; visual index location information will be embedded into the certification mark image encoding The third step is to identify the internal anomalies.

【技术实现步骤摘要】
一种GIS盆式绝缘子内部导体局部过热智能诊断方法
本专利技术属于图像识别领域，涉及一种综合利用基于传统图像处理方法和深度学习物体检测算法，基于多模态图像数据，对GIS壳体盆式绝缘子进行智能检索，以及对内部导体局部过热点进行自动诊断的方法。
技术介绍
变电站在电力系统中起着非常重要的作用，该场所可以对电压和电流进行交换和分配，之后将电能输送给用户。直接关系到千家万户的用电问题，大规模断电将给国民经济带来不可估量的损失。随着我国电力系统向特高压、大容量、智能化稳步发展，对电力设备安全稳定运行的要求不断提高。而作为汇集、分配和传送电能的重要设备，气体绝缘组合电器(gasinsulatedswitchgear，GIS)母线，在具有运行可靠、结构紧凑、安装维护方便、互换性好等优点的同时，也面临着密封性强、电流较大、损耗发热状况难以准确全面预测和监视的难题。GIS是指采用六氟化硫(SF6)气体作为绝缘介质和灭弧介质的将母线、断路器、隔离开关、接地开关、互感器、避雷器、连接件等部件密封在金属腔体内部的封闭式开关设备[1]。GIS因占地面积较小和可靠性高等优点，已被大量应用于电力系统中，随着GIS使用量的增加和使用电压等级的增高，其对电力系统供电连续性和稳定性的影响日益突出，因此必须对GIS的运行工况予以重视，尽量减少GIS故障的发生。GIS在运行过程中，其内部经常会发生局部发热现象，尤其是盆式绝缘子的部位，这些局部发热会加速GIS部件老化，严重威胁GIS安全稳定运行。当前，主要通过红外测温仪对发热部位进行测温，并根据所得到的测温图来判别发热点和设备的缺陷类型，进而提出相应的处理解决方案。但对于电气设备内部发热点的确定往往是依赖于设备维修人员的相关工作经验，无法进行科学理性的分析和判断。物体检测任务需要回答一张图像中在什么位置存在一个什么物体。与物体分类问题不同，物体检测问题从数学上是研究输入图像X与输出物体窗口Y之间的关系，这里Y的取值不再是一个实数，而是一组“结构化”的数据，指定了物体的外接窗口和类别[2]。基于可见光图像和红外图像的盆式绝缘子检测任务作为物体检测任务的一种，依赖于对多模态图像特征的恰当选择与提取，现有的单一的机器学习算法、模板匹配、特征匹配等方法都不能进行有效的检测。盆式绝缘子的识别效率往往与拍摄所在的位置有关，因此考虑一种自适应纠正拍照的方法，来获得高质量的拍摄数据。卷积神经网络(ConvolutionalNeuralNetwork，CNN)提供了一种端到端的学习模型，经过训练后的卷积神经网络能够较好的学习到图像中的特征，并且完成对图像特征的提取和分类。在计算机视觉领域，CNN最主要的技术优势体现在：通过充分利用图像数据的层次属性，抽象或组合低层信号来构建高层特征，即局部边缘构成主题，主题聚合成部分，部分组成物体，最终使得图像中的物体易于检测或分类。因此，CNN具有极其优良的数据表征能力[3]。本专利技术提出一种，大大减少了人工识别的工作量。[1]罗学琛.SF6气体绝缘全封闭组合电器(GIS)[M].中国电力出版社,1999.[2]黄凯奇,任伟强,谭铁牛.图像物体分类与检测算法综述[J].计算机学报,2014,(06):1225-1240.[3]刘栋,李素,曹志冬.深度学习及其在图像物体分类与检测中的应用综述[J].计算机科学,2016,(12):13-23.
技术实现思路
本专利技术针对GIS内部导体局部过热问题提供一种检测GIS盆式绝缘子内部导体局部过热点的方法。本专利技术综合利用基于传统图像处理方法和深度学习物体检测算法，并且融合可见光和红外多传感器的图像，实现从外部拍摄的图像中对内部导体过热缺陷的检测，可用于不同环境、光照强度及天气情况，对于复杂环境中的GIS壳体盆式绝缘子过热缺陷，可以保证较高的检测准确性。技术方案如下：一种GIS盆式绝缘子内部导体局部过热智能诊断方法，包括下列步骤：第一步，建立基于标准视觉图像标记的拍摄位姿校准模型，方法如下：1)在GIS壳体附近相应位置设置黑色底色，白色图案的标准格式人工图像标记；2)对拍摄的GIS图像，提取人工图像标记的边缘特征和几何形状特征；3)及利用深度学习的方法，针对性的训练一个神经网络图像标记识别模型，该模型对在适当的距离、角度下采集到的图像标记准确识别，而对其他情况下的标记均判别识别错误，从而构建一个能够准确识别在适当位置处拍摄到的标记的深度学习图像标记检测模型：构建两个卷积神经网络，分别训练一个候选区域粗选网络和一个类别细选网络；首先将经过图像预处理的巡检数据输入粗选网络，通过在最后一层卷积层上的特征图进行滑窗的方法可得到候选框粗略的区域，然后用得到的粗选区域通过类别细选网络，采用交叉优化的训练机制，分步交替微调两个网络以构建最终的检测模型，同时考虑变形图像的角度信息提取及校正问题和多尺度下的标记信息提取及校正问题，利用在不同位置、不同距离拍摄到的图像标记形变特性、多尺度特性的不同，通过计算图像标记的长宽比、角度、屏占比特征，依据标记图像的几何特点来给出调整方向的建议，进而提示拍摄人员选择合适的拍摄角度和拍摄距离；第二步，建立针对GIS开关盆式绝缘子视觉索引认证引结构：结合电网系统特性，设计一种基于地理空间网格化的GIS开关盆式绝缘子索引机制，先将待索引目标按照地理空间进行粗网格划分，建立基于固定格网的一级索引，以减少跨网格空间对象数量，然后对完全包含在网格区域内的空间对象进行细分，最后为跨网格的空间对象建立索引链表，建立高效的盆式绝缘子索引认证的数据库；将位置信息编码进嵌入图像标记的视觉索引认证模型中，在实际应用时使用对应解码算法将编码区域转化为二进制信息，进而解析出认证标记包含的唯一索引信息，在数据库中查询到对应的盆式绝缘子区域位置信息，并且对纠错码进行译码比对；第三步，通过建立可见光图像和红外图像之间的位置映射模型，将在可见光中检测出的目标位置对应到红外图像上，并利用异构图像间的几何关系，输出以盆式绝缘子为中线的边长为GIS壳体直径的正方形区域以及对应的绝缘子两侧上部区域，进而通过该区域内的温度梯度对内部异常进行识别。本专利技术综合利用传统图像处理算法和深度卷积神经网络的算法，设计了一种基于多模态图像的GIS盆式绝缘子内部导体局部过热点检测系统。通过人工巡线构建GIS壳体可见光和红外图像库，通过视觉辅助标准拍摄模型和多模态数据融合识别算法的建立，能够通过外部拍摄直接对盆式绝缘子内部过热进行准确高效的检测。与现有技术相比，这种方法对能够获得规范的、高质量的拍摄图像，能够有效提升复杂背景环境下的过热故障识别，通过简单的外部拍摄工作即可对直接内部过热进行自动诊断，极大地减少了人工工作量，并且漏检率较低。附图说明图1基于深度学习的图像标记识别方法流程图2变形图像的角度信息提取及校正图3多尺度下的标记信息提取及自适应校正图4图像融合过程示意图图5(a)和(b)分别为GIS壳体盆式绝缘子可见光图像及红外图像检测效果具体实施方式为使本专利技术的技术方案更加清楚，下面结合附图对本专利技术做进一步阐述.。本专利技术按以下步骤具体实现：第一步，建立基于标准视觉图像标记的拍摄位姿校准模型。为了使得视觉系统能够准确有效地识别GIS壳体，以便于识别和分析，首先需要在GIS壳体本文档来自技高网...

【技术保护点】
一种GIS盆式绝缘子内部导体局部过热智能诊断方法，包括下列步骤：第一步，建立基于标准视觉图像标记的拍摄位姿校准模型，方法如下：1)在GIS壳体附近相应位置设置黑色底色，白色图案的标准格式人工图像标记；2)对拍摄的GIS图像，提取人工图像标记的边缘特征和几何形状特征；3)及利用深度学习的方法，针对性的训练一个神经网络图像标记识别模型，该模型对在适当的距离、角度下采集到的图像标记准确识别，而对其他情况下的标记均判别识别错误，从而构建一个能够准确识别在适当位置处拍摄到的标记的深度学习图像标记检测模型：构建两个卷积神经网络，分别训练一个候选区域粗选网络和一个类别细选网络；首先将经过图像预处理的巡检数据输入粗选网络，通过在最后一层卷积层上的特征图进行滑窗的方法可得到候选框粗略的区域，然后用得到的粗选区域通过类别细选网络，采用交叉优化的训练机制，分步交替微调两个网络以构建最终的检测模型；4)同时考虑变形图像的角度信息提取及校正问题和多尺度下的标记信息提取及校正问题，利用在不同位置、不同距离拍摄到的图像标记形变特性、多尺度特性的不同，通过计算图像标记的长宽比、角度、屏占比特征，构建拍摄位姿校准模型，依据标记图像的几何特点来给出调整方向的建议，进而提示拍摄人员选择合适的拍摄角度和拍摄距离；第二步，建立针对GIS开关盆式绝缘子视觉索引认证引结构：结合电网系统特性，设计一种基于地理空间网格化的GIS开关盆式绝缘子索引机制，先将待索引目标按照地理空间进行粗网格划分，建立基于固定格网的一级索引，以减少跨网格空间对象数量，然后对完全包含在网格区域内的空间对象进行细分，最后为跨网格的空间对象建立索引链表，建立高效的盆式绝缘子索引认证的数据库；将位置信息编码进嵌入图像标记的视觉索引认证模型中，在实际应用时使用对应解码算法将编码区域转化为二进制信息，进而解析出认证标记包含的唯一索引信息，在数据库中查询到对应的盆式绝缘子区域位置信息，并且对纠错码进行译码比对；第三步，通过建立可见光图像和红外图像之间的位置映射模型，将在可见光中检测出的目标位置对应到红外图像上，并利用异构图像间的几何关系，输出以盆式绝缘子为中线的边长为GIS壳体直径的正方形区域以及对应的绝缘子两侧上部区域，进而通过该区域内的温度梯度对内部异常进行识别。...

【技术特征摘要】
1.一种GIS盆式绝缘子内部导体局部过热智能诊断方法，包括下列步骤：第一步，建立基于标准视觉图像标记的拍摄位姿校准模型，方法如下：1)在GIS壳体附近相应位置设置黑色底色，白色图案的标准格式人工图像标记；2)对拍摄的GIS图像，提取人工图像标记的边缘特征和几何形状特征；3)及利用深度学习的方法，针对性的训练一个神经网络图像标记识别模型，该模型对在适当的距离、角度下采集到的图像标记准确识别，而对其他情况下的标记均判别识别错误，从而构建一个能够准确识别在适当位置处拍摄到的标记的深度学习图像标记检测模型：构建两个卷积神经网络，分别训练一个候选区域粗选网络和一个类别细选网络；首先将经过图像预处理的巡检数据输入粗选网络，通过在最后一层卷积层上的特征图进行滑窗的方法可得到候选框粗略的区域，然后用得到的粗选区域通过类别细选网络，采用交叉优化的训练机制，分步交替微调两个网络以构建最终的检测模型；4)同时考虑变形图像的角度信息提取及校正问题和多尺度下的标记信息提取及校正问题，利用在不同位置、不同距离拍摄到的图像标记形变特性、多尺度特性的不同，通过计算图像标记的长宽...

【专利技术属性】
技术研发人员：侯春萍，管岱，杨阳，郎玥，章衡光，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12