一种基于图像识别的电力系统端子箱凝露判定方法和系统技术方案

本发明专利技术公开了基于图像识别的电力系统端子箱凝露判定方法和系统，采集预设数量的端子箱内部的凝露图像，并对凝露图像进行图像预处理；对预处理后的凝露图像进行图像分割实现水珠轮廓的识别；通过特征提取获取包含水珠分布和形态的凝露图像的特征信息；构造训练样本信息库；利用训练样本信息库对机器学习算法进行训练；采集被检测端子箱内部的凝露图像，利用训练好的机器学习算法判定该被检测端子箱内部凝露等级。本发明专利技术的判定方法和系统能够对端子箱内部凝露情况进行有效判别，提前发现设备隐患，为检修决策提供重要依据，大幅度提升电力系统安全运行水平。

A Method and System for Determining Condensation of Power System Terminal Box Based on Image Recognition

【技术实现步骤摘要】
一种基于图像识别的电力系统端子箱凝露判定方法和系统
本专利技术涉及电力生产领域，特别涉及一种基于图像识别的电力系统端子箱凝露判定方法和系统。
技术介绍
变电站端子箱是室外电气设备与室内测控、保护、通信等设备连接的中间环节，一般就地安装在户外的设备旁。在昼夜温差大且空气潮湿的地方，变电站户外端子箱的箱体内顶部、内壁都有可能会凝结水珠，形成凝露。凝露轻的会使端子锈蚀，降低其使用寿命，凝露严重会导致端子排二次回路短路或接地，容易造成保护装置误动或拒动，严重威胁着电网安全稳定运行。为了解决这一问题，一般会在端子箱上安装温湿度传感器和加热器驱潮装置，同时设置呼吸孔帮助空气流通。大部分的厂家采用小型化的加热器安放在端子箱的角落里，导致箱内受热不均匀。在某些情况下反而会促进凝露现象的发生。例如在阴雨天气时，环境的湿度达到饱和，当端子箱内部的湿度传感器检测到相对湿度过高时，会开启加热器进行驱潮，降低箱体内相对湿度。由于内外湿度存在差值，外部水蒸气会通过呼吸孔进入箱体内部，使得箱内水蒸气比例升高。如果此时外界环境温度较低，距离加热器较远的部分箱壁温度降低，此时湿热的空气在温度较低的位置凝结水珠，导致箱内凝露积水。对电力系统运行中的端子箱内部凝露进行有效判别，在特殊气候条件下及时排出端子箱内凝露积水，对于提高电力系统安全运行具有重要意义。
技术实现思路
本专利技术的目的是解决特殊气候条件下端子箱内部凝露积水报警问题，提出一种基于图像识别的电力系统端子箱凝露判定方法和系统。一种基于图像识别的电力系统端子箱凝露判定方法，包括以下步骤：获取预设数量的端子箱内部的凝露图像；对所述凝露图像进行图像分割，通过特征提取获取包含水珠分布和形态的凝露图像的特征信息；根据水珠分布和形态的凝露图像的特征信息，基于训练的机器学习算法判定该被检测端子箱内部凝露等级。进一步地，图像分割前，还包括对凝露图像进行图像预处理的步骤。进一步地，机器学习算法训练步骤为：将凝露图像特征信息和权威专家给出的判定结果分别作为机器学习算法的输入和输出共同构成训练样本信息库；利用训练样本信息库对机器学习算法进行训练。进一步地，采用基于熵的自动阈值区域分割方法对凝露图像进行图像分割，获取凝露图像中的水珠轮廓。进一步地，用函数F(x,y)描述凝露二维数字图像，(x,y)为二维数字图像的平面坐标，0≤x＜X；0≤y＜Y，其中的X、Y分别为二维数字图像的长和宽；坐标(x,y)处像素的灰度信息记为G(x,y)，其取值范围为Gv＝{0,1,2,…,Q}，Q是最亮像素点的灰度。进一步地，凝露图像的特征信息包括凝露覆盖率Aa、凝露位置参数Ab和凝露聚集程度Ac。进一步地，凝露覆盖率Aa计算式如下：设正整数N为识别出的水珠轮廓数量，Si为水珠i的面积，其中0≤i≤N。进一步地，凝露位置参数Ab计算式如下：(x0，y0)为图像中重要元件所在位置坐标，(xi，yi)为水珠i包围矩形的中心坐标，其中设正整数N为识别出的水珠轮廓数量，0≤i≤N。进一步地，凝露聚集程度Ac计算式如下：设正整数N为识别出的水珠轮廓数量，Si为水珠i的面积，其中0≤i≤N，面积均值进一步地，将凝露等级分为正常、注意、严重、异常4个等级，等级集合记为L＝{L1，L2，L3，L4}，训练样本信息库记为D，D中第m个样本是提取的凝露图像特征信息和权威专家给的凝露等级构成的四维向量向量中的元素分别为第m个样本的凝露覆盖率凝露位置参数凝露聚集程度和凝露等级Lm。一种基于图像识别的电力系统端子箱凝露判定系统，包括：图像获取模块：获取预设数量的端子箱内部的凝露图像；特征提取模块：对所述凝露图像进行图像分割，通过特征提取获取包含水珠分布和形态的凝露图像的特征信息；凝露等级判定模块：根据水珠分布和形态的凝露图像的特征信息，基于训练的机器学习算法判定该被检测端子箱内部凝露等级。本专利技术的达到的有益效果：本专利技术提出一种基于图像识别的电力系统端子箱凝露判定方法和系统，能够对端子箱内部凝露情况进行有效判别，可以提前发现设备隐患，为检修决策提供重要依据，大幅度提升电力系统安全运行水平。附图说明图1凝露等级判定过程；图2SVM决策树节点示意图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。实施例1为实现端子箱凝露判定，本专利技术采用图像识别方法进行端子箱内部图像中凝露积水的特征分析，将凝露情况分为4个等级，提出凝露覆盖率、凝露位置参数、凝露聚集程度作为凝露等级判据，并采用机器学习算法从训练样本中构造凝露积水等级判定模型，整个判定过程如图1所示，步骤如下：步骤1、图像预处理：收集整理检修过程中采集的大量端子箱凝露图像，通过图像分析系统进行图像预处理；步骤2、图像分割：对预处理后的凝露图像进行图像分割来实现水珠轮廓的识别；步骤3、图像特征提取：通过特征提取来获取水珠分布和形态特征信息作为凝露等级判定的依据；步骤4、训练样本信息库构造：典型凝露图像特征信息和权威专家给出的凝露等级判定结果分别作为机器学习算法的输入和输出共同构成训练样本信息库；步骤5、机器学习算法训练：利用训练样本信息库对机器学习算法进行训练；步骤6、凝露等级识别：采集被检测端子箱内部的凝露图像，利用训练好的机器学习算法判定该被检测端子箱内部凝露等级。各步骤详细说明如下：1、图像预处理为提高水珠轮廓识别效果，采用高斯滤波、基于梯度的自适应滤波和图像增强等图像处理方法抑制噪声干扰和锐化边界，从而减弱复杂背景对水珠识别的影响。2、图像分割凝露图像中的水珠轮廓信息采用基于熵的自动阈值区域分割方法来获取。用函数F(x,y)描述凝露二维数字图像，(x,y)(0≤x＜X；0≤y＜Y)二维数字图像的平面坐标，其中的X、Y分别为二维数字图像的长和宽，F(x,y)是坐标(x,y)处像素的颜色信息，(x,y)处像素的灰度信息记为G(x,y)，G(x,y)的取值范围为Gv＝{0,1,2,…,Q}(Q是最亮像素点的灰度)。通过优化算法确定最佳阈值g1,使得阈值区域分割后的二维图像尽可能保留原图像F(x,y)中的信息。对于光照不均匀等复杂现场环境，采用多阈值区域分割的方法来提高喷水图像中水珠轮廓信息提取的准确性。3、图像特征提取设正整数N为识别出的水珠轮廓数量，Si分别为水珠i(0≤i≤N)的面积和包围矩形的中心坐标，图像中接线端子等重要元件所在位置用(x0，y0)表示，用凝露覆盖率、凝露位置参数、凝露聚集程度3个参数描述凝露图像的特征信息。a.凝露覆盖率Aab.凝露位置参数Abc.凝露聚集程度Ac其中，面积均值4.训练样本信息库构造根据电力设备运行规程，将凝露等级分为正常、注意、严重、异常4个等级，记为L＝{L1，L2，L3，L4}，凝露图像样本集即训练样本信息库记为D，D中第m个样本是提取的凝露图像特征信息和权威专家给出的凝露等级构成的四维向量向量中的元素分别为第m个样本的凝露覆盖率、凝露位置参数、凝露聚集程度和凝露等级。样本中的凝露等级是由专家根据电力运行规程进行判定的。5、机器学习算法训练本实施例中的机器学习算法以SVM(支持向量机，SupportVectorMachine)决策树算法为例进行算法训练：51、根据电力生产实际和本文档来自技高网...

【技术保护点】
1.一种基于图像识别的电力系统端子箱凝露判定方法，其特征是，包括以下步骤：获取预设数量的端子箱内部的凝露图像；对所述凝露图像进行图像分割，通过特征提取获取包含水珠分布和形态的凝露图像的特征信息；根据水珠分布和形态的凝露图像的特征信息，基于训练的机器学习算法判定该被检测端子箱内部凝露等级。

【技术特征摘要】
1.一种基于图像识别的电力系统端子箱凝露判定方法，其特征是，包括以下步骤：获取预设数量的端子箱内部的凝露图像；对所述凝露图像进行图像分割，通过特征提取获取包含水珠分布和形态的凝露图像的特征信息；根据水珠分布和形态的凝露图像的特征信息，基于训练的机器学习算法判定该被检测端子箱内部凝露等级。2.根据权利要求1所述的基于图像识别的电力系统端子箱凝露判定方法，其特征是，图像分割前，还包括对凝露图像进行图像预处理的步骤。3.根据权利要求1所述的基于图像识别的电力系统端子箱凝露判定方法，其特征是，机器学习算法训练步骤为：将凝露图像特征信息和权威专家给出的判定结果分别作为机器学习算法的输入和输出共同构成训练样本信息库；利用训练样本信息库对机器学习算法进行训练。4.根据权利要求1所述的基于图像识别的电力系统端子箱凝露判定方法，其特征是，采用基于熵的自动阈值区域分割方法对凝露图像进行图像分割，获取凝露图像中的水珠轮廓。5.根据权利要求4所述的基于图像识别的电力系统端子箱凝露判定方法，其特征是，用函数F(x,y)描述凝露二维数字图像，(x,y)为二维数字图像的平面坐标，0≤x＜X；0≤y＜Y，其中的X、Y分别为二维数字图像的长和宽；坐标(x,y)处像素的灰度信息记为G(x,y)，其取值范围为Gv＝{0,1,2,…,Q}，Q是最亮像素点的灰度。6.根据权利要求1所述的基于图像识别的电力系统端子箱凝露判定方法，其特征是，凝露图像的特征信息包括凝露覆盖率Aa、凝露位置参数Ab和凝露聚...

【专利技术属性】
技术研发人员：蔚超，魏旭，陶风波，邓洁清，林元棣，王有元，梁玄鸿，李建生，王同磊，陆云才，王胜权，吴鹏，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，国家电网有限公司，国网江苏省电力有限公司，重庆大学，江苏省电力试验研究院有限公司，
类型：发明
国别省市：江苏,32