变电站电力设备的故障识别定位方法、装置及设备制造方法及图纸

本发明专利技术实施例涉及一种变电站电力设备的故障识别定位方法、装置及设备，包括数据获取、数据预处理、构建模型图像、提取图像特征、图像分类这五个步骤构建故障识别模型，将变电站电力设备的待测图像输入到故障识别模型中，故障识别模型识别分析该待测图像中的电力设备是否发生故障，若发生故障识别分析出变电站电力设备发生故障的位置。该方法能够识别变电站电力设备发生故障的位置，识别效率高，不需要需要投入大量的人力物力，还通过消除杂乱图像以及无关因数对识别故障带来的干扰，也大大提高识别电力设备出现故障的准确性和效率。解决了传统对变电站的巡检检测故障的方法，需要投入大量的人力物力，工作效率低的技术问题。

Fault identification and location method, device and equipment of power equipment in Substation

【技术实现步骤摘要】
变电站电力设备的故障识别定位方法、装置及设备
本专利技术涉及电力设备故障识别
，尤其涉及一种变电站电力设备的故障识别定位方法、装置及设备。
技术介绍
电力行业的高速发展，大量的变电站产生，变电站从无到有，从稳定再到可持续使用是一项复杂工程，变电站的建立对基础设施建设提出了很高的要求。变电站所需要的发电设备，不仅数量多，而且精密复杂，这就意味着设备线路铺设的工作量十分巨大。在变电站的传统建设过程中，会产生大量的图纸、数据和报告等，不便于管理，而且涉及到多个专业、部门，一旦在建设中遇到一些难题，就需要所有施工单位、相关部门进行大量的现场勘查调研，并经过多次研讨协商，才能找到发生故障的位置及问题，并解决问题，这个过程往往历尽艰辛，效率十分低下，而且最后的解决方案质量往往还不高。因此在变电站后期维护中，变电站的变电工区是典型的高危工作区域，是电力传输领域的重中之重，稍不注意就容易发生重大事故。随着我国社会经济的发展，对于电力能源的需求与日俱增。变电站中电力设备的运行检查、状态监测作为近几年发展起来的新兴行业，呈现出巨大的成长潜力和发展空间。伴随着科技的进步和数字化城市建设的推进，人工巡检的工作逐渐被自动机器人所取代，人工巡检的次数大大减少，但机器人还不能完全取代人的工作。针对变电站内各类电力设备(主变、断路器、电容器等)大型而复杂的设备，传统对变电站的巡检检查故障发生是采用全站仪采集数据制造的模型进行的，整体模型建立更加困难，仍然需要投入大量人力、物力和财力等资源，并且该方式的工作效率低。>因此，在变电站的巡检过程中，如何提高识别变电站发生故障的位置成为本领域技术人员亟待解决的重要技术问题。
技术实现思路
本专利技术实施例提供了一种变电站电力设备的故障识别定位方法、装置及设备，用于解决传统对变电站的巡检检测故障的方法，需要投入大量的人力物力，工作效率低的技术问题。为了实现上述目的，本专利技术实施例提供如下技术方案：一种变电站电力设备的故障识别定位方法，包括以下步骤：S1.数据获取：获取变电站中所有电力设备图像的三维点云数据；S2.数据预处理：对所述三维点云数据进行滤波预处理，得到点云数据；S3.构建模型图像：通过重采样及数据拼接和匹配对所述点云数据进行处理，并将处理后的数据构建成三维的模型图像；S4.提取图像特征：对所述模型图像进行特征提取，得到图像特征；S5.图像分类：采用卷积神经网络对所述图像特征进行分类，得到图像特征分类；S6.构建故障识别模型：采用深度学习对所述图像特征分类和所述图像特征进行训练得到故障识别模型；S7.故障识别分析：获取所述变电站的其中一个电力设备的待测图像，所述待测图像输入所述故障识别模型进行识别分析，得出该电力设备没有发生故障或发生故障的具体位置。优选地，获取所述三维点云数据和所述待测图像均是通过三维激光扫描仪扫描电力设备得到。优选地，在所述步骤S2中，采用八叉树法分割算法对所述三维点云数据进行去噪与平滑滤波处理，得到所述点云数据。优选地，在所述步骤S3中，对所述点云数据处理过程中包括：采用所述重采样的点云精简筛选所述点云数据，得到凌乱的所述点云数据；通过所述数据拼接和匹配的标靶拼接和同名点的混合拼接法将凌乱的所述点云数据进行数据拼接，得到拼接后的所述点云数据；采用点云配准将拼接后的所述点云数据统一到同一坐标系中形成三维的所述模型图像。优选地，在所述步骤S4中，采用Gist特征提取方式对所述模型图像的自然度、开放度、膨胀度的特征进行提取，获取图像特征；在所述提取图像特征过程中还采用Gabor滤波方式对所述模型图像从方向和尺寸提取图像不同纹理。优选地，在所述步骤S7中，所述故障识别模型的图像包含有可见光图像，若所述待测图像的电力设备发生故障，将所述待测图像输入所述故障识别模型中，所述故障识别模型通过所述图像特征分类分析后在所述可见光图像显示，得到所述待测图像发生故障的精确位置。本专利技术还提供一种变电站电力设备的故障识别定位装置，包括：数据获取单元，用于获取变电站中所有电力设备图像的三维点云数据；预处理单元，用于对所述三维点云数据进行滤波预处理，得到点云数据；构建模型图像单元，用于通过重采样及数据拼接和匹配对所述点云数据进行处理，并将处理后的数据构建成三维的模型图像；特征提取单元，用于对所述模型图像进行特征提取，得到图像特征；图像分类单元，用于采用卷积神经网络对所述图像特征进行分类，得到图像特征分类；构建故障识别模型单元，用于采用深度学习对所述图像特征分类和所述图像特征进行训练得到故障识别模型；故障识别分析单元，用于获取所述变电站的其中一个电力设备的待测图像，所述待测图像输入所述故障识别模型进行识别分析，得出该电力设备没有发生故障或发生故障的具体位置。优选地，所述预处理单元采用八叉树法分割算法对所述三维点云数据进行去噪与平滑滤波处理，得到所述点云数据；所述特征提取单元采用Gist特征提取方式对所述模型图像的自然度、开放度、膨胀度的特征进行提取，获取图像特征；在所述提取图像特征过程中还采用Gabor滤波方式对所述模型图像从方向和尺寸提取图像不同纹理。优选地，所述构建模型图像单元包括筛选单元、数据拼接单元和三维建模单元；所述筛选单元，用于采用所述重采样的点云精简筛选所述点云数据，得到凌乱的所述点云数据；所述数据拼接单元，用于通过所述数据拼接和匹配的标靶拼接和同名点的混合拼接法将凌乱的所述点云数据进行数据拼接，得到拼接后的所述点云数据；所述三维建模单元，用于采用点云配准将拼接后的所述点云数据统一到同一坐标系中形成三维的所述模型图像。本专利技术还提供一种设备，包括处理器以及存储器；所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器，用于根据所述程序代码中的指令执行上述所述的变电站电力设备的故障识别定位方法。从以上技术方案可以看出，本专利技术实施例具有以下优点：1.该变电站电力设备的故障识别定位方法通过数据获取、数据预处理、构建模型图像、提取图像特征、图像分类这五个步骤构建故障识别模型，将变电站电力设备的待测图像输入到故障识别模型中，故障识别模型识别分析该待测图像中的电力设备是否发生故障，若发生故障识别分析出变电站电力设备发生故障的位置。该变电站电力设备的故障识别定位方法不仅可以消除杂乱图像以及无关因数对识别故障带来的干扰，也大大提高识别电力设备出现故障的准确性和效率。解决了传统对变电站的巡检检测故障的方法，需要投入大量的人力物力，工作效率低的技术问题。该变电站电力设备的故障识别定位方法还可以用于识别变电站中各个电力设备的位置，提高法变电站电力设备的定位准确性，有利益监测各个电力设备运行，有效保障电力系统正常运行的稳定性；2.该变电站电力设备的故障识别定位装置采用数据获取单元、预处理单元、构建模本文档来自技高网...

【技术保护点】
1.一种变电站电力设备的故障识别定位方法，其特征在于，包括以下步骤：/nS1.数据获取：获取变电站中所有电力设备图像的三维点云数据；/nS2.数据预处理：对所述三维点云数据进行滤波预处理，得到点云数据；/nS3.构建模型图像：通过重采样及数据拼接和匹配对所述点云数据进行处理，并将处理后的数据构建成三维的模型图像；/nS4.提取图像特征：对所述模型图像进行特征提取，得到图像特征；/nS5.图像分类：采用卷积神经网络对所述图像特征进行分类，得到图像特征分类；/nS6.构建故障识别模型：采用深度学习对所述图像特征分类和所述图像特征进行训练得到故障识别模型；/nS7.故障识别分析：获取所述变电站的其中一个电力设备的待测图像，所述待测图像输入所述故障识别模型进行识别分析，得出该电力设备没有发生故障或发生故障的具体位置。/n

【技术特征摘要】
1.一种变电站电力设备的故障识别定位方法，其特征在于，包括以下步骤：
S1.数据获取：获取变电站中所有电力设备图像的三维点云数据；
S2.数据预处理：对所述三维点云数据进行滤波预处理，得到点云数据；
S3.构建模型图像：通过重采样及数据拼接和匹配对所述点云数据进行处理，并将处理后的数据构建成三维的模型图像；
S4.提取图像特征：对所述模型图像进行特征提取，得到图像特征；
S5.图像分类：采用卷积神经网络对所述图像特征进行分类，得到图像特征分类；
S6.构建故障识别模型：采用深度学习对所述图像特征分类和所述图像特征进行训练得到故障识别模型；
S7.故障识别分析：获取所述变电站的其中一个电力设备的待测图像，所述待测图像输入所述故障识别模型进行识别分析，得出该电力设备没有发生故障或发生故障的具体位置。


2.根据权利要求1所述的变电站电力设备的故障识别定位方法，其特征在于，获取所述三维点云数据和所述待测图像均是通过三维激光扫描仪扫描电力设备得到。


3.根据权利要求1所述的变电站电力设备的故障识别定位方法，其特征在于，在所述步骤S2中，采用八叉树法分割算法对所述三维点云数据进行去噪与平滑滤波处理，得到所述点云数据。


4.根据权利要求1所述的变电站电力设备的故障识别定位方法，其特征在于，在所述步骤S3中，对所述点云数据处理过程中包括：
采用所述重采样的点云精简筛选所述点云数据，得到凌乱的所述点云数据；
通过所述数据拼接和匹配的标靶拼接和同名点的混合拼接法将凌乱的所述点云数据进行数据拼接，得到拼接后的所述点云数据；
采用点云配准将拼接后的所述点云数据统一到同一坐标系中形成三维的所述模型图像。


5.根据权利要求1所述的变电站电力设备的故障识别定位方法，其特征在于，在所述步骤S4中，采用Gist特征提取方式对所述模型图像的自然度、开放度、膨胀度的特征进行提取，获取图像特征；在所述提取图像特征过程中还采用Gabor滤波方式对所述模型图像从方向和尺寸提取图像不同纹理。


6.根据权利要求1所述的变电站电力设备的故障识别定位方法，其特征在于，在所述步骤S7中，所述故障识别模型的图像包含有可见光图像，若所述待测图像的电力设备发生故障，将所述待测图像输入所述故...

【专利技术属性】
技术研发人员：舒坚，余克光，谢伟宏，杨刚，吴添权，陈伟杰，徐腾，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司潮州供电局，
类型：发明
国别省市：广东;44