一种电力设备诊断方法及系统技术方案

本发明专利技术公开了一种电力设备诊断方法及系统，通过将超声波频谱图片、可见光图像以及红外热成像输入到卷积神经网络生成电力设备的诊断信息；本发明专利技术基于多种不同类型的图像对设备故障进行定位，根据多种不同类型的图像，采用卷积神经网络生成电力设备的诊断信息，提高了故障定位的准确率，解决了现有超声波局部放电检测仪仅依靠超声波信号作为卷积神经网络的输入，导致在进行故障定位时准确率不高的问题。

【技术实现步骤摘要】
一种电力设备诊断方法及系统
本专利技术涉及配电设备检修
，特别是涉及一种电力设备诊断方法及系统。
技术介绍
配电线路巡视工作是配电专业日常运维管理的重要工作。我国配电线路以架空方式为主，在线路运行过程中，如高压电气设备长期存在局部放电，会加速设备老化，最终导致故障发生。架空线路设备发生局部放电时仅凭巡视人员肉眼与耳朵很难发现，特别是一些轻微的局部放电。随着我国电力企业对生产运维精益化要求不断提高，新设备、新材料的持续增长以及配网设备整体规模数量的急剧增加，导致现场检修、日常运行维护工作剧增，生产结构性缺员与供电可靠性要求的矛盾日益突出。传统的通过外观检查、手工记录开展配电线路日常巡视检查的工作方式，无法对设备状态机潜伏性故障有效掌握，特别是当前我国对输配电设备施行定期检修等方式，针对性不强。传统检测无法掌握设备的潜伏性故障，对设备状态难以真实有效地进行评价，以致检修策略缺乏针对性，可能导致设备“失修”、“过修”的问题频频出现。传统的计划检修和例行试验需要对线路进行停电，客观上降低了供电可靠性指标，也可能因检修周期过长的影响无法及时掌控设备本文档来自技高网...

【技术保护点】
1.一种电力设备诊断方法，其特征在于，包括：/n获取电力线路的超声波信号、可见光图像以及红外热成像；/n根据所述超声波信号生成超声波频谱图片；/n将所述超声波频谱图片、可见光图像以及红外热成像输入到卷积神经网络生成电力设备的诊断信息；所述诊断信息包括电力设备的缺陷分类、电力设备的故障类型以及电力设备的剩余寿命。/n

【技术特征摘要】
1.一种电力设备诊断方法，其特征在于，包括：
获取电力线路的超声波信号、可见光图像以及红外热成像；
根据所述超声波信号生成超声波频谱图片；
将所述超声波频谱图片、可见光图像以及红外热成像输入到卷积神经网络生成电力设备的诊断信息；所述诊断信息包括电力设备的缺陷分类、电力设备的故障类型以及电力设备的剩余寿命。


2.根据权利要求1所述的电力设备诊断方法，其特征在于，所述根据所述超声波信号生成超声波频谱图片，具体包括：
根据所述超声波信号得到超声波信号的时域信号x(t)；
采用公式得到超声波信号的变换矩阵Xa，b；其中t为时间，ψ()为小波母函数，a为尺度因子，b为平移因子；
根据所述变换矩阵Xa，b生成所述超声波频谱图片。


3.根据权利要求1所述的电力设备诊断方法，其特征在于，所述将所述超声波频谱图片、可见光图像以及红外热成像输入到卷积神经网络生成电力设备的诊断信息，之前还包括：
对所述可见光图像进行图像增强；
对所述红外热成像进行动态范围压缩。


4.根据权利要求1所述的电力设备诊断方法，其特征在于，所述将所述超声波频谱图片、可见光图像以及红外热成像输入到卷积神经网络生成电力设备的诊断信息，具体包括：
将所述超声波频谱图片、所述可见光图像以及所述红外热成像进行叠加，生成叠加特征图；所述叠加特征图的图像通道包括所述可见光图像的红色通道、所述可见光图像的绿色通道、所述可见光图像的蓝色通道、所述红外热成像的灰度图谱和所述超声波频谱图片；
将所述叠加特征图输入到卷积神经网络生成电力设备的诊断信息。


5.根据权利要求4所述的电力设备诊断方法，其特征在于，所述将所述叠加特征图输入到卷积神经网络生成电力设备的诊断信息，具体包括：
所述卷积神经网络包括第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层；
所述叠加特征图依次经第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层和第二全连接层生成电力设备的故障类型；
根据所述电力设备的故障类型确定电力设备的缺陷分类以及电力设备的剩余寿命。


6.一种电力设备诊断系统，其特征在于，包括：
图像获取模块，用于获取电力线...

【专利技术属性】
技术研发人员：张涛允，熊鹏，秦源汛，张广东，何红太，张玉刚，桂菲菲，白文远，王津，薛玲，张发刚，刘康，何卫锋，
申请(专利权)人：北京国网富达科技发展有限责任公司，
类型：发明
国别省市：北京;11