【技术实现步骤摘要】
一种基于深度学习的智能变电站设备状态检测方法和系统
本专利技术涉及智能变电站设备检测
，具体涉及一种基于深度学习的智能变电站设备状态检测方法和系统。
技术介绍
基于随着用电量不断增长，电力系统需要通过变电站实现输配电线路的大规模互联，以满足用户需求。一旦变电站设备故障，电网超负荷运行下容易出现异常情况，进而影响系统的稳定可靠性。因此需要在变电站内配置监控设备，以实时监测站内设备状态，并在发现设备异常时上报工作人员。电力系统中绝缘子故障一直是常见的设备问题，一旦电力变压器、配电绝缘体等变电设备的套管绝缘失效，造成电力中断，会给电网造成严重损失。但依靠人工检查监测变电站设备的状态是一项很耗时的工作，并且很难全面地查找出设备故障。而使用热像仪监测变电站设备状态能够获取较为准确的图像，工作人员根据图像掌握设备状态以采取适当的措施。但该监测方式周期较长，并且微小故障持续时间长，缺乏对其连续监测可能会导致危险的发生。目前常用的措施是在变电站上方安装低功率热像仪以监测设备，利用热像仪采集热信号，进行设备状态监测分析。...
【技术保护点】
1.一种基于深度学习的智能变电站设备状态检测方法，通过在智能变电站内安装热像仪，其特征在于：热像仪至少包括四个，在智能变电站的四个拐角设定的高度；/n还包括远程终端单元和站用监控中心，热像仪、远程终端单元和占用监控中心依次通信连接；/n还包括以下步骤：/n利用热像仪采集智能变电站的设备状态图像数据，并把设备状态图像数据上传至远程终端单元进行图像分析；/n采用中值滤波和侵蚀技术对远程终端单元中的设备热图像进行预处理；/n利用加速鲁棒特征法对预处理后的图像进行特征提取，以初步监测设备状态；/n通过训练好的深度学习模型，对图像特征进行深层次分析，检测可能存在故障的设备，并将有关此...
【技术特征摘要】
1.一种基于深度学习的智能变电站设备状态检测方法，通过在智能变电站内安装热像仪，其特征在于：热像仪至少包括四个，在智能变电站的四个拐角设定的高度；
还包括远程终端单元和站用监控中心，热像仪、远程终端单元和占用监控中心依次通信连接；
还包括以下步骤：
利用热像仪采集智能变电站的设备状态图像数据，并把设备状态图像数据上传至远程终端单元进行图像分析；
采用中值滤波和侵蚀技术对远程终端单元中的设备热图像进行预处理；
利用加速鲁棒特征法对预处理后的图像进行特征提取，以初步监测设备状态；
通过训练好的深度学习模型，对图像特征进行深层次分析，检测可能存在故障的设备，并将有关此设备状况的关键信息通过调制解调器即时发送到变电站监控中心。
2.根据权利要求1所述的基于深度学习的智能变电站设备状态检测方法，其特征在于：还包括如果未检测到故障，则从返回到初始步骤开始迭代过程。
3.根据权利要求2所述的基于深度学习的智能变电站设备状态检测方法，其特征在于：所述利用热像仪采集智能变电站的设备状态图像数据；
包括：
利用热像仪采集设备的实时热像和原始彩色图像，并应用光学识别方法，找出图像中的最高和最低温度。
4.根据权利要求3所述的基于深度学习的智能变电站设备状态检测方法，其特征在于：所述采用中值滤波和侵蚀技术对远程终端单元中的设备热图像进行预处理；
包括：
利用中值滤波技术对远程终端单元中图像进行降噪处理；即利用中值滤波器考虑图像中的像素，并将其与邻近像素进行比较，以检查其是否代表周围像素，然后用相邻像素值的中值替换每个像素值。
5.根据权利要求1所述的基于深度学习的智能变电站设备状态检测方法，其特征在于：所述利用加速鲁棒特征法对预处理后的图像进行特征提取，以初步监测设备状态；
加速鲁棒特征法即SURF，SURF特征提取包括兴趣点检测和尺度两个步骤：
包括：
(1)兴趣点检测，SURF使用方形滤波器进行高斯平滑的估计，其特征Ω(x,y)是：
式中，W(i,j)为图像中的点坐标，利用不可替代的图像可以快速地对矩形内主图像进行求和；
该特征利用Hessian矩阵的blob标识符识别关键点，SURF没有使用Hessian-Laplacian定位器，而是使用Hessian的行列式选择比例尺，由Lindeberg完成定位；
假设图W中的点P＝(x,y)具有标度ω和点P的Hessian矩阵H(P...
【专利技术属性】
技术研发人员：李远松，高博，丁津津，汪玉，李圆智，徐斌，郑国强，杨娴，陈欢，王丽君，孙辉，张峰，汪勋婷，何开元，须琳，徐晨，
申请(专利权)人：安徽新力电业科技咨询有限责任公司，国网安徽省电力有限公司电力科学研究院，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。