一种基于多源特征信息融合的电力设备缺陷诊断方法技术

本申请公开了一种基于多源特征信息融合的电力设备缺陷诊断方法，包括：获取同一探测范围内待检测区域的第一图像、第二图像以及声音数据；基于小波变换法，根据第一图像和第二图像，生成融合图像，并根据声音数据，对融合图像进行标注，生成样本数据集；基于BP神经网络生成初始缺陷诊断模型，并根据样本数据集对初始缺陷诊断模型进行训练，以确定模型参数；根据模型参数和初始缺陷诊断模型，生成电力设备缺陷诊断模型，电力设备缺陷诊断模型用于根据待检测电力设备的第一图像、第二图像以及声音数据进行故障识别，以生成故障预测框。通过本申请中的技术方案，能够有效对电力设备进行故障检测，提升电网运行的稳定性。提升电网运行的稳定性。提升电网运行的稳定性。

【技术实现步骤摘要】
一种基于多源特征信息融合的电力设备缺陷诊断方法


[0001]本申请涉及电力设备检测的
，具体而言，涉及一种基于多源 特征信息融合的电力设备缺陷诊断方法。

技术介绍

[0002]国内在电力能源方面的需求越来越高，电力设备维护是不能忽视的问 题。在电力设备缺陷检测的现有技术中，通常分为三种检测手段，包括： 红外热图像检测、可见光图像检测、以及声音数据检测。
[0003]1)红外热图像可提供完整的目标温度信息，但背景信息模糊不清，不 能准确识别出设备过热的具体部位；
[0004]2)可见光图像能提供较全面的背景信息，但目标缺陷信息不明显；
[0005]3)声音数据能提供频率等声音参数信息、对应同视角拍摄图像的位置 信息等其他参数信息，根据位置信息可定位到对应同视角拍摄图像上的位 置，将频率等声音参数信息，与电力设备缺陷类型进行结合，虽然可在终 端数据库中寻找合适的解决方案，但单独声音数据无法准确得到电力设备 缺陷类型等信息，存在得到的电力设备缺陷检测信息不全的问题。
[0006]而现有技术中，通常将红外热图像和可见光图像融合，从而在电力环 境中进行电力设备缺陷检测，但是，并没有将声音数据提供到的频率等参 数信息运用其中，即在得到缺陷类型的同时，无法根据电力设备受缺陷的 程度实时找到解决方案，不利于对缺陷设备进行精准维护。

技术实现思路

[0007]本申请的目的在于：通过获取原始多源数据，至少包括可见光图像、 红外热图像、声音数据，在数据处理与融合机制上对原始多源数据进行处 理，然后训练得出电力设备缺陷检测模型，预测时可得到电力设备的缺陷 类型和对应的频率等声音参数信息，进而根据设备的缺陷类型和缺陷设备 的声音数据对应的频率等参数信息，与终端数据库进行匹配，以便找出缺 陷解决方案。
[0008]本申请的技术方案是：提供了一种基于多源特征信息融合的电力设备 缺陷诊断方法，该方法包括：步骤1，获取同一探测范围内待检测区域的第 一图像、第二图像以及声音数据；步骤2，基于小波变换法，根据第一图像 和第二图像，生成融合图像，并根据声音数据，对融合图像进行标注，生 成样本数据集；步骤3，基于BP神经网络生成初始缺陷诊断模型，并根据 样本数据集对初始缺陷诊断模型进行训练，以确定模型参数；步骤4，根据 模型参数和初始缺陷诊断模型，生成电力设备缺陷诊断模型，电力设备缺 陷诊断模型用于根据待检测电力设备的第一图像、第二图像以及、声音数 据进行故障识别，以生成故障预测框，其中，故障预测框中标注有预测标 签，预测标签用于判断待检测电力设备是否故障。
[0009]上述任一项技术方案中，进一步地，声音数据由声音传感器阵列采集 得到，声音
传感器阵列被排布为混十字
‑
螺旋阵20声呐阵型，声音传感器阵 列的探测范围与图像获取设备的探测范围重合，图像获取设备用于获取第 一图像、第二图像。
[0010]上述任一项技术方案中，进一步地，预设融合条件包括低频预设融合 条件和高频预设融合条件，步骤2，具体包括：步骤21，采用小波变换法， 并按照图像所在位置，对滤波处理后的第一图像和第二图像进行逐级分解； 步骤22，根据低频预设融合条件，将相同位置处、分解得到的第一低频图 像与第二低频图像进行低频融合，记作融合低频图像；步骤23，根据高频 预设融合条件，以及分解得到的第一高频图像和第二高频图像所在的位置， 依次选取每一级分解出的、相同位置处的第一高频图像或第二高频图像， 记作该位置处的融合高频图像；步骤24，采用小波逆变换法，根据融合低 频图像和不同位置处的融合高频图像，生成融合图像。
[0011]上述任一项技术方案中，进一步地，步骤23，具体包括：步骤231， 将相同级别的第一高频图像拆分为大小相等的多个第三子块图像、以及第 二高频图像拆分为大小相等的多个第四子块图像，第三子块图像的数量等 于第四子块图像的数量；步骤232，计算第三子块图像、第四子块图像中的 像素平均值，依次选取同一级别下、相同位置处第三子块图像、第四子块 图像中像素平均值较大的图像，作为该位置处的融合高频图像。
[0012]上述任一项技术方案中，进一步地，步骤3中，故障检测模型的模型 参数由神经网络模型与样本融合图像确定，具体包括：
[0013]步骤31，获取电力设备运行状态下同一视角下的样本图像，并根据样 本图像生成样本融合图像；
[0014]步骤32，构建神经网络模型，神经网络模型包括正向传播路径和反向 传播路径，在反向传播路径中引入动量因子，对反向传播路径中的权值和 阈值进行调节，其中，调节权值和阈值的计算公式为：
[0015]Δω
ji
(k+1)＝(1
‑
mc(k))η(k)δ
j
x
ji
+mc(k)Δω
ji
(k)
[0016]Δb
j
(k+1)＝(1
‑
mc(k))η(k)δ
j
+mc(k)Δb
j
(k)
[0017][0018]式中，Δω
ji
(k+1)为第k+1次迭代的权值调整量，Δb
j
(k+1)为第k+1次 迭代的阈值调整量，mc(k)为第k次迭代时对应的动量因子，η(k)为第k次 迭代时对应的学习速率，δ
j
为节点j的误差项，x
ji
为节点i传递给节点j的 输入，i、j为节点的标号，E(k)为第k次迭代实际输出和期望输出的误差平 方和；
[0019]步骤33，将样本融合图像输入引入动量因子后的神经网络模型，根据 第k次迭代过程中反向传播路径回传的权值和阈值，进行第k+1次迭代， 当判定第k+1次迭代收敛时，将神经网络模型记作故障检测模型，将神经 网络模型的参数记作模型参数。
[0020]本申请的有益效果是：
[0021]本申请中的技术方案与现有技术相比优势在于：
[0022](1)本专利技术在数据处理与融合机制上进行了可见光图像和红外热图像 的图像实时采集和图像实时传输，并且能实现可见光图像与红外热图像的 高效融合。并且在该机制
上对接收的声音数据进行预处理。
[0023](2)本专利技术在标注图像时，将频率等声音参数信息加入其中，在预测 时不仅可得到设备状态，还可得到电力设备对应的声音信息，方便后续在 终端数据库中寻找解决方案。
[0024](3)本专利技术在训练所得到的融合图像的时候，使用ABPM算法，更新 模型参数。既可有效地抑制网络陷入局部极小，又有利于缩短学习时间。
[0025](4)本专利技术在减少重叠的预测框时，使用DCT
‑
Soft
‑
NMS方法，通过 动态改变阈值来减少同一个物体周围的多个预测框。此方法比传统方法效 果更好。
[0026](5)本专利技术声音传感器阵列中采用的麦克风阵列是混十字
‑
螺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源特征信息融合的电力设备缺陷诊断方法，其特征在于，所述方法包括：步骤1，获取同一探测范围内待检测区域的第一图像、第二图像以及声音数据；步骤2，基于小波变换法，根据所述第一图像和所述第二图像，生成融合图像，并根据所述声音数据，对所述融合图像进行标注，生成样本数据集；步骤3，基于BP神经网络生成初始缺陷诊断模型，并根据所述样本数据集对所述初始缺陷诊断模型进行训练，以确定模型参数；步骤4，根据所述模型参数和所述初始缺陷诊断模型，生成电力设备缺陷诊断模型，所述电力设备缺陷诊断模型用于根据待检测电力设备的第一图像、第二图像以及、声音数据进行故障识别，以生成故障预测框，其中，所述故障预测框中标注有预测标签，所述预测标签用于判断所述待检测电力设备是否故障。2.如权利要求1所述的基于多源特征信息融合的电力设备缺陷诊断方法，其特征在于，所述声音数据由声音传感器阵列采集得到，所述声音传感器阵列被排布为混十字
‑
螺旋阵20声呐阵型，所述声音传感器阵列的探测范围与图像获取设备的探测范围重合，所述图像获取设备用于获取所述第一图像、所述第二图像。3.如权利要求1所述的基于多源特征信息融合的电力设备缺陷诊断方法，其特征在于，所述预设融合条件包括低频预设融合条件和高频预设融合条件，其特征在于，所述步骤2，具体包括：步骤21，采用小波变换法，并按照图像所在位置，对滤波处理后的所述第一图像和所述第二图像进行逐级分解；步骤22，根据所述低频预设融合条件，将相同位置处、分解得到的第一低频图像与第二低频图像进行低频融合，记作融合低频图像；步骤23，根据所述高频预设融合条件，以及分解得到的第一高频图像和第二高频图像所在的位置，依次选取每一级分解出的、相同位置处的所述第一高频图像或所述第二高频图像，记作该位置处的所述融合高频图像；步骤24，采用小波逆变换法，根据所述融合低频图像和不同位置处的所述融合高频图像，生成所述融合图像。4.如权利要求3所述的基于多源特征信息融合的电力设备缺陷诊断方法，其特征在于，所述步骤23，具体包括：步骤231，将相同级别的所述第一高频图像拆分为大小相等的多个第三子块图像、以及所述第二...

【专利技术属性】
技术研发人员：曹冰，赵国伟，赵锐，薛震，赵磊，郝璐璐，
申请(专利权)人：国网山西省电力公司大同供电公司，
类型：发明
国别省市：