一种变电站设备热故障诊断方法及系统技术方案

本发明专利技术涉及一种变电站设备热故障诊断方法及系统。该方法包括：对红外图像进行预处理；根据预处理后的红外图像确定对应的温度矩阵；采用K均值聚类算法对预处理后的红外图像进行变电设备目标与背景的粗分割；将Prewitt算子检测目标边缘得到的差分信息与Chan

【技术实现步骤摘要】
一种变电站设备热故障诊断方法及系统


[0001]本专利技术涉及变电站设备热故障诊断领域，特别是涉及一种变电站设备热故障诊断方法及系统。

技术介绍

[0002]随着国民生产生活对电能需求逐渐增加，电网规模也日益扩大，红外诊断技术的加入极大的提高了变电设备故障诊断的效率，但是利用红外成像诊断变电设备故障存在场景干扰大等问题。先对红外图像中感兴趣区域(Region of Interest,ROI)进行提取，之后进行故障诊断，可以有效减少场景干扰大的问题，便于变电设备红外故障诊断的推广。
[0003]其中，现有技术中对变电设备红外故障诊断的方法如下：(1)基于红外图像处理的变电设备热故障自动诊断方法，实现对目标设备的提取，并根据设备的像素统计图的极值规律及故障诊断判据，对设备区域结构划分并诊断。其优势在于能够对变电设备热故障进行自动诊断，但阈值分割对邻域、噪声等因素考虑欠佳，导致设备结构区域划分不当，易造成误诊断。(2)深度学习的电力设备红外图像故障诊断方法，基于MobileNet轻量化网络进行迁移学习，利用比色条和温度极值拟合出图像灰度与实际温度函数关系，根据得到的热点温度对比故障诊断规范实现故障的自动诊断。其优势在于能够准确高效地对设备故障与否实现判断，但存在前期数据的采集与标注费时费力的问题。(3)电力设备IR图像特征提取及故障诊断方法研究，采用粒子群算法(PSO)与Niblack算法提取电力设备红外图像特征，结合交叉验证和改进蝙蝠算法对SVM进行参数优化，并利用优化后的SVM实现设备故障诊断。其优势在于特征提取和故障诊断方面精度较高，但此方法难以提取出复杂特征，并且特征选取的难度较大，因此模型泛化能力难以保证。
[0004]基于上述问题，亟需一种新的变电站设备热故障诊断方法或系统以提高变电站设备热故障诊断的准确性。

技术实现思路

[0005]本专利技术的目的是提供一种变电站设备热故障诊断方法及系统，能够提高变电站设备热故障诊断的准确性。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种变电站设备热故障诊断方法，包括：
[0008]获取变电站设备的红外图像；
[0009]对所述红外图像进行预处理；所述预处理包括：滤波和灰度化；
[0010]根据预处理后的红外图像确定对应的温度矩阵；
[0011]采用K均值聚类算法对所述预处理后的红外图像进行变电设备目标与背景的粗分割；
[0012]将Prewitt算子检测目标边缘得到的差分信息与Chan
‑
Vese模型进行结合，确定改进后的Chan
‑
Vese模型；
[0013]将粗分割后的红外图像作为改进后的Chan
‑
Vese模型的初始分割条件，利用改进后的Chan
‑
Vese模型对粗分割后的红外图像进行变电设备目标与背景的细分割，确定变电设备中待诊断的目标位置；
[0014]根据所述待诊断的目标位置与所述温度矩阵，确定所述待诊断的目标位置的温度；
[0015]根据所述待诊断的目标位置的温度对所述变电站设备热故障进行诊断。
[0016]可选地，所述将Prewitt算子检测目标边缘得到的差分信息与Chan
‑
Vese模型进行结合，确定改进后的Chan
‑
Vese模型，具体包括：
[0017]利用公式确定改进后的Chan
‑
Vese模型的能量函数；
[0018]其中，E(C,c1,c2)为改进后的Chan
‑
Vese模型的能量函数，图像域Ω中的图像u0(x,y)被闭合曲线C划分为目标inside(C)和背景outside(C)，μ≥0,η≥0,λ1≥0,λ2≥0均为固定参数，通常定义λ1＝λ2＝1和η＝0，s1和s2是轮廓内外具有差分信息的灰度均值，由Prewitt算子进行运算，L(C)为长度能量约束项，S(C)为面积能量约束性。
[0019]可选地，所述根据所述待诊断的目标位置与所述温度矩阵，确定所述待诊断的目标位置的温度，具体包括：
[0020]利用公式f:I
→
T将所述待诊断的目标位置与温度矩阵进行映射，得到所述待诊断的目标位置的温度；
[0021]其中，T为温度矩阵f为映射函数，I为目标位置矩阵。
[0022]可选地，所述根据所述待诊断的目标位置的温度对所述变电站设备热故障进行诊断，具体包括：
[0023]根据所述待诊断的目标位置的温度，采用同类比较判断法、相对温差判断法或表面温度判断法对所述变电站设备热故障进行诊断。
[0024]一种变电站设备热故障诊断系统，包括：
[0025]红外图像获取模块，用于获取变电站设备的红外图像；
[0026]红外图像预处理模块，用于对所述红外图像进行预处理；所述预处理包括：滤波和灰度化；
[0027]温度矩阵确定模块，用于根据预处理后的红外图像确定对应的温度矩阵；
[0028]红外图像粗分割模块，用于采用K均值聚类算法对所述预处理后的红外图像进行变电设备目标与背景的粗分割；
[0029]改进后的Chan
‑
Vese模型确定模块，用于将Prewitt算子检测目标边缘得到的差分信息与Chan
‑
Vese模型进行结合，确定改进后的Chan
‑
Vese模型；
[0030]红外图像细分割模块，用于将粗分割后的红外图像作为改进后的Chan
‑
Vese模型的初始分割条件，利用改进后的Chan
‑
Vese模型对粗分割后的红外图像进行变电设备目标与背景的细分割，确定变电设备中待诊断的目标位置；
[0031]待诊断的目标位置的温度确定模块，用于根据所述待诊断的目标位置与所述温度矩阵，确定所述待诊断的目标位置的温度；
[0032]热故障诊断模块，用于根据所述待诊断的目标位置的温度对所述变电站设备热故障进行诊断。
[0033]可选地，所述改进后的Chan
‑
Vese模型确定模块具体包括：
[0034]改进后的Chan
‑
Vese模型的能量函数确定单元，用于利用公式确定改进后的Chan
‑
Vese模型的能量函数；
[0035]其中，E(C,c1,c2)为改进后的Chan
‑
Vese模型的能量函数，图像域Ω中的图像u0(x,y)被闭合曲线C划分为目标inside(C)和背景outside(C)，μ≥0,η≥0,λ1≥0,λ2≥0均为固定参数，通常定义λ1＝λ2＝1和η＝0，s1和s2是轮廓内外具有差分信息的灰度均值，由Prewitt算子进行运算，L(C)为长度能量约束项，S(C)为面积能量约束性。
[0036]可选地，所述待诊断的目标位置的温度确定模块具体包括：
[0037]待诊断的目标位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站设备热故障诊断方法，其特征在于，包括：获取变电站设备的红外图像；对所述红外图像进行预处理；所述预处理包括：滤波和灰度化；根据预处理后的红外图像确定对应的温度矩阵；采用K均值聚类算法对所述预处理后的红外图像进行变电设备目标与背景的粗分割；将Prewitt算子检测目标边缘得到的差分信息与Chan
‑
Vese模型进行结合，确定改进后的Chan
‑
Vese模型；将粗分割后的红外图像作为改进后的Chan
‑
Vese模型的初始分割条件，利用改进后的Chan
‑
Vese模型对粗分割后的红外图像进行变电设备目标与背景的细分割，确定变电设备中待诊断的目标位置；根据所述待诊断的目标位置与所述温度矩阵，确定所述待诊断的目标位置的温度；根据所述待诊断的目标位置的温度对所述变电站设备热故障进行诊断。2.根据权利要求1所述的一种变电站设备热故障诊断方法，其特征在于，所述将Prewitt算子检测目标边缘得到的差分信息与Chan
‑
Vese模型进行结合，确定改进后的Chan
‑
Vese模型，具体包括：利用公式确定改进后的Chan
‑
Vese模型的能量函数；其中，E(C,c1,c2)为改进后的Chan
‑
Vese模型的能量函数，图像域Ω中的图像u0(x,y)被闭合曲线C划分为目标inside(C)和背景outside(C)，μ≥0,η≥0,λ1≥0,λ2≥0均为固定参数，通常定义λ1＝λ2＝1和η＝0，s1和s2是轮廓内外具有差分信息的灰度均值，由Prewitt算子进行运算，L(C)为长度能量约束项，S(C)为面积能量约束性。3.根据权利要求1所述的一种变电站设备热故障诊断方法，其特征在于，所述根据所述待诊断的目标位置与所述温度矩阵，确定所述待诊断的目标位置的温度，具体包括：利用公式f:I
→
T将所述待诊断的目标位置与温度矩阵进行映射，得到所述待诊断的目标位置的温度；其中，T为温度矩阵f为映射函数，I为目标位置矩阵。4.根据权利要求1所述的一种变电站设备热故障诊断方法，其特征在于，所述根据所述待诊断的目标位置的温度对所述变电站设备热故障进行诊断，具体包括：根据所述待诊断的目标位置的温度，采用同类比较判断法、相对温差判断法或表面温度判断法对所述变电站设备热故障进行诊断。5.一种变电站设备热故障诊断系统，其特征在于，包括：红外图像获取模块，用于获取变电站设备的红外图像；红外图...

【专利技术属性】
技术研发人员：李冰，王天，胡东阳，翟永杰，赵振兵，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：