【技术实现步骤摘要】
一种基于神经计算棒的配网变压器实时检测方法及系统
[0001]本专利技术涉及人工智能
，尤其涉及一种基于神经计算棒的配网变压器实时检测方法及系统。
技术介绍
[0002]为了实现变电站主要电力设备的智能化管理，保障电力系统安全可靠运行，电力公司加强了对电力设备运行监测方法和手段。目前，基于红外热像仪带电检测、无人机巡检、视频在线监测等大力推广和使用，产生了海量的可见光和红外图像，但主要还是采取人工分析的方式处理主要设备的各项问题。这种方式会导致大量人力资源的浪费，还会由于缺乏客观性导致出错。因此，利用图像识别技术进行电力设备目标智能识别对于后续的电力设备的故障检测和诊断非常必要，这种方式不仅能降低人工工作量，还可避免人为检测实物导致的误判，达到提高检测的准确性的目的。
[0003]目前，人工智能在电力行业逐渐应用，对于配网的变压器识别的过程，传统的解决方案是通过图像处理的方式离线识别但是存在识别效果较差的问题，也有采用深度学习的方式但模型部署在GPU服务器上，这样成本较高，所提供的在线服务AI接口，在网络良好的...
【技术保护点】
【技术特征摘要】
1.一种基于神经计算棒的配网变压器实时检测方法，其特征在于：包括，利用yolo3目标检测策略采集待检测的配网变压器图片并转化为图像数据传输到图像传感器内进行仿射变换输出相应的实际位置；利用气相色谱分析法采集变压器中的变压器油特征气体，融合WSMOTE策略进行预处理；基于分布式序贯评估气体泄露源位置策略构建定位模型检测所述配网变压器实际位置和预处理后的所述特征气体，结合AI加速器实时加快所述定位模型定位判断进程，输出定位结果；将所述定位结果导入贝叶斯分析模型内进行二次验证判定，得到所述配网变压器的位置信息并利用移动终端或树莓派显示器实时显示结果。2.根据权利要求1所述的基于神经计算棒的配网变压器实时检测方法，其特征在于：采集所述配网变压器图片并进行仿射变换输出所述实际位置包括，利用摄像头持续探测变压器桩头截面面积特征，结合所述yolo3目标检测策略进行实时检测；当检测所述变压器桩头截面面积特征时，若检测结果为否，则继续进行该特征检测，直至检测到所述变压器桩头截面面积特征时再进行对变压器铭牌的检测；当检测所述变压器铭牌时，若检测结果为否，则继续进行该检测，直至检测到所述变压器铭牌时再进行对配网设备环境的检测；检测所述配网设备环境中有无所述配网变压器时，若检测结果为否，则直接返回检测所述变压器桩头截面面积特征这一动作并重新进行检测，若所述检测结果为是，则返回至所述变压器桩头坐标；对所述变压器桩头bbox中心点坐标进行计算，且以point2f格式按照采集的图片顺序保存坐标值；将所述坐标值进行放射变换转换为相对配网设备的实际坐标，并利用变换后的所述实际坐标计算轨迹，得到所述变压器在所述配网设备中的位置。3.根据权利要求1或2所述的基于神经计算棒的配网变压器实时检测方法，其特征在于：计算所述轨迹需提前训练神经网络模型，包括，利用所述摄像头采集所述配网设备环境视频数据并转换为一帧帧的图片数据进行保存；对每帧所述图片数据生成同样尺寸的png图片，且标注出所述变压器桩头截面位置、铭牌位置和所述变压器在各电气设备中所处位置；分别获得1000张1920*1080分辨率的图片和同样张数的标注数据，将其输入构建的所述神经网络模型内；设置训练参数，训练所述神经网络模型直至准确输出所述轨迹数据。4.根据权利要求3所述的基于神经计算棒的配网变压器实时检测方法，其特征在于：预处理所述特征气体包括，将采集的所述变压器油特征气体进行标注划分，构建样本数据集；利用基于权值的过采样策略生成分类器，对所述分类器进行N轮迭代训练；每轮迭代训练中分别使用不同权值分布的所述样本数据集，并对其进行更新、学习和
修改直至生成一个新分类器和新的样本，且所述新样本添加至原有的所述数据集中；当结束所述N轮迭代训练时，则将生成的所述分类器全部整合在一起并输出处理结果。5.根据权利要求4所述的基于神经计算棒的配网变压器实时检测方法，其特征在于：构建所述定位模型包括，利用湍流扩散理论构建时均气体扩散模型，同时结合气体浓度随传播距离增加而衰减的特性建立传感器节点在t时刻的观测模型；利用传感器节点之间信息增益参数与网络通信链路能耗参数构建信息融合目标函数，计算分布式最小均方误差预测量确定气体泄露源位置参数；基于所述信息融合目标函数及所述yolo3多目标检测策略构建所述定位模型，且根据所述预测量的均方误差实时调整相邻...
【专利技术属性】
技术研发人员：王林波，王冕，曾惜，杨凤生，王元峰，杨金铎，王恩伟，王宏远，刘畅，马庭桦，兰雯婷，熊萱，龙思璇，刘婷，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
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。