【技术实现步骤摘要】
电力设备过热检测方法、装置、电子设备与存储介质
[0001]本专利技术涉及电力设备故障检测
，尤其涉及一种电力设备过热检测方法、装置、电子设备与存储介质。
技术介绍
[0002]电力的正常供给是保障人们日常工作生活的重要手段之一，在电力工业中，电力设备是构成电网的基本单位，而电力设备的安全稳定运行是保证电网可靠供电的关键。电力设备大致可划分为发电设备、变电站电力设备、输电设备、用电设备这四种类型。其中，变电站电力设备是电力系统中转换电压、接受和调节电压的电力设施，主要包括避雷器、变压器、隔离开关、电缆、电抗器等重要组成部分。在实际应用中，由于变电站电力设备长时间在各种恶劣天气、重负荷下连续运行，从而很容易发生局部过热而引起故障或损坏，甚至导致大范围停电的问题，为了保证变电站电力设备的正常稳定运行，经常检查变电站电力设备的工作状态是非常有必要的，由此可见，对于变电站电力设备异常发热状态进行实时检测已成为近年来的一项重要任务。
[0003]目前而言，红外成像仪作为一种非接触、无损检测技术，在变电站电力设备的异常热状态检测中得到了较为广泛应用，在相关技术中，电力运维人员通常需手持红外热成像仪对变电站电力设备进行观察，通过比对红外图像中变电站电力设备表面的温度分布以判断电力设备的某个位置是否存在过热区域。然而采用这种检测方式，不仅对电力运维人员的经验、技术、心理素质都有较高要求，且这种劳动密集型人工检测方式，容易发生危险事故且检测效率低下，同时在通常情况下，不同变电站电力设备的温度分布不一致，收集的红外图像往往...
【技术保护点】
【技术特征摘要】
1.一种电力设备过热检测方法，其特征在于，所述方法包括：获取需要进行过热检测的电力设备红外图像，将所述电力设备红外图像输入至变电站电力设备的过热检测模型，所述过热检测模型至少包括特征提取模块、特征融合模块以及检测模块；通过所述特征提取模块对所述电力设备红外图像进行连续空间域视觉识别处理，提取出第一特征图、第二特征图以及第三特征图；将所述第一特征图、所述第二特征图以及所述第三特征图分别输入至所述特征融合模块进行深层特征强化处理，输出第一强化特征图、第二强化特征图以及第三强化特征图；将所述第一强化特征图、所述第二强化特征图以及所述第三强化特征图输入至检测模块进行特征增强融合处理，输出第一增强融合特征图、第二增强融合特征图以及第三增强融合特征图，并确定所述第一增强融合特征图、所述第二增强融合特征图以及所述第三增强融合特征图各自对应的检测头；基于各个所述检测头对所述电力设备红外图像中变电站电力设备的对应位置进行过热检测。2.根据权利要求1所述的电力设备过热检测方法，其特征在于，所述通过所述特征提取模块对所述电力设备红外图像进行连续空间域视觉识别处理，提取出第一特征图、第二特征图以及第三特征图，包括：将所述电力设备红外图像输入所述特征提取模块连续进行两次标准卷积处理，获得输入特征图，接着对所述输入特征图进行连续空间域卷积处理，获得输出特征图；对所述输出特征图先进行最大值池化处理，再进行连续空间域卷积处理，提取出第一特征图；对所述第一特征图先进行最大值池化处理，再进行连续空间域卷积处理，提取出第二特征图；对所述第二特征图先进行最大值池化处理，再进行连续空间域卷积处理，接着进行空间池化处理，提取出第三特征图。3.根据权利要求2所述的电力设备过热检测方法，其特征在于，所述特征提取模块至少包括连续空间域卷积子模块，所述对所述输入特征图进行连续空间域卷积处理，获得输出特征图，包括：将所述输入特征图输入至所述连续空间域卷积子模块进行分组卷积处理，获得临近局部上下文静态特征，接着对所述输入特征图进行降维卷积处理，获得输入值特征矩阵；将所述临近局部上下文静态特征与所述输入特征图对应的原始特征进行堆叠卷积处理，获得动态多头自注意力特征图；将所述动态多头自注意力特征图与所述输入值特征矩阵进行相乘，获得全局动态上下文特征信息；将所述临近局部上下文静态特征与所述全局动态上下文特征信息进行元素相加融合处理，获得输出特征图。4.根据权利要求3所述的电力设备过热检测方法，其特征在于，所述将所述输入特征图输入至所述连续空间域卷积子模块进行分组卷积处理，获得临近局部上下文静态特征，接着对所述输入特征图进行降维卷积处理，获得输入值特征矩阵，包括：
将所述输入特征图输入至所述连续空间域卷积子模块进行3
×
3分组卷积处理，获得临近局部上下文静态特征；提取所述输入特征图的原始特征；对所述输入特征图进行1
×
1降维卷积处理，获得输入值特征矩阵；计算公式如下所示：；其中，X为输入特征图，Q为临近局部上下文静态特征，K1为输入特征图X的原始特征，V为输入值特征矩阵，f
k
×
k
为卷积核大小为k
×
k的卷积层，W
v
为1
×
1卷积层的权值矩阵。5.根据权利要求4所述的电力设备过热检测方法，其特征在于，所述将所述临近局部上下文静态特征与所述输入特征图对应的原始特征进行堆叠卷积处理，获得动态多头自注意力特征图，包括：将所述临近局部上下文静态特征与所述输入特征图对应的原始特征先进行堆叠处理，再连续进行两次1
×
1降维卷积处理，获得动态多头自注意力特征图，计算公式如下：；其中，表示特征的堆叠处理，W1与W2为对应1
×
1降维卷积处理的权值矩阵；则所述将所述动态多头自注意力特征图与所述输入值特征矩阵进行相乘，获得全局动态上下文特征信息，包括：采用公式计算全局动态上下文特征信息K2。6.根据权利要求2所述的电力设备过热检测方法，其特征在于，所述将所述第一特征图、所述第二特征图以及所述第三特征图分别输入至所述特征融合模块进行深层特征强化处理，输出第一强化特征图、第二强化特征图以及第三强化特征图，包括：对所述第三特征图进行标准卷积处理以及深层特征信息提取处理之后，与经过标准卷积处理之后的第二特征图进行堆叠处理，获得第一堆叠特征图，对所述第一堆叠特征图进行连续空间域卷积处理，获得初步强化特征图；对所述初步强化特征图进行标准卷积处理以及深层特征信息提取处理之后，与经过标准卷积处理之后的第一特征图进行堆叠处理，获得第二堆叠特征图，对所述第二堆叠特征图进行连续空间域卷积处理，输出第一强化特征图；对所述第一强化特征图进行标准卷积处理之后，与所述初步强化特征图进行堆叠处理，获得第三堆叠特征图，对所述第三堆叠特征图进行连续空间域卷积处理，输出第二强化特征图；对所述第二强化特征图进行标准卷积处理之后，与所述第三特征图进行堆叠处理，获得第四堆叠特征图，对所述第四堆叠特征图进行连续空间域卷积处理，输出第三强化特征图。7.根据权利要求6所述的电力设备过热检测方法，其特征在于，所述特征融合模块至少包括深层特征信息提取子模块，则所述深层特征信息提取处理的步骤，包括：
将需要进行深层特征提取的输入特征信息输入至深层特征信息提取子模块，对所述输入特征信息进行7
×
7卷积处理以及批处理归一化处理之后，通过激活函数进行线性修正，获得修正特征信息；对所述修正特征信息进行全局特征信息提取处理，获得对应的全局特征信息，对所述修正特征信息进行视觉中心特征提取处理，获得对应的视觉中心特征信息，将所述全局特征信息与所述视觉中心特征信息进行串联堆叠，获得输出特征信息；计算公式如下所示：；；其中，X
in
为深层特征信息提取子模块的输入特征信息，f7×7为卷积核大小为7
×
7的卷积层，BN(
·
)表示批处理归一层，σ(
·
)表示ReLU激活函数，X'
in
表示修正特征信息，MLP(X'
in
)表示全局特征信息，LVC(X'
in
)表示视觉中心特征信息，cat(
·
)表示沿特征图通道进行串联堆叠，F
EVC
表示为深层特征信息提取子模块的输出特征信息。8.根据权利要求1或6所述的电力设备过热检测方法，其特征在于，所述检测模块至少包括特征增强融合子模块，所述将所述第一强化特征图、所述第二强化特征图以及所述第三强化特征图输入至检测模块进行特征增强融合处理，输出第一增强融合特征图、第二增强融合特征图...
【专利技术属性】
技术研发人员：吴悦园，林丽霞，陈浩，李华轩，李杏，康钱江，庄凤彩，陈晓儒，王斌，陈智豪，陈婷，吴瑜，陈江，冯文秋，
申请(专利权)人：广东电网有限责任公司湛江供电局，
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。