一种变电站远程红外智能巡检方法及系统技术方案

本发明专利技术公开了一种变电站远程红外智能巡检方法，克服了现有技术中变电站红外巡检工作依赖于人工现场巡视，质量不佳，检测效率低的问题，包括以下步骤：S1：在变电站内部署红外监测设备，对变电站进行巡检，采集变电站红外图像；S2：对采集的红外图像进行分析处理，构建卷积神经网络识别模型，判断变电站是否发生故障并在故障发生时进行报警；S3：对红外图像中的任意像素或区域，生成实时动态温度趋势曲线，并对生成的曲线进行分析；S4：根据采集的数据以及分析、识别结果，生成巡检报告。随时对变电站设备状态进行监测并自动分析，发现问题，可实现自动报警，大幅度减轻了巡检工作导致的人力消耗，提升了巡检质量。提升了巡检质量。

【技术实现步骤摘要】
一种变电站远程红外智能巡检方法及系统


[0001]本专利技术涉及变电站巡检
，特别涉及了一种变电站远程红外智能巡检方法及系统。

技术介绍

[0002]随着变电站规模快速增长，电网安全运行要求日益提高，变电设备的运行状态管理工作越来越重要。早期的传统视频在线监控技术，传输和存储的都是视频监控图像，因为它传输的是视频模拟信号，仅能得到的一个可观察的图像，获得的监测对象温度数据非常有限，几乎不具备后期分析对比功能，实用性也非常有限；无法获得电力设备随负荷变化的运行规律；无法及时发现电压致热型设备的微小温差并对其进行细致全面的分析；无法便捷及时的掌握设备缺陷的发展规律。
[0003]目前，在带电检测工作中，红外带电检测是缺陷检出率最高的检测方式，是及时发现电力设备缺陷的有效手段，变电站定期红外检测工作成为变电运维的一项重要工作。目前变电站红外检测主要采用便携式手持红外热像仪，由运维人员现场开展，部分部署巡检机器人站点，可实现机器人巡视辅助测温，均以周期性检测方式为主，而后期的数据录入、诊断分析则主要依靠人工进行，实际工作中，存在检测效率不高、数据归集难度大、时效性不强等问题。

技术实现思路

[0004]本专利技术的目的是克服现有技术中存在的变电站红外巡检工作依赖于人工现场巡视，无法实现远程巡检，且因为人工巡检限制，红外巡检角度受到限制，质量不佳，检测效率低的问题，提供了一种变电站远程红外智能巡检方法及系统，可以实现足不出户便完成变电站设备的红外巡检，随时对变电站设备状态进行监测并自动分析，发现问题，可实现自动报警，也可利用本专利技术对隐患点进行实时监测跟踪，大幅度减轻了巡检工作导致的人力消耗，提升了巡检质量。
[0005]为了实现上述目的，本专利技术采用以下技术方案：一种变电站远程红外智能巡检方法，包括下列步骤：
[0006]S1：在变电站内部署红外监测设备，利用红外监测设备，对变电站进行巡检，采集变电站红外图像；
[0007]S2：对采集的红外图像进行分析处理，利用处理后的红外图像构建卷积神经网络识别模型，并利用构建的卷积神经网络识别模型，判断变电站是否发生故障并在故障发生时进行报警；
[0008]S3：对红外图像中的任意像素或区域，生成实时动态温度趋势曲线，并对生成的曲线进行分析；
[0009]S4：根据采集的数据以及分析、识别结果，生成巡检报告。
[0010]首先采集变电站设备的红外图像，并对采集的红外图像进行处理，使用卷积神经
网络实现变电站设备的故障诊断。同时，利用红外图像，生成实时动态温度趋势曲线，判断变电站设备是否存在发热异常。本专利技术还可以提供红外实时在线分析功能，可对每帧任意关心位置进行点、线、框、直方图、趋势图分析，并自动生成动态的数据列表、动态直方图温度曲线、动态时间
‑
温度曲线、报警温度多逻辑设置等。并提供云台控制、预置位调用、巡检组调用等功能。通过本专利技术，可以实现足不出户便完成变电站设备的红外巡检，随时对变电站设备状态进行监测并自动分析，发现问题，可实现自动报警，也可利用本专利技术对隐患点进行实时监测跟踪，大幅度减轻了巡检工作导致的人力消耗，提升了巡检质量。
[0011]作为优选，所述步骤S1包括：
[0012]S1.1：检测红外监测设备的水平位置以及垂直位置，根据图像匹配算法，自动将红外监测设备调整到图像中心；
[0013]S1.2：利用滤波器对红外图像进行边缘点检测，判断红外图像边缘；
[0014]S1.3：对红外监测设备的拍摄角度进行校准。
[0015]根据图像识别的算法，识别出监测设备，控制云台将监测设备调整到图像中心。利用滤波器对红外图像像素点进行遍历，即可获得红外图像的边缘点。
[0016]作为优选，所述步骤S2中，所述对采集的红外图像进行分析处理进一步包括：
[0017]S2.1：利用多尺度Rrtinex算法和双边滤波算法对红外图像进行降噪处理；
[0018]S2.2：基于快速Otsu分割算法提取降噪处理后的红外图像中的关键区域，并将分割后的红外图像进行边界扩充，调整红外图片大小；
[0019]S2.3：构建卷积神经网络识别模型，对采集的红外图像进行样本空间扩展，获得训练样本和测试样本，对卷积神经网络识别模型进行训练。
[0020]多尺度Rrtinex算法能够改善单个尺度Rrtinex算法的缺陷，提升图像质量。而在实际应用中，红外图像的亮度可能不是均匀的，可能导致图像中的一些变化剧烈的边缘位置经过Rrtinex算法后出现光晕伪影现象，因此利用双边滤波算法再次对红外图像进行处理，增强变电站红外图像的对比度和边缘信息。快速Otsu分割算法可以提高运算速率。进行样本空间扩展时，可以采用对红外图像进行平移、旋转和加入噪声的方式；利用训练样本对卷积神经网络识别模型进行训练，可以采用随机梯度下降法或批量梯度下降法；训练完成后，可以利用测试样本对卷积神经网络识别模型的故障诊断性能进行测试。
[0021]作为优选，所述步骤S2.1进一步表示为：
[0022]S2.1.1：对红外图像进行分解，得到反射物体图像和入射光图像；
[0023]S2.1.2：利用高斯函数对原始图像进行卷积运算，实现原始图像的低通滤波；
[0024]S2.1.3：从原始图像的对数域减去滤波后的图像，再进行指数运算得到图像增强结果；
[0025]S2.1.4：在空间域和值域同时采用领域像素加权对图像增强结果进行处理。
[0026]利用Rrtinex算法能够有效降低红外图像的噪声，在提高图像质量的同时，还能够提升图像中的暗区亮度，增强红外图像中变电站设备的轮廓信息。双边滤波算法是一种非线性滤波算法，在空间域和值域同时采用领域像素加权来处理图像，边缘细节性能强，能够增强变电站红外图像的对比度和边缘信息。
[0027]作为优选，所述S2.2进一步表示为：
[0028]S2.2.1：利用红外图像的灰度分割门限值和领域灰度均值分割门限值，将红外图
像划分为背景和目标；
[0029]S2.2.2：利用一维运算，计算目标像素和背景像素的占比，以及目标和背景的均值。
[0030]传统的Otsu分割算法是一种对确定图像的二值化分割阈值算法，又称作最大类间方差法，算法计算简单，不受图像亮度和对比度的影响。本专利技术采用快速Otsu分割算法，将二维运算化简为一维运算，利用一维运算得出两个门限值替代Otsu图像分割的门限值，实现了Otsu图像的快速运算。
[0031]作为优选，所述S2中，构建卷积神经网络识别模型进一步表示为：
[0032]A1：构建卷积神经网络识别模型的输入层，所述输入层的基础是经过分析处理后的红外图像；
[0033]A2：构建卷积神经网络识别模型的卷积层，利用卷积运算对红外图像进行特征提取，将红外图像转化为特征图；
[0034]A3：在相邻两层卷积层之间构建池化层，并构建输出层，利用加权求和运算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站远程红外智能巡检方法，其特征在于，它包括下列步骤：S1：在变电站内部署红外监测设备，利用红外监测设备，对变电站进行巡检，采集变电站红外图像；S2：对采集的红外图像进行分析处理，利用处理后的红外图像构建卷积神经网络识别模型，并利用构建的卷积神经网络识别模型，判断变电站是否发生故障并在故障发生时进行报警；S3：对任一红外图像中的任意像素或区域，生成实时动态温度趋势曲线，并对生成的曲线进行分析；S4：根据采集的数据以及分析、识别结果，生成巡检报告。2.根据权利要求1所述的一种变电站远程红外智能巡检方法，其特征在于，所述步骤S1包括：S1.1：检测红外监测设备的水平位置以及垂直位置，根据图像匹配算法，自动将红外监测设备调整到图像中心；S1.2：利用滤波器对红外图像进行边缘点检测，判断红外图像边缘；S1.3：对红外监测设备的拍摄角度进行校准。3.根据权利要求1所述的一种变电站远程红外智能巡检方法，其特征在于，所述步骤S2中，所述对采集的红外图像进行分析处理进一步包括：S2.1：利用多尺度Rrtinex算法和双边滤波算法对红外图像进行降噪处理；S2.2：基于快速Otsu分割算法提取降噪处理后的红外图像中的关键区域，并将分割后的红外图像进行边界扩充，调整红外图片大小；S2.3：构建卷积神经网络识别模型，对采集的红外图像进行样本空间扩展，获得训练样本和测试样本，对卷积神经网络识别模型进行训练。4.根据权利要求3所述的一种变电站远程红外智能巡检方法，其特征在于，所述步骤S2.1进一步表示为：S2.1.1：对红外图像进行分解，得到反射物体图像和入射光图像；S2.1.2：利用高斯函数对原始图像进行卷积运算，实现原始图像的低通滤波；S2.1.3：从原始图像的对数域减去滤波后的图像，再进行指数运算得到图像增强结果；S2.1.4：在空间域和值域同时采用领域像素加权对图像增强结果进行处理。5.根据权利要求3或4所述的一种变电站远程红外智能巡检方法，其特征在于，所述S2.2进一步表示为：S2.2.1：利用红外图像的灰度分割门限值和领域灰度均值分割门限值，将红外图像划分为背景和目标；S2.2.2：利用一维运算，计算目标像素和背...

【专利技术属性】
技术研发人员：邹璇，汪明智，廖攀峰，郑威，邵浩峰，刘志群，傅熹，李琼，汪蕾，朱静，
申请(专利权)人：国网浙江省电力有限公司开化县供电公司，
类型：发明
国别省市：