一种应用于变压器作业的风险确定方法技术

本发明专利技术公开了一种应用于变压器作业的风险确定方法，方法包括：基于同一采集位置采集包括目标变压器的深度图像以及红外图像；基于深度图像，确定深度值序列以及类别序列；基于红外图像，确定温度值序列以及气体扰动序列；基于深度值序列

【技术实现步骤摘要】
一种应用于变压器作业的风险确定方法


[0001]本专利技术涉及电网
，尤其涉及一种应用于变压器作业的风险确定方法
。

技术介绍

[0002]许多变压器台架设置在户外，容易发生故障，比如，打台风时将变压器台架周边的树枝吹断并吹向变压器台架，导致变压器台架受损
。
[0003]监测变压器在工作过程中是否受损主要依赖于远程执勤
。
远程执勤可以理解为技术人员按照规范去排查风险，此风险的排查主要依赖技术人员肉眼去观察，勘察四必看，看电
、
看线
、
看杆
、
看周边，将勘察的过程记录下来，按照安全措施生成勘察单，
3+X
，防触电
、
防高坠
、
防倒杆等
。
[0004]但是，在实际应用中，依赖排查人员的观察来确定目标变压器是否存在工作风险时，存在一定的局限性和误差性
。

技术实现思路

[0005]本专利技术提供了一种应用于变压器作业的风险确定方法，以提高确定变压器作业风险的准确性
、
便捷性和有效性的技术效果
。
[0006]根据本专利技术的一方面，提供了一种应用于变压器作业的风险确定方法，该方法包括：
[0007]基于同一采集位置采集包括目标变压器的深度图像以及红外图像；
[0008]基于所述深度图像，确定深度值序列以及类别序列；其中，所述深度值序列以及所述类别序列中的数值个数与所述深度图像中的网格区域的数量相一致；
[0009]基于所述红外图像，确定温度值序列以及气体扰动序列；其中，所述温度值序列与所述气体扰动序列中的数值个数与所述红外图像中网格区域的数量相一致，所述红外图像与所述深度图像中的网格区域的网格划分原则相一致；
[0010]基于所述深度值序列
、
所述类别序列
、
所述温度值序列
、
所述气体扰动序列以及所述目标变压器的电气数据，确定每个网格区域所对应的风险类型以及风险属性；
[0011]基于所述风险类型以及风险属性，对所述目标变压器进行维修
。
[0012]进一步的，所述基于同一采集位置采集包括目标变压器的深度图像以及红外图像，包括：
[0013]基于部署在无人机上的深度相机采集以所述目标变压器为中心的深度图像；以及，
[0014]在同一采集位置，基于部署在无人机上的红外相机采集以所述目标变压器为中心的红外图像
。
[0015]进一步的，所述基于所述深度图像，确定深度值序列，包括：
[0016]确定基准平面以及所述基准平面的基准高度值；
[0017]基于所述基准高度值对所述深度图像中每个像素点的深度值进行校准，得到深度
校准图像；
[0018]基于所述深度校准图像中每个网格区域的深度校准值，确定所述深度值序列
。
[0019]进一步的，基于深度图像，确定类别序列，包括：
[0020]将所述深度图像输入至预先训练好的语义分割模型中，得到每个像素点所对应的类别；
[0021]基于同一网格区域中各像素点的类别，确定相应网格区域所对应的目标类别；
[0022]基于各网格区域所对应的目标类别，确定所述类别序列
。
[0023]进一步的，所述基于所述红外图像，确定温度值序列以及气体扰动序列，包括：
[0024]基于所述红外图像，确定每个网格区域所对应的温度值，并基于各网格区域的温度值确定所述温度值序列；
[0025]将所述红外图像输入至预先训练好的目标检测网络中，确定每个网格区域所对应的气体扰动值，并基于每个网格区域的气体扰动值确定所述气体扰动序列
。
[0026]进一步的，所述基于所述深度值序列
、
所述类别序列
、
所述温度值序列
、
所述气体扰动序列
、
以及所述目标变压器的电气数据，确定每个网格区域所对应的风险类型以及风险属性，包括：
[0027]分别对所述深度值序列
、
所述类别序列
、
温度值序列以及所述气体扰动序列卷积处理，得到第一深度值特征
、
第一类别特征
、
第一温度值特征
、
第一气体扰动特征；
[0028]基于长短时记忆网络分别对所述深度值序列
、
所述类别序列
、
温度值序列以及所述气体扰动序列进行处理，得到第二深度值特征
、
第二类别特征
、
第二温度值特征
、
第二气体扰动特征；
[0029]基于自回归模型对所述电气数据进行处理，得到电气特征；
[0030]基于所述第一深度值特征
、
所述第一类别特征
、
所述第一气体扰动特征
、
所述第一温度值特征
、
所述第二深度值特征
、
所述第二类别特征
、
所述第二温度值特征
、
所述第二气体扰动特征以及所述电气特征，确定每个网格区域所对应的风险类型以及风险属性
。
[0031]进一步的，所述基于所述第一深度值特征
、
所述第一类别特征
、
所述第一气体扰动特征
、
所述第一温度值特征
、
所述第二深度值特征
、
所述第二类别特征
、
所述第二温度值特征
、
所述第二气体扰动特征以及所述电气特征，确定每个网格区域所对应的风险类型以及风险属性，包括：
[0032]基于第一拼接函数对所述第一深度值特征和所述第二深度值特征拼接处理，得到深度值拼接特征；
[0033]基于所述第一拼接函数对所述第一类别特征和所述第二类别特征拼接处理，得到类别拼接特征；
[0034]基于所述第一拼接函数对所述第一温度值特征和所述第二温度值特征拼接处理，得到温度值拼接特征；
[0035]基于所述第一拼接函数对所述第一气体扰动特征和所述第二气体扰动特征拼接处理，得到气体扰动拼接特征；
[0036]基于所述深度值拼接特征
、
所述类别拼接特征
、
所述温度值拼接特征
、
所述气体扰动拼接特征以及所述电气特征，确定每个网格区域所对应的风险类型以及风险属性
。
[0037]进一步的，所述基于所述深度值拼接特征
、
所述类别拼接特征
、
所述温度值拼接特
征
、
所述气体扰动拼接特征以及所述电气特征，确定每个网格区域所对应的风险类型以及风险属性，包括：
[0038]基于第二融合函数将所述深度值拼接特征
、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种应用于变压器作业的风险确定方法，其特征在于，包括：基于同一采集位置采集包括目标变压器的深度图像以及红外图像；基于所述深度图像，确定深度值序列以及类别序列；其中，所述深度值序列以及所述类别序列中的数值个数与所述深度图像中的网格区域的数量相一致；基于所述红外图像，确定温度值序列以及气体扰动序列；其中，所述温度值序列与所述气体扰动序列中的数值个数与所述红外图像中网格区域的数量相一致，所述红外图像与所述深度图像中的网格区域的网格划分原则相一致；基于所述深度值序列
、
所述类别序列
、
所述温度值序列
、
所述气体扰动序列以及所述目标变压器的电气数据，确定每个网格区域所对应的风险类型以及风险属性；基于所述风险类型以及风险属性，对所述目标变压器进行维修
。2.
根据权利要求1所述的方法，其特征在于，所述基于同一采集位置采集包括目标变压器的深度图像以及红外图像，包括：基于部署在无人机上的深度相机采集以所述目标变压器为中心的深度图像；以及，在同一采集位置，基于部署在无人机上的红外相机采集以所述目标变压器为中心的红外图像
。3.
根据权利要求1所述的方法，其特征在于，所述基于所述深度图像，确定深度值序列，包括：确定基准平面以及所述基准平面的基准高度值；基于所述基准高度值对所述深度图像中每个像素点的深度值进行校准，得到深度校准图像；基于所述深度校准图像中每个网格区域的深度校准值，确定所述深度值序列
。4.
根据权利要求1所述的方法，其特征在于，基于深度图像，确定类别序列，包括：将所述深度图像输入至预先训练好的语义分割模型中，得到每个像素点所对应的类别；基于同一网格区域中各像素点的类别，确定相应网格区域所对应的目标类别；基于各网格区域所对应的目标类别，确定所述类别序列
。5.
根据权利要求1所述的方法，其特征在于，所述基于所述红外图像，确定温度值序列以及气体扰动序列，包括：基于所述红外图像，确定每个网格区域所对应的温度值，并基于各网格区域的温度值确定所述温度值序列；将所述红外图像输入至预先训练好的目标检测网络中，确定每个网格区域所对应的气体扰动值，并基于每个网格区域的气体扰动值确定所述气体扰动序列
。6.
根据权利要求1所述的方法，其特征在于，所述基于所述深度值序列
、
所述类别序列
、
所述温度值序列
、
所述气体扰动序列
、
以及所述目标变压器的电气数据，确定每个网格区域所对应的风险类型以及风险属性，包括：分别对所述深度值序列
、
所述类别序列
、
温度值序列以及所述气体扰动序列卷积处理，得到第一深度值特征
、
第一类别特征
、
第一温度值特征
、
第一气体扰动特征；基于长短时记忆网络分别对所述深度值序列
、
所述类别序列
、
温度值序列以及所述气体扰动序列进行处...

【专利技术属性】
技术研发人员：陈桓，许博智，梁籍云，任帅辉，陆宏治，陆慧，邱润韬，包育德，范阳，范文，
申请(专利权)人：广东电网有限责任公司广州供电局，
类型：发明
国别省市：