【技术实现步骤摘要】
本专利技术涉及电力设备监测领域，尤其涉及一种电力设备识别与状态监测的方法及系统。
技术介绍
1、对电力设备进行监测在电力系统中具有极其重要的地位，直接关系到电力系统的安全、稳定、高效运行以及能源供应的可靠性。对于保障电力系统的安全稳定运行、提高能源利用效率、降低运营成本以及推动智能电网建设等方面都具有重要意义。通过实时监测电力设备的运行状态，可以及时发现潜在的故障或异常，从而采取预防措施或及时维修，避免设备突然停机造成的生产中断和损失，这有助于降低因设备故障导致的停电事故，提高供电可靠性。电力设备的故障或不当操作可能引发火灾、电击等安全事故。有效的监测可以及时发现设备过热、漏电等安全隐患，并采取措施进行处理，从而保护工作人员和公众的安全。电力设备监测产生的大量数据为管理者提供了丰富的信息源。通过对这些数据的分析，管理者可以了解设备的整体状况、运行趋势和潜在问题。
2、目前，电力设备的监测在进行异常识别方面还具有以下难点与挑战：
3、高维度和大规模数据：电力系统产生的数据通常具有高维度和大规模，包括电流、电压、功率等多个变量，处理这些大规模数据集需要高效的算法和计算资源。
4、非线性关系：电力系统中的设备行为通常呈现非线性关系，这使得传统的线性模型可能无法很好地捕捉系统的复杂性。
5、实时性要求：电力系统需要及时响应设备异常，以防止事故和故障的发生。因此，异常识别系统需要在实时或准实时的条件下工作。
6、多源异构数据：电力系统涉及多个设备和传感器，每个设备可能有不同的数据
7、潜在的隐蔽性：一些设备异常可能在数据中表现得不太显著，或者在正常操作中变化较小，这增加了检测这些异常的难度。
8、复杂的拓扑结构：电力系统拥有复杂的网络拓扑结构，包括变电站、输电线路、变压器等。异常可能在这些拓扑结构中传播，增加了异常识别的难度。
9、外部干扰：电力系统容易受到外部因素的干扰，例如天气变化、供电波动等，这些因素可能导致数据的波动，从而增加了异常检测的误判风险。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，从而提供一种电力设备识别与状态监测的方法及系统。
2、本专利技术的目的是通过以下技术方案来实现的：
3、一种电力设备识别与状态监测的方法，包括：
4、基础数据采集与设备识别：在电力设备关键区域设置摄像头采集视频流，通过物体检测和识别算法进行设备识别，建立设备的基本识别模型；通过传感器实时采集电网设备状态数据，并将传感器采集到的实时数据与视频流进行关联，实现视频流与设备状态数据的融合；
5、设备状态分析与异常检测：结合设备识别数据和设备状态数据，建立设备运行的基准状态模型；对异常情况进行识别分析，并按照区域划分情况分别建立分析模型；通过使用机器学习或深度学习算法对设备运行状态进行分析，采用多模型异常识别算法识别出与基准状态不符的异常情况；
6、异常报警与维护预警：当检测到异常状态，立即发出警报，将警报消息通知到消息推送平台，消息推送平台根据警报级别和通知对象，将警报以短信或邮件方式推送给相关运维人员、安监和生技部门；并生成提供详情的异常报告；
7、数据记录与优化：记录并分析历史数据，不断对识别算法进行优化。
8、进一步的，所述电力设备关键区域为电网基础设施周围，包括变压器、电缆线路和输电杆塔。
9、进一步的，所述异常情况包括设备位移、设备形变、设备上覆盖物、设备漏液设备油污、明火烟雾和生物闯入。
10、进一步的，所述分析模型包括公共分析模型、线路分析模型、杆塔分析模型和变压器分析模型。
11、进一步的，所述基准状态模型包括：
12、计算均值：，
13、其中，是均值，n是样本数量，是第i个观测值；
14、计算标准差：，
15、其中，σ是标准差，是均值，n是样本数量，是第i个观测值；
16、阈值统计：，
17、其中，是统计阈值，d为历史阈值，c为偏差系数；
18、检测异常值：，
19、其中，p为异常结果。
20、进一步的，所述采用多模型异常识别算法识别出与基准状态不符的异常情况具体为：在高维空间中构建随机树，通过路径的长度计算异常分数，进而识别设备状态与基准状态模型不符的情况。
21、进一步的，路径长度计算公式为：
22、，
23、其中，l(x)是样本点x在树中的路径长度，m是树中的叶子节点数，l是平均路径长度的期望值，h(x，t)是样本点x在第t棵树中的路径长度；
24、异常分数计算公式为：
25、，
26、其中，s（x）为异常分数，e(h(x))为样本点x在所有树中的路径长度的平均值；h(x)为样本点x在树中的路径长度。
27、进一步的，采集的视频流基于物联网络及内网专线，定时从视频流中抓拍设备图像，使用计算机视觉技术，利用物体检测和识别算法识别设备，建立设备的基本识别模型。
28、进一步的，对基础数据采集与设备识别得到的数据进行分类存储，数据进行分类存储具体为：将设备图像数据、视频流数据、分析样本以文件格式存储至非结构数据库中，将传感器实时采集数据存储至结构化数据库中，并滚动进行数据清理，以提供数据支撑。
29、一种电力设备识别与状态监测系统，包括基础采集层、数据存储层、模型分析层和异常预警与推送层，所述基础采集层采集电力设备的图像数据和电网设备状态数据；所述数据存储层对图像数据和电网设备状态数据分别进行存储；所述模型分析层通过识别模型对异常情况进行识别，通过分析模型识别出与基准状态不符的异常情况；所述异常预警与推送层当识别出与基准状态不符的异常情况时，立即发出警报，将警报消息通知到消息推送平台，消息推送平台根据警报级别和通知对象，将警报以短信或邮件方式推送给相关人员。
30、本专利技术的有益效果：本专利技术实时监测设备状态，利用视频数据和传感器数据进行综合分析，能够及时发现设备异常或损坏，有助于提高电网设备的运行效率和安全性，减少因设备故障带来的停工时间和损失；后续可通过持续优化算法和数据分析，逐步提高系统的准确性和智能化水平。
本文档来自技高网...【技术保护点】
1.一种电力设备识别与状态监测的方法，其特征在于，包括：
2.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述电力设备关键区域为电网基础设施周围，包括变压器、电缆线路和输电杆塔。
3.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述异常情况包括设备位移、设备形变、设备上覆盖物、设备漏液设备油污、明火烟雾和生物闯入。
4.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述分析模型包括公共分析模型、线路分析模型、杆塔分析模型和变压器分析模型。
5.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述基准状态模型包括：
6.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述采用多模型异常识别算法识别出与基准状态不符的异常情况具体为：在高维空间中构建随机树，通过路径的长度计算异常分数，进而识别设备状态与基准状态模型不符的情况。
7.根据权利要求6所述的一种电力设备识别与状态监测的方法，其特征在于，路径长度计算公式为：
8.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，采集的视频流基于物联网络及内网专线，定时从视频流中抓拍设备图像，使用计算机视觉技术，利用物体检测和识别算法识别设备，建立设备的基本识别模型。
9.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，对基础数据采集与设备识别得到的数据进行分类存储，数据进行分类存储具体为：将设备图像数据、视频流数据、分析样本以文件格式存储至非结构数据库中，将传感器实时采集数据存储至结构化数据库中，并滚动进行数据清理，以提供数据支撑。
10.一种电力设备识别与状态监测系统，应用了权利要求1~9任一项所述的一种电力设备识别与状态监测的方法，其特征在于，包括基础采集层、数据存储层、模型分析层和异常预警与推送层，所述基础采集层采集电力设备的图像数据和电网设备状态数据；所述数据存储层对图像数据和电网设备状态数据分别进行存储；所述模型分析层通过识别模型对异常情况进行识别，通过分析模型识别出与基准状态不符的异常情况；所述异常预警与推送层当识别出与基准状态不符的异常情况时，立即发出警报，将警报消息通知到消息推送平台，消息推送平台根据警报级别和通知对象，将警报以短信或邮件方式推送给相关人员。
...【技术特征摘要】
1.一种电力设备识别与状态监测的方法，其特征在于，包括：
2.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述电力设备关键区域为电网基础设施周围，包括变压器、电缆线路和输电杆塔。
3.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述异常情况包括设备位移、设备形变、设备上覆盖物、设备漏液设备油污、明火烟雾和生物闯入。
4.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述分析模型包括公共分析模型、线路分析模型、杆塔分析模型和变压器分析模型。
5.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述基准状态模型包括：
6.根据权利要求1所述的一种电力设备识别与状态监测的方法，其特征在于，所述采用多模型异常识别算法识别出与基准状态不符的异常情况具体为：在高维空间中构建随机树，通过路径的长度计算异常分数，进而识别设备状态与基准状态模型不符的情况。
7.根据权利要求6所述的一种电力设备识别与状态监测的方法，其特征在于，路径长度计算公式为：
8.根据权利要求1所述的一种电力设...
【专利技术属性】
技术研发人员：曾艳明，周文娟，陈波，屈松涛，张强，李东，罗建，刘湘媛，付强，蒋国胜，
申请(专利权)人：成都太阳高科技有限责任公司，
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。