【技术实现步骤摘要】
本专利技术涉及输电线路监测，尤其涉及一种输电线路红外热隐患和故障识别方法、系统及存储介质。
技术介绍
1、在电力系统中，输电线路的绝缘子、线夹等典型部件长期暴露在各种外界环境中，容易受到温度、湿度、风速等因素的影响，导致过热、老化等问题。这些问题不仅会影响电力系统的正常运行，还可能引发严重的安全事故。
2、目前，常用的输电线路监测方法主要包括基于单模态数据的温度监测和基于规则的故障诊断。仅使用红外图像或单一类型的运行参数无法全面反映部件的运行状态，容易遗漏关键信息。例如，红外图像只能提供温度分布，但无法捕捉部件的结构特征，而结构特征对于故障诊断同样重要。基于预设阈值的故障诊断方法过于依赖人工设定的阈值，缺乏自适应性和灵活性。在不同环境条件下，阈值需要频繁调整，否则容易导致误报或漏报，难以应对复杂多变的运行环境。此外，还有一些基于机器学习的方法，通过历史数据训练模型来预测部件的健康状态。这些方法虽然能够捕捉一些复杂的模式，但在处理数据量差异较大的情况下，模型的泛化能力较差，容易出现过拟合或欠拟合问题，并且，这些方法通常需要大量标注数据，而在实际应用中，标注数据的获取成本较高。
技术实现思路
1、基于此，有必要针对上述问题，提出了一种输电线路红外热隐患和故障识别方法、系统及存储介质。
2、一种输电线路红外热隐患和故障识别方法，所述方法包括：
3、同步采集输电线路中典型部件的红外热图像、可见光图像、环境条件数据以及运行参数，并将所述红外热图像和可见光图
4、通过目标检测模型获取对齐后的所述红外热图像中典型部件的热辐射数据。
5、将每个典型部件的所述热辐射数据与环境条件数据进行融合，生成第一综合特征向量。
6、根据所述第一综合特征向量构建热辐射强度与温度模型，通过所述热辐射强度与温度模型识别输电线路中典型部件的红外热隐患区域。
7、将每个典型部件的所述热辐射数据与运行参数进行融合，生成第二综合特征向量。
8、根据所述第二综合特征向量识别输电线路中典型部件的潜在故障点。
9、其中，所述同步采集输电线路中典型部件的红外热图像、可见光图像、环境条件数据以及运行参数，并将所述红外热图像和可见光图像在时间和空间上进行对齐，具体包括：
10、同步采集输电线路中典型部件的红外热图像、可见光图像、环境条件数据以及运行参数。
11、通过时间戳将所述红外热图像和可见光图像在时间上进行对齐。
12、在所述红外热图像和可见光图像上分别标记出具有相同位置信息的匹配点。
13、根据所述匹配点确定所述红外热图像和可见光图像之间的几何变换矩阵。
14、通过所述几何变换矩阵对所述红外热图像进行变换，与可见光图像在空间上对齐。
15、其中，所述通过目标检测模型获取对齐后的所述红外热图像中对应部件的热辐射数据，具体包括：
16、通过目标检测模型提取对齐后的所述可见光图像中每个典型部件的边界框。
17、基于所述每个典型部件的边界框，从对齐后的所述红外热图像中提取对应部件的热辐射数据。
18、其中，所述根据所述第一综合特征向量构建热辐射强度与温度模型，通过所述热辐射强度与温度模型识别输电线路中典型部件的红外热隐患区域，具体包括：
19、根据所述第一综合特征向量构建热辐射强度与温度模型。
20、通过所述热辐射强度与温度模型将当前热辐射数据转换为当前温度值。
21、根据所述当前温度值与温度阈值的比较情况识别输电线路中典型部件的红外热隐患区域。
22、其中，所述根据所述当前温度值与温度阈值的比较情况识别输电线路中典型部件的红外热隐患区域，具体包括：
23、判断所述当前温度值是否大于温度阈值。
24、若所述当前温度值大于温度阈值，则将所述当前热辐射数据对应的像素点标记为红外热隐患区域。
25、若所述当前温度值小于或等于温度阈值，则将所述当前热辐射数据对应的像素点标记为正常区域。
26、其中，所述根据所述第二综合特征向量识别输电线路中典型部件的潜在故障点，具体包括：
27、以所述第二综合特征向量作为输入，输电线路中典型部件的潜在故障点作为预测值，构建故障预测模型，并采用贝叶斯神经网络在所述故障预测模型的模型参数上引入先验分布。
28、所述第二综合特征向量中当前的数据点输入至故障预测模型，识别出输电线路中典型部件的潜在故障点和当前预测值的不确定值。
29、确定当前预测值的不确定值大于预设不确定阈值，则降低故障预测模型的置信度。
30、确定当前预测值的不确定值小于或等于预设不确定阈值，则提高故障预测模型的置信度。
31、其中，所述根据所述第二综合特征向量识别输电线路中典型部件的潜在故障点，具体包括：
32、对所述第二综合特征向量中的每个数据点进行聚类，确定最佳簇数量。
33、按照所述最佳簇数量将每个数据点划分至不同簇。
34、提取各个簇中每个数据点的特征值，根据所述特征值确定数据点异常分数指标。
35、根据所述数据点异常分数指标与异常指阈值的比较情况识别输电线路中典型部件的潜在故障点。
36、其中，所述对所述第二综合特征向量中的每个数据点进行聚类，确定最佳簇数量，具体包括：
37、设置预设簇数量，对所述第二综合特征向量中的每个数据点进行聚类。
38、对于每一所述预设初始簇，根据每一数据点到同一簇内其他数据点的平均距离和到最近簇内所有数据点的平均距离，确定轮廓系数。
39、通过比较不同预设簇数量下的所述轮廓系数，选择轮廓系数最大的簇数量作为最佳簇数量。
40、其中，所述对所述第二综合特征向量中的每个数据点进行聚类，确定最佳簇数量，具体包括：
41、设置预设簇数量，对所述第二综合特征向量中的每个数据点进行聚类。
42、通过比较不同预设簇数量下的聚类误差，选择聚类误差最小的簇数量作为最佳簇数量。
43、其中，所述提取各个簇中每个数据点的特征值，根据所述特征值确定数据点异常分数指标，具体包括：
44、提取各个簇中每个数据点的特征值，根据所述特征值确定异常分数指标模型，所述异常分数指标模型为：
45、
46、其中，xi为第i个数据点的特征值，μcluster为所属簇的均值，σcluster为所属簇的标准差，α为权重参数，f(xi)为非线性函数，为f(xi)关于xi的偏导数。
47、将当前数据点的特征值输入至所述异常分数指标模型确定当前数据点的异常分数指标。
48、其中，所述根据所述数据点异常分数指标与异常指阈值的比较情况识别输电线路中典型部件的潜在故障点，具体包括：
49、判断当前数据点的异常分数本文档来自技高网...
【技术保护点】
1.一种输电线路红外热隐患和故障识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的输电线路红外热隐患和故障识别方法，其特征在于，所述同步采集输电线路中典型部件的红外热图像、可见光图像、环境条件数据以及运行参数，并将所述红外热图像和可见光图像在时间和空间上进行对齐，具体包括：
3.根据权利要求2所述的输电线路红外热隐患和故障识别方法，其特征在于，所述通过目标检测模型获取对齐后的所述红外热图像中对应部件的热辐射数据，具体包括：
4.根据权利要求3所述的输电线路红外热隐患和故障识别方法，其特征在于，所述根据所述第一综合特征向量构建热辐射强度与温度模型，通过所述热辐射强度与温度模型识别输电线路中典型部件的红外热隐患区域，具体包括：
5.根据权利要求4所述的输电线路红外热隐患和故障识别方法，其特征在于，所述根据所述当前温度值与温度阈值的比较情况识别输电线路中典型部件的红外热隐患区域，具体包括：
6.根据权利要求2所述的输电线路红外热隐患和故障识别方法，其特征在于，所述根据所述第二综合特征向量识别输电线路中典型部件的潜在
7.根据权利要求2所述的输电线路红外热隐患和故障识别方法，其特征在于，所述根据所述第二综合特征向量识别输电线路中典型部件的潜在故障点，具体包括：
8.根据权利要求7所述的输电线路红外热隐患和故障识别方法，其特征在于，所述对所述第二综合特征向量中的每个数据点进行聚类，确定最佳簇数量，具体包括：
9.根据权利要求7所述的输电线路红外热隐患和故障识别方法，其特征在于，所述对所述第二综合特征向量中的每个数据点进行聚类，确定最佳簇数量，具体包括：
10.根据权利要求7所述的输电线路红外热隐患和故障识别方法，其特征在于，所述提取各个簇中每个数据点的特征值，根据所述特征值确定数据点异常分数指标，具体包括：
11.根据权利要求7所述的输电线路红外热隐患和故障识别方法，其特征在于，所述根据所述数据点异常分数指标与异常指阈值的比较情况识别输电线路中典型部件的潜在故障点，具体包括：
12.一种输电线路红外热隐患和故障识别系统，其特征在于，所述系统包括：
13.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至11中任一项所述方法的步骤。
...【技术特征摘要】
1.一种输电线路红外热隐患和故障识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的输电线路红外热隐患和故障识别方法，其特征在于，所述同步采集输电线路中典型部件的红外热图像、可见光图像、环境条件数据以及运行参数，并将所述红外热图像和可见光图像在时间和空间上进行对齐，具体包括：
3.根据权利要求2所述的输电线路红外热隐患和故障识别方法，其特征在于，所述通过目标检测模型获取对齐后的所述红外热图像中对应部件的热辐射数据，具体包括：
4.根据权利要求3所述的输电线路红外热隐患和故障识别方法，其特征在于，所述根据所述第一综合特征向量构建热辐射强度与温度模型，通过所述热辐射强度与温度模型识别输电线路中典型部件的红外热隐患区域，具体包括：
5.根据权利要求4所述的输电线路红外热隐患和故障识别方法，其特征在于，所述根据所述当前温度值与温度阈值的比较情况识别输电线路中典型部件的红外热隐患区域，具体包括：
6.根据权利要求2所述的输电线路红外热隐患和故障识别方法，其特征在于，所述根据所述第二综合特征向量识别输电线路中典型部件的潜在故障点，具体包括：
7.根据权利要...
【专利技术属性】
技术研发人员：于虹，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
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。