CN114283330B - 基于多源数据的在线巡检识别方法及*** - Google Patents
基于多源数据的在线巡检识别方法及*** Download PDFInfo
- Publication number
- CN114283330B CN114283330B CN202111358855.8A CN202111358855A CN114283330B CN 114283330 B CN114283330 B CN 114283330B CN 202111358855 A CN202111358855 A CN 202111358855A CN 114283330 B CN114283330 B CN 114283330B
- Authority
- CN
- China
- Prior art keywords
- health
- primary equipment
- recognition
- visible light
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000036541 health Effects 0.000 claims abstract description 209
- 238000005259 measurement Methods 0.000 claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims description 67
- 230000008447 perception Effects 0.000 claims description 16
- 230000003862 health status Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 abstract description 6
- 230000005856 abnormality Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000010438 heat treatment Methods 0.000 description 11
- 239000012212 insulator Substances 0.000 description 11
- 230000007547 defect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 239000003990 capacitor Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 229910052573 porcelain Inorganic materials 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 238000004587 chromatography analysis Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000002788 crimping Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004457 water analysis Methods 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于多源数据的在线巡检识别方法，包括：采用不同天气场景下的一次设备可见光图片对识别模型进行训练；通过训练好的识别模型对现场采集的一次设备可见光图片进行健康识别；通过采集到的一次设备红外图像对一次设备进行健康识别；通过采集到的一次设备声纹对其进行健康识别；通过感知层传感器数据对一次设备进行健康识别；通过采集一次设备保护测量数据对其进行健康识别；通过不同天气场景下对采集的一次设备可见光图片进行健康识别结果对一次设备的健康状况进行判断；通过一次设备可见光图片进行健康识别的结果结合多种数据源数据对一次设备的健康状况进行判断，本发明能够提高一次设备健康异常的判断准确率。
Description
技术领域
本发明属于电力设备在线监测技术领域，尤其涉及一种基于多源数据的在线巡检识别方法及***。
背景技术
在线巡视作为支撑运检业务运维、巡检工作的重要技术手段，原因包括如下：
1）适合于无人值守变电站的发展需要
随着电力***生产自动化水平的不断提高，无人值守变电站应运而生，目前许多变电站在遥测、遥信、遥控、遥调的功能基础上增加了遥视功能，以实现对火灾、人员闯入、误入限制或者危险区域、将视频图像引入到变电站的远程监控中大大提高了无人值守变电站运行的安全性和可靠性。
2）避免值守变电站的人为疏漏
传统的变电站监控***需要工作人员全天候地盯着屏幕监视场景活动，这无形中增加了监控人员的工作负担并且容易产生疲劳状态，同时不可避免地存在着监控人员集中注意力时间有限或者受到外界其他事情的干扰，容易造成有用信息的遗漏。另外，人工参与判断存在着主观性，严重阻碍了电力***自动化程度的进一步发展。
3）图像视频技术的发展
图像识别、人工智能等技术在公安、交通等已广泛应用，但在电网运检业务中视频监控价值仅表现于满足人工远程监视方面，尚不能满足通过图像识别实现自动发现设备/环境/人员异常、进而实现自动巡检的业务需求。
图像识别功能在智能视频监控***的出现与应用使得智能视频监控***更加智能，也是视频监控***发展的重要标志。图像识别算法的实现和选择是智能视频监控技术中的关键点。图像识别技术是使用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，随着图像识别技术的成熟发展和对电网智能化建设的迫切需要，将其运用到变电站监控图像的分析与识别中已经成为了一个迫切需求。
已有多种通过图像、视频的方法提升在线巡视的准确率，譬如“基于无人机红外视频的输电线路发热缺陷智能诊断技术”提出一种基于主方向的输电线发热缺陷识别算法，通过计算红外视频图像的帧间差分来提取输电线的主方向，以此确定线路的故障位置。运用了小波分析和中值滤波算法消除高电压和强光直射对图像造成的干扰影响来提高图像识别的准确率的基于图像识别技术的变电站设备远程监控、检测和自动报警的***。
综上所述，现有的变电站监控图像识别方法都是采用“对图像进行复杂的预处理——人为设计特征——计算人工特征——机器学习”的方法，但由于变电站监控图像训练样本问题、天气气象影响的建模问题、不同设备的特征提取等问题，导致部分设备在部分天气情况下识别率低。
发明内容
为了解决现有技术存在的问题，本发明提供一种基于多源数据的在线巡检识别方法，能投提高一次设备的异常判定准确率。
本发明所要解决的技术问题是通过以下技术方案实现的：
第一方面，提供了一种基于多源数据的在线巡检识别方法，包括：
针对待检测的一次设备，通过训练好的识别模型对所述一次设备的可见光图片进行可见光健康识别，获得可见光识别结果；以及分别获得所述一次设备的红外图像健康识别结果、
声纹健康识别结果、
感知传感器数据健康识别结果、
保护测量数据健康识别结果；
根据所述可见光健康识别结果对一次设备的健康状况进行判断；
或者根据所述可见光健康识别结果、红外图像健康识别结果、声纹健康识别结果、感知传感器数据健康识别结果以及保护测量数据健康识别结果对所述一次设备的健康状况进行判断。
结合第一方面，进一步的，所述根据所述可见光健康识别结果对一次设备的健康状况进行判断包括下述中的一种：
当特定天气场景中，所述一次设备的可见光健康识别结果中，健康状态发生异常的正确识别率高于第一阈值，则确定所述一次设备的健康状况发生异常；
至少两种天气场景中健康状态发生异常的正确识别率均高于第二阈值，则确定所述一次设备的健康状况发生异常；
至少三种天气场景中健康状态发生异常的正确识别率均高于第三阈值，则确定所述一次设备的健康状况发生异常。
结合第一方面，进一步的，根据所述可见光健康识别结果、红外图像健康识别结果、声纹健康识别结果、感知传感器数据健康识别结果以及保护测量数据健康识别结果对所述一次设备的健康状况进行判断包括：
当对待检测的一次设备进行可见光健康识别时某种天气场景中该一次设备健康状态发生异常的正确识别率高于第二阈值，并且同时通过红外图像健康识别、声纹健康识别、感知传感器数据健康识别或者保护测量数据健康识别中的一种方式对该一次设备的健康状况识别出异常，则判定该一次设备的健康状况发生异常，给出异常告警。
结合第一方面，进一步的，还包括：多数据源健康状况双确认判定，包括：根据不同天气场景下所述一次设备的可见光健康识别结果对一次设备的健康状况进行判断为异常，且通过红外图像健康识别、声纹健康识别、感知传感器数据健康识别或者保护测量数据健康识别结中的一种方式对该一次设备的健康状况判断为异常时，则判定该一次设备健康状况发生了异常。
第二方面，提供了一种基于多源数据的在线巡检识别***，包括：
健康识别模块：用于针对待检测的一次设备，通过训练好的识别模型对所述一次设备的可见光图片进行可见光健康识别，获得可见光识别结果；以及
分别获得所述一次设备的红外图像健康识别结果、
声纹健康识别结果、
感知传感器数据健康识别结果以及
保护测量数据健康识别结果；
可见光健康状况确定模块或多数据源健康状况确定模块中的一种；
所述可见光健康状况确定模块用于根据所述可见光健康识别结果对一次设备的健康状况进行判断；
所述多数据源健康状况确定模块用于根据所述见光健康识别结果、红外图像健康识别结果、声纹健康识别结果、感知传感器数据健康识别结果以及保护测量数据健康识别结果对所述一次设备的健康状况进行判断。
结合第二方面，进一步的，所述可见光健康状况确定模块执行的操作包括下述中的一种：
当特定天气场景中，所述一次设备的可见光健康识别结果中，健康状态发生异常的正确识别率高于第一阈值，则确定所述一次设备的健康状况发生异常；
至少两种天气场景中健康状态发生异常的正确识别率均高于第二阈值，则确定所述一次设备的健康状况发生异常；
至少三种天气场景中健康状态发生异常的正确识别率均高于第三阈值，则确定所述一次设备的健康状况发生异常。
结合第二方面，进一步的，所述多数据源健康状况确定模块执行的操作包括：当对待检测的一次设备进行可见光健康识别时某种天气场景中该一次设备健康状态发生异常的正确识别率高于第二阈值，并且同时通过红外图像健康识别、声纹健康识别、感知传感器数据健康识别或者保护测量数据健康识别中的一种方式对该一次设备的健康状况识别出异常，则判定该一次设备的健康状况发生异常，给出异常告警。
结合第二方面，进一步的，还包括多数据源健康状况双确定模块，根据不同天气场景下所述一次设备的可见光健康识别结果对一次设备的健康状况进行判断为异常，且通过红外图像健康识别、声纹健康识别、感知传感器数据健康识别或者保护测量数据健康识别结中的一种方式对该一次设备的健康状况判断为异常时，则判定该一次设备健康状况发生了异常。。
本发明有益效果：本发明基于多源数据，对于图像识别率不高的情况，能够通过多种场景下的可见光对一次设备的健康状况进行确认，进一步的还可以通过结合红外温度成像、声纹信息数据、三/四区设备状态感知数据、一/二区保护测量等监测类多数据源一次设备的健康状况进行确认，提升了在线巡视的识别率。
对于某些特别的情况，本发明还可以更进一步的通过可见光识别和多数据源识别双确认的方式对一次设备的健康状况进行确认，更进一步的提高了巡视识别率。
本发明方法适用于输变配电网的变电站、集控站的一次设备健康状态巡视识别，适用于火电站、水电站、核电站等传统发电的升压站的一次设备健康状态巡视识别，也适用于风力发电、光伏发电的新能源的升压站的一次设备健康状态巡视识别。
附图说明
图1是本发明的流程图；
图2是本发明中电气一次设备图像识别设备异常结果逻辑图之一；
图3是本发明中电气一次设备图像识别设备异常结果逻辑图之二；
图4是本发明中电气一次设备图像识别设备异常结果逻辑图之四；
图5是本发明中电气一次设备图像判据互补判定设备异常的逻辑图；
图6是本发明中电气一次设备图像与其他数据源互补判定设备异常的逻辑图；
图7是本发明中电气一次设备双确认判定设备异常的逻辑图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了更好地理解本发明，下面对本发明技术方案中的相关技术进行说明。
如图1-图7所示，本发明的一种基于多源数据的在线巡检识别方法，包括以下步骤：
步骤1、采用不同天气场景下的一次设备可见光图片对识别模型进行训练
根据晴天、阴天、雨天、雪天、雾天、沙尘暴、冰雹等不同天气场景分别针对各种电气一次设备进行建模。为了做到更精确的识别效果，模型的建立可以细化到一次设备的具体部件。
例如，针对晴天情况建模的断路器设备部件包括本体外观、油位表计、套管电流互感器、压力表等，根据一次设备不同部件分别建模。
建模的隔离开关设备部件包括触头、电臂、位置指示、绝缘子外观、引线及接头等，根据一次设备不同部件分别建模。
建模的电流互感器设备部件包括本体外观、末屏、压力表、油位表计、引线及接头等，根据一次设备不同部件分别建模。
建模的电压互感器设备部件包括本体外观、末屏、压力表、油位表计、引线及接头等，根据一次设备不同部件分别建模。
建模的避雷器设备部件包括均压环、本体外观、接地引下线、避雷器表计、引线及接头等，根据一次设备不同部件分别建模。
建模的并联电容器组设备部件包括电容器外观、电抗器外观、绝缘子外观、放电线圈外观等，根据一次设备不同部件分别建模。
建模的母线部件包括母线外观、绝缘子外观、金具外观、线夹与接头等，根据一次设备不同部件分别建模。
上述所列的变电站不同设备的异常特征不同，根据变压器、断路器、隔离开关、避雷器、电流互感器、电压互感器、并联电容器组、母线等不同设备的异常图片信息进行训练，分别提取各类设备各类部件的异常特征，实现有针对性的模型训练。其他天气场景的训练与之相同。
步骤2、通过训练好的识别模型对现场采集的一次设备可见光图片进行健康识别；
通过变电站中各点的可见光摄像头以及巡检机器人上的摄像头采集变电站中电气一次设备的高清图像数据。通过步骤1中的训练好的模型对采集到的电气一次设备的高清图像进行健康状况的识别。
步骤3、通过可见光图片以外的其他多种数据源的数据对电气一次设备的健康状况进行识别；
包括：采用红外热成像对具有电流、电压致热效应或其他致热效应引起表面温度分部特点的一次设备进行诊断，红外图像信息作为可见光图像识别的有效补充，联合完成一次设备的健康状态识别。
电流致热型设备缺陷性质分为紧急缺陷、严重缺陷、一般缺陷共计三类。
电器设备与金属部件的连接，以线夹和接头为中心的热像。
金属部件与金属部件的连接，以线夹和接头为中心的热像。
金属导线，以导线为中心的热像。
隔离开关的转头，以转头为中心的热像；隔离开关的刀口，以刀口压接弹簧为中心的热像。
断路器动静触头，以顶帽和下法兰为中心的热像，顶帽温度大于下法兰温度；断路器中间触头，以下法兰和顶帽为中心的热像，下法兰温度大于顶帽温度。
电流互感器，以串并联出线头或大螺杆出线夹为最高温度的热像或以顶部铁锚发热为特征。
套管，以套管顶部柱头为最热的热像。
电容器熔丝，以熔丝中部靠电容侧为最热的热像；电容器熔丝座，以熔丝座为最热的热像。
变压器箱体，以箱体局部表面过热为特征。
干式变压器、接地变压器、串联电抗器、并联电抗器的铁心，以铁心局部表面过热为特征。
干式变压器、接地变压器、串联电抗器、并联电抗器的绕组，以绕组表面有局部过热或出线端子处过热为特征。
电压致热型设备缺陷性质分为严重缺陷、一般缺陷共计两类。
电压互感器以本体为中心整体发热。
耦合电容器，以整体温升偏高或局部过热，且发热符合自上而下逐步的递减规律。
移动电容器，热像一般以本体上部为中心的热成像，正常热像最高温度一般在宽面垂直平分线的三分之二高度左右，其表面温升略高，整体发热或局部发热。
高压套管，热像特征呈现以套管整体发热热像；热像为对应部位呈现局部发热区故障。
充油套管，热像特征是以油面处为最高温度的热像，油面有一明显的水平分界线。
瓷绝缘子，正常绝缘子串的温度分部同电压分布规律，即呈现部队称的马鞍型，相邻绝缘子温差很小，以铁帽为发热中心的热像图，其比正常绝缘子温度高。
合成绝缘子，在绝缘子良好和绝缘劣化的结合处出现局部过热，随着时间的延长，过热部位会发生移动。
红外摄像头或机器人红外摄像按照指定路线巡视行巡视完成之后，将带实物身份标识的红外测温图谱巡视数据上传至巡视主机，在巡视主机完成缺陷识别。
采集和分析电气一次设备的声纹信息数据，声纹信息作为可见光图像识别的有效补充，联合完成一次设备的健康状态识别。
声纹信息采集当前常用的有通过特高频信号传感器、超声波信号传感器，提取相应频率的信号分析，从而给出判断结论。
声纹装置特征量识别方法通过布置特高频信号传感器，接收局部放电过程辐射的特高频电磁波，在300～3000 MHz特高频范围内提取局部放电产生的电磁波信号，实现对一次设备的局部放电的在线监测。
声纹装置特征量识别方法通过布置超声波信号传感器，接收一次设备（譬如变压器内部）局部放电产生的超声波，在70~150kHz的超声波范围内提取信号，避开铁心的磁噪声和变压器的机械振动噪声，实现对一次设备的局部放电的大小及位置的在线监测。
采集和分析感知层传感器（一般在三/四区）数据，感知层传感器数据作为可见光图像识别的有效补充，联合完成一次设备的健康状态识别。
油色谱分析，变压器等设备取油样进行油色谱分析，包括如下其他的H2、CH4、C2H6、C2H4、C2H2
CO、CO2的含量或增量分析，并与相关的标准比较并做趋势分析。
油中微水分析，变压器等设备取油样进行微水含量分析，并与相关的标准比较并做趋势分析。
局放放电分析，基于超高频局部放电检测法、高频脉冲电流法、化学检测法、脉冲电流法等方法对一次设备局部放电分析，并与相关的标准比较并做趋势分析。
温度分析，布置各类温度传感器对一次设备各个部件或部位进行温度测量，并与相关的标准比较并做趋势分析。
采集和分析一/二区保护测量等监测类数据，一/二区保护测量等监测类数据作为可见光图像识别的有效补充，联合完成一次设备的健康状态识别。
铁心接地电流，基于保护测控装置对变压器铁心接地电流的监测，并与相关的标准比较并做趋势分析。
电气量数据分析，基于保护或测控装置对一次设备的电流、电压、功率、频率等信息采集，通过电流负荷/负载进行发热分析，基于负序、零序电流进行故障分析等。
非电量数据分析，基于非电量保护或测控装置，对重瓦斯、轻瓦斯、油温高、油位异常、弹簧未储能、手车位置异常等非电量信号分析，以及保护或测控装置的事件信号分析进行综合判断，辅助可见光图像识别，进一步提升设备健康状态识别的正确率。
电气一次设备的健康状况判定包括以下几种情况：
1）通过不同天气场景下对采集的一次设备可见光图片进行健康识别结果对一次设备的健康状况进行判断
对于一般情况可以通过不同天气场景下可见光图像健康识别的结果对电气一次设备的健康状况进行判断，具体为：
当某种场景某电气一次设备健康状态发生异常的正确识别率高于95%（第一阈值）（图2所示），或两种场景识别率同时高于90%（第二阈值）（图3所示），或三种及以上场景识别率同时高于85%（第三阈值）（图4所示），即判断该一次设备健康状态发生异常，给出异常告警。
2）通过一次设备可见光图片以及非可见光图片的其他数据源之间的互补对一次设备的健康状况进行判断，具体为：
当通过一次设备可见光图片进行健康识别时某种场景中某一次设备健康状态发生异常的正确识别率高于90%，并且同时通过一次设备红外图像、声纹、感知层传感器数据以及保护测量数据中的一种方式对该一次设备的健康状况识别出异常，则判定该一次设备的健康状况发生异常，给出异常告警（图6所示）。
3）多源数据双确认识别
为了降低巡检成本，防止***对异常误判导致巡检员白跑一趟的情况发生，当通过不同天气场景下对采集的一次设备可见光图片进行健康识别结果判断出某一次设备的健康状况为异常（第一层确认），即步骤2中可见光图片识别某种场景某电气一次设备健康状态发生异常的正确识别率高于95%，或两种场景识别率同时高于90%，或三种及以上场景识别率同时高于85%（图5），且通过一次设备红外图像、声纹、感知层传感器数据以及保护测量数据中的一种方式判断出该一次设备的健康状为异常时（第二层确认），则判定该一次设备健康状况发生了异常（图7所示）。
本发明提供的基于多源数据的在线巡检识别***，用于加载前述的基于多源数据的在线巡检识别方法，包括：
健康识别模块：用于针对待检测的一次设备，通过训练好的识别模型对采集的一次设备可见光图片进行可见光健康识别；
用于通过所述一次设备的红外图像对该一次设备进行红外图像健康识别；
通过所述一次设备的声纹对该一次设备进行声纹健康识别；
通过所述一次设备的感知传感器数据对该一次设备进行感知传感器数据健康识别；
通过所述一次设备的保护测量数据对该一次设备进行保护测量数据健康识别；
可见光健康状况确定模块，用于根据不同天气场景下所述一次设备的可见光健康识别结果对一次设备的健康状况进行判断；
多数据源健康状况确定模块，用于根据所述一次设备可见光健康识别结果及其红外图像健康识别、声纹健康识别、感知传感器数据健康识别以及保护测量数据健康识别结果该一次设备的健康状况进行判断。
多数据源健康状况双确定模块，用于当通过不同天气场景下对采集的一次设备可见光图片进行健康识别结果判断出某一次设备的健康状况为异常，且通过一次设备红外图像、声纹、感知层传感器数据以及保护测量数据中的一种方式判断出该一次设备的健康状为异常时，则判定该一次设备健康状况发生了异常。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、设备（***）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.一种基于多源数据的在线巡检识别方法，其特征在于，包括：
针对待检测的一次设备，通过训练好的识别模型对所述一次设备的可见光图片进行可见光健康识别，获得可见光健康识别结果；以及
分别获得所述一次设备的红外图像健康识别结果、声纹健康识别结果、感知传感器数据健康识别结果以及保护测量数据健康识别结果；
根据所述可见光健康识别结果对一次设备的健康状况进行判断；
或者根据所述可见光健康识别结果、红外图像健康识别结果、声纹健康识别结果、感知传感器数据健康识别结果以及保护测量数据健康识别结果对所述一次设备的健康状况进行判断，包括：当对待检测的一次设备进行可见光健康识别时某种天气场景中该一次设备健康状态发生异常的正确识别率高于第二阈值，并且同时通过红外图像健康识别、声纹健康识别、感知传感器数据健康识别或者保护测量数据健康识别中的一种方式对该一次设备的健康状况识别出异常，则判定该一次设备的健康状况发生异常，给出异常告警；还包括：多数据源健康状况双确认判定，包括：根据不同天气场景下所述一次设备的可见光健康识别结果对一次设备的健康状况进行判断为异常，且通过红外图像健康识别、声纹健康识别、感知传感器数据健康识别或者保护测量数据健康识别结中的一种方式对该一次设备的健康状况判断为异常时，则判定该一次设备健康状况发生了异常；
其中，根据所述可见光健康识别结果对一次设备的健康状况进行判断包括下述的一种：
至少两种天气场景中健康状态发生异常的正确识别率均高于第二阈值，则确定所述一次设备的健康状况发生异常；
至少三种天气场景中健康状态发生异常的正确识别率均高于第三阈值，则确定所述一次设备的健康状况发生异常。
2.一种基于多源数据的在线巡检识别***，其特征在于，包括：
健康识别模块：用于针对待检测的一次设备，通过训练好的识别模型对所述一次设备的可见光图片进行可见光健康识别，获得可见光健康识别结果；以及
分别获得所述一次设备的红外图像健康识别结果、声纹健康识别结果、感知传感器数据健康识别结果以及保护测量数据健康识别结果；
可见光健康状况确定模块或多数据源健康状况确定模块中的一种；
所述可见光健康状况确定模块用于根据所述可见光健康识别结果对一次设备的健康状况进行判断，所述可见光健康状况确定模块执行的操作包括下述中的一种：至少两种天气场景中健康状态发生异常的正确识别率均高于第二阈值，则确定所述一次设备的健康状况发生异常；
至少三种天气场景中健康状态发生异常的正确识别率均高于第三阈值，则确定所述一次设备的健康状况发生异常；
所述多数据源健康状况确定模块用于根据所述可见光健康识别结果、红外图像健康识别结果、声纹健康识别结果、感知传感器数据健康识别结果以及保护测量数据健康识别结果对所述一次设备的健康状况进行判断；
所述多数据源健康状况确定模块执行的操作包括：当对待检测的一次设备进行可见光健康识别时某种天气场景中该一次设备健康状态发生异常的正确识别率高于第二阈值，并且同时通过红外图像健康识别、声纹健康识别、感知传感器数据健康识别或者保护测量数据健康识别中的一种方式对该一次设备的健康状况识别出异常，则判定该一次设备的健康状况发生异常，给出异常告警；
所述多数据源健康状况确定模块还包括多数据源健康状况双确定模块，根据不同天气场景下所述一次设备的可见光健康识别结果对一次设备的健康状况进行判断为异常，且通过红外图像健康识别、声纹健康识别、感知传感器数据健康识别或者保护测量数据健康识别结中的一种方式对该一次设备的健康状况判断为异常时，则判定该一次设备健康状况发生了异常。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111358855.8A CN114283330B (zh) | 2021-11-17 | 2021-11-17 | 基于多源数据的在线巡检识别方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111358855.8A CN114283330B (zh) | 2021-11-17 | 2021-11-17 | 基于多源数据的在线巡检识别方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114283330A CN114283330A (zh) | 2022-04-05 |
| CN114283330B true CN114283330B (zh) | 2024-03-26 |
Family
ID=80869509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111358855.8A Active CN114283330B (zh) | 2021-11-17 | 2021-11-17 | 基于多源数据的在线巡检识别方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114283330B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117037851B (zh) * | 2023-08-31 | 2024-03-19 | 江苏南工科技集团有限公司 | 一种基于声纹分析技术的火灾感知与探测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104253482A (zh) * | 2014-08-08 | 2014-12-31 | 济南大学 | 基于图像数据库和巡检机器人的设备故障检测方法 |
| CN112381784A (zh) * | 2020-11-12 | 2021-02-19 | 国网浙江省电力有限公司信息通信分公司 | 一种基于多光谱图像的设备检测*** |
| CN112466000A (zh) * | 2020-09-23 | 2021-03-09 | 国网上海市电力公司 | 一种基于电力巡检机器人的巡检***及巡检控制方法 |
| CN113344026A (zh) * | 2021-04-29 | 2021-09-03 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于多元融合的变电站设备异常识别定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10542211B2 (en) * | 2017-10-05 | 2020-01-21 | GM Global Technology Operations LLC | Camera subsystem evaluation using sensor report integration |
-
2021
- 2021-11-17 CN CN202111358855.8A patent/CN114283330B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104253482A (zh) * | 2014-08-08 | 2014-12-31 | 济南大学 | 基于图像数据库和巡检机器人的设备故障检测方法 |
| CN112466000A (zh) * | 2020-09-23 | 2021-03-09 | 国网上海市电力公司 | 一种基于电力巡检机器人的巡检***及巡检控制方法 |
| CN112381784A (zh) * | 2020-11-12 | 2021-02-19 | 国网浙江省电力有限公司信息通信分公司 | 一种基于多光谱图像的设备检测*** |
| CN113344026A (zh) * | 2021-04-29 | 2021-09-03 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于多元融合的变电站设备异常识别定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 电气设备红外成像图库与远程辅助诊断***研究;陈锋;周业如;;华东电力(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114283330A (zh) | 2022-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110018389B (zh) | 一种输电线路在线故障监测方法及*** | |
| CN103499774B (zh) | 输电绝缘子闪络在线监视安全预警装置 | |
| CN103926510B (zh) | 一种电缆护层电流及载流量在线监测和故障诊断定位方法 | |
| US8400504B2 (en) | Contamination monitoring of high voltage insulators | |
| CN104977087B (zh) | 一种基于红外成像测温的电力设备故障自动预警的方法 | |
| CN107767374B (zh) | 一种gis盆式绝缘子内部导体局部过热智能诊断方法 | |
| CN103499382B (zh) | 一种基于振动数据融合和图像识别的变压器故障诊断方法 | |
| CN103954897A (zh) | 基于紫外成像的智能电网高压绝缘损坏监控***及方法 | |
| CN104990629A (zh) | 一种红外成像测温的电力设备故障自动预警*** | |
| CN114460411A (zh) | 输电网的故障定位方法、装置及***、处理器、电子设备 | |
| CN114283330B (zh) | 基于多源数据的在线巡检识别方法及*** | |
| CN109342882A (zh) | 基于多源特征值分析的电缆故障在线监测方法 | |
| CN110672980A (zh) | 一种基于紫外、红外、可见成像的电力巡检在线监测*** | |
| CN114088212A (zh) | 基于温度视觉的诊断方法及诊断装置 | |
| CN117239926A (zh) | 基于多参量感知的配电台区监测***及方法 | |
| CN117612345A (zh) | 一种电力设备状态监测报警***及方法 | |
| Zhang et al. | Intelligent detection technology of infrared image of substation equipment based on deep learning algorithm | |
| CN116169778A (zh) | 一种基于配电网异常分析的处理方法及*** | |
| CN106355187A (zh) | 视觉信息在电力设备监测中的应用 | |
| CN108828398A (zh) | 一种基于结构相似性算法的单芯电缆局放定位方法 | |
| EP3706270B1 (en) | Artificial intelligence monitoring system using infrared images to identify hotspots in a switchgear | |
| CN115731455A (zh) | 一种环网计量柜 | |
| CN104849654A (zh) | 断路器在线监测方法及*** | |
| CN115459449A (zh) | 一种可实时分析变压器运行性能的变电站监测方法及*** | |
| CN112750149A (zh) | 基于运动目标检测的高压隔离开关故障监测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |