[发明专利]一种变电设备异常感知的方法

说明书

本发明涉及一种变电设备异常感知的方法，收集针对变电设备的历史工业视频并进行预处理，以提取的特征及已知的变电设备图片特征库结合Canny边缘算法，建立变电设备无异常数据库和变电设备异常数据库，以工业摄像头的内窥镜实时采集变电设备运行后的图像视频并进行预处理，进行相同的特征提取后以提取的任一帧视频图像的特征与变电设备无异常数据库和变电设备异常数据库中的特征数据进行比对，感知变电设备异常。本发明综合考虑从前端图片自动获取特征信息，借助信息传输中枢在后端进行图片智能分析，到最终发布缺陷预警，实现了管理上的闭环，技术的突破，兼顾到了变电设备在区域内的重要性和变电设备自身缺陷等级的智能联动综合分析。

技术领域

本发明涉及一般的图像数据处理或产生的技术领域，特别涉及一种能够提升缺陷识别比对效率的变电设备异常感知的方法。

背景技术

变电站是电力系统中变换电压、接受和分配电能、控制电力的流向和调整电压的电力设施，其通过变压器将各级电压的电网联系起来。而在变电站中需要各种组建设备，包含变压器类、开关类、四小器类、无功装置类设备及其他辅助装置，这些设备被统称为变电设备。

基于供电是人们生产生活中必不可少的一部分，对于变电设备的维护和异常识别尤为重要。

现有技术中，变电设备的异常识别一般通过现场人员巡视发现，当然，近年也有通过变电站智能巡检机器人开展变电站内设备红外测温、表计读数、分合执行机构识别及异常状态报警等识别方式的出现，事实上，依靠单一的人工巡检方式存在劳动强度大、巡检效率低、巡检不到位、巡检标准不统一、雨雪恶劣环境下巡视困难等问题，而利用智能机器人巡检也同样存在着外观缺陷以及深层次甄别分析困难的问题。

发明内容

本发明解决了现有技术中，变电设备的异常通过人工巡检存在劳动强度大、巡检效率低、巡检不到位、巡检标准不统一、雨雪恶劣环境下巡视困难等问题，而通过智能机器人巡检存在着外观缺陷以及深层次甄别分析困难的问题，提供了一种优化的变电设备异常感知的方法。

本发明所采用的技术方案是，一种变电设备异常感知的方法，所述方法包括以下步骤：

步骤1：收集针对变电设备的历史工业视频，对历史工业视频进行预处理；

步骤2：对预处理后的历史工业视频的每一帧进行特征提取；

步骤3：以提取的特征及已知的变电设备图片特征库，结合Canny边缘算法，建立变电设备无异常数据库和变电设备异常数据库；

步骤4：以工业摄像头的内窥镜实时采集变电设备运行后的图像视频；

步骤5：对步骤4采集的视频进行预处理；

步骤6：将预处理后的每一帧视频图像与步骤2进行相同的特征提取；

步骤7：以提取的任一帧视频图像的特征与变电设备无异常数据库和变电设备异常数据库中的特征数据进行比对，感知变电设备异常。

优选地，所述预处理包括去噪处理。

优选地，所述去噪处理包括对视频中的每一帧图像进行中值滤波。

优选地，所述步骤2中，特征提取包括以下步骤：

步骤2.1：设置卷积滤波器；

步骤2.2：以卷积滤波器对预处理后的工业视频的每一帧视频图像的进行卷积；

步骤2.3：生成完整的特征映射，得到特征。

优选地，所述步骤3包括以下步骤：

步骤3.1：以预处理后的历史工业视频的任一帧视频图像计算平均像素值，以平均像素值为阈值分割值；

步骤3.2：以Canny边缘算法获得图像中的所有边缘；