[发明专利]变电站自动巡检方法和平台

说明书

本发明涉及一种变电站自动巡检方法和平台。变电站自动巡检方法包括：向巡检机器人发送巡检路径，以使巡检机器人按照巡检路径到达巡检位置，采集巡检位置处的设备的噪声数据，对设备和噪声数据进行对应标识，以及获取当前巡检机器人的定位信息；接收设备的噪声数据以及巡检机器人的定位信息，并根据预设规则对噪声数据进行处理，得到设备运行时的时频图；根据定位信息确认设备对应的训练完成的卷积神经网络模型，以及将设备的时频图输入到与设备对应的训练完成的卷积神经网络模型，利用卷积神经网络模型判断设备是否发生故障，从而将故障检测问题转化为图像识别问题，避免了对人工以及知识技能的依赖，同时提高了巡检的效率和可靠性。

技术领域

本发明涉及巡检机器人的应用与开发技术领域，特别是涉及一种变电站自动巡检方法和平台。

背景技术

变电站设备长期处于运行状态下，为了确保电气设备的安全稳定运行，及时发现设备的缺陷或隐患，需运行人员对现场设备进行巡检，但工作量大、效率低，且检测结果往往达不到预期效果。其中噪声数据包含了设备运行状态信息，采用非接触式传感器可测量，是比较理想的故障分析和检测手段。因此将噪声检测技术集成到巡检机器人上，利用巡检机器人替代人工巡检，有利于节约人工成本，提高巡检效率和可靠性。但是，基于传统噪声信号分析的方法进行异常检测需要复杂的专家知识，因此一般员工在分析噪声信号时可能会出现失误，到时检测可靠性和检测效率不高。

发明内容

基于此，有必要提供一种变电站自动巡检方法和平台，以提高巡检的效率和可靠性。

本发明提供了一种变电站自动巡检方法，包括：

向巡检机器人发送巡检路径，以使所述巡检机器人按照巡检路径到达巡检位置，采集所述巡检位置处的设备的噪声数据，对所述设备和所述噪声数据进行对应标识，以及获取当前所述巡检机器人的定位信息；

接收所述设备的噪声数据以及所述巡检机器人的定位信息，并根据预设规则对所述噪声数据进行处理，得到所述设备运行时的时频图；

根据所述定位信息确认所述设备对应的训练完成的卷积神经网络模型，以及将所述设备的时频图输入到与所述设备对应的训练完成的卷积神经网络模型，利用所述卷积神经网络模型判断所述设备是否发生故障。

在其中一个实施例中，所述根据预设规则对所述噪声数据进行处理，得到所述设备运行时的时频图，包括：

对所述噪声数据进行短时傅里叶变换，得到并存储与所述设备运行时的时频图。

在其中一个实施例中，在根据所述定位信息确认所述设备对应的训练完成的卷积神经网络模型之前，还包括：

采集所述设备正常状态下和故障状态下的历史运行噪声数据，并分别对每一所述噪声数据对应的设备的运行状态进行标定，形成噪声数据样本；

将所述噪声数据样本进行短时傅里叶变换，得到与所述噪声数据样本对应的时频图；

将所述时频图作为图像训练样本输入预先设置的卷积神经网络进行训练，以得到所述训练完成的卷积神经网络模型，并存储。

在其中一个实施例中，在向所述巡检机器人发送所述巡检路径之前，还包括：

根据所述变电站的设计图纸或高清卫星图像，获取变电站中需要检测的各个设备的位置信息；

根据需要检测的所述设备的位置信息和进行噪声采集的时间，生成所述巡检路径。

在其中一个实施例中，所述变电站自动巡检方法还包括：

当判定所述设备发生故障时，生成用于提示用户设备故障的报警信息。

在其中一个实施例中，所述变电站自动巡检方法还包括：