[发明专利]一种SF6

权利要求书

1.一种SF₆密度继电器的漏气监测方法，其特征在于，包括：

确定SF₆密度继电器压力数值的影响因素；

获取SF₆密度继电器历史压力数据及对应同一时间影响因素的信息，组成数据集；

基于数据集进行训练得到预测分析模型；

获取SF₆密度继电器表盘的图像，对图像中的表盘进行定位和校正从而获取SF₆密度继电器的压力数据，再获取对应同一时间影响因素的信息；

将SF₆密度继电器的压力数据及对应同一时间影响因素的信息输入预测分析模型来对SF₆密度继电器是否会漏气进行预测。

2.根据权利要求1所述的一种SF₆密度继电器的漏气监测方法，其特征在于，所述SF₆密度继电器压力数值的影响因素包括温度、风速和天气。

3.根据权利要求1所述的一种SF₆密度继电器的漏气监测方法，其特征在于，所述基于数据集进行训练得到预测分析模型包括：

将数据集分为训练集与验证集；

对训练集基于深度学习算法进行训练，得到预测分析模型；

对验证集通过训练完成的预测分析模型进行预测验证。

4.根据权利要求1所述的一种SF₆密度继电器的漏气监测方法，其特征在于，所述对图像中的表盘进行定位包括：

获取多个SF₆密度继电器表盘的图像；

对多个SF₆密度继电器表盘的图像进行训练，得到表盘定位模型；

将SF₆密度继电器表盘的图像输入表盘定位模型以对图像中的表盘进行定位。

5.根据权利要求1所述的一种SF₆密度继电器的漏气监测方法，其特征在于，所述获取SF₆密度继电器的压力数据包括：

提取表盘中感兴趣的关键点；

通过关键点间存在的固有关系，得到表盘指针当前的准确角度；

通过表盘刻度的映射关系，换算得到当前SF₆密度继电器指示的压力数值。

6.一种SF₆密度继电器的漏气监测系统，其特征在于，包括：

第一数据获取模块，用于获取SF₆密度继电器历史压力数据及对应同一时间影响因素的信息，组成数据集；

模型训练模块，用于基于数据集进行训练得到预测分析模型；

第二数据获取模块，用于获取SF₆密度继电器表盘的图像，对图像中的表盘进行定位和校正从而获取SF₆密度继电器的压力数据，再获取对应同一时间影响因素的信息；

漏气判断模块，用于将SF₆密度继电器的压力数据及对应同一时间影响因素的信息输入预测分析模型来对SF₆密度继电器是否会漏气进行预测。

7.根据权利要求6所述的一种SF₆密度继电器的漏气监测系统，其特征在于，所述SF₆密度继电器压力数值的影响因素包括温度、风速和天气。

8.根据权利要求6所述的一种SF₆密度继电器的漏气监测系统，其特征在于，所述第一模型训练模块具体用于：

将数据集分为训练集与验证集；

对训练集基于深度学习算法进行训练，得到预测分析模型；

对验证集通过训练完成的预测分析模型进行预测验证。