[发明专利]一种电力设备压板状态监测系统及监测方法

说明书

本发明公开了一种电力设备压板状态监测系统及方法，通过获取待训练压板状态图片，对压板状态图片进行预处理，然后构建用于压板状态识别的深度学习网络模型，利用预处理后的压板状态图片对深度学习网络模型进行训练，得到训练后的深度学习网络模型，利用训练后的深度学习网络模型进行压板状态识别，通过图像对比的方式；这样就可以起到监视压板状态是否正常运行，当比对压板状态不一致时，通过无源开关量输出异常信号到综自后台，并可以将告警信息上传到管理后台，让管理人员实时了解压板的投退状态，实现了实时采集压板状态数据，工作人员可以实时监测了解某站的压板工作状态，减轻了人工去现场比对压板的工作，提升了工作效率。

技术领域

本发明属于电力系统变电站压板状态监测，具体涉及一种电力设备压板状态监测系统及监测方法。

背景技术

电力设备中，压板的功能和数量众多，在电网运行方式发生改变时，往往涉及到压板的投退，如有压板的漏投和误投，会直接影响到保护功能的实现，严重时引起设备的拒动和误动，导致大范围的停电事故。

目前，压板管理主要靠人工管理，也就是定期人工核对每个压板的状态，而在电力系统屏柜中，压板的屏柜较多，作用和名称也不统一，而每个屏柜的压板数量众多，这样人工核对每个压板的状态，很容易产生视觉疲劳，记忆错觉，造成压板操作错误可能性。

也有通过改造压板屏柜的面板，在每个压板上安装上位移传感器，每个压板的开关量输出状态，通过单片机采集后，485输出每个压板的状态，送到后台终端，这样改造的工作量很大，成本很高，推广难度较大。

发明内容

本发明的目的在于提供一种电力设备压板状态监测系统及监测方法，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种电力设备压板状态监测方法，包括以下步骤：

步骤1)、建立电力设备压板状态图集，并标注压板状态图集中对应电力设备压板状态图的状态，对标注状态后的电力设备压板状态图进行预处理；

步骤2)、构建用于压板状态识别的深度学习网络模型，利用预处理后的压板状态图片对深度学习网络模型进行训练，得到训练后的深度学习网络模型，利用训练后的深度学习网络模型进行压板状态识别。

进一步的，利用深度学习网络模型对预处理后的压板状态图片进行特征提取，然后对提取的特征进行降维处理，对降维处理后的进行残差处理得到不同尺度的图形特征，将不同尺度的图形特征进行卷积与压缩处理得到学习图形特征，将学习图形特征进行下采样处理，将下采样处理后的学习图形特征进行分类处理。

进一步的，将压板状态图片中提取出包含压板的直线特征区域作为对比区域，将每个对比区域图像作为整个压板的对比基础单元，当每个对比区域图像的差异都在允许范围内时，则判断压板是投入状态，反之则是退出状态。

一种电力设备压板状态监测系统，包括图像获取模块、处理器模块、数据传输模块和移动终端模块；图像获取模块和数据传输模块连接于处理器模块；

图像获取模块用于实时获取多面屏柜内的压板状态图像，并将获取的压板状态图像传输至处理器模块；

处理器模块根据图像获取模块获取的压板状态图像与设定图像特征对比，从而得到压板状态图像中目前压板状态信息，并将压板状态信息通过数据传输模块传输至移动终端模块，移动终端模块存储和显示压板状态信息。

进一步的，处理器模块采用64位微处理器六核SOCRK3399主处理器。

进一步的，处理器模块上设置有独立的TypeC供电接口以及USB-C显示接口。

进一步的，图像获取模块采用高清摄像头或者CCD照相机，图像获取模块固定于待监测多面屏柜内的压板正上方。