[发明专利]监测水电站设备的方法、装置、设备及存储介质

说明书

本申请适用于数据处理技术领域，提供了一种监测水电站设备的方法、装置、设备及存储介质，包括：利用鬼成像技术采集设备监测点的光场分布信息和反射光强度信息；将光场分布信息和反射光强度信息输入到已训练的漏液监测模型中进行处理，得到设备监测点的监测结果，漏液监测模型是利用样本训练集对初始模型进行训练得到的。上述方案中，利用鬼成像技术采集设备监测点的光场分布信息和反射光强度信息，使采集到的设备监测点的光场分布信息和反射光强度信息不受现场光强的影响，准确地反应出设备监测点的现状。在此基础上，基于漏液监测模型对光场分布信息和反射光强度信息进行处理，可以准确地识别水电站设备是否漏液，提升了监测结果的准确性。

技术领域

本申请属于数据处理技术领域，尤其涉及一种监测水电站设备的方法、装置、设备及存储介质。

背景技术

水电站一般指水电厂，其作为一种清洁电能生产者，对生产区域的安全性要求极高。在生产区域中，水电站的发电机组、气体绝缘金属封闭开关设备(Gas Insulatedmetal-enclosed Switchgear，GIS)、变压器等含油、水、气的设备，以及各种输送管道很常见。这些装置长期运行，加上受到风力、水力、电、磁等因素的影响，非常容易产生漏液故障，这会对生产作业造成极大的威胁。

现有技术中，通过深度卷积神经网络对采集到的水电站设备的图像进行识别，从而监测水电站设备是否存在漏液故障。然而，由于采集的水电站设备的图像容易受到现场光强的影响，使深度卷积神经网络根据该图像无法准确地判断出水电站设备是否漏液，从而导致监测结果不准确。

发明内容

有鉴于此，本申请实施例提供了一种监测水电站设备的方法、装置、设备及存储介质，以解决现有技术中对水电站设备是否漏液监测不准确的问题。

本申请实施例的第一方面提供了一种监测水电站设备的方法，该方法包括：

利用鬼成像技术采集设备监测点的光场分布信息和反射光强度信息；将光场分布信息和反射光强度信息输入到已训练的漏液监测模型中进行处理，得到设备监测点的监测结果，漏液监测模型是利用样本训练集对初始模型进行训练得到的。

上述方案中，利用鬼成像技术采集设备监测点的光场分布信息和反射光强度信息，使采集到的设备监测点的光场分布信息和反射光强度信息不受现场光强的影响，能够准确地反应出设备监测点的现状。在此基础上，基于漏液监测模型对光场分布信息和反射光强度信息进行处理，可以准确地识别出水电站设备是否漏液，从而提升了监测结果的准确性。

可选地，将光场分布信息和反射光强度信息输入到已训练的漏液监测模型中进行处理，得到设备监测点的监测结果，包括：通过漏液监测模型提取光场分布信息的结构光特征；通过漏液监测模型提取反射光强度信息的强度特征；根据结构光特征和强度特征，确定设备监测点的轮廓特征；基于轮廓特征确定监测结果。

可选地，监测结果包括设备监测点处于正常状态或设备监测点处于异常状态，将光场分布信息和反射光强度信息输入到已训练的漏液监测模型中进行处理，得到设备监测点的监测结果之后，该方法还包括：当监测结果为设备监测点处于异常状态时，根据光场分布信息和反射光强度信息，生成设备监测点对应的鬼成像图像；将鬼成像图像与预设的漏液图像进行对比；根据对比结果确定待监测部位的最终监测结果。

可选地，该方法还包括：获取样本训练集，样本训练集包括多个样本光场分布信息、每个样本光场分布信息对应的样本反射光强度信息，以及每个样本光场分布信息对应的样本监测结果；将样本训练集中的样本光场分布信息和样本反射光强度信息输入到初始模型中处理，得到样本光场分布信息的实际监测结果；根据预设的损失函数，计算实际监测结果和样本光场分布信息对应的样本监测结果之间的损失值；当检测到损失值大于预设阈值时，调整初始模型的模型参数，并利用样本训练集继续训练初始模型；当检测到损失值小于或等于预设阈值时，停止训练初始模型，并将训练后的初始模型确定为漏液监测模型。