一种电力检测设备及方法与流程

本技术涉及电力，更具体地说，本技术涉及一种电力检测设备及方法。

背景技术：

1、电力设备在运行过程中长期承受高电压、高电流环境，极易因导电不良、部件老化或外部环境等因素产生局部过热现象，进而引发热故障，热故障作为电力系统中常见的隐患，若未能及时识别和处理，将可能引起设备损坏、供电中断甚至火灾等严重后果，相比传统人工巡检，基于红外成像的热故障检测技术能够实现对设备表面温度分布的非接触、实时监测，有效识别早期故障征兆，是提升设备运维智能化水平、保障电力系统安全稳定运行的关键手段。

2、在现有技术中，现有热故障检测方法的核心技术瓶颈在于多域特征协同感知能力的缺失，具体表现为：现有技术未能有效实现频域特征互补性与空间域抗干扰性的跨域协同融合，在频域特征提取层面，热响应信号的高低频混合特性未被充分挖掘，检测模型往往割裂高频纹理特征与低频背景特征的耦合关系，导致特征表征维度单一，检测置信度不足，另外，在空间域抗干扰层面，复杂环境产生的伪热斑噪声与真实热故障信号在空间分布上存在交叠，而现有方法缺乏跨域特征验证机制，无法通过频域-空间域联合分析实现干扰信号的动态抑制，这种多域特征解耦的缺陷，使得检测系统既难以充分提取热故障的本质特征，又无法有效抵御环境噪声干扰，最终导致复杂工况下的检测精度显著下降，因此，如何基于红外图像的高低频特征实现电力设备热故障的置信检测成为了业界面临的难题。

技术实现思路

1、本技术提供一种电力检测设备及方法，可基于红外图像的高低频特征实现电力设备热故障的置信检测。

2、第一方面，本技术提供一种热故障检测方法，用于电力设备的热故障检测，包括下述步骤：

3、启动电力设备的热故障检测，获取电力设备的红外图像；

4、提取所述红外图像中电力设备热反射引起的热斑区域信息，根据所述热斑区域信息对所述红外图像进行区块分割，得到多个分割子块，通过各个分割子块之间温度梯度的分布差异确定所述红外图像中热斑干扰的抑制系数；

5、对所述红外图像进行多尺度特征分解，进而提取电力设备在热响应下的高频特征和在热背景下的低频特征，通过所述抑制系数对所述高频特征中的热斑干扰进行抑制，得到高频抑制特征；

6、确定所述低频特征和所述高频抑制特征之间区域能量的热力分布，进而依据所述热力分布将所述低频特征和所述高频抑制特征进行特征级融合，得到电力设备热故障检测的融合特征图；

7、通过所述融合特征图确定电力设备热故障的测定值，进而基于所述测定值判定电力设备的热故障状态。

8、优选的，提取所述红外图像中电力设备热反射引起的热斑区域信息具体包括：

9、对所述红外图像进行温度语义分析，提取得到电力设备热反射的温度语义；

10、通过设定的温度阈值从所述红外图像中筛选出温度异常区域；

11、依据所述温度语义和所述温度异常区域确定电力设备热反射引起的热斑区域信息。

12、优选的，根据所述热斑区域信息对所述红外图像进行区块分割，得到多个分割子块具体包括：

13、依据所述热斑区域信息初步划定所述红外图像中的分割区域；

14、对所述分割区域中的像素进行区域聚类，得到多个聚类区域；

15、根据所有的聚类区域对所述红外图像进行分割，得到多个分割子块。

16、优选的，通过各个分割子块之间温度梯度的分布差异确定所述红外图像中热斑干扰的抑制系数具体包括：

17、确定每个分割子块的温度梯度；

18、根据每个分割子块与相邻分割子块之间温度梯度的分布差异确定所述每个分割子块中热斑对热故障检测的干扰评分；

19、通过所有的干扰评分确定所述红外图像中热斑干扰的抑制系数。

20、优选的，对所述红外图像进行多尺度特征分解，进而提取电力设备在热响应下的高频特征和在热背景下的低频特征具体包括：

21、对所述红外图像进行小波变换，将所述红外图像分解为多个空间分辨率层级的特征信息；

22、通过频域滤波将所有的特征信息进行频率分离，得到电力设备在热响应下的高频特征和在热背景下的低频特征。

23、优选的，通过所述抑制系数对所述高频特征中的热斑干扰进行抑制，得到高频抑制特征具体包括：

24、从所述高频特征中提取热斑干扰特征；

25、通过所述抑制系数对所述热斑干扰特征进行抑制调节，得到抑制后的热斑干扰特征；

26、根据抑制后的热斑干扰特征和所述高频特征确定高频抑制特征。

27、优选的，确定所述低频特征和所述高频抑制特征之间区域能量的热力分布具体包括：

28、对电力设备的红外图像进行栅格划分，得到多个栅格区域；

29、确定所述低频特征和所述高频抑制特征在各个栅格区域中的能量差异；

30、通过所有的能量差异确定所述低频特征和所述高频抑制特征之间区域能量的热力分布。

31、优选的，通过所述融合特征图确定电力设备热故障的测定值具体包括：

32、预训练一个用于电力设备热故障检测的机器模型；

33、将所述融合特征图作为所述机器模型的输入参数；

34、通过所述机器模型输出电力设备热故障的测定值。

35、优选的，通过红外成像设备采集红外图像。

36、第二方面，本技术提供一种电力检测设备，该电力检测设备包括热故障检测单元，所述热故障检测单元包括：

37、获取模块，用于在启动电力设备的热故障检测后，获取电力设备的红外图像；

38、处理模块，用于提取所述红外图像中电力设备热反射引起的热斑区域信息，根据所述热斑区域信息对所述红外图像进行区块分割，得到多个分割子块，通过各个分割子块之间温度梯度的分布差异确定所述红外图像中热斑干扰的抑制系数；

39、所述处理模块，还用于对所述红外图像进行多尺度特征分解，进而提取电力设备在热响应下的高频特征和在热背景下的低频特征，通过所述抑制系数对所述高频特征中的热斑干扰进行抑制，得到高频抑制特征；

40、所述处理模块，还用于确定所述低频特征和所述高频抑制特征之间区域能量的热力分布，进而依据所述热力分布将所述低频特征和所述高频抑制特征进行特征级融合，得到电力设备热故障检测的融合特征图；

41、执行模块，用于通过所述融合特征图确定电力设备热故障的测定值，进而基于所述测定值判定电力设备的热故障状态。

42、本技术公开的实施例提供的技术方案具有以下有益效果：

43、本技术实施例中，在启动电力设备的热故障检测后，获取电力设备的红外图像；提取所述红外图像中电力设备热反射引起的热斑区域信息，根据所述热斑区域信息对所述红外图像进行区块分割，得到多个分割子块，通过各个分割子块之间温度梯度的分布差异确定所述红外图像中热斑干扰的抑制系数；对所述红外图像进行多尺度特征分解，进而提取电力设备在热响应下的高频特征和在热背景下的低频特征，通过所述抑制系数对所述高频特征中的热斑干扰进行抑制，得到高频抑制特征；确定所述低频特征和所述高频抑制特征之间区域能量的热力分布，进而依据所述热力分布将所述低频特征和所述高频抑制特征进行特征级融合，得到电力设备热故障检测的融合特征图；通过所述融合特征图确定电力设备热故障的测定值，进而基于所述测定值判定电力设备的热故障状态。

44、由此可见，本技术通过热力分布将低频特征和高频抑制特征进行特征级融合，得到电力设备热故障检测的融合特征图，进而基于融合特征图判定电力设备的热故障状态；首先，通过识别红外图像中由于热反射引起的非真实热源区域，实现了对热斑干扰的前期隔离，进一步结合区块分割与温度梯度分析获取不同子块间的热分布差异，量化并构建反映热斑干扰强度的抑制系数，这便于动态调整后续特征处理中的干扰抑制程度，从源头上降低因热反射误判热故障的可能，提升整个检测流程的判别准确性和可靠性；其次，通过多尺度特征分解技术，从红外图像中提取出高频和低频特征，充分考虑了热响应的多维度特性，避免了传统方法中高频和低频特征割裂的局限性，并通过抑制系数对高频特征中热斑带来的噪声干扰进行抑制，使得高频特征的表征更为准确，可提升了红外图像的解析度和热故障检测的置信度，从而确保了高频纹理与低频背景的有效融合；然后，通过低频与高频抑制特征在栅格区域内能量差异的分析构建热力分布图，反映各区域热贡献情况，再结合注意力机制实现特征级融合，动态赋权组合两类特征，构建更具代表性的融合特征图，该过程强化了热故障敏感区域的表达能力，减弱无关区域干扰，使最终输出特征图对真实热故障的表征更具区分度和精度；最后，基于融合特征图，准确判定了电力设备的热故障状态，不仅提高了故障识别的灵敏度，也增强了模型对复杂环境的适应能力。综上所述，本技术方案可基于红外图像的高低频特征实现电力设备热故障的置信检测。