基于多光谱红移图像的电力设备故障检测方法和装置与流程

本技术涉及光谱成像检测，特别是涉及一种基于多光谱红移图像的电力设备故障检测方法和装置。

背景技术：

1、随着智能电网运维技术不断发展，电力设备故障智能检测技术逐步成熟，各类非接触式在线监测手段相继出现，能够脱离人工近距离作业完成设备状态筛查，进而替代传统线下巡检作业模式。

2、传统电力设备故障检测主要依靠人工现场巡查与接触式仪器检测完成状态研判，后续也逐步普及红外测温、局部放电检测等常规非接触检测方式，可初步排查设备显性故障。

3、然而当前主流检测手段存在明显不足，难以识别绝缘老化等早期隐性故障，亟需解决。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高故障检测精准度的基于多光谱红移图像的电力设备故障检测方法和装置。

2、第一方面，本技术提供了一种基于多光谱红移图像的电力设备故障检测方法，包括：

3、获取待测电力设备在目标时刻下的多光谱图像；多光谱图像为在预设采集视角下采集的待测电力设备在不同光波段下的多个光谱图像；

4、根据每一像素点在不同光波段下的光谱图像中的光谱强度值的变化情况，确定各像素点在多光谱图像中对应的目标峰值波长；

5、获取待测电力设备在预设采集视角下不同像素点对应的标准峰值波长，并根据各像素点对应的目标峰值波长与标准峰值波长之间的差异情况，确定相应像素点对应的光谱红移量；

6、按照各像素点的空间坐标，根据各像素点对应的光谱红移量，构建多光谱图像对应的红移特征场，并提取红移特征场的红移分布无序度和热应力累积损伤，并根据红移分布无序度和热应力累积损伤，预测待测电力设备的故障情况。

7、在其中一个实施例中，提取红移特征场的红移分布无序度，包括：

8、针对待测电力设备在多光谱图像中的表面区域，从红移特征场中提取表面区域内各像素点对应的光谱红移量，并对各光谱红移量的绝对值进行积分处理，得到表面区域对应的红移总量；

9、将表面区域中各像素点对应的光谱红移量的绝对值与红移总量的比值，作为相应像素点对应的光谱红移量在红移总量中的红移量占比；

10、根据各像素点对应的红移量占比在表面区域内的分布离散程度，量化确定红移特征场的红移分布无序度。

11、在其中一个实施例中，提取红移特征场的热应力累积损伤，包括：

12、针对待测电力设备在多光谱图像中的表面区域，从红移特征场中提取表面区域内各像素点对应的光谱红移量，并针对任一像素点，根据像素点对应的光谱红移量与相邻像素点对应的光谱红移量之间的差异情况，预估像素点对应的红移变化率；红移变化率表征像素点的光谱红移量随时间的变化率；

13、根据各像素点对应的红移变化率在表面区域内的分布情况，确定待测电力设备表面的损伤增长速率，并根据待测电力设备的投产运行时长对损伤增长速率进行时间积分，根据时间积分结果预测热应力累积损伤；热应力累积损伤表征待测电力设备的损伤随时间的增长情况。

14、在其中一个实施例中，在根据各像素点对应的光谱红移量，构建多光谱图像对应的红移特征场之后，该方法还包括：

15、获取待测电力设备的实时工作状态参数；实时工作状态参数包括实时负载电流、实时环境温度和累计运行时长；

16、根据实时工作状态参数，确定待测电力设备对应的工况修正因子，并基于工况修正因子，对红移特征场进行修正，得到修正后的红移特征场；

17、相应的，提取红移特征场的红移分布无序度和热应力累积损伤，包括：

18、提取修正后的红移特征场的红移分布无序度和热应力累积损伤。

19、在其中一个实施例中，根据实时工作状态参数，确定待测电力设备对应的工况修正因子，包括：

20、将实时负载电流与待测电力设备对应额定负载电流之间的比值的平方，作为负载电流项；

21、根据实时环境温度与待测电力设备对应基准环境温度之间的差值，与预设环境温度修正系数之间的比值，确定环境温度项；

22、根据预设运行时长衰减系数与累计运行时长之间的比值，确定运行时长项；

23、将负载电流项、环境温度项和运行时长项的和值，作为待测电力设备对应的工况修正因子。

24、在其中一个实施例中，根据红移分布无序度和热应力累积损伤，预测待测电力设备的故障情况，包括：

25、根据修正后的红移特征场中，待测电力设备表面区域内不同像素点对应的红移变化率与红移变化方向，确定待测电力设备对应的第一风险；

26、根据红移分布无序度和热应力累积损伤，确定待测电力设备对应的第二风险；

27、根据表面区域内不同像素点对应的红移传导方向，确定表面区域的红移梯度分布，并基于红移梯度分布，确定待测电力设备对应的第三风险；

28、基于预设的权重系数，对第一风险、第二风险和第三风险进行加权求和，得到待测电力设备的风险评估数据，并根据风险评估数据与预设故障阈值之间的大小关系，确定待测电力设备的故障情况。

29、第二方面，本技术还提供了一种基于多光谱红移图像的电力设备故障检测装置，该装置包括图像采集器、光谱处理器和故障判定器；光谱处理器分别与图像采集器和故障判定器连接；

30、图像采集器，用于采集待测电力设备的多光谱图像；

31、光谱处理器，用于提取多光谱图像中不同光波段下各像素点对应的目标峰值波长，并基于预设的标准峰值波长和目标峰值波长，确定各像素点对应的光谱红移量；

32、故障判定器，用于根据各像素点对应的光谱红移量光谱红移量，构建多光谱图像对应的红移特征场，并基于故障判定模型对红移特征场的处理结果，输出故障检测结果。

33、第三方面，本技术还提供了一种基于多光谱红移图像的电力设备故障检测装置，包括：

34、图像获取模块，用于获取待测电力设备在目标时刻下的多光谱图像；多光谱图像为在预设采集视角下采集的待测电力设备在不同光波段下的多个光谱图像；

35、第一确定模块，用于根据每一像素点在不同光波段下的光谱图像中的光谱强度值的变化情况，确定各像素点在多光谱图像中对应的目标峰值波长；

36、第二确定模块，用于获取待测电力设备在预设采集视角下不同像素点对应的标准峰值波长，并根据各像素点对应的目标峰值波长与标准峰值波长之间的差异情况，确定相应像素点对应的光谱红移量；

37、故障预测模块，用于按照各像素点的空间坐标，根据各像素点对应的光谱红移量，构建多光谱图像对应的红移特征场，并提取红移特征场的红移分布无序度和热应力累积损伤，并根据红移分布无序度和热应力累积损伤，预测待测电力设备的故障情况。

38、第四方面，本技术还提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现以下步骤：

39、获取待测电力设备在目标时刻下的多光谱图像；多光谱图像为在预设采集视角下采集的待测电力设备在不同光波段下的多个光谱图像；

40、根据每一像素点在不同光波段下的光谱图像中的光谱强度值的变化情况，确定各像素点在多光谱图像中对应的目标峰值波长；

41、获取待测电力设备在预设采集视角下不同像素点对应的标准峰值波长，并根据各像素点对应的目标峰值波长与标准峰值波长之间的差异情况，确定相应像素点对应的光谱红移量；

42、按照各像素点的空间坐标，根据各像素点对应的光谱红移量，构建多光谱图像对应的红移特征场，并提取红移特征场的红移分布无序度和热应力累积损伤，并根据红移分布无序度和热应力累积损伤，预测待测电力设备的故障情况。

43、第五方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：

44、获取待测电力设备在目标时刻下的多光谱图像；多光谱图像为在预设采集视角下采集的待测电力设备在不同光波段下的多个光谱图像；

45、根据每一像素点在不同光波段下的光谱图像中的光谱强度值的变化情况，确定各像素点在多光谱图像中对应的目标峰值波长；

46、获取待测电力设备在预设采集视角下不同像素点对应的标准峰值波长，并根据各像素点对应的目标峰值波长与标准峰值波长之间的差异情况，确定相应像素点对应的光谱红移量；

47、按照各像素点的空间坐标，根据各像素点对应的光谱红移量，构建多光谱图像对应的红移特征场，并提取红移特征场的红移分布无序度和热应力累积损伤，并根据红移分布无序度和热应力累积损伤，预测待测电力设备的故障情况。

48、第六方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

49、获取待测电力设备在目标时刻下的多光谱图像；多光谱图像为在预设采集视角下采集的待测电力设备在不同光波段下的多个光谱图像；

50、根据每一像素点在不同光波段下的光谱图像中的光谱强度值的变化情况，确定各像素点在多光谱图像中对应的目标峰值波长；

51、获取待测电力设备在预设采集视角下不同像素点对应的标准峰值波长，并根据各像素点对应的目标峰值波长与标准峰值波长之间的差异情况，确定相应像素点对应的光谱红移量；

52、按照各像素点的空间坐标，根据各像素点对应的光谱红移量，构建多光谱图像对应的红移特征场，并提取红移特征场的红移分布无序度和热应力累积损伤，并根据红移分布无序度和热应力累积损伤，预测待测电力设备的故障情况。

53、上述基于多光谱红移图像的电力设备故障检测方法和装置，通过采集多波段光谱图像确定像素目标峰值波长，结合标准峰值波长算出光谱红移量并构建红移特征场，可精准捕捉设备早期微观劣化隐患，相较于传统检测方式能够有效识别无明显温升的隐性故障，同时依托红移分布无序度与热应力累积损伤两类特征开展综合研判，既能够清晰反映故障分布状态，又可量化设备长期运行的老化损伤程度，实现设备故障全方位精准评估，有效提升故障检测精度与早期预警能力，助力电力设备提前运维排查隐患，切实保障电力系统安全稳定运行。