配电网故障定位方法、系统、设备和介质与流程

本发明涉及配电网运维，尤其涉及一种配电网故障定位方法、系统、设备和介质。

背景技术：

1、随着无人机巡检、杆塔摄像头和数字化运维系统在配电网中的广泛应用，利用图像数据进行故障识别和定位已成为重要技术方向。但对现场运维而言，仅在图像平面上识别出异常目标并不足以支撑检修决策，应该是能否将异常视觉证据稳定映射到实际馈线拓扑中的具体节点、边段或故障区段，并在拓扑变化、节点缺失和复杂环境噪声下仍保持定位精度。

2、现有相近方案通常分为两类：第一类采用通用视觉模型进行图像缺陷检测，能够识别裂纹、烧损、弧光或异物，但多数止步于目标框、掩膜或异常类别，难以直接映射到实际配电网拓扑中的故障区段；第二类采用图神经网络处理设备状态与拓扑关系，能够利用图结构信息，但其输入多为电气量、状态量或统计特征，缺少将图像异常目标回映射到拓扑节点和边段的专门机制。

3、但是，上述现有技术通常只能在图像坐标系内输出异常目标位置或类别，难以将异常目标进一步映射为馈线图中的具体节点、边段或区段，在配电网拓扑变化、分段开关状态变化、视觉遮挡以及拍摄视角变化的情况下，故障定位的准确性会大幅降低，鲁棒性较差。

技术实现思路

1、有鉴于此，为了解决上述技术问题，本发明提供了一种配电网故障定位方法、系统、设备和介质。

2、本发明第一方面提供了一种配电网故障定位方法，所述方法包括：

3、获取配电网的巡检图像、所述巡检图像对应的采集关联信息以及对应馈线的拓扑运行信息；

4、对所述巡检图像进行灰度自适应增强，并从增强后的巡检图像中提取异常视觉对象及其视觉特征；

5、根据所述采集关联信息和所述拓扑运行信息，将所述异常视觉对象与对应馈线中的拓扑对象进行图像与拓扑对位，确定至少一个疑似故障区段；

6、以所述疑似故障区段为中心，将所述疑似故障区段对应的视觉特征、设备运行状态和拓扑关系进行关联，构建故障证据子图；

7、将至少一个所述疑似故障区段的所述故障证据子图输入预先训练好的图神经网络模型，得到各所述疑似故障区段对应的故障概率，并根据所述故障概率确定目标故障区段。

8、在其中一个示例中，所述对所述巡检图像进行灰度自适应增强，并从增强后的巡检图像中提取异常视觉对象及其视觉特征，包括：

9、对所述巡检图像进行亮度归一化和噪声抑制，得到基础灰度图；

10、根据所述基础灰度图中不同局部区域的亮度特征、纹理特征和边缘特征，确定对应局部区域的灰度增强参数，并基于所述灰度增强参数对所述基础灰度图进行局部增强，得到增强后的巡检图像；

11、根据所述增强后的巡检图像提取故障候选区域，并结合所述故障候选区域与对应设备目标之间的关联关系，确定所述异常视觉对象；

12、提取所述异常视觉对象的纹理特征、形态特征、亮度分布特征和上下文特征，得到所述视觉特征。

13、在其中一个示例中，所述根据所述增强后的巡检图像提取故障候选区域，并结合所述故障候选区域与对应设备目标之间的关联关系，确定所述异常视觉对象，包括：

14、提取所述增强后的巡检图像对应的边缘响应信息和热点显著信息，并将所述边缘响应信息、热点显著信息与所述增强后的巡检图像进行融合，得到故障敏感图；

15、从所述故障敏感图中识别设备目标，并提取故障候选区域；

16、根据所述故障候选区域与所述设备目标之间的相对关系，对所述故障候选区域进行筛选，将筛选后保留的故障候选区域确定为所述异常视觉对象。

17、在其中一个示例中，所述根据所述采集关联信息和所述拓扑运行信息，将所述异常视觉对象与对应馈线中的拓扑对象进行图像与拓扑对位，确定至少一个疑似故障区段，包括：

18、根据所述采集关联信息确定所述巡检图像对应的视场覆盖范围，并根据所述拓扑运行信息，从对应馈线中确定处于所述视场覆盖范围内的候选拓扑对象；

19、根据所述异常视觉对象在所述巡检图像中的位置、尺寸、方向以及与邻近设备之间的空间关系，将所述异常视觉对象与所述候选拓扑对象进行匹配，得到至少一个候选映射对象；

20、根据对应馈线的供电方向、设备排列顺序、设备上下游关系和分段开关边界，对所述候选映射对象进行拓扑一致性校核；

21、根据所述拓扑一致性校核的结果，将满足拓扑一致性条件的候选映射对象所对应的馈线区段确定为所述疑似故障区段。

22、在其中一个示例中，所述以所述疑似故障区段为中心，将所述疑似故障区段对应的视觉特征、设备运行状态和拓扑关系进行关联，构建故障证据子图，包括：

23、以所述疑似故障区段为中心，沿对应馈线的上游方向和下游方向确定与所述疑似故障区段关联的局部拓扑范围；

24、从所述局部拓扑范围内提取与所述疑似故障区段关联的设备对象、设备运行状态和空间位置信息，并将所述异常视觉对象及其视觉特征与对应的设备对象或线路边段进行绑定；

25、根据绑定结果构建表征所述设备对象、异常视觉对象、设备运行状态和空间位置的节点，并根据所述局部拓扑范围内的电气连接关系、空间关系、图像邻接关系、供电方向关系和开关分段关系，在相应节点之间建立边；

26、将所述节点、所述边以及对应的视觉特征、设备运行状态和拓扑关系组合，得到所述疑似故障区段对应的故障证据子图。

27、在其中一个示例中，所述将至少一个所述疑似故障区段的所述故障证据子图输入预先训练好的图神经网络模型，得到各所述疑似故障区段对应的故障概率，并根据所述故障概率确定目标故障区段，包括：

28、针对各所述疑似故障区段，从对应的故障证据子图中提取节点特征、边属性以及各节点之间的拓扑关联关系；

29、根据所述疑似故障区段在对应故障证据子图中的位置，确定与所述疑似故障区段关联的局部传递范围，并根据所述局部传递范围内节点之间的电气路径长度、供电方向和分段开关状态，确定节点之间的信息传递约束；

30、将所述节点特征、边属性、拓扑关联关系和信息传递约束输入所述预先训练好的图神经网络模型，得到各所述疑似故障区段对应的故障概率；

31、根据各所述疑似故障区段对应的故障概率，对各所述疑似故障区段进行比较，并将满足预设故障概率条件的疑似故障区段确定为所述目标故障区段。

32、在其中一个示例中，所述根据所述疑似故障区段在对应故障证据子图中的位置，确定与所述疑似故障区段关联的局部传递范围，并根据所述局部传递范围内节点之间的电气路径长度、供电方向和分段开关状态，确定节点之间的信息传递约束，包括：

33、以所述疑似故障区段在对应故障证据子图中关联的节点为中心，按照预设拓扑跳数向外扩展，确定参与所述疑似故障区段推理的局部节点集合，并将所述局部节点集合对应的范围确定为所述局部传递范围；

34、针对所述局部传递范围内的节点对，根据对应馈线的当前拓扑结构，确定所述节点对之间的电气路径长度、所述节点对之间的供电方向一致性以及连接路径上的分段开关状态；

35、对于供电路径可达且供电方向一致的第一节点对，根据对应的电气路径长度确定所述第一节点对的信息传递权重，对于连接路径被断开的分段开关阻隔或供电方向不一致的第二节点对，降低所述第二节点对的信息传递权重；

36、根据所有所述节点对的信息传递权重，生成所述信息传递约束。

37、第二方面，本发明还提供了一种配电网故障定位系统，所述系统包括：

38、信息获取模块，用于获取配电网的巡检图像、所述巡检图像对应的采集关联信息以及对应馈线的拓扑运行信息；

39、灰度增强模块，用于对所述巡检图像进行灰度自适应增强，并从增强后的巡检图像中提取异常视觉对象及其视觉特征；

40、疑似故障定位模块，用于根据所述采集关联信息和所述拓扑运行信息，将所述异常视觉对象与对应馈线中的拓扑对象进行图像与拓扑对位，确定至少一个疑似故障区段；

41、证据子图构建模块，用于以所述疑似故障区段为中心，将所述疑似故障区段对应的视觉特征、设备运行状态和拓扑关系进行关联，构建故障证据子图；

42、目标故障定位模块，用于将至少一个所述疑似故障区段的所述故障证据子图输入预先训练好的图神经网络模型，得到各所述疑似故障区段对应的故障概率，并根据所述故障概率确定目标故障区段。

43、第三方面，本发明还提供了一种电子设备，所述电子设备包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面所述的配电网故障定位方法的步骤。

44、第四方面，本发明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，所述计算机程序被执行时实现如第一方面所述的配电网故障定位方法的步骤。

45、从以上技术方案可以看出，本发明通过对巡检图像实施灰度自适应增强，能够在光照不均、背景复杂和局部特征较弱的情况下稳定提取异常视觉信息；随后，利用采集关联信息和馈线拓扑运行信息，将图像坐标系中的异常视觉对象转换为具有实际电气含义的疑似故障区段，克服了普通视觉检测结果仅停留在目标框、掩膜或异常类别层面而无法直接服务于线路检修的问题；进一步以疑似故障区段为中心关联视觉特征、设备运行状态和拓扑关系构建故障证据子图，并通过图神经网络对各疑似故障区段进行综合推理，使视觉证据能够沿实际设备连接和供电路径参与故障判断。因此，该方案能够减少图像识别与电气拓扑相互脱节造成的定位偏差，并提高配电网拓扑变化、分段开关状态变化、视觉遮挡及拍摄视角变化条件下的区段级故障定位准确性和稳定性。