一种光伏设备故障检测方法、系统、设备和介质与流程

摘要: 本发明涉及光伏检测,具体涉及一种光伏设备故障检测方法、系统、设备和介质。背景技术:1、随着分布式光伏发电系统在乡村地区的广泛部署,光伏设备的运行维护需求日益增长...
一种光伏设备故障检测方法、系统、设备和介质与流程

本发明涉及光伏检测,具体涉及一种光伏设备故障检测方法、系统、设备和介质。

背景技术:

1、随着分布式光伏发电系统在乡村地区的广泛部署,光伏设备的运行维护需求日益增长。乡村光伏设备分布分散,长期暴露于户外环境,其运行状态易受光照强度波动、阴影动态遮挡、表面灰尘积聚以及高湿度雨雪天气等多重环境因素的影响,给设备故障的及时发现与准确定位带来了较大困难。

2、现有光伏设备故障检测手段主要包括人工巡检、基于电气参数的阈值告警以及基于深度学习的视觉检测方法。人工巡检效率低下且成本高昂,难以适应大规模分布式光伏的运维需求;基于电气参数的方法虽能反映设备的整体发电效能,却无法精确定位故障发生的具体区域和类型。近年来,基于可见光图像或红外热成像的深度学习检测方法得到广泛关注,然而此类方法在乡村场景中仍面临一些关键瓶颈:比如环境因素形成的视觉伪特征与设备真实故障特征高度相似,现有模型缺乏针对性的抗干扰设计,易将阴影遮挡或灰尘覆盖误判为热斑或裂纹故障;还有光伏设备的小面积热斑、边缘微裂纹等局部缺陷在多尺度特征提取中容易被忽略,导致漏检问题突出;而且一般的视觉检测方法普遍未能有效融合设备运行的电气参数和环境参数,单一依赖图像信息缺乏多维度约束,难以综合判别故障类型、精确定位故障位置并评估其严重程度。

技术实现思路

1、鉴于上述存在的问题,本发明提供一种光伏设备故障检测方法、系统、设备和介质。

2、因此,本发明解决的技术问题是:如何通过多模态图像与运行状态数据的联合处理,提升乡村光伏设备在复杂环境下的故障检测抗干扰能力、多尺度缺陷感知能力以及故障综合判别可靠性。

3、为解决上述技术问题,本发明提供如下技术方案:一种光伏设备故障检测方法,包括获取光伏设备的表征表面形态的第一图像数据和表征热分布的第二图像数据;

4、对所述第一图像数据和所述第二图像数据分别进行特征提取后融合,对融合后特征进行增强处理,生成鲁棒增强特征图;

5、对所述鲁棒增强特征图进行多尺度特征提取,将提取得到的各尺度特征进行融合,生成缺陷感知特征图;

6、获取所述光伏设备的运行状态数据,提取所述运行状态数据的时序特征;

7、根据所述缺陷感知特征图的空间结构对所述时序特征进行空间对齐后,将所述缺陷感知特征图与空间对齐后的时序特征进行融合,生成所述光伏设备的故障检测结果。

8、作为本发明所述的一种光伏设备故障检测方法的一种优选方案,其中:所述增强处理通过自适应鲁棒增强子模块实现,包括:

9、将输入特征图经卷积操作得到中间特征图后,分三条路径并行处理,

10、第一鲁棒路径对所述中间特征图进行动态卷积提取特征后经relu激活,与动态卷积输出逐元素相乘,

11、第二鲁棒路径对所述中间特征图进行卷积-批归一化-激活函数模块处理,

12、第三鲁棒路径对所述中间特征图进行动态卷积提取特征后经sigmoid激活,与动态卷积输出逐元素相乘;

13、将第一鲁棒路径与第二鲁棒路径的输出拼接后经卷积-批归一化-激活函数模块处理,将第三鲁棒路径与第二鲁棒路径的输出拼接后经卷积-批归一化-激活函数模块处理,将两路处理结果逐元素相加后经卷积操作输出。

14、本优选技术方案的有益效果为:通过三路径并行差异化处理架构,使增强处理能够根据输入特征动态适配乡村光伏场景的复杂环境变化。路径一中动态卷积配合relu激活后逐元素相乘,可依据光照强度自适应调整热异常特征的响应权重,光照偏低时增强热斑信号、光照偏高时抑制高光噪声;路径三中动态卷积配合sigmoid激活后逐元素相乘,可依据环境干扰程度自适应强化缺陷区域的特征响应。两条路径经拼接融合后与基础特征进行逐元素相加,在保留核心故障信息的同时有效抑制灰尘覆盖、阴影遮挡等环境伪特征,显著提升了特征表达的抗干扰鲁棒性,从而降低误判率。

15、作为本发明所述的一种光伏设备故障检测方法的一种优选方案,其中:所述多尺度特征提取与融合通过多尺度细节增强子模块实现,包括:

16、将输入特征图经卷积操作得到中间特征图后,分两条路径并行处理,

17、第一尺度路径对所述中间特征图经平均池化后,依次经空洞卷积和卷积-批归一化-激活函数模块处理,

18、第二尺度路径对所述中间特征图经最大池化后,依次经空洞卷积和卷积-批归一化-激活函数模块处理;

19、将第一尺度路径与第二尺度路径的输出拼接后经卷积-批归一化-激活函数模块处理,再经可变形卷积和卷积操作输出。

20、本优选技术方案的有益效果为:通过双路径差异化池化与空洞卷积的协同设计,解决了光伏设备小面积热斑和边缘微裂纹等细粒度缺陷易漏检的难题。路径一中平均池化保留全局平均信息以避免局部噪声干扰,配合空洞卷积在不增加计算量的前提下扩大感受野,捕捉缺陷之间的长距离空间关联;路径二中最大池化突出局部显著细节以强化微裂纹、小热斑的响应强度,配合空洞卷积提取不规则缺陷的边缘特征。两条路径经拼接融合后,再经可变形卷积自适应调整感受野形状以精准匹配光伏设备不规则缺陷的几何分布,使网络能够同时兼顾全局上下文信息与局部细节特征,显著提升了各类尺度缺陷的检出率。

21、作为本发明所述的一种光伏设备故障检测方法的一种优选方案,其中:所述将所述缺陷感知特征图与空间对齐后的时序特征进行融合通过多模态特征融合子模块实现,包括:

22、将待融合的缺陷感知特征图和时序特征拼接后经卷积操作得到中间特征图,分两条路径并行处理,

23、第一模态路径对所述中间特征图依次经卷积块注意力模块、卷积-批归一化-激活函数模块、sigmoid激活,再与sigmoid输入前的特征进行逐元素相乘,

24、第二模态路径对所述中间特征图依次经压缩-激励网络模块、卷积-批归一化-激活函数模块、sigmoid激活,再与sigmoid输入前的特征进行逐元素相乘;

25、将第一模态路径与第二模态路径的输出拼接后经卷积块注意力模块和卷积操作输出。

26、本优选技术方案的有益效果为:通过双路径注意力差异化加权与二次细化的融合策略,提升了视觉特征与运行数据跨模态融合时的特征区分度与紧凑性。路径一中卷积块注意力模块同步强化通道与空间维度的核心特征——通道维度根据运行数据异常程度自适应增大对应通道权重以突出故障类型相关信息,空间维度依据缺陷感知特征图的响应分布强化故障区域并弱化非故障区域;路径二中压缩-激励网络聚焦通道维度关键信息以补充路径一的表达维度。两条路径经sigmoid激活与逐元素相乘实现自适应加权后拼接融合,再经卷积块注意力模块二次细化,有效抑制了跨模态融合中的冗余噪声与模态间干扰,使融合特征中故障相关信息更加突出,为后续故障类型判别和严重程度分级提供了更优质的特征支撑。

27、作为本发明所述的一种光伏设备故障检测方法的一种优选方案,其中:所述获取所述光伏设备的运行状态数据,提取所述运行状态数据的时序特征包括:

28、将所述运行状态数据拼接为一维向量后输入双向时序卷积网络,提取双向时序特征,生成时序特征向量;

29、将所述时序特征向量经线性映射扩展为与所述缺陷感知特征图的空间维度相适应的三维特征图元素总数,经张量重塑转换为三维特征图;

30、向所述三维特征图添加可学习的位置编码,生成带空间位置信息的三维时序特征。

31、作为本发明所述的一种光伏设备故障检测方法的一种优选方案,其中:所述第一图像数据为所述光伏设备的可见光图像,所述第二图像数据为所述光伏设备的红外图像;

32、所述特征提取包括:

33、将所述可见光图像依次经卷积-批归一化-激活函数模块、压缩-激励网络模块和卷积操作,提取所述光伏设备表面的纹理特征;

34、将所述红外图像依次经卷积-批归一化-激活函数模块、卷积块注意力模块和卷积操作,提取所述光伏设备表面的热异常特征。

35、作为本发明所述的一种光伏设备故障检测方法的一种优选方案,其中:所述故障检测结果包括所述光伏设备的故障位置、故障类型和故障严重程度;

36、所述故障严重程度通过以下方式确定:

37、获取所述缺陷感知特征图中缺陷区域的面积占比、所述第二图像数据中缺陷区域的温度异常程度以及所述运行状态数据的异常幅值;

38、基于所述面积占比、所述温度异常程度和所述异常幅值确定所述故障严重程度。

39、为解决上述技术问题,本发明还提供如下技术方案:一种光伏设备故障检测系统,包括图像获取单元,用于获取光伏设备的表征表面形态的第一图像数据和表征热分布的第二图像数据;

40、图像增强单元,用于对所述第一图像数据和所述第二图像数据分别进行特征提取后融合,对融合后特征进行增强处理,生成鲁棒增强特征图;

41、缺陷感知单元,用于对所述鲁棒增强特征图进行多尺度特征提取,将提取得到的各尺度特征进行融合,生成缺陷感知特征图;

42、运行数据处理单元,用于获取所述光伏设备的运行状态数据,提取所述运行状态数据的时序特征;

43、融合输出单元,用于根据所述缺陷感知特征图的空间结构对所述时序特征进行空间对齐后,将所述缺陷感知特征图与空间对齐后的时序特征进行融合,生成所述光伏设备的故障检测结果。

44、本发明提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述的一种光伏设备故障检测方法的步骤。

45、本发明提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种光伏设备故障检测方法的步骤。

46、本发明的有益效果:通过构建三级流水线式深度学习处理架构,分别针对乡村光伏设备故障检测中的环境干扰误判、小面积缺陷漏检和单一模态信息局限三个核心问题提供了系统性解决方案。图像增强处理步骤通过双源图像差异化特征提取与增强,有效抑制光照波动和灰尘覆盖造成的伪特征干扰,提升故障判别的稳定性;多尺度特征提取步骤通过不同感受野的组合覆盖从小面积热斑到大面积遮挡的全尺度缺陷,显著降低漏检率;运行数据融合步骤以视觉特征的空间定位能力为主导,结合设备运行参数的时序趋势进行约束校验,实现故障位置、类型与严重程度的综合判定。