基于多源数据融合的箱式变电站高压室安全状态识别方法及系统与流程

摘要: 本发明涉及电力设备状态监测,具体而言,涉及一种基于多源数据融合的箱式变电站高压室安全状态识别方法及系统。背景技术:1、箱式变电站高压室作为配电系统的核心节点,内...
基于多源数据融合的箱式变电站高压室安全状态识别方法及系统与流程

本发明涉及电力设备状态监测,具体而言,涉及一种基于多源数据融合的箱式变电站高压室安全状态识别方法及系统。

背景技术:

1、箱式变电站高压室作为配电系统的核心节点,内部集成了高压开关柜、母线、断路器等关键设备,其安全状态直接关系到供电可靠性与人员安全。目前,针对高压室的监测手段主要包括人工巡检、可见光视频监控、温湿度传感器、烟感探测器以及局部放电在线监测装置等。其中,人工巡检效率低且无法实时覆盖;视频监控仅能提供可视化图像,难以发现柜内绝缘劣化、过热等隐患;环境传感器仅采集单一物理量,无法反映内部放电或机构卡涩等电气异常;局部放电监测虽然对绝缘缺陷敏感,但易受高压室内强电磁环境干扰,单一信息源的虚警率和漏报率较高。此外,部分站点还加装了红外热像仪、紫外弧光探测器、断路器机械特性传感器等,然而这些系统通常独立建设、独立运行,所获取的可见光图像、红外温度、紫外光子计数、特高频局放信号、环境温湿度、烟感状态、开关位置等多源异构数据缺乏关联分析与融合处理,无法对“凝露闪络”、“绝缘老化局部放电”、“触头过热”、“小动物侵入造成短路”等典型安全风险进行综合性态势判别,导致运维人员难以在海量、离散的信息中快速、准确地掌握高压室的真实安全状态。

2、多源数据融合技术已在变压器、gis等电力设备状态评估中得到初步应用,例如通过加权融合、d-s证据理论、贝叶斯网络或深度学习方法融合油中溶解气体、振动、电流等多维数据。然而,箱式变电站高压室场景具有空间狭小、传感器类型多样、数据采样频率与时间戳不同步、量纲与语义差异显著等特点,现有融合模型直接移植时面临多维异构数据的时空对齐困难、特征层融合时互补性利用不充分等问题。同时,高压室安全状态识别对实时性和确定性要求高,现有一些基于模糊推理或简单阈值判断的方法难以表达“可见光图像发现柜门异常开启,同时温湿度跃变且红外热点出现”等跨模态复杂逻辑,也无法动态适应季节性凝露、负荷波动引起的多特征缓慢演变规律,导致复杂工况下的安全状态识别准确度与鲁棒性不足。因此,急需一种专门面向箱式变电站高压室的多源数据融合安全状态识别方法,以解决上述多源异构数据融合困难、时空关联利用不足、复杂工况下识别性能不佳的问题。

技术实现思路

1、本发明的目的在于提供一种基于多源数据融合的箱式变电站高压室安全状态识别方法及系统,旨在解决现有箱式变电站高压室多源异构数据融合困难、时空关联不足,导致复杂工况下安全状态识别准确度和鲁棒性低的问题。

2、本发明通过以下技术方案实现:

3、一种基于多源数据融合的箱式变电站高压室安全状态识别方法,包括以下步骤:

4、采集箱式变电站高压室内的可见光图像、红外热图像、紫外光子计数、特高频局部放电信号、环境温湿度、烟雾探测状态和断路器开关位置,形成多源异构数据集;

5、对多源异构数据集进行时空对齐,以统一时间戳为基准,通过插值或重采样实现各传感器数据的时间同步,并利用各传感器的位姿参数将各监测区域的数据映射至同一高压室空间坐标系,得到时空关联数据;

6、从时空关联数据中提取多模态特征,包括:基于可见光图像提取的柜门开闭特征和异物特征、基于红外热图像提取的热点温度场分布特征、基于紫外光子计数提取的弧光脉冲统计特征、基于特高频局部放电信号提取的相位分辨脉冲幅值谱图特征,以及基于温湿度数据计算的变化率特征和累计量特征;

7、将多模态特征、烟雾探测状态和断路器开关位置输入动态跨模态推理融合网络,动态跨模态推理融合网络通过跨模态注意力机制对柜门开闭特征、热点温度场分布特征和温湿度变化率特征进行关联,生成跨模态交互表示,并通过时序记忆单元对弧光脉冲统计特征、相位分辨脉冲幅值谱图特征和温湿度累计量特征的时序序列进行演化建模,捕捉缓慢漂移趋势;基于跨模态交互表示、缓慢漂移趋势、异物特征、烟雾探测状态和断路器开关位置,对各风险进行联合判别,输出风险类别和置信度;

8、根据风险类别和置信度,与预设的多级告警阈值进行比较,输出高压室的实时安全状态。

9、可选地,所述对多源异构数据集进行时空对齐包括:

10、根据紫外光子计数和特高频局部放电信号的非均匀采样特性,采用三次样条插值将其采样序列对齐至统一时间戳;

11、根据环境温湿度的缓变特性,采用线性插值实现时间同步;

12、利用各传感器经标定获得的外参矩阵,将可见光图像像素坐标、红外热图像像素坐标、紫外探测区域中心坐标和特高频传感器检测范围中心坐标,变换至以高压室几何中心为原点的同一空间直角坐标系下,使得各数据点在时间和空间维度上均具备对应关系。

13、可选地,所述基于可见光图像提取的柜门开闭特征和异物特征的方式为:

14、将可见光图像输入语义分割网络,分割出高压柜门区域,并根据该区域轮廓的几何不变矩计算柜门开度,形成柜门开闭特征;

15、将可见光图像输入目标检测网络,识别异物目标,并在检测到异物时输出异物类别及其包围框坐标,作为异物特征。

16、可选地,所述基于红外热图像提取的热点温度场分布特征的方式为:

17、对红外热图像进行非均匀性校正,采用最大类间方差法分割出温度高于背景的热点区域,针对每个热点区域分别计算最高温度、区域平均温度、等效面积以及由梯度方向直方图表征的温度梯度分布,将所述最高温度、所述区域平均温度、所述等效面积和所述温度梯度分布拼接,构成热点温度场分布特征。

18、可选地,所述生成跨模态交互表示的具体过程为:

19、将柜门开闭特征经线性投影生成查询矩阵,将热点温度场分布特征与温湿度变化率特征拼接后经线性投影生成键矩阵和值矩阵,通过计算查询矩阵与键矩阵的点积注意力权重,并对值矩阵实施加权求和,获得使柜门状态与关联热点及湿度变化信息显式对齐的跨模态交互表示。

20、可选地,所述时序记忆单元采用门控循环单元网络,输入为当前时刻的弧光脉冲统计特征、相位分辨脉冲幅值谱图特征和温湿度累计量特征拼接形成的向量,门控循环单元更新其隐藏状态,并将更新后的隐藏状态作为缓慢漂移趋势特征;其中,所述缓慢漂移趋势特征用于表征局部放电强度与频次随绝缘缓慢老化以及凝露累积效应发生的渐进式演变。

21、可选地,所述基于跨模态交互表示、缓慢漂移趋势、异物特征、烟雾探测状态和断路器开关位置,对各风险进行联合判别,输出风险类别和置信度的具体过程为:

22、将所述跨模态交互表示、所述缓慢漂移趋势和所述异物特征进行特征拼接,并与所述烟雾探测状态和所述断路器开关位置的独热编码融合,形成全局联合特征向量;

23、将所述全局联合特征向量输入预先构建的softmax回归分类器,计算预设风险类别集合中各风险类别的后验概率;其中,所述预设风险类别集合至少包括凝露闪络、绝缘老化局部放电、触头过热和小动物侵入短路;

24、取最大后验概率对应的风险类别作为输出的风险类别,并将该最大后验概率作为所述置信度。

25、基于同一发明构思,本发明还提供一种基于多源数据融合的箱式变电站高压室安全状态识别系统,用于实现所述的基于多源数据融合的箱式变电站高压室安全状态识别方法,包括:

26、多源数据采集模块,用于采集可见光图像、红外热图像、紫外光子计数、特高频局部放电信号、环境温湿度、烟雾探测状态和断路器开关位置,形成多源异构数据集;

27、时空对齐模块,与所述多源数据采集模块连接,用于对所述多源异构数据集进行时空对齐,以统一时间戳为基准通过插值或重采样实现各传感器数据的时间同步,并利用各传感器的位姿参数将各监测区域的数据映射至同一高压室空间坐标系,得到时空关联数据;

28、多模态特征提取模块,与所述时空对齐模块连接,用于从所述时空关联数据中提取柜门开闭特征、异物特征、热点温度场分布特征、弧光脉冲统计特征、相位分辨脉冲幅值谱图特征,以及温湿度变化率特征和累计量特征;

29、动态推理网络模块,与所述多模态特征提取模块连接,用于接收所述柜门开闭特征、热点温度场分布特征、弧光脉冲统计特征、相位分辨脉冲幅值谱图特征、温湿度变化率特征、累计量特征、异物特征、烟雾探测状态和断路器开关位置,通过跨模态注意力机制生成跨模态交互表示,通过时序记忆单元生成缓慢漂移趋势,并基于所述跨模态交互表示、缓慢漂移趋势、异物特征、烟雾探测状态和断路器开关位置进行联合判别,输出风险类别和置信度;

30、安全状态判定模块,与所述动态跨模态推理融合网络模块连接,用于根据所述风险类别和置信度与预设的多级告警阈值进行比较,输出高压室的实时安全状态。

31、基于同一发明构思,本发明还提供了一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述的基于多源数据融合的箱式变电站高压室安全状态识别方法。

32、基于同一发明构思,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,计算机程序被处理器执行时实现上述的基于多源数据融合的箱式变电站高压室安全状态识别方法。

33、本发明的技术方案至少具有如下优点和有益效果:

34、通过对可见光图像、红外热图像、紫外光子计数、特高频局放信号、环境温湿度、烟感及开关位置等多维数据进行统一时间戳同步和空间坐标系映射,解决了高压室场景下传感器采样频率不同、数据时间异步及空间坐标不统一的问题,为后续融合识别提供了高质量的时空关联数据基础。

35、从时空关联数据中提取柜门开闭、异物、热点温度场分布、弧光脉冲统计、相位分辨脉冲幅值谱图以及温湿度变化率、累计量等多模态特征,能更完整地反映绝缘劣化、过热、放电、小动物侵入、凝露等隐患,有效降低单一信息源带来的高虚警率和高漏报率。

36、通过动态跨模态推理融合网络,利用跨模态注意力机制将柜门开闭、热点温度场分布和温湿度变化率等特征进行关联,能够准确表达跨模态复合风险逻辑;同时,利用时序记忆单元对弧光脉冲统计、局放谱图特征和温湿度累计量特征的时序序列进行演化建模,捕捉缓慢漂移趋势,可动态适应季节性凝露、负荷波动等引起的渐变过程,增强复杂工况下的安全状态识别鲁棒性。

37、融合异物特征、烟雾探测状态和断路器位置等多信息进行联合推理,直接输出风险类别及其置信度,并基于多级告警阈值输出高压室实时安全状态,克服了传统独立监测系统难以进行综合性态势判别的问题,帮助运维人员从海量离散信息中快速、准确掌握真实安全状态,缩短故障发现与处置时间,提升供电可靠性。