一种基于弧球效应的变压器内部缺陷成像方法及装置与流程

本技术实施例涉及电力设备领域，特别涉及一种基于弧球效应的变压器内部缺陷成像方法及装置。

背景技术：

1、电力变压器是电网的核心枢纽设备，其健康状况直接关系到整个电力系统的可靠性与安全性。现状中明确指出，变压器故障占电网设备事故的35%以上，其中因内部缺陷导致的非计划停运年均损失惨重。然而，变压器在长期运行中可能因短路电流、机械应力或绝缘老化导致内部绕组变形、位移或局部缺陷。这些缺陷若不及时检测，可能引发严重故障，甚至造成停电事故，威胁电网安全。

2、目前，当前行业内针对变压器内部缺陷的检测技术存在显著短板，无法有效应对缺陷精准识别与高效处置需求，变压器内部缺陷检测存在定位误差大、灵敏度低、诊断准确率低等问题。

技术实现思路

1、本技术的目的旨在至少能解决上述的技术缺陷之一。

2、一方面，本技术实施例提供了一种基于弧球效应的变压器内部缺陷成像方法，该方法包括：

3、基于至少一个弧球成像换能器接收从变压器内部返回的各通道超声波信号，并对各通道超声波信号进行信号处理，得到多通道回波信号数据；

4、获取参数属性数据，并根据参数属性数据和多通道回波信号数据构建声传播矩阵，参数属性数据包括至少一个弧球成像换能器位置信息、变压器的几何结构数据以及材料声学参数数据；

5、获取噪声数据，并根据噪声数据、多通道回波信号数据和声传播矩阵进行图像重建处理，得到初始缺陷图像，并对初始缺陷图像进行图像后处理，得到缺陷图像；

6、基于缺陷识别模型对缺陷图像进行缺陷识别处理，得到变压器的内部缺陷识别结果，内部缺陷识别结果包括缺陷类型和缺陷位置中的至少一项。

7、可选的，基于至少一个弧球成像换能器接收从变压器内部返回的各通道超声波信号，包括：

8、获取数字控制信号，并根据数字控制信号生成数字激励波形；

9、基于数字激励波形驱动至少一个弧球成像换能器，以使至少一个弧球成像换能器将电信号转换为超声波传入变压器内部，并从变压器内部返回。

10、可选的，对各通道超声波信号进行信号处理，得到多通道回波信号数据，包括：

11、将每个通道超声波信号转换为数字信号，并对每个数字信号进行滤波处理，得到滤波后的各通道数字信号；

12、根据弧球成像换能器和变压器之间的传播距离和介质衰减特性，对滤波后的各通道数字信号的信号幅度进行补偿，得到补偿后各通道数字信号；

13、获取各通道超声波信号对应的时间戳，并根据各通道超声波信号对应的时间戳对补偿后各通道数字信号进行对齐处理，得到多通道回波信号数据。

14、可选的，根据参数属性数据和多通道回波信号数据构建声传播矩阵，包括：

15、根据变压器的几何结构数据将变压器的内部空间离散化为包括设定体素点数量的体素网格；

16、根据至少一个弧球成像换能器位置信息和材料声学参数数据，确定每个弧球成像换能器到每个体素点的传播时间，得到时间矩阵；

17、根据时间矩阵和多通道回波信号数据构建得到声传播矩阵。

18、可选的，根据噪声数据、多通道回波信号数据和声传播矩阵进行图像重建处理，得到初始缺陷图像，包括：

19、根据噪声数据和声传播矩阵构建线性方程组和最小化目标函数；

20、获取初始图像，并基于多通道回波信号数据和初始图像对线性方程组进行迭代优化，直至最小化目标函数收敛，得到优化后的线性方程组，优化后的线性方程组内均包括初始缺陷图像。

21、可选的，对初始缺陷图像进行图像后处理，得到缺陷图像，包括：

22、对初始缺陷图像进行高斯滤波处理，得到滤波后的图像，并对滤波后的图像中每个体素的灰度值进行迭代更新，得到更新后的图像；

23、采用自适应直方图对更新后的图像进行均衡化处理，并将处理后的图像映射为彩色图像，得到缺陷图像。

24、可选的，缺陷识别模型包括依次连接的特征提取模块、双路注意力融合模块和检测输出模块，特征提取模块包括至少一个3d卷积层和至少一个3d最大池化层，双路注意力融合模块包括空间注意力分支、通道注意力分支和 3d转置卷积层，检测输出模块包括依次连接的3d区域建议层、池化层和全连接分类层。

25、可选的，缺陷识别模型通过下列方式对对缺陷图像进行缺陷识别处理，得到变压器的内部缺陷识别结果：

26、通过特征提取模块对缺陷图像进行下采样多尺度特征提取，得到缺陷图像对应的多尺度特征，并基于双路注意力融合模块对多尺度特征进行特征融合，得到融合特征图；

27、通过3d区域建议层对融合特征图进行缺陷区域检测，得到各候选缺陷区域，并通过池化层将各候选缺陷区域进行特征提取处理，得到各候选缺陷区域对应的特征；

28、将各候选缺陷区域对应的特征输入至全连接分类层进行缺陷类型分类，得到变压器的内部缺陷识别结果。

29、可选的，得到变压器的内部缺陷识别结果之后，还包括：

30、将缺陷类型和缺陷位置叠加到缺陷图像上生成可视化图像，并根据内部缺陷识别结果生成检测报告；

31、将可视化图像和检测报告以图形方式展示并进行存储。

32、另一方面，本技术实施例提供了一种基于弧球效应的变压器内部缺陷成像装置，包括：

33、信号数据获取模块，用于基于至少一个弧球成像换能器接收从变压器内部返回的各通道超声波信号，并对各通道超声波信号进行信号处理，得到多通道回波信号数据；

34、声传播矩阵构建模块，用于获取参数属性数据，并根据参数属性数据和多通道回波信号数据构建声传播矩阵，参数属性数据包括至少一个弧球成像换能器位置信息、变压器的几何结构数据以及材料声学参数数据；

35、缺陷图像重构模块，用于获取噪声数据，并根据噪声数据、多通道回波信号数据和声传播矩阵进行图像重建处理，得到初始缺陷图像，并对初始缺陷图像进行图像后处理，得到缺陷图像；

36、缺陷识别模块，用于基于缺陷识别模型对缺陷图像进行缺陷识别处理，得到变压器的内部缺陷识别结果，内部缺陷识别结果包括缺陷类型和缺陷位置中的至少一项。

37、再一方面，本技术实施例提供了一种电子设备，包括处理器和存储器：

38、存储器被配置用于存储机器可读指令，指令在由处理器执行时，使得处理器执行一种基于弧球效应的变压器内部缺陷成像方法中的任一项方法。

39、本技术实施例提供的技术方案带来的有益效果至少包括:

40、在本技术中，通过至少一个弧球成像换能器组成的阵列，并基于数字激励波形驱动至少一个弧球成像换能器，以使至少一个弧球成像换能器将电信号转换为超声波传入变压器内部。此时生成的超声波能够穿透变压器复杂内部结构，对不同材料和深度的缺陷均产生有效响应，保证了信号纯净度，为后续高精度成像奠定了物理基础，使系统能够捕获传统单频激励无法探测的隐性缺陷，显著提高了检测的全面性和灵敏度。

41、在本技术中，基于声传播矩阵，采用先快速生成初始图像后再进行迭代优化，并结合正则化抑制噪声的方案生成初始缺陷图像，此时可以将超声散射信号准确转换为空间图像，能够清晰显示微小缺陷的形态特征，并且通过迭代优化算法和正则化处理能够有效抑制了多重散射引起的伪影，保留真实缺陷的同时还过滤了随机噪声。

42、在本技术中，采用缺陷识别模型对重建的缺陷图像进行缺陷识别，由于该缺陷识别模型是基于3d卷积神经网络构建得到，此时能够精确勾勒缺陷边界并识别缺陷类型，实现了缺陷检测的智能化，提升了准确率和缺陷定位精度，为维护决策提供了可靠的量化依据。