一种电气接头热缺陷预测方法、系统、设备及存储介质与流程

技术特征：
1.一种电气接头热缺陷预测方法，其特征在于，包括：获取电气设备的历史红外图像及电力系统的电力负荷序列；通过训练好的电气接头识别模型识别历史红外图像含有电气接头的目标区域，并识别目标区域的电气接头的类别；根据所述目标区域提取电气接头的温度信息，基于电气接头的温度信息确定电气接头的温度状态，其中温度状态为正常状态或异常状态；在电气接头的温度状态为异常状态时，获取电气接头的当前运行参数，将当前运行参数输入至预先训练的神经网络温度预测模型，预测得到电气接头下一时刻的温度，其中所述神经网络温度预测模型为基于电气接头的历史运行参数确定的电气接头的历史温度参数训练所得；将电力负荷序列输入至已预先训练好的负荷预测模型中，预测电力系统下一时刻的电力负荷；利用电力系统下一时刻的电力负荷对电气接头下一时刻的温度进行修正，得到电气接头修正后的温度；基于电气接头修正后的温度来预测不同类别的电气接头的热缺陷程度。2.根据权利要求1所述的一种电气接头热缺陷预测方法，其特征在于，电气接头识别模型是通过训练图像集对卷积神经网络进行训练得到的，所述训练图像集包括各个不同类别的电气接头的红外图像；负荷预测模型由图卷积神经网络模块、时序卷积神经网络模块以及全连接层构成。3.根据权利要求1所述的一种电气接头热缺陷预测方法，其特征在于，基于电气接头的温度信息确定电气接头的温度状态，包括：根据电气接头的类别在数据库中对应的标准温度信息与电气接头的温度信息进行比较，确定电气接头的温度状态；其中，在电气接头的温度信息大于标准温度信息时，所述电气的温度状态为异常状态，在电气接头的温度信息小于且等于标准温度信息时，所述电气的温度状态为正常状态。4.根据权利要求1所述的一种电气接头热缺陷预测方法，其特征在于，所述神经网络温度预测模型通过如下训练方式得到：获取电气接头在预设时间内的历史运行参数；在所述预设时间内的预设间隔时间，根据所述历史运行参数确认出电气接头的历史温度参数；利用电气接头的历史温度参数训练待训练的神经网络温度预测模型，得到训练完成的神经网络温度预测模型。5.根据权利要求4所述的一种电气接头热缺陷预测方法，其特征在于，所述历史运行参数包括在预设时间内的电气接头的最大电流值、最小电流值，以及电气接头所处环境的最大温度和最小温度；所述根据所述历史运行参数确认出电气接头的历史温度参数，包括：根据电气接头的最大电流值、最小电流值及电阻值，计算在预设时间内电气接头的最大散热量和最小散热量，基于所述最大散热量和最小散热量计算电气接头在预设间隔时间内的第一温度波动范围；
由电气接头所处环境的最大温度和最小温度对电气接头在预设间隔时间内的第一温度波动范围进行耦合补偿，得到电气接头在预设间隔时间内的第二温度波动范围；由所述第二温度波动范围确定电气接头的历史温度参数。6.根据权利要求5所述的一种电气接头热缺陷预测方法，其特征在于，由电气接头所处环境的最大温度和最小温度对电气接头在预设间隔时间内的第一温度波动范围进行耦合补偿，得到电气接头在预设间隔时间内的第二温度波动范围，包括：根据电气接头的结构参数建立热传导模型，根据电气接头的热传导模型分别对电气接头所处环境的最大温度和最小温度进行耦合补偿，得到电气接头在预设间隔时间内的第二温度波动范围。7.根据权利要求1所述的一种电气接头热缺陷预测方法，其特征在于，电气接头的当前运行参数为当前时刻的流过电气接头的电流值和环境的温度值；根据当前时刻的流过电气接头的电流值和环境的温度值输入至预先训练的神经网络温度预测模型，预测得到电气接头下一时刻的温度；基于电气接头修正后的温度来预测不同类别的电气接头的热缺陷程度，包括：根据电气接头的类别确定出所预测的电气接头的临界温度；基于电气接头修正后的温度与临界温度的差值的大小预测电气接头的热缺陷程度。8.一种电气接头热缺陷预测系统，其特征在于，包括：数据获取模块，用于获取电气设备的历史红外图像及电力系统的电力负荷序列；电气接头识别模块，用于通过训练好的电气接头识别模型识别所述历史红外图像含有电气接头的目标区域，并识别所述目标区域的电气接头的类别；温度状态确定模块，用于根据所述目标区域提取电气接头的温度信息，基于电气接头的温度信息确定电气接头的温度状态，其中温度状态为正常状态或异常状态；温度预测模块，用于在电气接头的温度状态为异常状态时，获取电气接头的当前运行参数，将当前运行参数输入至预先训练的神经网络温度预测模型，预测得到电气接头下一时刻的温度，其中所述神经网络温度预测模型为基于电气接头的历史运行参数确定的电气接头的历史温度参数训练所得；负荷预测模块，用于将电力负荷序列输入至已预先训练好的负荷预测模型中，预测电力系统下一时刻的电力负荷；温度修正模块，用于利用电力系统下一时刻的电力负荷对电气接头下一时刻的温度进行修正，得到电气接头修正后的温度；缺陷预测模块，用于基于电气接头修正后的温度来预测不同类别的电气接头的热缺陷程度。9.一种电子设备，包括：存储器及处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序能够被所述处理器执行，以使得所述处理器实现如权利要求1至7中任一项所述的一种电气接头热缺陷预测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序适于由处理器加载并执行，以使得具有所述处理器实现如权利要求1至7任一项所述的一种电气接头热缺陷预测方法。

技术总结
本发明公开了一种电气接头热缺陷预测方法、系统、设备及存储介质，涉及设备检测技术领域，其技术方案要点是：本发明考虑到了由于下一时刻电气设备的运行参数的变化情况是不确定的，因此基于神经网络温度预测模型对该电气接头的当前运行参数进行预测所得到的温度，其精度会有偏差，故此基于负荷预测模型预测电力系统在下一时刻的电力负荷，基于所预测的电力负荷对由当前运行参数所预测的温度进行修正，从而降低由当前运行参数所预测的下一时刻的温度的偏差程度，由此提高温度预测的精准度，再由修正后的温度来预测不同类别的电气接头的热缺陷程度，为接头定期检修、试验提供理论依据，从而实现减少迎峰度夏期间电气接头过热导致的抢修频次。导致的抢修频次。导致的抢修频次。


技术研发人员：朱祯海 代晖 陈刚 熊攀 程政 龚海涛 方宗红 夏泽华 刘影 罗琴
受保护的技术使用者：国网四川省电力公司泸州供电公司
技术研发日：2022.10.14
技术公布日：2022/12/9