专利类型:发明专利
语 言:中文
申 请 号:CN201310698378.9
申 请 日:20131218
申 请 人:重庆大学
申请人地址:400044 重庆市沙坪坝区沙正街174号
公 开 日:20160914
公 开 号:CN103617469B
代 理 人:赵荣之
代理机构:北京同恒源知识产权代理有限公司 11275
摘 要:本发明公开了一种电力系统设备故障预测方法,首先采用二维模糊划分最大熵分割红外图像,对采集到的电力设备故障点的红外热像图进行降噪与目标分割;然后采用人工神经网络对收集的全部电力设备图像目标进行分类与存储;最后根据阶段型融合方式模型对分离出的故障图像或者故障预测点图像与电力设备图像目标进行对比融合分析,给出诊断结果;将电力设备常见故障点经验数据并结合检测出的故障点图像数据进行数据融合给出最终的电力设备故障结果或者预测故障位置。本发明融合了多种算法,制定了精确地诊断步骤,并采用模块化与系统化的设计,从而为电力系统设备故障诊断的建立找到了一条完整又精确的途径,提高了电力系统运行的可靠性与稳定性。
主 权 项:电力系统设备故障预测方法,其特征在于:包括以下步骤:S1:获取电力设备物理结构参数信息;S2:获取电力设备红外图像信息;S3:通过图像处理方法从电力设备红外图像信息中按电力设备物理结构参数信息分割出电力设备红外图像信息中对应的电力设备红外图像;S4:获取电力设备红外图像中温度信息,以及电力设备正常温度差范围;S5:将电力设备温度信息与电力设备正常温度范围进行比较判断,如果处于电力设备正常温度范围,则返回步骤S2循环检测;S6:如果超出电力设备正常温度范围,则记录电力设备温度值,并形成电力设备温度信息时间序列;S7:判断电力设备温度信息时间序列是否达到预设临界值,如果否,则返回步骤S6循环;S8:如果是,则电力设备即将出现故障并报警;所述步骤S3中的电力设备图像是通过以下步骤来实现的:S31:采用二维模糊划分最大熵处理电力设备红外图像得到目标分割图像;S32:通过人工神经网络分类模型对目标分割图像进行分类得到分类图像;S33:通过阶段型融合方式模型对分类图像与故障预测模型进行对比融合分析得到故障预测结果;S34:通过电力设备物理结构参数信息数据库中的电力设备类型和位置坐标得出电力设备故障预测结果。
关 键 词:
法律状态:授权
IPC专利分类号:G06F19/00(2011.01)I;G06Q10/04(2012.01)I;G06Q50/06(2012.01)I