CN102778625B - 一种电力设备红外检测方法及装置 - Google Patents

Abstract

本发明提供了一种电力设备红外检测方法及装置，所述方法包括：接收电力设备的红外检测数据，从预设的案例数据库中提取所述电力设备的红外检测数据的相似案例，并从所述相似案例中提取所述电力设备的红外检测数据的诊断案例，依据所述诊断案例，确定与所述电力设备的红外检测数据对应的故障类型，从而实现了由红外检测数据获得故障类型的目的，满足了用户的需求。

Description

一种电力设备红外检测方法及装置

技术领域

本发明涉及电力领域，尤其涉及一种电力设备红外检测方法及装置。

背景技术

目前，通常使用红外测温方法检测电力设备的运行状态，即：通过红外热像仪测试电力设备关键部位的温度，再由配套的分析软件依据测试得到的温度值，告知发现的设备温度异常点。可见，所述电力设备红外检测方法只能发现温度异常的电力设备，而对于处于异常温度的电力设备是否发生故障以及发生哪种类型的故障，都无法进行预见，因此现有的电力设备红外检测方法不能满足检测故障的需求。

发明内容

有鉴于此，本发明实施例提供了一种电力设备红外检测方法及装置，目的在于解决现有的电力设备红外检测方法因无法检测出电力设备故障类型，而导致的不能满足故障检测需求的问题。

为了实现上述目的，本发明实施例提供了以下技术方案：

一种电力设备红外检测方法，包括：

接收电力设备的红外检测数据；

从预设的案例数据库中提取所述电力设备的红外检测数据的相似案例；

从所述相似案例中提取所述电力设备的红外检测数据的诊断案例；

依据所述诊断案例，确定与所述电力设备的红外检测数据对应的故障类型。

优选地，所述预设的案例数据库包括：

案例、所述案例的故障类型及所述故障类型的解决方案；

所述案例包括：案例参数及与每项案例参数对应的预设的权值。

优选地，所述从预设的案例数据库中提取所述电力设备的红外检测数据的相似案例包括：

计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数；

确定与所述电力设备的红外检测数据的相似性系数大于预设的第一阈值的案例为相似案例。

优选地，所述计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数包括：

选取所述预设的案例数据库中的一个案例；

将所述电力设备的红外检测数据的每项的参数与所述案例中对应的参数进行比较，如相同，则取所述案例中此项参数的权值为该项比较的值，如果不同，则取零为该项比较的值，将每项比较的值相加，得到所述电力设备的红外检测数据与所述案例的相似系数；

重复上述步骤，直至得到所述电力设备的红外检测数据与预设的案例数据库中每项案例的相似系数。

优选地，所述从所述相似案例中提取所述电力设备的红外检测数据的诊断案例包括：

计算所述相似案例与所述电力设备的红外检测数据间的广义距离相似度；

确定与所述电力设备的红外检测数据间的广义距离相似度大于预设的第二阈值的案例为诊断案例。

优选地，所述依据所述诊断案例，确定与所述电力设备的红外检测数据对应的故障类型包括：

判断所述诊断案例中是否存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例；

如果是，确定与所述电力设备的红外检测数据对应的故障类型为与其广义距离相似度大于预设的第三阈值的案例的故障类型；

如果否，依据所述诊断案例，推算所述电力设备的红外检测数据对应的故障类型。

优选地，当与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例的数量大于一个时，还包括：

依据预设的筛选规则，筛选出与所述电力设备的红外检测数据最接近的案例。

优选地，还包括：

确定与所述故障类型对应的解决方案；

当所述电力设备的红外检测数据的故障类型不存在预设的案例数据库中时，将所述电力设备的红外检测数据的故障类型及所述与所述故障类型对应的解决方案加入所述预设的案例数据库中。

一种电力设备红外检测装置，包括：

接收模块，用于接收电力设备的红外检测数据；

相似案例提取模块，用于从预设的案例数据库中提取所述电力设备的红外检测数据的相似案例；

诊断案例提取模块，用于从所述相似案例中提取所述电力设备的红外检测数据的诊断案例；

故障确定模块，用于依据所述诊断案例，确定与所述电力设备的红外检测数据对应的故障类型。

优选地，所述相似案例提取模块包括：

相似系数计算单元，用于计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数；

相似案例确定单元，用于确定与所述电力设备的红外检测数据的相似性系数大于预设的第一阈值的案例为相似案例。

优选地，所述计算单元包括：

案例选取子单元，用于选取所述预设的案例数据库中的一个案例；

相似系数计算子单元，用于将所述电力设备的红外检测数据的每项的参数与所述案例中对应的参数进行比较，如相同，则取所述案例中此项参数的权值为该项比较的值，如果不同，则取零为该项比较的值，将每项比较的值相加，得到所述电力设备的红外检测数据与所述案例的相似系数；

循环触发子单元，用于触发所述案例选取单元，直至得到所述电力设备的红外检测数据与预设的案例数据库中每项案例的相似系数。

优选地，所述诊断案例提取模块包括：

广义距离相似度计算单元，用于计算所述相似案例与所述电力设备的红外检测数据间的广义距离相似度；

诊断案例确定单元，用于确定与所述电力设备的红外检测数据间的广义距离相似度大于预设的第二阈值的案例为诊断案例。

优选地，所述故障确定模块包括：

判断单元，用于判断所述诊断案例中是否存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例；

故障确定单元，用于确定与所述电力设备的红外检测数据对应的故障类型为与其广义距离相似度大于预设的第三阈值的案例的故障类型；

故障推算单元，如果当所述诊断案例中不存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例时，依据所述诊断案例，推算所述电力设备的红外检测数据对应的故障类型。

优选地，还包括：

筛选单元，用于当与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例的数量大于一个时，依据预设的筛选规则，筛选出与所述电力设备的红外检测数据最接近的案例。

优选地，还包括：

解决方案确定模块，用于确定与所述故障类型对应的解决方案；

数据库写入模块，用于当所述电力设备的红外检测数据的故障类型不存在预设的案例数据库中时，将所述电力设备的红外检测数据的故障类型及所述与所述故障类型对应的解决方案加入所述预设的案例数据库中。

本发明实施例提供的电力设备红外检测方法及装置，通过计算得出的电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数，从预设的案例数据库中获取诊断案例集，依据所述诊断案例集，确定出与电力设备的红外检测数据对应的故障类型，实现了由红外检测数据获得故障类型，满足了用户的需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例公开的一种电力设备红外检测方法的流程图；

图2为本发明实施例公开的一种电力设备红外检测方法中提取相似案例的流程图；

图3为本发明实施例公开的一种电力设备红外检测方法中提取诊断案例的流程图；

图4为本发明实施例公开的一种电力设备红外检测方法中预设的案例数据库的示意图；

图5为本发明实施例公开的一种电力设备红外检测方法中确定与所述电力设备的红外检测数据对应的故障类型的方法的流程图；

图6为本发明实施例公开的又一种电力设备红外检测方法的流程图；

图7为本发明实施例公开的一种电力设备红外检测装置的结构示意图。

具体实施方式

本发明实施例公开了一种电力设备红外检测方法及装置，其核心发明点在于，通过接收的电力设备的红外检测数据，从预设的案例数据库中提取所述电力设备的红外检测数据的相似案例，从所述相似案例中提取所述电力设备的红外检测数据的诊断案例，并依据所述诊断案例集，确定与所述电力设备的红外检测数据对应的故障类型。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种电力设备红外检测方法，应用于使用红外装置检测电力设备的场景，如图1所示，包括：

S101：接收电力设备的红外检测数据；

一般的，电力设备的红外检测数据可以由红外热像仪获得，红外检测数据一般包括测试设备的参数，例如设备名称、测试部位、实际最高（异常）温度等。

S102：从预设的案例数据库中提取所述电力设备的红外检测数据的相似案例；

其中，预设的案例数据库为用户预先自定义设定的，本实施例中优选地，E＝{C₁,C₂,C₃…C_n}表示案例库，其中C_i=C[D_i,P_i,S_i ]表示案例库的第i个案例。D_i＝[d_i1，d_i2，d_i3…d_in]表示案例C_i的特征集，d_in表示案例C_i的第n个特征值。P_i表示案例C_i的问题描述，在红外故障诊断案例中用于说明设备故障信息。S_i表示案例的解或解的方法，在红外诊断案例中说明故障处理方案。典型案例是以往设备故障发现、处理的经验累计，并不是普遍的规则，在案例库中每个案例代表一种电力设备故障状态，他们之间相互独立。

案例数据库中每个案例都有其对应的案例故障类型及所述故障类型的解决方案，每个案例都包括案例参数，例如设备名称、测试部位、实际最高（异常）温度等，及与每项案例参数对应的预设的权值，例如，设备名称的权值为0.05，设备类型的权值为0.3，测试部位的权值为0.05等。参数的权值可以由用户根据需要进行自定义，需要说明的是，数据库中每个案例的案例参数与红外检测数据中的参数相同的，例如，都包括设备名称、测试部位、实际最高（异常）温度等。需要说明的是，因为考虑到电力设备按照电流致热和电压致热两种类型，所以案例库中案例数据和权值依据设备类型的不同，设备故障特征值和权值的设置也不尽相同，对于非本类设备的故障特征，案例库中的案例以NULL标记，取值以0标记。

本实施例中，如图2所示，提取相似案例的具体方法可以为：

S201：计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数；

具体计算过程为：

取所述预设的案例数据库中的一个案例，例如，可以取案例数据库中的第一个案例。

将所述电力设备的红外检测数据的每项的参数与所述案例中对应的参数进行比较，如相同，则取所述案例中此项参数的权值为该项比较的值，如果不同，则取零为该项比较的值，将每项比较的值相加，得到所述电力设备的红外检测数据与所述案例的相似系数，例如，电力设备红外检测数据中包括设备名称、测试部位、实际最高（异常）温度，将设备名称与第一个案例的设备名称进行比较，如果相同，则此项参数比较的值为第一个案例中此项参数对应的权值，例如0.05，如果不相同，则此项参数比较的值为0，将每项参数比较完成后，把所有比较的值相加，得到电力设备红外测试参数与第一个案例的相似系数。

S202：确定与所述电力设备的红外检测数据的相似性系数大于预设的第一阈值的案例为相似案例。

电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数反映的是电力设备的红外检测数据与案例数据库中每个案例的相似程度，相似系数越大，则说明电力设备的红外检测数据与案例的相似性越高，说明电力设备的红外检测数据反应的故障与此案例与接近。本实施例中，优选预设的第一阈值为0.7，也就是说，确定与电力设备的红外检测数据间的相似性系数大于0.7的案例为相似案例。

需要说明的，如果预设的案例数据库中确定没有诊断案例，则认为目前典型故障案例库中没有接近红外检测数据的故障案例，对于这类红外测温异常数据，需要依据预设的规则进行规则推理，本实施例中，预设的规则可以为《带电设备红外诊断规范》（DL/T 664-2008）标准。

S103：从所述相似案例中提取所述电力设备的红外检测数据的诊断案例；

本实施例中，如图3所示，提取诊断案例的过程具体为：

S301：计算所述相似案例与所述电力设备的红外检测数据间的广义距离相似度；

其中，广义距离相似度是指将相似对象看作是N维坐标空间上的一个点，每个对象代表一个N维的属性值集，两个对象的空间夹角越小则说明相似度越大，反之相似度越小。基于上述理论：

设D表示相似案例集E_X中各案例特征值的集合。D中的任意一个案例的特征值集合用一个数据向量d表示，设每个案例d_α∈D,(α=1,2，…n)，用向量则表示成d_α＝(d_α1，d_α2，…d_αm),α=1,2,3…n，其中m值是向量的维数表示案例特征值个数，n值表示向量的个数或案例空间D中的案例数。案例空间D的欧氏距离矩阵如下：

本实施例中，采用夹角余弦法计算相似度，设c_αβ代表d_α和x_β两个向量的空间夹角余弦值，完全重合夹角为零。相似系数c_αβ应满足：

（1）|c_αβ|≤1且c_αα=c_ββ＝1

（2）c_αβ＝±1当且仅当d_α=c·x_β(c≠0)

（3）c_αβ＝c_βα

相似系数计算公式： $\mathrm{sim}(d_{\mathrm{\α}},x_{\mathrm{\β}})=c_{\mathrm{\α\β}}=\cos (d_{\mathrm{\α}},x_{\mathrm{\β}})=\frac{(d_{\mathrm{\α}},x_{\mathrm{\β}})}{\left|\right|d_{\mathrm{\α}}\left|\right|\·\left|\right|x_{\mathrm{\β}}\left|\right|}=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{d}_{\mathrm{i\α}}\·x_{\mathrm{i\β}}}{\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{d_{\mathrm{i\α}}}^2\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x_{\mathrm{i\β}}}^2}}$

c_αβ的绝对值越接近于1，说明变量d_α、x_β之间的关联性越大。

S302：确定与所述电力设备的红外检测数据间的广义距离相似度大于预设的第二阈值的案例为诊断案例。

其中，预设的第二阈值由用户预先设定，本实施例中优选第二阈值为0.9，c_αβ≥0.9的案例设为诊断案例。

如果相似案例中提取不出诊断案例，则根据相似案例，推理出红外检测数据反映的故障类型。

S104：依据所述诊断案例，确定与所述电力设备的红外检测数据对应的故障类型。

如图5所示，具体的确定过程可以包括：

S501：判断所述诊断案例中是否存在重合案例，即与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例；

S502：如果是，确定与所述电力设备的红外检测数据的故障类型为与其广义距离相似度大于预设的第三阈值的案例的故障类型；

S503：如果否，依据所述诊断案例集中的案例，推算所述电力设备的红外检测数据的故障类型。

即：在诊断案例中进一步筛选是否存在相似性更高的案例，如果存在，则认为红外检测数据所代表的事件与此案例重合，即两者是同一事件，那么红外检测数据对应的故障类型就可以确定为重合案例的故障类型；如果不存在，则可以综合分析所有诊断案例的情况，推算出红外检测数据对应的故障类型。本实施例中，优选预设的第三阈值为0.95，将c_αβ≥0.95的诊断案例设为重合案例，可以将重合案例的故障类型直接作为电力设备红外检测数据的故障类型。

需要说明的是，当与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例的数量大于一个时，不能确定出具体的故障类型，可以依据预设的筛选规则，筛选出与所述电力设备的红外检测数据最接近的案例。

本实施例中，优选使用带权值的最大相异系数法，对案例进行最佳筛选：

设向量d_α表示案例特征值集，向量x_β表示测温异常数据集，定义为第i个特征向量的相对误差向量。设ξ={λ₁,λ₂,λ₃…λ_m}为特征向量的相对误差集。对其进行加权求平均值，得到最大相异系数：

$z=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(j_i\·{\mathrm{\λ}}_i)}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{j}_i}.$

当d_α和x_β的特征值完全一致时权值之和等于1，最大相异系数

$z=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(g_i\·{\mathrm{\λ}}_i)}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{g}_i}=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(g_i\·{\mathrm{\λ}}_i).$

最大相异系数是一个加权误差平均的过程，突出了相对误差大的元素对筛选结果的影响。最大相异系数z的取值范围为[0,∞)，z越小说明两向量的误差越小，向量越相近，当z=0时，向量完全相同。最大相异系数在相似系数计算中有意加重向量间误差对筛选结果的影响，因此不满足常规的相似性函数性质，在本方法中只用于最佳案例筛选，不作为案例相似度检索的主要算法。

进一步地，本实施例中还包括：

确定与所述故障类型对应的解决方案；

将所述电力设备的红外检测数据的故障类型及所述与所述故障类型对应的解决方案加入所述预设的案例数据库中。

为了更好地说明本实施例所述的方法，下面将对本实施例所述的方法进行举进一步的详细说明：

如图6所示，本实施例所述的一种电力设备红外检测方法包括：

S601：接收电力设备的红外检测数据；

红外检测数据中包括哪些参数，可以依据实际需求进行设定，本实施例中红外检测数据中优选：设备名称、设备类型、测试部位、实际最高(异常)温度(℃)、标准最高(异常)温度(℃)、实际单相温差(K)、标准单相温差(K)、实际相间温差(K)、标准相间温差(K)、实际相对温差(%)、标准相对温差(%)。

其中，设备类型分电压致热和电流致热两种，电压致热一般比较单相温差（也就是设备自己不同部位的温差），电流致热一般比较相间温差（电力设备分三项，每相间的温差），相对温差用于评价设备的故障等级。

例如，接收的红外检测数据如下表所示：

S602：计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数；

其中，预设的案例数据库如图4中表格所示，需要说明的是，所示表格只作为示例使用，实际应用中，案例数据库中的案例及每个案例的参数远远多于上述表格中所示。

依据接收到的电力设备红外检测数据和图4中的数据库计算红外检测参数的与每个案例相似系数，例如：从数据库中取案例一，依次比较上述接收到的红外检测数据的表格中的各项参数与案例一的各项参数，如果相同，则取案例一种此项参数对应的权值最为该项比较的值，如果不同，则确定该项比较的值为0，将每项比较的值相加，得到与案例一的相似系数，具体而言，上述红外检测数据举例中设备名称为电力电缆，与案例一中的设备名称隔离开关不同，则确定该项的值为0，测试部位为接头，以案例一中测试部位接头相同，则该项比较的值为案例一中与测试部位对应的权值0.05，实际最高温度为29，以案例一中的实际最高温度95.7不同，因此该项比较的值为0……依次类推，依次比较出每项参数比较的值，每项参数比较的值可以参见下表：

将上述表中比较的值依次相加，得到与案例一的相似性系数D1=0+0+0.05+0+0+0=0.05。

以同样的方法可以分别得到与其它案例的相似性系数：

与案例二相比：

与案例二的相似性系数D2=0.05+0.3+0.05+0.2+0.15+0.2=0.95。

与案例三相比：

与案例三的相似性系数D3=0+0.3+0+0.6=0.9。

与案例四相比：

与案例四的相似性系数D4=0+0+0.05+0+0+0=0.05。

与案例五相比：

与案例五的相似性系数D5=0+0+0.05+0+0+0=0.05。

S603：优选预设的第一阈值为0.7，通过上述相似系数，确定大于及等于0.7的案例为相似案例，两个及两个以上的相似案例组成相似案例集，则依据上述相似系数，可以得到相似案例集为S={S2，S3}，其中，S2表示案例二，S3表示案例三。

S604：依据广义距离相似度计算公式，分别计算案例二和案例三与红外检测数据间的广义距离相似度；

S2与红外检测数据间的广义距离相似度：

案例二取值：S2=（s1,s2,s3,s4,s5,s6）=（1,1,1,9,10,1）

红外检测数据取值：D=（d1,d,2d,3,d4,d5,d6）=（1,1,1,6,6,1）

$\mathrm{sim}(d,s_2)=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{d}_i\·x_{i2}}{\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{d}_i^2\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{i2}^2}}=99.515\%$

S3与红外检测数据间的广义距离相似度：

案例三取值：S2=（s1,s2,s3,s4,s5）=（0,1,0,12）

红外检测数据取值：D=（d1,d,2d,3,d4,d5）=（1,1,1,6）

$\mathrm{sim}(d,s_3)=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{d}_i\·x_{i3}}{\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{d}_i^2\·\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{i3}^2}}=97.075\%$

S605:优选第二阈值为0.9，确定相似案例中的诊断案例；

从上述计算结果可以看出，案例二和案例三与红外检测数据间的广义距离相似度都大于0.9，所以S2、S3都是诊断案例。

S606：确定故障类型。

因为案例二和案例三均大于优选的第三阈值0.95，所以，需要从两者从优选出一个最接近的案例。需要计算两者与红外检测数据间的最大相异系数：

案例二：

案例二取值：S2=（s1,s2,s3,s4,s5）=（1,1,1,9,10,1）

案例二权值：J=（j1，j2，j3，j4，j5）=（0.05，0.3，0.05，0.2，0.15，0.2）

红外检测数据取值：D=（d1,d,2d,3,d4,d5）=（1,1,1,6,6,1）

λi＝si-di

$z=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(j_i\·{\mathrm{\λ}}_i)}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{j}_i}=1.26$

案例三：

案例三取值：S3=（s1,s2,s3,s4,s5）=（0,1,0,12）

案例三权值：J=（j1，j2，j3，j4，j5）=（0,0.3,0,0.6）

红外检测数据取值：D=（d1,d,2d,3,d4,d5）=（1,1,1,6）

λi＝si-di

$z=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(j_i\·{\mathrm{\λ}}_i)}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{j}_i}=2.8$

所以，最终重合案例取S2，即：认定红外检测数据的故障类型为案例二中的故障类型。

本实施例所述的电力设备红外检测方法，将红外检测数据与预设的数据库中的案例相比较，提取出相似案例，再从相似案例中进一步选取更相似的诊断案例，依据诊断案例判断出红外检测数据反映的故障类型，因而能够满足通过红外检测数据直接确定故障类型的需求。

与上述方法实施例相对应的，本发明实施例还公开了一种电力设备红外检测装置，如图7所示，包括：

接收模块701，用于接收电力设备的红外检测数据；

相似案例提取模块702，用于从预设的案例数据库中提取所述电力设备的红外检测数据的相似案例；

诊断案例提取模块703，用于从所述相似案例中提取所述电力设备的红外检测数据的诊断案例；

故障确定模块704，用于依据所述诊断案例，确定与所述电力设备的红外检测数据对应的故障类型。

进一步地，所述相似案例提取模块包括：

相似系数计算单元，用于计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数；

相似案例确定单元，用于确定与所述电力设备的红外检测数据的相似性系数大于预设的第一阈值的案例为相似案例。

进一步地，所述计算单元包括：

案例选取子单元，用于选取所述预设的案例数据库中的一个案例；

相似系数计算子单元，用于将所述电力设备的红外检测数据的每项的参数与所述案例中对应的参数进行比较，如相同，则取所述案例中此项参数的权值为该项比较的值，如果不同，则取零为该项比较的值，将每项比较的值相加，得到所述电力设备的红外检测数据与所述案例的相似系数；

循环触发子单元，用于触发所述案例选取单元，直至得到所述电力设备的红外检测数据与预设的案例数据库中每项案例的相似系数。

进一步地，所述诊断案例提取模块包括：

广义距离相似度计算单元，用于计算所述相似案例与所述电力设备的红外检测数据间的广义距离相似度；

诊断案例确定单元，用于确定与所述电力设备的红外检测数据间的广义距离相似度大于预设的第二阈值的案例为诊断案例。

进一步地，所述故障确定模块包括：

判断单元，用于判断所述诊断案例中是否存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例；

故障确定单元，用于确定与所述电力设备的红外检测数据对应的故障类型为与其广义距离相似度大于预设的第三阈值的案例的故障类型；

故障推算单元，如果当所述诊断案例中不存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例时，依据所述诊断案例，推算所述电力设备的红外检测数据对应的故障类型。

筛选单元，用于当与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例的数量大于一个时，依据预设的筛选规则，筛选出与所述电力设备的红外检测数据最接近的案例。

进一步地，本实施例中所述的装置还包括：

解决方案确定模块，用于确定与所述故障类型对应的解决方案；

数据库写入模块，用于当所述电力设备的红外检测数据的故障类型不存在预设的案例数据库中时，将所述电力设备的红外检测数据的故障类型及所述与所述故障类型对应的解决方案加入所述预设的案例数据库中。

本发明实施例公开的电力设备红外检测装置，能够依据获取的红外监测数据，通过与预设的案例数据库中案例的参数间的比较，计算出与每个案例间的相似性系数，并通过相似性系数，确定出诊断案例集，从而依据已有案例判断出检测数据反应的故障类型及解决方案，提高了红外检测的故障诊断的效率及准确性。

本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备（可以是个人计算机，服务器，移动计算设备或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种电力设备红外检测方法，其特征在于，包括：

接收电力设备的红外检测数据；

计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数；

确定与所述电力设备的红外检测数据的相似性系数大于预设的第一阈值的案例为相似案例；

计算所述相似案例与所述电力设备的红外检测数据间的广义距离相似度；

确定与所述电力设备的红外检测数据间的广义距离相似度大于预设的第二阈值的案例为诊断案例；

判断所述诊断案例中是否存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例；

如果是，确定与所述电力设备的红外检测数据对应的故障类型为与其广义距离相似度大于预设的第三阈值的案例的故障类型，当与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例的数量大于一个时，使用带权值的最大相异系数法，筛选出与所述电力设备的红外检测数据最接近的案例，确定与所述电力设备的红外检测数据对应的故障类型为与其最接近的案例的故障类型。

2.根据权利要求1所述的方法，其特征在于，所述预设的案例数据库包括：

案例、所述案例的故障类型及所述故障类型的解决方案；

所述案例包括：案例参数及与每项案例参数对应的预设的权值。

3.根据权利要求1所述的方法，其特征在于，所述计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数包括：

选取所述预设的案例数据库中的一个案例；

将所述电力设备的红外检测数据的每项的参数与所述案例中对应的参数进行比较，如相同，则取所述案例中此项参数的权值为该项比较的值，如果不同，则取零为该项比较的值，将每项比较的值相加，得到所述电力设备的红外检测数据与所述案例的相似系数；

重复上述步骤，直至得到所述电力设备的红外检测数据与预设的案例数据库中每项案例的相似系数。

4.根据权利要求1、2或3所述的方法，其特征在于，所述依据所述诊断案例，确定与所述电力设备的红外检测数据对应的故障类型，还包括：

如果所述诊断案例中不存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例，依据所述诊断案例，推算所述电力设备的红外检测数据对应的故障类型。

5.根据权利要求1或2所述的方法，其特征在于，还包括：

确定与所述故障类型对应的解决方案；

当所述电力设备的红外检测数据的故障类型不存在预设的案例数据库中时，将所述电力设备的红外检测数据的故障类型及所述与所述故障类型对应的解决方案加入所述预设的案例数据库中。

6.一种电力设备红外检测装置，其特征在于，包括：

接收模块，用于接收电力设备的红外检测数据；

相似案例提取模块，用于从预设的案例数据库中提取所述电力设备的红外检测数据的相似案例，所述相似案例提取模块包括：

相似系数计算单元，用于计算所述电力设备的红外检测数据与预设的案例数据库中的案例间的相似系数；

相似案例确定单元，用于确定与所述电力设备的红外检测数据的相似性系数大于预设的第一阈值的案例为相似案例；

诊断案例提取模块，用于从所述相似案例中提取所述电力设备的红外检测数据的诊断案例，所述诊断案例提取模块包括：

广义距离相似度计算单元，用于计算所述相似案例与所述电力设备的红外检测数据间的广义距离相似度；

诊断案例确定单元，用于确定与所述电力设备的红外检测数据间的广义距离相似度大于预设的第二阈值的案例为诊断案例；

故障确定模块，用于依据所述诊断案例，确定与所述电力设备的红外检测数据对应的故障类型，故障确定模块包括：

判断单元，用于判断所述诊断案例中是否存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例；

故障确定单元，用于确定与所述电力设备的红外检测数据对应的故障类型为与其广义距离相似度大于预设的第三阈值的案例的故障类型；

故障推算单元，如果当所述诊断案例中不存在与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例时，依据所述诊断案例，推算所述电力设备的红外检测数据对应的故障类型；

筛选单元，用于当与所述电力设备的红外检测数据的广义距离相似度大于预设的第三阈值的案例的数量大于一个时，使用带权值的最大相异系数法，筛选出与所述电力设备的红外检测数据最接近的案例，确定与所述电力设备的红外检测数据对应的故障类型为与其最接近的案例的故障类型。

7.根据权利要求6所述的装置，其特征在于，所述相似系数计算单元包括：

案例选取子单元，用于选取所述预设的案例数据库中的一个案例；

相似系数计算子单元，用于将所述电力设备的红外检测数据的每项的参数与所述案例中对应的参数进行比较，如相同，则取所述案例中此项参数的权值为该项比较的值，如果不同，则取零为该项比较的值，将每项比较的值相加，得到所述电力设备的红外检测数据与所述案例的相似系数；

循环触发子单元，用于触发所述案例选取单元，直至得到所述电力设备的红外检测数据与预设的案例数据库中每项案例的相似系数。

8.根据权利要求6所述的装置，其特征在于，还包括：

解决方案确定模块，用于确定与所述故障类型对应的解决方案；

数据库写入模块，用于当所述电力设备的红外检测数据的故障类型不存在预设的案例数据库中时，将所述电力设备的红外检测数据的故障类型及所述与所述故障类型对应的解决方案加入所述预设的案例数据库中。