CN112686886A - 一种电力巡检系统及其设备故障诊断方法 - Google Patents

Abstract

本发明属于故障诊断技术领域，具体公开一种电力巡检系统及其设备故障诊断方法，所述的电力巡检系统包括数据监控中心和若干巡检机器人，每个巡检机器人包括主体、设备故障诊断单元以及移动单元，设备故障诊断单元包括主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块，所述的设备故障诊断方法包括如下步骤：S1：建立电力巡检系统，巡检机器人按照预设轨迹进行巡检；S2：巡检机器人采集当前目标设备的运行数据，并将运行数据发送至数据监控中心；S3：数据监控中心分析运行数据，得到当前目标设备的故障诊断结果。本发明解决了现有技术存在的人力成本投入大、检测效率低、故障分析精确度低以及对定位故障效率不高的问题。

Description

一种电力巡检系统及其设备故障诊断方法

技术领域

本发明属于故障诊断技术领域，具体涉及一种电力巡检系统及其设备故障诊断方法。

背景技术

电力设备主要包括发电设备和供电设备两大类，电力系统中电力设备大多采用的计划检修体制存在着严重缺陷，如临时性维修频繁、维修不足或维修过剩、盲目维修等，这使世界各国每年在设备维修方面耗资巨大。怎样合理安排电力设备的检修，节省检修费用、降低检修成本，同时保证系统有较高的可靠性，对系统运行人员来说是一个重要课题。

现有技术存在的技术问题：

1)对电力设备进行检修大多依靠人工进行巡检的方式，这种方式人力成本投入大，检测效率低，通常依靠有经验的工人对具体的故障情况进行分析和判断，其故障诊断精确度低，由于人工诊断存在误差，容易造成严重的安全事故和导致故障情况继续扩大。

2)现在的巡检机器人采集数据后，巡检系统对采集的图像通常采用两种展示方式，第一种是分别独立的显示可见光图像和红外热成像，第二是将二者融合进行显示；第一种方式中，由于可见光图像看不出故障点，而红外热成像虽然根据温度的高低看出故障区域，但是由于红外热成像仅仅只是展示温度场的分布，无法看清设备细节，因此在巡检系统中越来越多的使用第二种，图像融合的方式，然而，现在巡检系统中使用的融合方式是以红外热成像为基础，全幅图像匹配，仅仅只是两种图像的叠加，由于叠加过程中，由于两种图像的分辨率和视场角存在差别，传统的处理是通过对红外热成像进行插值，再与可见光图像进行叠加，然而红外热成像的关键信息、温度值，无法通过插值进行补充，叠加出来的图像无法保证每个像素点都有对应的温度值，因此对定位故障效率仍然不高。

发明内容

本发明旨在于至少在一定程度上解决上述技术问题之一。

为此，本发明目的在于提供一种电力巡检系统及其设备故障诊断方法，用于解决现有技术存在的人力成本投入大、检测效率低、故障分析精确度低以及对定位故障效率不高的问题。

本发明所采用的技术方案为：

一种电力巡检系统，包括数据监控中心和若干巡检机器人，数据监控中心分别与若干巡检机器人通信连接。

进一步地，每个巡检机器人包括主体、设备故障诊断单元以及移动单元，设备故障诊断单元与数据监控中心通信连接，且设备故障诊断单元设置于主体的内部，移动单元位于主体的外部底端。

进一步地，设备故障诊断单元包括主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块，主控制模块分别与红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块通信连接，通讯模块与数据监控中心通信连接，主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块均位于主体的内部，红外热像仪的检测端、可见光拍摄设备的检测端以及激光测距模块的检测端均位于主体的外部。

一种设备故障诊断方法，应用于电力巡检系统，电力巡检系统包括数据监控中心和若干巡检机器人，每个巡检机器人包括主体、设备故障诊断单元以及移动单元，设备故障诊断单元包括主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块，其特征在于：包括如下步骤：

S1：建立电力巡检系统，巡检机器人按照预设轨迹进行巡检；

S2：巡检机器人采集当前目标设备的运行数据，并将运行数据发送至数据监控中心；

S3：数据监控中心分析运行数据，得到当前目标设备的故障诊断结果。

进一步地，步骤S2中，运行数据包括当前目标设备的红外热像图像、对应的可见光图像以及巡检机器人到目标设备的距离数据。

进一步地，步骤S3的具体步骤为：

S3-1：截取运行数据中当前目标设备的可见光图像，得到截取后可见光图像；

S3-2：对运行数据中当前目标设备的红外热像图像进行预处理，得到预处理后红外热像图像，并获取预处理后红外热像图像的温度数据；

S3-3：根据温度数据对截取后可见光图像进行修正，得到修正后可见光图像；

S3-4：根据修正后可见光图像，得到当前目标设备的故障诊断结果

进一步地，步骤S3-1中，截取后可见光图像的获取公式为：

V_I(i,j)＝V(i+h_offset,j+v_offset),i＝0,...,X,j＝0,...,Y

式中，V_I(i,j)为截取后可见光图像；h_offset、v_offset分别为可见光图像进行截取的水平方向参数和垂直方向参数；i、j分别为可见光图像的水平方向指示量和垂直方向指示量；X、Y分别为红外热像图像的水平方向分辨率边界值和垂直方向分辨率边界值。

进一步地，步骤S3-2中，对运行数据中当前目标设备的红外热像图像进行预处理包括依次进行的两点校正处理、盲元补偿处理、高通滤波处理以及降噪处理。

进一步地，降噪处理的公式为：

式中，I_G(x,y)为降噪处理后红外热像图像；I(x,y)为降噪处理前红外热像图像；A为降噪处理数组；

、·分别为图像的开运算和闭运算；x、y分别为红外热像图像的水平方向指示量和垂直方向指示量。

进一步地，步骤S3-3中，修正后可见光图像的获取公式为：

式中，V_I^*(i,j)为修正后可见光图像；V_I(i,j)为截取后可见光图像；h_offset、v_offset分别为可见光图像进行截取的水平方向参数和垂直方向参数；i、j分别为可见光图像的水平方向指示量和垂直方向指示量；x、y分别为红外热像图像的水平方向指示量和垂直方向指示量；I_G^*(x,y)为根据温度数据得到的预处理后红外热像图像的故障像素点；

故障像素点的获取方法为：提取预处理后红外热像图像中温度数据超过预设的报警温度门限值的像素点I_G(x,y)，当像素点数量超过数量阈值，得到当前的故障像素点I_G^*(x,y)＝I_G(x,y)，预处理后红外热像图像中其余故障像素点I_G^*(x,y)＝0。

本发明的有益效果为：

1)本发明提出一种电力巡检系统及其设备故障诊断方法，避免了人工巡检，减少了人力成本投入，提高了巡检效率，能通过红外热像图和可见光图像进行目标设备的运行数据分析，对目标设备进行智能识别和智能故障诊断，在实现智能化的同时，提高了巡检精确度；

2)本发明提出一种电力巡检系统及其设备故障诊断方法，基于故障点进行的局部融合的方法，提供更快速的故障定位方式，使得数据监控中心人员在获得故障警报后，能通过图像展示，快速定位设备故障的位置，从而进行快速检修，提高了故障定位效率。

本发明的其他有益效果将在具体实施方式中进行详细说明。

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是电力巡检系统结构框图。

图2是设备故障诊断方法流程图。

具体实施方式

下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本发明阐述的实施例中。

应当理解，本发明使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时，指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性，并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。

应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。

应当理解，在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。

实施例1

如图1所示，本实施例提供一种电力巡检系统，包括数据监控中心和若干巡检机器人，数据监控中心分别与若干巡检机器人通信连接。

通过若干巡检机器人实时采集电力设备的运行数据，避免了人工巡检，减少了人力成本投入，提高了巡检效率，并将运行数据发送至数据监控中心进行设备故障诊断，对目标设备进行智能识别和智能故障诊断，在实现智能化的同时，提高了巡检精确度。

作为优选，每个巡检机器人包括主体、设备故障诊断单元以及移动单元，设备故障诊断单元与数据监控中心通信连接，且设备故障诊断单元设置于主体的内部，移动单元位于主体的外部底端，设备故障诊断单元包括主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块，主控制模块分别与红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块通信连接，通讯模块与数据监控中心通信连接，主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块均位于主体的内部，红外热像仪的检测端、可见光拍摄设备的检测端以及激光测距模块的检测端均位于主体的外部。

红外热像仪采集目标设备的红外热像图像，可见光拍摄设备采集目标设备的可见光图像，激光测距模块采集巡检机器人到目标设备的距离数据，并通过通讯模块将运行数据发送至数据监控中心，将可见光图像和红外热像图像进行融合，用于目标设备的故障分析，快速定位设备故障的位置，从而进行快速检修。

如图2所示，一种设备故障诊断方法，应用于电力巡检系统，电力巡检系统包括数据监控中心和若干巡检机器人，每个巡检机器人包括主体、设备故障诊断单元以及移动单元，设备故障诊断单元包括主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块，其特征在于：包括如下步骤：

S1：建立电力巡检系统，巡检机器人按照预设轨迹进行巡检；

根据当前电力设备所处环境，首先规划巡检机器人的预设轨迹，并通过通讯模块实时监控巡检机器人的巡检状态；

S2：巡检机器人采集当前目标设备的运行数据，并将运行数据发送至数据监控中心；

红外热像仪采集目标设备的红外热像图像，可见光拍摄设备采集目标设备的可见光图像，激光测距模块采集巡检机器人到目标设备的距离数据，运行数据包括当前目标设备的红外热像图像、对应的可见光图像以及巡检机器人到目标设备的距离数据，并通过通讯模块将运行数据发送至数据监控中心；

S3：数据监控中心分析运行数据，得到当前目标设备的故障诊断结果，具体步骤为：

S3-1：截取运行数据中当前目标设备的可见光图像，得到截取后可见光图像；

截取后可见光图像的获取公式为：

V_I(i,j)＝V(i+h_offset,j+v_offset),i＝0,...,X,j＝0,...,Y

式中，V_I(i,j)为截取后可见光图像；h_offset、v_offset分别为可见光图像进行截取的水平方向参数和垂直方向参数；i、j分别为可见光图像的水平方向指示量和垂直方向指示量；X、Y分别为红外热像图像的水平方向分辨率边界值和垂直方向分辨率边界值；

可见光图像进行截取的水平方向参数的公式为：

式中，h_offset为可见光图像进行截取的水平方向参数；D为巡检机器人到目标设备的距离数据；θ₁、θ₃分别为可见光拍摄设备的水平视场角和红外热像仪的水平视场角；d为可见光拍摄设备的中心点与红外热像仪的中心点之间的距离；

可见光图像进行截取的垂直方向参数的公式为：

式中，v_offset为可见光图像进行截取的垂直方向参数；D为巡检机器人到目标设备的距离数据；θ₂、θ₄分别为可见光拍摄设备的垂直视场角和红外热像仪的垂直视场角，消除了了两种图像的分辨率和视场角之间的差别，提高了故障诊断的精确度；

S3-2：对运行数据中当前目标设备的红外热像图像进行预处理，得到预处理后红外热像图像，并获取预处理后红外热像图像的温度数据；

对运行数据中当前目标设备的红外热像图像进行预处理包括依次进行的两点校正处理、盲元补偿处理、高通滤波处理以及降噪处理；

降噪处理的公式为：

式中，I_G(x,y)为降噪处理后红外热像图像；I(x,y)为降噪处理前红外热像图像；A为降噪处理数组，是一个3×3数组，其值为[0,1,0,1,1,1,0,1,0]；

、·分别为图像的开运算和闭运算；x、y分别为红外热像图像的水平方向指示量和垂直方向指示量；

S3-3：根据温度数据对截取后可见光图像进行修正，得到修正后可见光图像；

S3-4：根据修正后可见光图像，得到当前目标设备的故障诊断结果

修正后可见光图像的获取公式为：

式中，V_I^*(i,j)为修正后可见光图像；V_I(i,j)为截取后可见光图像；h_offset、v_offset分别为可见光图像进行截取的水平方向参数和垂直方向参数；i、j分别为可见光图像的水平方向指示量和垂直方向指示量；x、y分别为红外热像图像的水平方向指示量和垂直方向指示量；I_G^*(x,y)为根据温度数据得到的预处理后红外热像图像的故障像素点；

故障像素点的获取方法为：提取预处理后红外热像图像中温度数据超过预设的报警温度门限值的像素点I_G(x,y)，当像素点数量超过数量阈值，得到当前的故障像素点I_G^*(x,y)＝I_G(x,y)，预处理后红外热像图像中其余故障像素点I_G^*(x,y)＝0，8.由此修正后，可以将可见光图像中故障部位仅显示为红外热成像图像，而其他非故障部位仍然显示为可见光图像，基于故障点进行的局部融合的方法，提供更快速的故障定位方式，使得数据监控中心人员在获得故障警报后，能通过图像展示，快速定位设备故障的位置，从而进行快速检修，提高了故障定位效率。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (10)

1.一种电力巡检系统，其特征在于：包括数据监控中心和若干巡检机器人，所述的数据监控中心分别与若干巡检机器人通信连接。

2.根据权利要求1所述的一种电力巡检系统，其特征在于：每个所述的巡检机器人包括主体、设备故障诊断单元以及移动单元，所述的设备故障诊断单元与数据监控中心通信连接，且设备故障诊断单元设置于主体的内部，所述的移动单元位于主体的外部底端。

3.根据权利要求1所述的一种电力巡检系统，其特征在于：所述的设备故障诊断单元包括主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块，所述的主控制模块分别与红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块通信连接，所述的通讯模块与数据监控中心通信连接，主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块均位于主体的内部，所述的红外热像仪的检测端、可见光拍摄设备的检测端以及激光测距模块的检测端均位于主体的外部。

4.一种设备故障诊断方法，应用于如权利要求1-3任一所述的电力巡检系统，所述的电力巡检系统包括数据监控中心和若干巡检机器人，每个所述的巡检机器人包括主体、设备故障诊断单元以及移动单元，所述的设备故障诊断单元包括主控制模块、红外热像仪、可见光拍摄设备、激光测距模块以及通讯模块，其特征在于：包括如下步骤：

S1：建立电力巡检系统，巡检机器人按照预设轨迹进行巡检；

S2：巡检机器人采集当前目标设备的运行数据，并将运行数据发送至数据监控中心；

S3：数据监控中心分析运行数据，得到当前目标设备的故障诊断结果。

5.根据权利要求4所述的一种设备故障诊断方法，其特征在于：所述的步骤S2中，所述的运行数据包括当前目标设备的红外热像图像、对应的可见光图像以及巡检机器人到目标设备的距离数据。

6.根据权利要求5所述的一种设备故障诊断方法，其特征在于：所述的步骤S3的具体步骤为：

S3-1：截取运行数据中当前目标设备的可见光图像，得到截取后可见光图像；

S3-2：对运行数据中当前目标设备的红外热像图像进行预处理，得到预处理后红外热像图像，并获取预处理后红外热像图像的温度数据；

S3-3：根据温度数据对截取后可见光图像进行修正，得到修正后可见光图像；

S3-4：根据修正后可见光图像，得到当前目标设备的故障诊断结果。

7.根据权利要求6所述的一种设备故障诊断方法，其特征在于：所述的步骤S3-1中，截取后可见光图像的获取公式为：

V_I(i,j)＝V(i+h_offset,j+v_offset),i＝0,...,X,j＝0,...,Y

式中，V_I(i,j)为截取后可见光图像；h_offset、v_offset分别为可见光图像进行截取的水平方向参数和垂直方向参数；i、j分别为可见光图像的水平方向指示量和垂直方向指示量；X、Y分别为红外热像图像的水平方向分辨率边界值和垂直方向分辨率边界值。

8.根据权利要求6所述的一种设备故障诊断方法，其特征在于：所述的步骤S3-2中，对运行数据中当前目标设备的红外热像图像进行预处理包括依次进行的两点校正处理、盲元补偿处理、高通滤波处理以及降噪处理。

9.根据权利要求8所述的一种设备故障诊断方法，其特征在于：所述的降噪处理的公式为：

式中，I_G(x,y)为降噪处理后红外热像图像；I(x,y)为降噪处理前红外热像图像；A为降噪处理数组；

、·分别为图像的开运算和闭运算；x、y分别为红外热像图像的水平方向指示量和垂直方向指示量。

10.根据权利要求6所述的一种设备故障诊断方法，其特征在于：所述的步骤S3-3中，修正后可见光图像的获取公式为：

式中，V_I^*(i,j)为修正后可见光图像；V_I(i,j)为截取后可见光图像；h_offset、v_offset分别为可见光图像进行截取的水平方向参数和垂直方向参数；i、j分别为可见光图像的水平方向指示量和垂直方向指示量；x、y分别为红外热像图像的水平方向指示量和垂直方向指示量；I_G^*(x,y)为根据温度数据得到的预处理后红外热像图像的故障像素点；

故障像素点的获取方法为：提取预处理后红外热像图像中温度数据超过预设的报警温度门限值的像素点I_G(x,y)，当像素点数量超过数量阈值，得到当前的故障像素点I_G^*(x,y)＝I_G(x,y)，预处理后红外热像图像中其余故障像素点I_G^*(x,y)＝0。

Images