开云优惠体育网页版入口

专利名称：一种变压器巡检图像智能识别和故障检测方法及系统

专利类型：发明专利

专利申请号：CN202311631212.5

专利申请（专利权）人：国网吉林省电力有限公司辽源供电公司,吉林市泰思特开云优惠体育网页版入口开发有限公司
权利人地址：吉林省辽源市辽河大路2999号--101

专利发明（设计）人：徐振东,贾越博,郑宇,冯国亮,徐福峰,李生洋,刘彦德

专利摘要：本发明涉及变压器技术领域，且公开了一种变压器巡检图像智能识别和故障检测方法及系统，该方法，实现了对变压器状态的智能监测和故障检测，提高了变压器运行的可靠性和安全性，同时有别于传统的温度加湿度的检测方式，本方法采用以温度上升过程中的纹理值变化代替常规温度检测，以提高检测的精准的，同时加入声波检测以对变压器内部的冷暖水进行更深度的探测，从而更进一步的排除外部干扰的同时，深度对变压器内部进行检测，有助于及时发现和处理潜在故障，通过对故障分辨系数的计算和与故障阈值的比较，以及对比较差值的进一步分析，实现了对变压器冷凝水问题的全面监测和维护决策。

主权利要求：
1.一种变压器巡检图像智能识别和故障检测方法，其特征在于：具体步骤如下：S1、确定目标变压器的位置，采用均匀间隔分布方法，在目标变压器的周围，部署采集设备；并建立三维模型，模拟变压器的位置，在三维模型中将变压器的地理坐标和采集设备坐标进行显著标记；
所述采集设备分为三类：包括若干个红外线摄像头、若干个湿度传感器以及若干个声波传感器，且各类采集设备不与变压器处于同一电路中；
其中红外线摄像头用于对变压器外壳体发生温度变化时的纹理值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测；
湿度传感器用于对变压器外壳体的湿度值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测；
声波传感器用于对变压器外壳体的声波值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测；
若干个所述红外线摄像头，均匀分布在变压器的周围，使摄像头的监测范围覆盖变压器的外壳；
同时红外线摄像头与红外线摄像头之间的平行间隔≤0.15米，垂直间隔≤0.25米；
若干个红外线摄像头为长时间持续对变压器进行监控，从而分别获取到变压器外壳体的升温在初始监测数据和二次监测数据，即处于初始监测下的第一纹理值WL1和处于二次监测下的第二纹理值WL2；
若干个所述湿度传感器均匀设置在变压器外壳体的顶部，使湿度传感器监测范围覆盖变压器的顶部；
同时若干个湿度传感器之间的水平方向间距≤0.1米，若干个湿度传感器与变压器之间的间距均≤0.15米；
若干个湿度传感器为长时间持续对变压器进行监控，从而分别获取到变压器外壳体上端空气湿度在变压器初始监测的数据和变压器二次监测的数据，即处于初始监测下的第一湿度值SD1和处于二次监测下的第二湿度值SD2；
若干个所述声波传感器，对称设置在变压器的顶部和底部，使声波传感器的监测范围覆盖变压器，从而监测到变压器内部的声音变化；
若干个声波传感器为长时间持续对变压器进行监控，从而分别获取到变压器外壳体内的声波变化在变压器初始监测的数据和变压器二次监测的数据，即处于初始监测下的第一声波数值SB1和处于二次监测下的第二声波值SB2；
S2、获取采集设备的初始监测数据和二次监测数据，并分别对初始监测数据和二次监测数据进行预处理后，基于被处理后的初始监测数据和二次监测数据，分别建立第一数据集和第二数据集；
S3、建立数字孪生模型，分别对第一数据集和第二数据集进行分析，所述第一数据集包括第一纹理值WL1、第一湿度值SD1以及第一声波数值SB1，所述第二数据集包括第二纹理值WL2、第二湿度值SD2和第二声波值SB2；
S4、通过数字孪生模型，对第一数据集和第二数据集进行对比，进而分别获取纹理差值系数WLX，湿度差值系数SDX以及声波差值系数SBC；
S5、将纹理差值系数WLX，湿度差值系数SDX以及声波差值系数SBC输入至数字孪生模型通过模型进行计算获取故障分辨系数GZX，所述故障分辨系数GZX通过下述公式计算获。篏ZX＝(WLX*a1+SDX*a2+SBC*a3/a1+a2+a3)+A；
式中：WLX为纹理差值系数，SDX为湿度差值系数，SBC为声波差值系数，a1、a2以及a3均为权重值，且0.25≤a1≤0.35,0.45≤a2≤0.55,0.4≤a3≤0.45,a1+a2+a3≥1.1，A为修正常数，且a1、a2、a3以及A的值由客户调整设置，或者由分析函数拟合生成；
S6、根据S5步骤计算获取故障分辨系数GZX，将获取到的故障分辨系数GZX与故障阈值GYZ进行对比，获取比较结果：故障分辨系数GZX≥故障阈值GYZ时，代表变压器中的冷凝水超过了安全范围，表示变压器处于故障状态需要检修；
故障分辨系数GZX＜故障阈值GYZ时，代表变压器中的冷凝水未超过安全范围，无需进行检修；
将故障分辨系数GZX与故障阈值GYZ进行结合计算获取比较差值BXZ，将比较差值与故障阈值进行二次对比，获取对比结果：BXZ/GYZ≤5％，代表变压器冷凝水为一级故障状态，设置停机烘干处理，20分钟≤烘干时间≤40分钟，80°≤烘干温度≤120°；
5％＜BXZ/GYZ≤15％，代表变压器冷凝水为二级故障状态，设置进行停机检修处理，30分钟≤停机时间≤50分钟，以确定冷凝水的来源以及制冷系统是否存在漏水现象，若未出现制冷系统漏水现象，进行烘干处理，30分钟≤烘干时间≤50分钟，100°≤烘干温度≤
120°；
BXZ/GYZ＞15％，代表变压器冷凝水为三级故障状态，设置进行拆卸检查，使用专业检修设备对变压器内部各单元零件进行检测；
其中比较差值BXZ通过下述公式计算获。
BXZ＝GZX?GYZ；
式中：GZX为故障分辨系数，GYZ为故障阈值。
2.根据权利要求1所述的变压器巡检图像智能识别和故障检测方法，其特征在于：所述纹理差值系数WLX通过将第一纹理数据WL1和第二纹理数据WL2组合计算获。咛寮扑愎饺缦：WLX＝(WL1?WL2/WL1)+B；
式中：WL1为第一纹理数据，WL2为第二纹理数据，B为修正常数，且B的值由客户调整设置，或者由分析函数拟合生成。
3.根据权利要求2所述的变压器巡检图像智能识别和故障检测方法，其特征在于：所述湿度差值系数SDX通过下述公式计算获。篠DX＝((SD1?SD2)/SD1)+C；
式中：SD1为第一湿度值，SD2为第二湿度值，C为修正常数，且C的值由客户调整设置，或者由分析函数拟合生成。
4.根据权利要求3所述的变压器巡检图像智能识别和故障检测方法，其特征在于：所述声波差值系数SBC通过下述公式计算获。篠BC＝((SB1?SB2)/SB1)+D；
式中：SB1为第一声波数值，SB2为第二声波值，D为修正常数，且D的值由客户调整设置，或者由分析函数拟合生成。
5.一种变压器巡检图像智能识别和故障检测系统，包括权利要求书1～4中任一所述的变压器巡检图像智能识别和故障检测方法，其特征在于：包括：监测模块、三维建模模块、数据处理模块、数据分析模块、数据对比模块以及执行模块：监测模块，通过监测模块下的红外线摄像头、湿度传感器以及声波传感器对变压器内的冷凝水进行监测进而获取初始监测数据和二次监测数据；
三维建模模块，用于将变压器的地理坐标和采集设备坐标进行显著标记；
数据处理模块，用于对获取初始监测数据和二次监测数据进行预处理，并将处理后的初始监测数据和二次监测数据，分为第一数据组和第二数据组，第一数据组包括第一纹理值WL1、第一湿度值SD1以及第一声波数值SB1，第二数据组包括第二纹理值WL2、第二湿度值SD2和第二声波值SB2；
数据分析模块，用于对第一数据组和第二数据组进行结合计算，进而获取故障分辨系数GZX；
数据对比模块，用于将获取到的故障分辨系数GZX与故障阈值GYZ进行对比，故障分辨系数GZX≥故障阈值GYZ，代表变压器出现故障，故障分辨系数GZX＜故障阈值GYZ，代表变压器未出现故障；
执行模块，用于根据数据对比模块的对比结果，执行相应的检修流程。 说明书 : 一种变压器巡检图像智能识别和故障检测方法及系统技术领域[0001] 本发明涉及变压器技术领域，具体为一种变压器巡检图像智能识别和故障检测方法及系统。背景技术[0002] 变压器是一种电气设备，用于改变交流电压的设备。它可以将电压从一种电压级别转换为另一种电压级别，而不改变电流的大小(在理想情况下)。变压器通常用于电力输送、电子设备和各种应用中，以满足不同电压需求。[0003] 变压器在运行过程中会产生热量，这会导致内部温度升高。当变压器停止运行后，温度开始下降时，周围的空气中的湿气会在冷却过程中凝结成水从而残留在变压器上，长期累积的冷凝水容易导致变压器出现腐蚀和绝缘性能下降等问题因此需要定期监测。[0004] 传统的对变压器进行冷凝水检测，一般采用温度检测加湿度检测的方式进行，通过对变压器的温度变化和湿度变化进行多次检测，通过其差值的大。卸掀淠诓渴欠翊嬖诶淠，但是这种温度加湿度的组合检测的方式外部干扰较大，由于变压器温度变化速率较快，所产生的温度较高，单从温度和湿度值的变化上进行监控，容易造成较大的检测误区，从而影响维护工作。发明内容[0005] 本发明提供了一种变压器巡检图像智能识别和故障检测方法，具备集合纹理值、湿度值和声波值三者结合方式进行冷凝水检测的有益效果，解决了上述背景技术中所提到温度加湿度的组合检测的方式外部干扰较大，由于变压器温度变化速率较快，所产生的温度较高，单从温度和湿度值的变化上进行监控，容易造成较大的检测误区的问题。[0006] 本发明提供如下技术方案：一种变压器巡检图像智能识别和故障检测方法，具体步骤如下：[0007] S1、确定目标变压器的位置，采用均匀间隔分布方法，在目标变压器的周围，部署采集设备；并建立三维模型，模拟变压器的位置，在三维模型中将变压器的地理坐标和采集设备坐标进行显著标记；[0008] S2、获取采集设备的初始监测数据和二次监测数据，并分别对初始监测数据和二次监测数据进行预处理后，基于被处理后的初始监测数据和二次监测数据，分别建立第一数据集和第二数据集；[0009] S3、建立数字孪生模型，分别对第一数据集和第二数据集进行分析，所述第一数据集包括第一纹理值WL1、第一湿度值SD1以及第一声波数值SB1，所述第二数据集包括第二纹理值WL2、第二湿度值SD2和第二声波值SB2；[0010] S4、通过数字孪生模型，对第一数据集和第二数据集进行对比，进而分别获取纹理差值系数WLX，湿度差值系数SDX以及声波差值系数SBC；[0011] S5、将纹理差值系数WLX，湿度差值系数SDX以及声波差值系数SBC输入至数字孪生模型通过模型进行计算获取故障分辨系数GZX，所述故障分辨系数GZX通过下述公式计算获。篬0012] GZX＝(WLX*a1+SDX*a2+SBC*a3/a1+a2+a3)+A；[0013] 式中：WLX为纹理差值系数，SDX为湿度差值系数，SBC为声波差值系数，a1、a2以及a3均为权重值，且0.25≤a1≤0.35,0.45≤a2≤0.55,0.4≤a3≤0.45,a1+a2+a3≥1.1，A为修正常数，且a1、a2、a3以及A的值由客户调整设置，或者由分析函数拟合生成；[0014] S6、根据S5步骤计算获取故障分辨系数GZX，将获取到的故障分辨系数GZX与故障阈值GYZ进行对比，若故障分辨系数GZX≥故障阈值GYZ，代表变压器出现故障，若故障分辨系数GZX＜故障阈值GYZ，代表变压器未出现故障。[0015] 作为本发明所述变压器巡检图像智能识别和故障检测方法的一种可选方案，其中：所述采集设备分为三类：包括若干个红外线摄像头、若干个湿度传感器以及若干个声波传感器，且各类采集设备不与变压器处于同一电路中；[0016] 其中红外线摄像头用于对变压器外壳体发生温度变化时的纹理值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测；[0017] 湿度传感器用于对变压器外壳体的湿度值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测；[0018] 声波传感器用于对变压器外壳体的声波值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测。[0019] 作为本发明所述变压器巡检图像智能识别和故障检测方法的一种可选方案，其中：若干个所述红外线摄像头，均匀分布在变压器的周围，使摄像头的监测范围覆盖变压器的外壳；[0020] 同时红外线摄像头与红外线摄像头之间的平行间隔≤0.15米，垂直间隔≤0.25米；[0021] 若干个红外线摄像头为长时间持续对变压器进行监控，从而分别获取到变压器外壳体的升温在初始监测数据和二次监测数据，即处于初始监测下的第一纹理值WL1和处于二次监测下的第二纹理值WL2。[0022] 作为本发明所述变压器巡检图像智能识别和故障检测方法的一种可选方案，其中：所述纹理差值系数WLX通过将第一纹理数据WL1和第二纹理数据WL2组合计算获。咛寮扑愎饺缦：[0023] WLX＝(WL1?WL2/WL1)+B；[0024] 式中：WL1为第一纹理数据，WL2为第二纹理数据，B为修正常数，且B的值由客户调整设置，或者由分析函数拟合生成。[0025] 作为本发明所述变压器巡检图像智能识别和故障检测方法的一种可选方案，其中：若干个所述湿度传感器均匀设置在变压器外壳体的顶部，使湿度传感器监测范围覆盖变压器的顶部；[0026] 同时若干个湿度传感器之间的水平方向间距≤0.1米，若干个湿度传感器与变压器之间的间距均≤0.15米；[0027] 若干个湿度传感器为长时间持续对变压器进行监控，从而分别获取到变压器外壳体上端空气湿度在变压器初始监测的数据和变压器二次监测的数据，即处于初始监测下的第一湿度值SD1和处于二次监测下的第二湿度值SD2。[0028] 作为本发明所述变压器巡检图像智能识别和故障检测方法的一种可选方案，其中：所述湿度差值系数SDX通过下述公式计算获。篬0029] SDX＝((SD1?SD2)/SD1)+C；[0030] 式中：SD1为第一湿度值，SD2为第二湿度值，C为修正常数，且C的值由客户调整设置，或者由分析函数拟合生成。[0031] 作为本发明所述变压器巡检图像智能识别和故障检测方法的一种可选方案，其中：若干个所述声波传感器，对称设置在变压器的顶部和底部，使声波传感器的监测范围覆盖变压器，从而监测到变压器内部的声音变化；[0032] 若干个声波传感器为长时间持续对变压器进行监控，从而分别获取到变压器外壳体内的声波变化在变压器初始监测的数据和变压器二次监测的数据，即处于初始监测下的第一声波数值SB1和处于二次监测下的第二声波值SB2。[0033] 作为本发明所述变压器巡检图像智能识别和故障检测方法的一种可选方案，其中：所述声波差值系数SBC通过下述公式计算获。篬0034] SBC＝((SB1?SB2)/SB1)+D；[0035] 式中：SB1为第一声波数值，SB2为第二声波值，D为修正常数，且D的值由客户调整设置，或者由分析函数拟合生成。[0036] 作为本发明所述变压器巡检图像智能识别和故障检测方法的一种可选方案，其中：将故障分辨系数GZX与故障阈值GYZ进行对比，获取比较结果：[0037] 当故障分辨系数GZX≥故障阈值GYZ时，代表变压器中的冷凝水超过了安全范围，表示变压器处于故障状态需要检修；[0038] 当故障分辨系数GZX≤故障阈值GYZ时，代表变压器中的冷凝水未超过安全范围，无需进行检修；[0039] 将故障分辨系数GZX与故障阈值GYZ进行结合计算获取比较差值BXZ，将比较差值与故障阈值进行二次对比，获取对比结果：[0040] BXZ/GYZ≤5％，代表变压器冷凝水为一级故障状态，设置停机烘干处理，20分钟≤烘干时间≤40分钟，80°≤烘干温度≤120°；[0041] 5％＜BXZ/GYZ≤15％，代表变压器冷凝水为二级故障状态，设置进行停机检修处理，30分钟≤停机时间≤50分钟，以确定冷凝水的来源以及制冷系统是否存在漏水现象，若未出现制冷系统漏水现象，进行烘干处理，30分钟≤烘干时间≤50分钟，100°≤烘干温度≤120°；[0042] BXZ/GYZ＞15％，代表变压器冷凝水为三级故障状态，设置进行拆卸检查，使用专业检修设备对变压器内部各单元零件进行检测；[0043] 其中比较差值BXZ通过下述公式计算获。篬0044] BXZ＝GZX?GYZ；[0045] 式中：GZX为故障分辨系数，GYZ为故障阈值。[0046] 本发明还提供如下技术方案：一种变压器巡检图像智能识别和故障检测系统，包括上述说明书中任一所述的变压器巡检图像智能识别和故障检测方法，包括：监测模块、三维建模模块、数据处理模块、数据分析模块、数据对比模块以及执行模块：[0047] 监测模块，通过监测模块下的红外线摄像头、湿度传感器以及声波传感器对变压器内的冷凝水进行监测进而获取初始监测数据和二次监测数据；[0048] 三维建模模块，用于将变压器的地理坐标和采集设备坐标进行显著标记；[0049] 数据处理模块，用于对获取初始监测数据和二次监测数据进行预处理，并将处理后的初始监测数据和二次监测数据，分为第一数据组和第二数据组，第一数据组包括第一纹理值WL1、第一湿度值SD1以及第一声波数值SB1，第二数据组包括第二纹理值WL2、第二湿度值SD2和第二声波值SB2；[0050] 数据分析模块，用于对第一数据组和第二数据组进行结合计算，进而获取故障分辨系数GZX；[0051] 数据对比模块，用于将获取到的故障分辨系数GZX与故障阈值GYZ进行对比，若故障分辨系数GZX≥故障阈值GYZ，代表变压器出现故障，若故障分辨系数GZX＜故障阈值GYZ，代表变压器未出现故障；[0052] 执行模块，用于根据数据对比模块的对比结果，执行相应的检修流程。[0053] 本发明具备以下有益效果：[0054] 1、该变压器巡检图像智能识别和故障检测方法，实现了对变压器状态的智能监测和故障检测，提高了变压器运行的可靠性和安全性，同时有别于传统的温度加湿度的检测方式，本方法采用以温度上升过程中的纹理值变化代替常规温度检测，以提高检测的精准的，同时加入声波检测以对变压器内部的冷凝水进行更深度的探测，从而更进一步的排除外部干扰的同时，深度对变压器内部进行检测，有助于及时发现和处理潜在故障。[0055] 2、该变压器巡检图像智能识别和故障检测方法，通过对故障分辨系数的计算和与故障阈值的比较，以及对比较差值的进一步分析，实现了对变压器冷凝水问题的全面监测和维护决策。它有助于及时发现和解决变压器内部的冷却问题，提高了电力系统的可用性和稳定性，同时降低了维护成本和停机时间。附图说明[0056] 图1为本发明的方法步骤示意图。[0057] 图2为本发明的系统流程示意图。[0058] 图3为本发明的监测模块的组成结构示意图。具体实施方式[0059] 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。[0060] 实施例1[0061] 请参阅图1至图3，一种变压器巡检图像智能识别和故障检测方法，具体步骤如下：[0062] S1、确定目标变压器的位置，采用均匀间隔分布方法，在目标变压器的周围，部署采集设备；并建立三维模型，模拟变压器的位置，在三维模型中将变压器的地理坐标和采集设备坐标进行显著标记；[0063] S2、获取采集设备的初始监测数据和二次监测数据，并分别对初始监测数据和二次监测数据进行预处理后，基于被处理后的初始监测数据和二次监测数据，分别建立第一数据集和第二数据集；[0064] S3、建立数字孪生模型，分别对第一数据集和第二数据集进行分析，所述第一数据集包括第一纹理值WL1、第一湿度值SD1以及第一声波数值SB1，所述第二数据集包括第二纹理值WL2、第二湿度值SD2和第二声波值SB2；[0065] S4、通过数字孪生模型，对第一数据集和第二数据集进行对比，进而分别获取纹理差值系数WLX，湿度差值系数SDX以及声波差值系数SBC；[0066] S5、将纹理差值系数WLX，湿度差值系数SDX以及声波差值系数SBC输入至数字孪生模型通过模型进行计算获取故障分辨系数GZX，所述故障分辨系数GZX通过下述公式计算获。篬0067] GZX＝(WLX*a1+SDX*a2+SBC*a3/a1+a2+a3)+A；[0068] 式中：WLX为纹理差值系数，SDX为湿度差值系数，SBC为声波差值系数，a1、a2以及a3均为权重值，且0.25≤a1≤0.35,0.45≤a2≤0.55,0.4≤a3≤0.45,a1+a2+a3≥1.1，A为修正常数，且a1、a2、a3以及A的值由客户调整设置，或者由分析函数拟合生成；[0069] S6、根据S5步骤计算获取故障分辨系数GZX，将获取到的故障分辨系数GZX与故障阈值GYZ进行对比，若故障分辨系数GZX≥故障阈值GYZ，代表变压器出现故障，若故障分辨系数GZX＜故障阈值GYZ，代表变压器未出现故障。[0070] 本实施例中：通过建立三维模型来模拟变压器的位置，并在周围部署采集设备，将变压器的地理坐标和采集设备坐标进行显著标记，从而建立了一个可视化的监测环境，这有助于精确定位目标变压器，为后续的监测和分析提供了基础。[0071] 通过获取初始监测数据和二次监测数据，并对其进行预处理，建立了第一数据集和第二数据集。这些数据集包括了与变压器状态相关的纹理值、湿度值和声波数值等信息，为后续的分析和比对提供了有力的数据支持。[0072] 该模型用于分析第一数据集和第二数据集。这个模型可以帮助我们深入理解监测数据，识别数据之间的关联性，从而更好地发现变压器是否有冷凝水存在。[0073] 通过数字孪生模型对第一数据集和第二数据集进行对比，计算出纹理差值系数、湿度差值系数和声波差值系数，这些差值系数反映了监测数据的变化情况，有助于判断变压器内是否存在冷凝水。[0074] 利用计算得到的差值系数，通过一定的权重值和修正常数计算出故障分辨系数。这个系数是关键的指标，通过与故障阈值进行比较，可以准确地判断变压器是否发生了故障。[0075] 方法通过精确定位目标变压器、有效地获取监测数据、建立数字孪生模型进行深入分析以及计算出故障分辨系数并与故障阈值进行对比这些步骤，实现了对变压器状态的智能监测和故障检测，提高了变压器运行的可靠性和安全性，同时有别于传统的温度加湿度的检测方式，本方法采用以温度上升过程中的纹理值变化代替常规温度检测，以提高检测的精准的，同时加入声波检测以对变压器内部的冷凝水进行更深度的探测，从而更进一步的排除外部干扰的同时，深度对变压器内部进行检测，有助于及时发现和处理潜在故障。[0076] 实施例2[0077] 请参阅图1至图3，所述采集设备分为三类：包括若干个红外线摄像头、若干个湿度传感器以及若干个声波传感器，且各类采集设备不与变压器处于同一电路中；[0078] 其中红外线摄像头用于对变压器外壳体发生温度变化时的纹理值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测；[0079] 湿度传感器用于对变压器外壳体的湿度值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测；[0080] 声波传感器用于对变压器外壳体的声波值变化情况进行检测，其中变压器启动前对变压器外壳体进行检测记为初始检测，变压器启动后对变压器外壳体进行检测记为二次检测。[0081] 本实施例中：采用红外线摄像头的设备可以实时监测变压器外壳体的温度变化，从初始监测到二次监测过程中，捕捉外壳体升温纹理变化的数据，从而发现外壳体上是否因为存在冷凝水以及水渍导致升温速率异于其他区域。[0082] 湿度传感器用于监控变压器在工作过程中空气湿度值的变化，从而通过湿度值的变化，判断变压器内是否存在冷凝水。[0083] 声波传感器用于监测变压器在工作过程中噪音值变化，从而通过噪音值的变化，判断变压器内是否存在冷凝水。[0084] 采用多种不同类型的采集设备，可以全面监测变压器的状态，从而提高了故障检测的准确性和可靠性。这有助于及时发现潜在问题，防止故障发生，降低了电力设备维护和修复的成本。[0085] 实施例3[0086] 请参阅图1至图3，若干个所述红外线摄像头，均匀分布在变压器的周围，使摄像头的监测范围覆盖变压器的外壳；[0087] 同时红外线摄像头与红外线摄像头之间的平行间隔≤0.15米，垂直间隔≤0.25米；[0088] 若干个红外线摄像头为长时间持续对变压器进行监控，从而分别获取到变压器外壳体的升温在初始监测数据和二次监测数据，即处于初始监测下的第一纹理值WL1和处于二次监测下的第二纹理值WL2。[0089] 所述纹理差值系数WLX通过将第一纹理数据WL1和第二纹理数据WL2组合计算获。咛寮扑愎饺缦：[0090] WLX＝(WL1?WL2/WL1)+B；[0091] 式中：WL1为第一纹理数据，WL2为第二纹理数据，B为修正常数，且B的值由客户调整设置，或者由分析函数拟合生成。[0092] 本实施例中：摄像头被均匀分布在变压器的周围，确保了它们的监测范围覆盖了整个变压器外壳。此外，摄像头之间的平行间隔和垂直间隔都被限制在0.15米和0.25米以内，这种配置有助于获得全面而准确的变压器外壳表面温度数据。同时，红外线摄像头被用于长时间持续监控变压器，从初始监测到二次监测，记录了外壳体升温的数据，分别得到了初始监测下的第一纹理值WL1和二次监测下的第二纹理值WL2。[0093] 纹理差值系数WLX通过将第一纹理数据WL1和第二纹理数据WL2进行组合计算而得到，计算公式中包含了一个修正常数B，而B的值可以由客户调整设置，或者由分析函数拟合生成。这种灵活性允许方法根据不同变压器的特性和需求进行调整，提高了方法的适用性和可定制性。[0094] 合理配置的红外线摄像头确保了对变压器外壳温度变化的准确监测，而计算纹理差值系数WLX则提供了用于分析温度变化的重要数据。这一方法不仅有助于及时检测变压器的温度上升时纹理值变化的合理性，还具备了客户定制化的能力，使其适用于各种不同类型的变压器，达到了提高变压器监测精度和故障检测效率的目的。[0095] 实施例4[0096] 请参阅图1至图3，若干个所述湿度传感器均匀设置在变压器外壳体的顶部，使湿度传感器监测范围覆盖变压器的顶部；[0097] 同时若干个湿度传感器之间的水平方向间距≤0.1米，若干个湿度传感器与变压器之间的间距均≤0.15米；[0098] 若干个湿度传感器为长时间持续对变压器进行监控，从而分别获取到变压器外壳体上端空气湿度在变压器初始监测的数据和变压器二次监测的数据，即处于初始监测下的第一湿度值SD1和处于二次监测下的第二湿度值SD2。[0099] 所述湿度差值系数SDX通过下述公式计算获。篬0100] SDX＝((SD1?SD2)/SD1)+C；[0101] 式中：SD1为第一湿度值，SD2为第二湿度值，C为修正常数，且C的值由客户调整设置，或者由分析函数拟合生成。[0102] 本实施例中：传感器被均匀地设置在变压器外壳体的顶部，以确保监测范围覆盖了整个变压器的顶部表面。同时，传感器之间的水平方向间距被限制在0.1米以内，传感器与变压器之间的间距也被限制在0.15米以内。这种配置保证了对变压器外壳体上端空气湿度的准确监测。[0103] 湿度传感器被用于长时间持续监控变压器，在初始监测和二次监测阶段分别记录了上端空气湿度的数据，得到了初始监测下的第一湿度值SD1和二次监测下的第二湿度值SD2。[0104] 湿度差值系数SDX通过将第一湿度值SD1和第二湿度值SD2进行组合计算而得到，计算公式中包含了一个修正常数C，而C的值可以由客户调整设置，或者由分析函数拟合生成。这种灵活性使得方法可以根据不同变压器的特性和需求进行调整，提高了方法的适用性和可定制性。[0105] 合理配置的湿度传感器确保了对变压器上端空气湿度变化的准确监测，而计算湿度差值系数SDX则提供了用于分析湿度变化的重要数据。这一方法不仅有助于及时检测变压器内冷凝水的存在情况，还具备了客户定制化的能力，使其适用于不同类型的变压器，达到了提高变压器监测精度和故障检测效率的目的。通过这些特性，该方法有助于电力设备运维人员更好地维护和管理变压器。[0106] 实施例5[0107] 请参阅图1至图3，若干个所述声波传感器，对称设置在变压器的顶部和底部，使声波传感器的监测范围覆盖变压器，从而监测到变压器内部的声音变化；[0108] 若干个声波传感器为长时间持续对变压器进行监控，从而分别获取到变压器外壳体内的声波变化在变压器初始监测的数据和变压器二次监测的数据，即处于初始监测下的第一声波数值SB1和处于二次监测下的第二声波值SB2。[0109] 所述声波差值系数SBC通过下述公式计算获。篬0110] SBC＝((SB1?SB2)/SB1)+D；[0111] 式中：SB1为第一声波数值，SB2为第二声波值，D为修正常数，且D的值由客户调整设置，或者由分析函数拟合生成。[0112] 本实施例中：声波传感器被对称地设置在变压器的顶部和底部，确保了它们的监测范围覆盖了整个变压器内部。这种配置允许声波传感器监测变压器内部的声音变化，从而提供了对内部运行状态的重要信息。一部分声波传感器被用于长时间持续监控变压器，在初始监测和二次监测阶段分别记录了变压器外壳体内部声波变化的数据，得到了初始监测下的第一声波数值SB1和二次监测下的第二声波值SB2。[0113] 声波差值系数SBC通过将第一声波数值SB1和第二声波值SB2进行组合计算而得到，计算公式中包含了一个修正常数D，而D的值可以由客户调整设置，或者由分析函数拟合生成。这种灵活性使得方法可以根据不同变压器的特性和需求进行调整，提高了方法的适用性和可定制性。[0114] 声波传感器的应用为该方法增加了对变压器内部声音变化的监测能力，有助于及时识别机械振动或冷凝水的干扰。通过计算声波差值系数SBC，该方法能够提供用于分析声音变化的关键数据。这一方法不仅有助于及时发现内部机械故障或松动问题，还具备了客户定制化的能力，使其适用于不同类型的变压器，达到了提高变压器监测精度和故障检测效率的目的。通过这些特性，该方法有助于电力设备运维人员更好地维护和管理变压器。[0115] 实施例6[0116] 请参阅图1至图3，将故障分辨系数GZX与故障阈值GYZ进行对比，获取比较结果：[0117] 当故障分辨系数GZX≥故障阈值GYZ时，代表变压器中的冷凝水超过了安全范围，表示变压器处于故障状态需要检修；[0118] 当故障分辨系数GZX＜故障阈值GYZ时，代表变压器中的冷凝水未超过安全范围，无需进行检修；[0119] 将故障分辨系数GZX与故障阈值GYZ进行结合计算获取比较差值BXZ，将比较差值与故障阈值进行二次对比，获取对比结果：[0120] BXZ/GYZ≤5％，代表变压器冷凝水为一级故障状态，设置停机烘干处理，20分钟≤烘干时间≤40分钟，80°≤烘干温度≤120°；[0121] 5％＜BXZ/GYZ≤15％，代表变压器冷凝水为二级故障状态，设置进行停机检修处理，30分钟≤停机时间≤50分钟，以确定冷凝水的来源以及制冷系统是否存在漏水现象，若未出现制冷系统漏水现象，进行烘干处理，30分钟≤烘干时间≤50分钟，100°≤烘干温度≤120°；[0122] BXZ/GYZ＞15％，代表变压器冷凝水为三级故障状态，设置进行拆卸检查，使用专业检修设备对变压器内部各单元零件进行检测；[0123] 其中比较差值BXZ通过下述公式计算获。篬0124] BXZ＝GZX?GYZ；[0125] 式中：GZX为故障分辨系数，GYZ为故障阈值。[0126] 本实施例中：通过将故障分辨系数GZX与故障阈值GYZ进行比较，该方法能够准确判断变压器的状态。当故障分辨系数GZX大于等于故障阈值GYZ时，表示变压器内部的冷凝水超出了安全范围，这意味着变压器处于故障状态，需要进行检修。这有助于及时发现潜在的冷却系统问题，防止进一步损害变压器。[0127] 当故障分辨系数GZX小于等于故障阈值GYZ时，表示变压器内部的冷凝水未超出安全范围，无需进行检修。这一结果为维护人员提供了有关变压器状态的明确信息，避免了不必要的干预和停机。[0128] 通过将故障分辨系数GZX与故障阈值GYZ的比较差值BXZ进行进一步计算，该方法能够更详细地评估冷凝水问题的严重程度。根据BXZ/GYZ的不同百分比，方法可以制定不同的操作方案。[0129] 通过对故障分辨系数的计算和与故障阈值的比较，以及对比较差值的进一步分析，实现了对变压器冷凝水问题的全面监测和维护决策。它有助于及时发现和解决变压器内部的冷却问题，提高了电力系统的可用性和稳定性，同时降低了维护成本和停机时间。[0130] 本发明还提供如下技术方案：一种变压器巡检图像智能识别和故障检测系统，包括上述说明书中任一所述的变压器巡检图像智能识别和故障检测方法，包括：监测模块、三维建模模块、数据处理模块、数据分析模块、数据对比模块以及执行模块：[0131] 监测模块，通过监测模块下的红外线摄像头、湿度传感器以及声波传感器对变压器内的冷凝水进行监测进而获取初始监测数据和二次监测数据；[0132] 三维建模模块，用于将变压器的地理坐标和采集设备坐标进行显著标记；[0133] 数据处理模块，用于对获取初始监测数据和二次监测数据进行预处理，并将处理后的初始监测数据和二次监测数据，分为第一数据组和第二数据组，第一数据组包括第一纹理值WL1、第一湿度值SD1以及第一声波数值SB1，第二数据组包括第二纹理值WL2、第二湿度值SD2和第二声波值SB2；[0134] 数据分析模块，用于对第一数据组和第二数据组进行结合计算，进而获取故障分辨系数GZX；[0135] 数据对比模块，用于将获取到的故障分辨系数GZX与故障阈值GYZ进行对比，若故障分辨系数GZX≥故障阈值GYZ，代表变压器出现故障，若故障分辨系数GZX＜故障阈值GYZ，代表变压器未出现故障；[0136] 执行模块，用于根据数据对比模块的对比结果，执行相应的检修流程。[0137] 示例：[0138] 第一纹理值WL1：15.2、第一湿度值SD1：45％、第一声波数值SB1：72dB；[0139] 第二纹理值WL2：15.1，第二湿度值SD2：47％、第二声波值SB2：75dB；[0140] 纹理差值系数WLX＝(WL1?WL2)/WL1，修正常数B为0.02；[0141] 纹理差值系数WLX＝(15.2?15.1)/15.2+0.02＝0.0658；[0142] 湿度差值系数SDX＝(SD1?SD2)/SD1，修正常数C为0.01；湿度差值系数SDX＝(45％?47％)/45％+0.01＝?0.0444；[0143] 声波差值系数SBC＝(SB1?SB2)/SB1，修正常数D为0.03；[0144] 声波差值系数SBC＝(72dB?75dB)/72dB+0.03＝?0.0417；[0145] 权重值a1＝0.3，权重值a2＝0.5，权重值a3＝0.4，修正常数A为0.05；[0146] 故障分辨系数GZX＝(WLX*0.3+SDX*0.5+SBC*0.4)/(0.3+0.5+0.4)+0.05；[0147] 故障分辨系数GZX＝(0.0658*0.3?0.0444*0.5?0.0417*0.4)/(0.3+0.5+0.4)+0.05＝0.0229；[0148] 故障阈值GYZ为0.02；[0149] 由于故障分辨系数GZX(0.0229)大于故障阈值GYZ(0.02)，因此变压器出现故障需要检修。[0150] 比较差值BXZ＝GZX?GYZ＝0.0229?0.02＝0.0029；[0151] 比较差值BXZ/GYZ＝0.0029/0.02≈0.145；[0152] 由于BXZ/GYZ满足5％＜BXZ/GYZ≤15％的标准，代表变压器冷凝水为二级故障状态，设置进行停机检修处理，30分钟≤停机时间≤50分钟，以确定冷凝水的来源以及制冷系统是否存在漏水现象，若未出现制冷系统漏水现象，进行烘干处理，30分钟≤烘干时间≤50分钟，100°≤烘干温度≤120°。[0153] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。[0154] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

专利地区：吉林

专利申请日期：2023-12-01

专利公开日期：2024-03-08

专利公告号：CN117330137B