一种基于AI技术的隔离开关状态在线监测系统的制作方法

本发明属于电力设备监测技术领域，具体涉及一种基于ai技术的隔离开关状态在线监测系统。

背景技术：

近几年，随着光伏、风电等新能源发展，国家电网也大力推广智能电网的建设来满足新能源并网的需求，新兴的无人值守站逐渐代替有人值守站。高压隔离开关是变电站中较为重要的开关设备，一般需要和断路器配合使用，主要用于倒闸操作，起电压隔离和切换作用。隔离开关主要由电机、传动机构和触头构成，是靠电机转动，带动联动机构进行分合闸操作运动的。由于长期工作在户外，在风吹、雨淋、日晒的环境下工作，加上隔离开关本身的动作频次不是太高，维护周期较长，因此隔离开关的传动机构和触头表面容易发生锈蚀、落污等现象，造成隔离开关在分合操作时出现传动件松脱、机构啮合不良、分合闸阻力大和触头卡滞等现象，最终导致隔离开关触头接触不良或分合闸不到位等故障，尤其对于合闸不到位情况，对电网的安全运行影响极大，造成了严重损失。

目前，国内外针对高压隔离开关的故障处理，主要依靠运维人员的定期维护，隔离开关需要动作时，事先需要运维人员到现场确认，通过肉眼观察，依靠运维人员的经验来判断隔离开关健康情况和故障状态，这给变电站的维护增加了人力和运营成本，而且大部分隔离开关的动静出头位置较高，加上视角有死区，单依靠人工也很难判断准确。

技术实现要素：

本发明的目的是提供一种基于ai技术的隔离开关状态在线监测系统，利用ai技术全面监测隔离开关，提高监测准确率，节省人力物力。

本发明提供了如下的技术方案：

一种基于ai技术的隔离开关状态在线监测系统，包括：

巡检机器人，从隔离开关目标获取所分析的隔离开关图像；

图像识别处理系统，包括设有图像处理算法的嵌入式处理器，所述图像处理算法包括隔离开关图像预处理、特征提取和运行状态识别算法，所述运行状态识别算法包括粗识别与精确识别，所述粗识别为巡检机器人从隔离开关目标的正面采集单向刀闸图像并进行识别，所述精确识别通过基于随机森林的分类器算法进行运行状态的精确识别，进而判断其运行状态；

后台输出显示，基于mfc的上位机人机交互脚面，用于图像识别处理系统测试结果显示。

优选的，所述巡检机器人包括车载ccd摄像机，用于隔离开关的图像采集。

优选的，所述图像预处理包括图像亮度调整和图像增强处理，所述特征提取为提取图像浅层次的灰度、边缘轮廓、以及深层次的尺度不变特征以及方向梯度直方图特征。

优选的，所述粗识别通过特征匹配算法进行特征选取、特征向量降维与错误匹配点消除。

优选的，所述精识别通过基于随机森林的分类器算法进行运行状态的精确识别，包括分类器训练、样本库建立和分类准则设计。

本发明的有益效果是：系统采用基于ai技术设计的检测系统，具有检测范围大、检测过程不需要人为参与，监测更准确和具有更高的实时性；图像识别处理过程采用粗处理和精处理两步处理，提高隔离开关目标匹配识别的精度与速度，从而使得运行状态的检测效率达到最佳，识别率高，使检测范围更广。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明系统总结构示意图；

图2是本发明运行状态识别流程示意图。

具体实施方式

如图1和图2所示，一种基于ai技术的隔离开关状态在线监测系统，包括：

巡检机器人，从隔离开关目标获取所分析的隔离开关图像；

图像识别处理系统，包括设有图像处理算法的嵌入式处理器，所述图像处理算法包括隔离开关图像预处理、特征提取和运行状态识别算法，所述运行状态识别算法包括粗识别与精确识别，所述粗识别为巡检机器人从隔离开关目标的正面采集单向刀闸图像并进行识别，所述精确识别通过基于随机森林的分类器算法进行运行状态的精确识别，进而判断其运行状态；

后台输出显示，基于mfc的上位机人机交互脚面，用于图像识别处理系统测试结果显示。

具体的，一种基于ai技术的隔离开关状态在线监测系统包括硬件与软件两大部分，软件部分主要指图像处理算法，硬件部分主要包括车载ccd摄像机与嵌入式处理器。巡检过程中隔离开关图像的采集平台为巡检机器人搭载ccd(chargecoupleddevice)摄像机，一般分为可见光高清摄像机与红外摄像机，所分析的隔离开关图像属于可见光图像。常见的嵌入式处理器主要包括单片机、arm、fpga以及dsp。由于c6000系列dsp具有强的数据处理能力，尤其是外围集成了非常完整的视频与网络通信设备接口，特别适用于数字图像处理、机器视觉领域，因此选择c6000系列中的tms320dm642作为隔离开关图像处理的嵌入式处理器件，算法先通过visualstudio2010编程平台进行验证，并借助于opencv2.4.8计算机视觉库来实现，然后移植到dsp上运行，运行的结果传送到后台pc机的人机交互界面进行显示。

具体的，隔离开关运行状态识别主要通过图像采集与图像处理算法来实现，图像采集主要指隔离开关图像a/d转换；图像处理算法包括隔离开关图像预处理、特征提取、运行状态识别算法这三个方面，其中图像预处理主要包括亮度(对比度)调整、图像增强等，特征提取主要指提取图像浅层次的灰度、边缘轮廓、以及深层次的尺度不变特征以及方向梯度直方图特征，运行状态识别算法分为粗识别算法与精确识别算法。根据上述关于隔离开关对象的特点描述，运行状态识别流程主要包括粗识别与精确识别两个部分，粗识别针对的是单相隔离开关，而精确识别针对的是三相隔离开关。运行状态粗识别主要指巡检机器人从隔离开关目标的正面采集单相刀闸图像并进行识别。该模块通过特征匹配算法来实现运行状态的粗识别，主要包括特征选取、特征向量降维与错误匹配点消除等。鉴于户外巡检过程中巡检机器人所采集到的隔离开关图像不可能全部属于正面图像，图像中也可能包含整个三相刀闸。因此需针对这种情况设计运行状态的精确识别算法。该模块通过基于随机森林的分类器算法来实现运行状态的精确识别，主要包括分类器训练、样本库建立、分类准则设计等。

一种基于ai技术的隔离开关状态在线监测系统针对单相隔离开关的运行状态检测算法中直线检测法存在图像分割阈值难以自动选取、准确率不高的问题，结合隔离开关图像特点，为消除图像采集过程中角度、距离等因素对于检测过程的不利影响，采用一种基于改进sift的图像匹配算法，提取隔离开关样本图像与待检隔离开关图像的点特征，通过改进算法降低特征向量维数并消除错误匹配点，有效提高了隔离开关目标匹配识别的精度与速度。针对三相隔离开关中三相刀闸的运行状态同时检测与识别问题，设计了一种基于随机森林分类的识别算法，将决策树分类模型与广义霍夫变换相结合，提高了隔离开关目标的定位效果；设计了基于随机森林的开关模型训练方法，采用粒子群算法对训练参数进行了优化，使得“闭合”与“断开”两种开关模型的训练效果达到了优，从而使得运行状态的检测效率达到了佳。结合隔离开关对象的实际检测环境，与其它检测方式相比，识别率较高，检测范围更广。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。