(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111557804.8 (22)申请日 2021.12.20 (65)同一申请的已公布的文献号 申请公布号 CN 113963033 A (43)申请公布日 2022.01.21 (73)专利权人 华东交通大 学 地址 330000 江西省南昌市经济技 术开发 区双港东大街808号 (72)发明人 谢昕　李欣磊　徐磊　宁蔚烨　 黄钰慧　喻思　熊佳芋　 (74)专利代理 机构 北京专赢专利代理有限公司 11797 代理人 蒋婷 (51)Int.Cl. G06T 7/246(2017.01) G06T 7/73(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01)G06Q 10/06(2012.01) G06Q 50/06(2012.01) (56)对比文件 CN 10740 3225 A,2017.1 1.28 CN 108564181 A,2018.09.21 CN 110826740 A,2020.02.21 CN 113486078 A,2021.10.08 JP H04219865 A,1992.08.10 US 2018349817 A1,2018.12.0 6 CN 111967571 A,2020.1 1.20 (续) 审查员 李亚楠 (54)发明名称 一种基于人工智能的电力设备异常检测方 法和系统 (57)摘要 本发明涉及电力设备检测技术领域， 具体公 开了一种基于人工智能的电力设备异常检测方 法和系统， 所述方法包括根据供电网络对电力设 备进行分类， 并计算相应的虚拟阻抗； 获取供电 网络中各供电节点的电力参数， 根据所述电力参 数计算实际阻抗； 根据所述实际阻抗和虚拟阻抗 定位问题设备， 获取问题设备的运行参数， 根据 所述运行参数确定异常等级； 当所述异常等级达 到预设的等级阈值时， 通过球机设备获取图像信 息， 根据所述图像信息确定风险级别。 本发明通 过电力参数对电力设备进行初步检测， 定位问题 设备， 通过 获取问题设备的运行参数对电力设备 进行二级检测， 最后再通过图像信息判断电力设备的风险级别。 多级检测的方式可以极大的提高 计算资源的利用率。 [转续页] 权利要求书2页 说明书9页 附图5页 CN 113963033 B 2022.03.25 CN 113963033 B (56)对比文件 apostolos N.milioudis et al..Detecti on and location of high impedance faults i n multico nductor overhead dist ribution lines using power line communication devices. 《IE EE transacti ons on smart grid》 .2014,第6卷(第 2期),第894-902页. 余石明.肇庆5 00kv玉城变电站GIS局部放电 在线监测系统的应用研究. 《中国优秀博硕士学位论文全文数据库 （硕士） 工程科技 II辑》 .2017,(第02期),第C 042-852页. 杨帅等.基 于移动运维平台的二次设备风险 隐患评价系统. 《技 术与应用》 .2020,(第9期),第 66-76页. xiaohui yan et al. .Infrared ima ge segment and fault l ocation for po wer equipment. 《journal Of physics: co nference series》 .2019,(第3期),第1-7页.2/2 页 2[接上页] CN 113963033 B1.一种基于人工智能的电力设备异常检测方法， 其特 征在于， 所述方法包括： 根据供电网络对电力设备进行分类， 并计算相应的虚拟阻抗， 生成供电模型； 其中， 所 述供电网络中含有 若干个供电节点， 用于连接电力设备； 获取供电网络中各 供电节点的电力参数， 根据所述电力参数计算实际阻抗； 根据所述实 际阻抗和虚拟阻抗定位问题设备， 获取问题设备的运行参数， 根据所述运 行参数确定异常等级； 当所述异常等级达到预设的等级阈值时， 定位相应的枪机设备， 根据枪球标定关系确 定球机设备的运动指令， 并将所述 运动指令向相应的球机设备发送； 接收所述球机设备获取的图像信息， 根据所述图像信息确定风险级别； 所述根据供电网络对电力设备进行分类， 并计算相应的虚拟阻抗， 生成供电模型的步 骤包括： 获取供电网络， 根据所述供电网络中的供电节点确定供电区域； 根据所述供电区域 生成以供电节点的标签为索引的区域表； 获取电力设备的设备参数， 根据所述设备参数计算虚拟阻抗； 获取电力设备的位置信息， 根据所述位置信息将所述虚拟阻抗插入相应的区域表， 根 据所述区域表和供电网络生成供电模型。 2.根据权利要求1所述的基于人工智能的电力设备异常检测方法， 其特征在于， 所述根 据所述实际阻抗和虚拟阻抗定位问题设备， 获取问题设备 的运行参数， 根据所述运行参数 确定异常等级的步骤 包括： 读取实际阻抗和虚拟阻抗， 根据所述实际阻抗和虚拟阻抗计算波动幅度； 当所述波动幅度大于预设的幅度阈值时， 将电力设备标记为问题设备， 根据所述供电 模型获取问题设备的位置信息； 根据所述 位置信息获取问题设备的运行参数， 根据所述 运行参数确定异常等级。 3.根据权利要求2所述的基于人工智能的电力设备异常检测方法， 其特征在于， 所述根 据所述位置信息获取问题设备的运行参数， 根据所述 运行参数确定异常等级的步骤 包括： 根据所述 位置信息 定位问题设备， 获取问题设备中各模块的输入信号； 将所述输入信号输入训练好的标准设备模型， 得到预测信号； 获取问题设备中各模块的输出信号， 根据所述输出信号和所述预测信号确定异常等 级。 4.根据权利要求1所述的基于人工智能的电力设备异常检测方法， 其特征在于， 所述枪 球标定关系的生成步骤 包括： 确定预设的标定点， 并获取 所述标定点的空间坐标； 依次将枪机画面中的中心十 字点对应所述标定点， 读取相应的空间坐标； 根据所述空间坐标和球机设备的画面图框确定球机设备的状态 表； 其中， 状态表包括中心项和状态项， 所述中心项为画面图框的中心点对应的空间坐标， 所述状态项为球机 设备运动件的状态信息； 所述画 面图框的中心点与所述标定点重合时的 元素为状态 表的表头元 素。 5.根据权利要求4所述的基于人工智能的电力设备异常检测方法， 其特征在于， 所述当 所述异常等级达到预设的等级阈值时， 定位相 应的枪机设备， 根据枪球标定关系确定球机权　利　要　求　书 1/2 页 2 CN 113963033 B 3