(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210780189.5 (22)申请日 2022.07.04 (71)申请人 国家电投集团贵州金 元威宁能源股 份有限公司象鼻岭水电站 地址 553107 贵州省毕节市威宁 县玉龙乡 工农村 (72)发明人 刘贵省　胡恢武　付明忠　李行　 穆泓　毕欢　 (74)专利代理 机构 南京华鑫君辉专利代理有限 公司 3254 4 专利代理师 王方超 (51)Int.Cl. G06K 9/62(2022.01) G06K 9/00(2022.01) G06Q 10/00(2012.01)G06Q 50/06(2012.01) (54)发明名称 水电站典型设备故障的AI图像识别分析算 法 (57)摘要 本发明公开水电站典型设备故障的AI图像 识别分析算法， 包括如下步骤： 获取水电站典型 设备的传感器检测得到的水电站典型设备运行 监测数据； 进行特征提取， 生 成批量点阵图数据， 对所述批量点阵图数据进行整合分析成基于的 运行时间点的点阵图形和基于水电站典型设备 运行阈值的点阵图形； 进行AI图像识别， 找出未 检测到监测数据的水电站典型设备M， 进行AI图 像识别， 找出超出运行阈值的水电站典型设备N； 对未检测到监测数据的水电站典型设备M判定为 设备异常故障， 对超出运行阈值的水电站典型设 备N判定为运行故障。 本发明从整体上通过AI图 像识别技术对获取的点阵图数据进行识别分析， 识别分析出设备异常的故障设备以及存在运行 故障的局部线路。 权利要求书1页 说明书5页 附图3页 CN 114997335 A 2022.09.02 CN 114997335 A 1.水电站典型设备故障的AI图像识别分析算法， 其特 征在于， 包括如下步骤： 步骤SS1： 采用数据流的模式， 批量的获取水电站典型设备的传感器检测得到的水电站 典型设备运行监测数据； 步骤SS2： 获取的水电站典型设备运行监测数据进行特征提取， 生成批量点阵图数据， 对所述批量点阵图数据进行整合分析成基于的运行时间点的点阵图形和基于水电站典型 设备运行阈值的点阵 图形； 步骤SS3： 对所述运行时间点的点阵图形与点阵图训练模型进行AI图像识别， 找出未检 测到监测数据的水电站典型设备M， 对所述水电站典型设备运行阈值的点阵图形与点阵图 训练模型进行AI图像识别， 找出超出运行阈值的水电站典型设备N； 步骤SS4： 对未检测到监测数据的水电站典型设备M判定为设备异常故障， 对超出运行 阈值的水电站典型设备N判定为运行故障， 获取有设备异常故障的水电站典型设备M的位置 信息进行设备故障检修， 获取有运行故障的水电站典型设备N的局部线路图进行线路故障 检修。 2.根据权利要求1所述的水电站典型设备故障的AI图像识别分析算法， 其特征在于， 所 述水电站典型设备包括水电站变配电设备、 水轮发电机组、 水轮发电机组附属电气机械设 备。 3.根据权利要求2所述的水电站典型设备故障的AI图像识别分析算法， 其特征在于， 所 述水电站变 配电设备包括变压器、 断路器、 隔离开关、 互感器、 组合电器和控制器。 4.根据权利要求2所述的水电站典型设备故障的AI图像识别分析算法， 其特征在于， 所 述水轮发电机组包括水轮机和水轮发电机 。 5.根据权利要求2所述的水电站典型设备故障的AI图像识别分析算法， 其特征在于， 所 述水轮发电机组附属电气 机械设备包括调速器、 油压装置、 励磁 设备、 自动化及保护系统的 设备。 6.根据权利要求1所述的水电站典型设备故障的AI图像识别分析算法， 其特征在于， 所 述点阵图训练模型采用如下方法获得： 对步骤SS1获取 的水电站典型设备运行监测数据进 行特征提取， 生成批量点阵图数据， 按照运行时序以及各水电站典型设备分别存储到点阵 图数据库进行AI图像训练， 生成点阵 图训练模型。 7.根据权利要求1所述的水电站典型设备故障的AI图像识别分析算法， 其特征在于， 所 述水电站典型设备运行监测数据包括： 水电站变配电设备 的电流及电压数据、 水轮发电机 组的转速及流 量数据、 水轮发电机组附属电气机 械设备的电气量及控制量数据。权　利　要　求　书 1/1 页 2 CN 114997335 A 2水电站典 型设备故障的AI图像识别分析算法 [0001] 技术领域 [0002]本发明涉及一种水电站典型设备故障的AI图像识别分析算法， 属于AI智能识别分 析技术领域。 背景技术 [0003]现有的大型水电站设备故障监测及检修是电站人员的重要工作内容。 目前大型水 电站设备故障监测及检修方法是依靠电站人员到现场对设备进行定期 检查， 依靠人员进 行 设备运行是否正常的判断和记录。 这种传统的故障监测及检修方法存在监测 不及时、 人身 安全风险、 人力需求量大、 无法对设备性能数据进 行科学分析和预判等问题， 不能及时发现 和消除设备隐患而影响设备安全稳定运行。 发明内容 [0004]本发明的目的在于， 克服现有技术存在的技术缺陷， 解决上述技术问题， 提出水电 站典型设备故障的AI图像识别分析算法。 [0005]本发明具体采用如下技术方案： 水电站典型设备故障的AI图像识别分析算法， 包 括如下步骤： 步骤SS1： 采用数据流的模式， 批量的获取水电站典型设备的传感器检测得到的水 电站典型设备运行监测数据； 步骤SS2： 获取的水电站典型设备运行监测数据进行特征提取， 生成批量点阵图数 据， 对所述批量点阵图数据进 行整合分析成基于的运行时间点的点阵图形和基于水电站典 型设备运行阈值的点阵 图形； 步骤SS3： 对所述运行时间点的点阵图形与点阵图训练模型进行AI图像识别， 找出 未检测到监测数据的水电站典型设备M， 对所述水电站典型设备运行阈值的点阵图形与点 阵图训练模型进行AI图像识别， 找出超出运行阈值的水电站典型设备N； 步骤SS4： 对未检测到监测数据的水电站典型设备M判定为设备异常故障， 对超出 运行阈值的水电站典型设备N判定为运行故障， 获取有设备异常故障的水电站典型设备M的 位置信息进行设备故障检修， 获取有运行故障的水电站典型设备N的局部线路图进行线路 故障检修。 [0006]作为一种较佳的实施例， 所述水电站典型设备包括水电站变配电设备、 水轮发电 机组、 水轮发电机组附属电气机 械设备。 [0007]作为一种较佳的实施例， 所述水电站变配电设备包括变压器、 断路器、 隔离开关、 互感器、 组合电器和控制器。 [0008]作为一种较佳的实施例， 所述水轮发电机组包括水轮机和水轮发电机 。 [0009]作为一种较佳的实施例， 所述水轮发电机组附属电气机械设备包括调速器、 油 压说　明　书 1/5 页 3 CN 114997335 A 3