基于电量画像的拆回电能表无损检测方法、装置、计算机设备和存储介质与流程

本技术涉及电力检测，特别是涉及一种基于电量画像的拆回电能表无损检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着新型电力系统建设的快速推进，电能表作为电力计量与信息采集的核心设备，在整个电力系统中发挥着至关重要的作用。随着电力用户数量的增加和智能电网的不断普及，电能表的安装量也迅速增长。然而，由于电能表在运行中需长期暴露于多种复杂的工作环境，包括高温、低温、高湿度和强电磁干扰等，这些因素极大地影响了电能表的可靠性和寿命。因此，随着时间的推移，大量使用已久的电能表被拆回，这些退役的电能表需要进行全面的检测和分析，以确保其是否能够继续使用或者必须报废。这使得如何高效、准确地检测这些拆回电能表的故障成为了一个重要且紧迫的研究课题。

2、在现有的研究中，电能表的故障检测主要集中在外观检测或开盖检测上。外观检测可以识别表面损伤或缺陷，但无法探测到内部电路的故障。开盖检测则需要人工操作，存在较高的成本和安全风险。此外，穿透性检测方法如x射线成像技术虽然能够识别电能表内部电路的损坏情况，但其设备成本高，操作复杂，难以在大规模检测中应用，存在故障检测效率低的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于电量画像的拆回电能表无损检测方法、装置、计算机设备、存储介质和计算机程序产品。

2、第一方面，本技术提供了一种基于电量画像的拆回电能表无损检测方法。所述方法包括：

3、获取待测拆回电能表的采集电量数据；

4、根据所述采集电量数据与所述待测拆回电能表的相关度，在所述采集电量数据中筛选出所述待测拆回电能表的目标电量数据；

5、根据所述目标电量数据，获取所述待测拆回电能表的电量画像灰度图；

6、利用预先训练的故障检测模型，基于所述电量画像灰度图，获取所述待测拆回电能表的故障检测结果。

7、在其中一个实施例中，所述根据所述目标电量数据，获取所述待测拆回电能表的电量画像灰度图，包括：对所述目标电量数据进行归一化处理，得到所述待测拆回电能表的归一化电量数据；根据所述归一化电量数据，获取所述待测拆回电能表的所述电量画像灰度图。

8、在其中一个实施例中，所述归一化电量数据包括多个归一化电量数据点，所述根据所述归一化电量数据，获取所述待测拆回电能表的所述电量画像灰度图，包括：获取多个所述归一化电量数据点中每一所述归一化电量数据点对应的灰度值；将所述灰度值按照预设排列规则绘制在二维平面上，生成所述待测拆回电能表的所述电量画像灰度图。

9、在其中一个实施例中，所述利用预先训练的故障检测模型，基于所述电量画像灰度图，获取所述待测拆回电能表的故障检测结果，包括：将所述电量画像灰度图输入至所述预先训练的故障检测模型；由所述故障检测模型中的特征提取模块根据所述电量画像灰度图，确定并输出所述待测拆回电能表的电量特征；由所述故障检测模型中的分类模块根据所述特征提取模块输出的所述电量特征，获取所述待测拆回电能表的故障标签；根据所述故障标签，获取所述待测拆回电能表的故障检测结果。

10、在其中一个实施例中，所述获取待测拆回电能表的采集电量数据之前，还包括：获取多个样本拆回电能表的多组样本电量数据；多个所述样本拆回电能表包含多种电能表类型的拆回电能表；根据多组所述样本电量数据，获取各所述样本拆回电能表的样本电量画像灰度图；将所述样本电量画像灰度图划分为训练样本电量画像灰度图和测试样本电量画像灰度图；利用所述训练样本电量画像灰度图，获取初始故障检测模型；根据所述测试样本电量画像灰度图对所述初始故障检测模型进行优化，得到所述预先训练的故障检测模型。

11、在其中一个实施例中，所述利用所述训练样本电量画像灰度图，获取初始故障检测模型，包括：获取所述训练样本电量画像灰度图对应的所述样本拆回电能表的实际故障标签；将所述训练样本电量画像灰度图输入至预训练的故障检测模型；根据所述训练样本电量画像灰度，获取所述样本拆回电能表的样本电量特征；根据所述样本电量特征，获取所述样本拆回电能表的预测故障标签；根据所述实际故障标签和所述预测故障标签的差异，对所述预训练的故障检测模型进行训练，得到所述故障检测模型。

12、第二方面，本技术提供了一种基于电量画像的拆回电能表无损检测装置。所述装置包括：

13、数据采集模块，用于获取待测拆回电能表的采集电量数据；

14、数据清洗模块，用于根据所述采集电量数据与所述待测拆回电能表的相关度，在所述采集电量数据中筛选出所述待测拆回电能表的目标电量数据；

15、灰度图生成模块，用于根据所述目标电量数据，获取所述待测拆回电能表的电量画像灰度图；

16、计算模块，用于利用预先训练的故障检测模型，基于所述电量画像灰度图，获取所述待测拆回电能表的故障检测结果。

17、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

18、获取待测拆回电能表的采集电量数据；

19、根据所述采集电量数据与所述待测拆回电能表的相关度，在所述采集电量数据中筛选出所述待测拆回电能表的目标电量数据；

20、根据所述目标电量数据，获取所述待测拆回电能表的电量画像灰度图；

21、利用预先训练的故障检测模型，基于所述电量画像灰度图，获取所述待测拆回电能表的故障检测结果。

22、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

23、获取待测拆回电能表的采集电量数据；

24、根据所述采集电量数据与所述待测拆回电能表的相关度，在所述采集电量数据中筛选出所述待测拆回电能表的目标电量数据；

25、根据所述目标电量数据，获取所述待测拆回电能表的电量画像灰度图；

26、利用预先训练的故障检测模型，基于所述电量画像灰度图，获取所述待测拆回电能表的故障检测结果。

27、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

28、获取待测拆回电能表的采集电量数据；

29、根据所述采集电量数据与所述待测拆回电能表的相关度，在所述采集电量数据中筛选出所述待测拆回电能表的目标电量数据；

30、根据所述目标电量数据，获取所述待测拆回电能表的电量画像灰度图；

31、利用预先训练的故障检测模型，基于所述电量画像灰度图，获取所述待测拆回电能表的故障检测结果。

32、上述基于电量画像的拆回电能表无损检测方法、装置、计算机设备、存储介质和计算机程序产品中，首先，可以获取待测拆回电能表的采集电量数据；接下来，可以根据采集电量数据与待测拆回电能表的相关度，在采集电量数据中筛选出待测拆回电能表的目标电量数据；进而，可以根据目标电量数据，获取待测拆回电能表的电量画像灰度图；最后，可以利用预先训练的故障检测模型，基于电量画像灰度图，获取待测拆回电能表的故障检测结果。本技术实施例提供的该方法中，利用预先训练的故障检测模型，基于电量画像灰度图，获取待测拆回电能表的故障检测结果，结合神经网络模型和待测拆回电能表的电量数据，对待测拆回电能表进行故障检测，避免了开盖检测导致的操作复杂和操作成本高的问题，提高了拆回电能表故障检测的智能化，降低了拆回电能表故障检测的操作成本，进而，可以提高拆回电能表故障检测的效率、简便性和准确性。