變電運行人員在變電站巡視測溫過程中，發現異常之后往往需聯系主站值班人員查閱《國網缺陷標準庫》并進行人工計算后再做出缺陷判別，無法時間做出準確判斷，延長了缺陷上報及消除時間。同時由于變電站戶外環境溫度的不明確，進行缺陷判別時往往存在判別誤差。
因此變電設備紅外測溫輔助平臺開發應用可以有效解決現場發熱缺陷判別延時性,提高現場判別準確性。同時輔助平臺所生成的報告單可以實時發送至相關部門管理人員、班組管理人員以及檢修人員，加速相關流程推進及消缺安排，提高電力系統運行穩定性。
系統功能
1.戶外環境溫濕度及風速實時獲取
考慮到變電運行人員戶外進行測溫時無法準確獲取現場環境溫度影響到變電設備發熱缺陷性質的準確判別，因此需要變電設備發熱缺陷判別預測裝置自動默認定位當前位置信息，并根據當前位置信息從氣象服務平臺獲取相應的現場環境溫度T0、濕度RH、風速V。
2.設備測溫值修正
由于影響紅外測溫的因素較多，有些因素對相對溫差的影響不能忽略。
因此用紅外成像儀測溫時，應準確測定周圍環境溫度和電氣設備的表面發射率才能準確計算相對溫差進而準確判別變電設備發熱缺陷性質。
3.平臺數據庫分類導入
將14種一次設備類型（包括：主變壓器、斷路器、站用變、隔離開關、母線、電抗器、電流互感器、電壓互感器、電力電容器、避雷器、消弧線圈、開關柜、穿墻套管、組合電器），相應的26個設備部位（包括：套管、接頭和線夾、金屬導線、引線和接線端子、滅弧室、觸頭、接線座、電流互感器本體、電壓互感器本體、熔絲接頭、母排、柱頭等）發熱缺陷數據庫導入。該數據庫涵蓋范圍基本上滿足變電運行人員日常設備紅外測溫判別需求。
4.紅外熱成像圖像溫度數據智能識別
對紅外熱成像圖片進行拍照拾取，通過人工智能圖像識別技術對拍照的照片進行溫度特征數據提取。將拾取的溫度特征數據進行數據擬合自動生成檢測數據報表。
5.報告生成及遠程發送
現場紅外測溫發熱缺陷圖片及發熱缺陷判別性質按規范格式生成報告單，通過微信推送至相關部門管理人員、班組管理人員以及檢修人員，加速相關流程推進及消缺安排。
