基于图像分割的变电站电气设备故障自动检测分析李孟东

基于图像分割的变电站电气设备故障自动检测分析李孟东

李孟东徐超鲜秀明

（国网内江供电公司四川内江641100）

摘要：随着我国电网规模不断扩大以及智能电网的迅速发展，国家对供电的可靠稳定性要求越来越高，这就要做到迅速而准确的判断电气设备是否发生故障，并采取相应措施解决问题与隐患。本文主要通过对变电站电气设备故障问题提出利用数字处理技术来实现无人值守变电站电气设备故障的自动检测。

关健词：图像处理技术；变电站，故障自动检测

随着我国国民经济的快速发展，人们对电力的需求是越来越大，促使电网规模也在不断扩大，这些电力系统一旦发生故障必会造成大规模地停电，势必会严重影响人民群众的正常生活和社会生产，因此确保电力系统的安全稳定性是非常重要的。

1电气设备的故障问题

电气设备的故障多种多样，但大多数都伴有发热的现象，从红外诊断的角度分析看，一般分为外部故障和内部故障。外部故障主要是指在外面可以直接观测的故障，其主要分为两类：一类是长期暴力在空气中，名种裸露的电气接头因接触不良等各种原因而引起的发热问题，另一类则是由于表面污秽或者机械力作用而引起的绝缘性能降低而造成的发热事故。外部故障的特点是局部温升高，向外辐射红外线，较容易用红外线热像仪发现问题等，若没有及时处理这些问题，容易造成事故，从而造成或大或小的财产损失。而内部故障主要是指封闭在固体绝缘以及设备壳体内部的电气回路故障和绝缘介质劣化引起的各种故障，根据其产生的原因可分三类：第一类是内部电气连接不良或触头不良造成的内部故障；第二类则是介质损耗增大而造成的内部故障；第三类是高压电气设备中的导电体绝缘材料因材质不佳或老化，进水受潮等局部放电而发热引起的内部故障等。由于这类故障出现在电气设备的内部，只能通过电气设备的内部结构与运行状态，从电气设备外部显示的温度分布热像图分析判断内部出现的故障问题，它的特点是故障比例小，温升小，但是危害大，对热像仪的敏感度精准要求很高[1]。

2电气设备故障检测现状

我国研究开发电气设备检测技术始于上世纪七十年代初，当时开始利用国内研制的红外测温仪检测运行中的电气设备的过热接头，到八十年代中期，几家电力专业研究所先后引进较为先进的光机扫描热像仪，开展发变电设备故障检测试验和220kv以及110kv输电线路的直升机巡线红外检测试验，并最终取了良好的结果，进入九十年代后，除了进一步扩大了现场检测之外，一些电力研究所与各省市级电力局相结合，掌握了各类高压电气设备内外部故障的外表红外线热像等特征，对影响这些故障的诸多因素与对策进行了深入的研究，并在各类故障的诊断方面取得突破性的进展，达到了国际先进水平。红外检测技术的广泛应用为电力设备实行状态维修与预知维修提供了强有力的手段，但是目前，大多数的红外线检测方法还是采用人工手持红外测温或成像仪定期对设备进行检测，然后再对获取的温度数据和红外图像进行人工分析，这些方式方法仍然主要依行靠人工分析，耗时费力，却是疏于对诊断智能化的研究，也得不到精确的诊断结果[2]。

3变电站电气设备故障自动检测系统的工作原理介绍

由于故障检测系统的智能图像处理软件模块不能自动地完成红外图像的处理以及特征数据的提取，仍然需要人工干预，所以达不到电气设备故障自动检测与诊断的目的，因此本文主要研究分析的是以变电站电气设备红外温度自动巡检与预警系统为平台，完善智能图像处理软件模块，增加自动分割功能，为系统后续的识别与决策提供有力的依据。

变电站电气设备红外温度自动巡检与预警系统的硬件组成主要由红外与可见光的组合摄像头，云台，传输设备以及监控主站与配套的软件等部分组成。通过SOCKET通讯方案红外视频监控系统把采集到的温度图像信息定时发送到服务器端，而服务器则会把这些接收到的数据写到指定的存储区域，通过设置标志位，应用系统可以及时地获取温度图像信息，以便进行后继开发处理。当需要进行无人值守时按下巡检按钮，监控系统便会处于自动检测状态[3]。

4变电站电气设备故障自动检测系统的分析研究

变电站电气设备自动检测系统是利用红外热成像技术进行红外成像，通过分析图像的变异来判断设备可能存在的故障缺陷。而去处图像中的干扰物需设计一定的预处理方法，它是图像处理中的一个重要内容，是后续处理的基础。

5红外图像的预处理

红外图像反映的是目标与背景的红外辐射的空间分布，其辐射亮度分布主要由被观测景物的温度和发射率决定，因此红外图像大概反映了景物温度差或辐射差。图像预处理彩色图像灰度化与消噪处理两种方式，彩色图像灰度化是要将输入的彩色图像转化成灰度图像，首先要变成灰度格式，扔掉图像中的颜色信息，用灰度表示图像的亮度信息，以代表红绿蓝的RGB模式为例，将图像灰度化的方法有三种：第一种，最大值法，即将彩色图像中的三分量亮度的最大值作为灰度图的灰度值；第二种，平均值法，即将彩色图像中的三分量亮度求平均得到一个耧度图；第三种加权平均法，即根据重要性与其它指标，将三个分量以不同的权值进行加权平均。

图像预处理的另一个方法是消噪处理，因原始变电站红外图像中含有大量随机噪声与杂波进行干扰，直接影响到后续图像分割的质量，从而影响到目标特征的提取，因此为了减弱噪声与杂波的影响，必须对红外图像进行消噪处理，提高图像质量与信噪比，减少处理的数据值，另外还可以对图像中的某个干扰物进行增加或去除，以减小后续分割步骤的压力。目前消噪处理的方法有两种，即全局处理与采用局部处算子处理等，即能消除噪音的扩散影响，又能使区域内的灰度值更为平滑，为后续分割奠定了基础。

6红外图像的分割方法

图像分割是图像由预处理转入分析的关健步骤，其作为一种基本的计算视觉技术，在图像分析及模式识别中起着非常重要的作用。图像分割质量的好坏区域界限定位的精度直接影响后续的区域描述以及图像的分析和理解，它是图像分析与理解中的一个举足轻重的技术。图像分割从总体上可以的描述为把图像分成若干有意义的区域的处理技术，通过这些区域的不同处理来达到图像分割的目的。

红外图像的分割方法主要有基于边缘的分割方法，基于区域灰度的分割方法以及基于特定理论的分割新方法。基于边缘的分割方法是通过检测不同区域间的边缘来解决图像分割问题；基于区域灰度的分割方法不受图像的分支数影响，对噪声不敏感，分割得到的空间较完整、连续，使空间信息得到了很好的利用，其具体可分为区域生长法和阀值分割法等；而基于特定理论的分割新方法具体有五种：即基于数学形态学的分割方法、基于模精理论的分割方法、基于小波分析与变换的分割方法、遗传算法分割方法以及基于人工神经网络的分割方法等，区域分割方法的实质就是把具有某种相似性质的像素连通起来，从而构成最终的分割区域，它利用了图像的局部空间信息，可有效地克服其方法存在的图像分割空间不连续的缺点，其不足则是会造成图像的过度分割现象的发生[4]。

结束语

本文以变电站红外检测为主要研究方向，以完善变电站电气设备红外温度自动巡检与预警系统的自动化与智能化为目的，针对变电站的电气设备故障问题，给出了基于图像分割的变电站电气设备故障的自动检测技术系统，为变电站电气设备的故障处理提供了相应的保障。

参考文献

[1]叶婕.基于图像分割的变电站电气设备故障自动检测[D].西安科技大学,2012.

[2]徐雪涛.基于红外成像技术的电气设备故障诊断[D].华北电力大学,2014.

[3]王如意.变电站电力设备红外图像分割技术研究[D].西安科技大学,2011.

[4]熊芬芳.基于图像处理技术的电气设备故障诊断方法研究[D].东华大学,2015.