主要电力设备故障图像特征及识别方法研究改.docx

主要电力设备故障图像特征及识别方法研究改.docx

《主要电力设备故障图像特征及识别方法研究改.docx》由会员分享，可在线阅读，更多相关《主要电力设备故障图像特征及识别方法研究改.docx（52页珍藏版）》请在冰点文库上搜索。

主要电力设备故障图像特征及识别方法研究改

摘要

摘要内容

伴随着我国电网规模的日益加大,各类变电设备的运作状态是促使其安全高效运行的最为主要的因素之一。

对于各类变电设备的在线状态监测系统的推广越来越发普及。

研究基于图像特征的电力设备自动故障识别具有重要意义。

本文对各类主要电力设备，研究各类变电设备故障识别分类及相应故障的图像特征，以及基于红外与紫外图像特征的故障识别方法。

对于紫外放电成像技术图像的处理与特征提取，本文从紫外成像技术的基本原理出发，在讲解紫外放电图片特性的基础上，对紫外放电图像使用灰度化预处理，以及应用中值滤波等方法对图像进行降噪。

并通过canny算子边缘检测计算紫外光斑面积判断是否发生放电故障。

针对红外故障图像，本文在红外成像原理的基础上，对红外图像进行超像素分割及HSV空间颜色提取，对应用卷积神经网络对红外故障图像故障区域检测进行理论上的研究。

关键词：

红外成像紫外成像图像处理

ABSTRACT

WiththeincreasingscaleofChina'spowergrid,theoperationofvarioustypesofsubstationequipmentisoneofthemostimportantfactorstopromotethesafeandefficientoperation.Thepopularizationoftheon-lineconditionmonitoringsystemforallkindsoftransformerequipmentisbecomingmoreandmorepopular.Researchonimagefeaturebasedautomaticfaultrecognitionofpowerequipmentisofgreatsignificance.

Inthispaper,varioustypesofmainpowerequipment,thestudyofvarioustypesofsubstationequipmentfaultidentificationandclassificationofimagefeatures,aswellasinfraredandultravioletimagefeaturesbasedonfaultidentificationmethod.Forultravioletdischargeimagingtechniquetoimageprocessingandfeatureextraction,thispaperfromthebasicprincipleofUVimagingtechnologyofontheexplanationoftheultravioletdischargepicturecharacteristicsbasedanddischargeontheUVimageusinggrayscalepreprocessingandapplicationofmedianfilteringmethodofimageinnoisereduction.AndthroughtheCannyoperatoredgedetectiontodeterminewhethertheareaoftheUVspottodeterminewhetherthedischargefault.Aimingatthefaultinfraredimage,thispaperonthebasisoftheprincipleofinfraredimaging,theinfraredimageweresuperpixelsegmentationandHSVcolorspaceextraction,theconvolutionalneuralnetworkisappliedtofaultsectiondetectionofinfraredfaultimageoftheoreticalresearch.

KEYWORDS:

第一章

1.1课题背景

伴随着我国国民经济水平的前进与发展,全国各地对电力的需求不断增长,推动我国电网规模不断加大、同时向超高压、大容量和智能化的路线前进。

但也对各类电力设备的安全性及可靠性提出更为克刻的要求。

由于一旦电力设备和部件产生故障或缺陷，极易导致“链式反应”，致使整个电力系统不能正常工作，从而引发重大的经济损失，而存在隐患的设备故障和缺陷还会造成灾难性事故和人员伤亡，更是从源头波及社会方方面面造成恶劣影响。

故障识别与诊断技术给电力单位带来显著的生产利益，其经济意义集中表现在减少维修消耗和避免突发事故这两点上。

而且，研究表明，电气设备故障产生最直接最重要的原因是其绝缘性能发生劣化。

电气设备尤其是高压电气设备长期处于高电压、强场强运行条件下，同时承受户外风雨侵袭，不可避免会使得绝缘性能发生劣化。

伴随时间的日益推移，当劣化产生一定影响时，就会发生电力设备放电这种现象。

若没有及时找到电气设备放电的原因，对故障部件进行维修和更换，放任放电故障发展，结果极有可能导致设备击穿、闪络等现象，致使故障更为严重，波及范围也大大增加。

所以必须对电力设备的前期局部放电展开深入研究，对电力设备的绝缘能力特别是其外绝缘能力进行预先评价，保障电力设备安全高效运转，从而提高整体系统的可靠及稳定性。

每当电力设备放电时，放电部位会放出波长240致80nm的紫外辐射，对此信号进行有效的监测，将大大的有益于早期检测到放电现象。

而且电力设备，凡是其外部发生放电，均可得到其放电紫外图像，这导致紫外放电成像技术在电力设备在线状态监测特别是电力设备外绝缘监测方面的应用领域更加广泛。

1.2国内外研究现状

1.2．1红外热像仪成像技术在电力系统的应用

对变压器的红外成像在线状态监测系统在电力系统的普遍应用是电力企业对于追求信息化的必经之路，它不但可以代替人为测温，更是达到实时在线监测变压器的发热情况，避免和降低故障发生，保障了变压器的可靠运行，确保了电力系统的稳定供电。

电力设备的发热引发的故障是导致大面积停电等事故灾难的最为重要的诱导因素，一直以来怎样实时可靠的在线监测电力设备都是电力行业一个极具意义的问题。

变压器作为变电系统中最核心的电力设备，是整个变电环节运行的中心所在，其可靠性关乎整个变电网络。

在变压器的工作过程中，无论是负荷过大，还是油位出现了异常，其温度都会发生变化，若不及时发现将会引发变压器设备损坏等事故，直接威胁到供电安全。

公司对运行中的变压器的温度监测一直予以高度重视，对变压器的红外测温也有明确规定。

但是，随着电网发展和社会科技进步，变电系统的自动化、信息化要求不断严格，变电站大致上完成了无人值班或少人值守的阶段，现在基本通过红外测温仪对变电设备的检测都是通过人为测量的方法，这些都不能达到运转和监控自动化的目标。

从上世纪六十年代国外采用红外测温技术，七十年代起将红外成像仪安装于车辆或是直升机上对变电设备及高压输电系统产生的故障与缺陷做定期检测,伴随红外线探测设备,特别是红外线热成像设备的日益进步逐渐发展为专业的红外成像检测技术,而且更是编写出与之配套的技术标规和红外诊断故障判定标准,目前更是在全球各个发达国家当中普及,并得到了极佳的经济效果。

我国探寻发展对于电力设备应用红外测温技术起于20世纪七十年代初,应用国内开发的红外测温设备检测高压输电线路接头温度的试验研究工作,开创了我国红外技术的应用。

[1]从八十年代中期开始,随着性能优良可靠的红外诊断仪器的发展及主管部门的重视,通过一些电力科研单位的大量室内模拟试验和现场试验,取得了不少实践经验。

不但在现场试验中检测出了大量的缺陷与问题,通过立即的修理,避免了部分严重的灾难性的事故的出现,受到了极佳的反响,更是从中积攒了大量实践知识,慢慢完善了故障的评判准则。

1.2.2紫外成像技术在电力系统中的应用

[2]早在1984年，前苏联西伯利亚电力科学研究院就将紫外成像技术运用于电力系统设备监测中，开发了紫外电子光学探伤仪，并用该探伤仪实现了电气设备外绝缘的监测。

然而，该设备难以避免日光对紫外图像的影响，因此只能夜间监测，且受天气因素影响较大。

为了实现采用紫外成像法对放电设备的实时监测，上世纪90年代，西方少数国家开始研制日盲型紫外成像仪，所谓日盲型紫外成像仪，就是紫外监测的结果不受日光的影响，即紫外成像是不吸收太阳光中紫外谱段。

至此，电力系统开始普遍采用日盲型紫外成像仪实现电气设备放电图像的实时监测。

现在电力行业中主要普及的是红外热成像检测技术，然而应用紫外成像技术在放电监测方面还在刚刚发展的阶段。

通过低通滤波手段对紫外成像图像处理降低紫外线放电图像中各类噪声；通过中值滤波理论，对紫外成像图像增强信噪比。

对于紫外放电光斑提取问题：

通过改进的candy算法对紫外放电图像实施边缘提取,从而有效获得故障区域的放电光斑。

采用形态学分析理论，对放电光斑进行了自适应提取，同时该方法也能有效抑制噪声对紫外放电光斑提取的影响.

第二章电力设备红外线故障图像

2.1红外成像法检测原理

红外辐射测温仪

红外线辐射测温仪也叫红外测温仪，是一种对物体放射的红外线的温度检测仪器，它只能检测对象表面上某点四周确定面积的平均温度。

在不追求精准测量对象表面二维温度分布时，与别的设备相比较，具有简化结构、价格便宜、操作便携等优点。

[3]红外测温仪的基本原理是以被测目标的红外辐射能量与温度成一定函数关系而制成的仪器。

其工作时，被测目标的红外辐射能量经仪器透镜会聚，并通过红外滤光片进入探测器，探测器将辐射能转换为电能的信号，经放大器放大、电子电路处理，最终由显示器显示出被测物体的表面温度。

图2-2所示的是一个装有有目视对准系统的红外测温仪，通过45°的分光镜，可见光反射到分划板上，其刻有一圆环，圆环的面积应与光阑孔面积相同，分划板后安装有一组目视透镜，以使人确认测量对象的准确情况以及目标是否填充满小环。

[1]红外测温仪的基本结构必须包括光学系统、红外探测器、电信号放大及处理系统、结果显示系统和其它附属部分（包括目标瞄准器、供电电源与整体机械结构）等几个主要功能部分。

根据测温要求可分为单波段中低温测温仪（8-12μm）、高温测温仪（2-2.5μm）和高温比色测温仪。

现在，各类的红外测温设备都安装有可视瞄准或激光瞄准装置，使人更精准地检测对象的温度而采取了便携的手段。

红外热成像仪不但可以非接触式测温，而且能实现实时反馈对象表面温度的二维分布及改变状况，这是它不同于红外测温仪的一个显著优势。

红外热成像仪具有图像处理程序，测温快速、分辨率优异、直观，并具有信息收集、存储、处理和解析方便的优点。

因此，虽然它比红外测温仪等装置的结构纷繁、价格高的多，但在电力设备实时监测中还有很大的作用。

红外热成像仪的运行流程是把被测对象表面温度经由红外线的方式，通过收到光学程序和扫描设备显像到探测器上，然后通过探测器转换成视频形式。

此微小的视频信号通过信号放大装置后[17]，传到外端显示屏上，表现出被测对象表面温度分布情况的热成像。

[5]红外热像仪的基本结构由光学系统、扫描机构、红外探测器、前置放大器、视频信号预处理电路、显示记录系统和外围辅助装置等组成。

红外热像仪的核心器件是红外探测器，可分为单元探测器、多元探测器和带有内处理功能的探测器。

常用热像仪的工作波长为3-5μm和8-14μm。

2.2电力设备红外检测诊断故障典型图谱

2.2.1变压器缺陷红外检测诊断故障典型图谱

变压器缺陷主要包括以下两个部分:

1、变压器本体的缺陷;2、套管部位的缺陷

2.2.1.1．变压器套管温度分布异常

变压器套管包含主变高压侧套管、低压侧套管、抱箍线夹、中性点套管、管出线线夹等部分。

温差不超过10K，未达到严重缺陷的要求，可应用图像特征分析法、同类比较判断法。

（1）变压器套管温度分布异常

图2-3220kV主变高压侧热像图，左侧套管上部温度偏低。

（2）变压器套管出线线夹过热

图2-4110kV主变高压侧套管热图，套管上部温度偏低。

（3）变压器套管抱箍线夹过热

图2-5500kV变压器套管热像图，左侧（中压侧）套管出线线夹有明显热点。

（4）变压器套管柱头过热

图2-6110kV变压器高压侧套管热像图，套管抱箍线夹有明显热点。

（5）变压器套管末屏温度分布异常

图2-7220kV变压器高压侧套管热像图，套管末屏（左侧）温度偏高

2.2.1.2变压器本体部分缺陷

变压器本体包含主变高压侧本体、低压侧本体、高压侧左面本体、高压侧右面本体。

温差不超过10K，未达到严重缺陷的要求，可应用表面温度判断法、图像特征分析法。

（1）变压器本体温度分布异常

图2-8110kV变压器本体热像图，本体局部温度偏高。

（2）变压器冷却器（自冷式）温度分布异常

图2-9110kV变压器散热器热像图，右2散热器温度偏低

（3）变压器冷却器（水冷式）温度分布异常

图2-10变压器冷却器（水冷式）热像图，左1、左2冷却器温度偏低。

（4）变压器冷却器温度异常

图2-11220kV变压器冷却器热像图，两侧温度明显不一致。

（5）变压器冷却器（强油风冷）进、出油管温度异常

图2-12变压器冷却器（强油风冷）热像图

2.2.2高压断路器缺陷红外检测诊断故障典型图谱

断路器通常由于内部部件接触不良导致温度异常。

可应用表面温度诊断法等。

图2-13220kV断路器热像图，左侧断路器动触头法兰发热

（2）断路器中间触头发热

图2-14110kV断路器热像图，断路器中间触头法兰发热

（3）断路器静触头发热

图2-15110kV断路器热像图，右侧断路器静触头法兰发热

（4）断路器瓷套点状温度分布异常

图2-16110kV断路器热像图，动触头法兰与下瓷磁套接合部有点状发热点。

2.2.3隔离开关红外检测诊断故障典型图谱

220kV隔离开关的发热缺陷，根据其特点可用表面温度判断法、图像特征分析法、同类比较判断法判断。

图2-17220kV隔离开关热像图，刀口有明显热点。

（2）隔离开关转头过热

图2-18220kV隔离开关热像图，下转头接触有明显热点

（1）隔离开关接线板过热

图2-1935kV隔离开关热像图，接线板有明显热点

2.2.4电流互感器红外检测诊断故障典型图谱

电流互感器多由内部接触不良或内部一次连接线散股、断股引发故障。

可应用表面温度判断法、图像特征分析法、同类比较判断法。

（1）电流互感器头部过热

图2-2035kV电流互感器热像图，头部有异常发热

（2）电流互感器头部温度异常

图2-21110kV电流互感器热像图，右侧互感器头部温度较低

（3）电流互感器局部发热

图2-2235kV电流互感器热像图，头部有异常局部温度异常

2.2.5电压互感器红外检测诊断故障典型图谱

电压互感器通常由于电磁组件受潮、匝间短路或铁磁谐振等原因导致介质消耗加大，在高压作用中放射热量。

可通过图像特征分析法、同类比较判断法。

（1）电容式电压互感器电磁单元发热

图2-23220kV电容式电压互感器热像图，电磁单元整体发热。

（2）电容式电压互感器电容单元局部发热[18]

图2-24220kV电容式电压互感器热像图，电容单元局部发热

（2）电容式电压互感器阻尼箱过热

图2-25220kV电容式电压互感器阻尼单元热像图，阻尼单元内部有明显热点

2.2.6绝缘子红外检测诊断故障典型图谱

（1）红外检测诊断故障典型图谱

图2-26110kV合成绝缘子热像图

2.3.13．红外检测判断方法

[4]表面温度判断法：

主要适用于电流致热型和电磁效应引起发热的设备。

根据测得的设备表面温度值，对照GB/T11022中高压开关设备和控制设备各种部件、材料及绝缘介质的温度和温升极限的有关规定，结合环境气候条件、负荷大小进行分析判断。

同类比较判断法[19]：

根据同组三相设备、同相设备之间及同类设备之间对应部位的温差进行比较分析。

对于电压致热型设备，应结合图像特征判断法进行判断；对于电流致热型设备，应结合相对温差判断法进行判断。

图像特征判断法[20]：

主要适用于电压致热型设备。

根据同类设备的正常状态和异常状态的热像图，判断设备是否正常。

注意应尽量排除各种干扰因素对图像的影响，必要时结合电气试验或化学分析的结果，进行综合判断。

相对温差判断法：

主要适用于电流致热型设备。

特别是对小负荷电流致热型设备，采用相对温差判断法可降低小负荷缺陷的漏判率。

档案分析判断法[21]：

分析同一设备不同时期的温度场分布，找出设备致热参数的变化，判断设备是否正常。

实时分析判断法：

在一段时间内使用红外热像仪连续检测某被测设备，观察设备温度随负载、时间等因素变化的方法

2.4.1对红外图像进行基于HSV空间颜色提取的超像素分割

2.4.1.1Turbopixels方法的超像素分割

2009年Levinshtein[6]等人描述了一种基于几何流的水平集方法，能快速地产生超像素。

他们经由扩大初始化种子点，同时联系曲率演化模型和背景部分的骨架化进程，把图片切割成碎片式的超像素。

Turbopixels产生的超像素须要附合5个准则:

a）平均维度，算子需要将图像分割成尺寸与形态基本一致的超像素，经由设建几何流来扩大初始平均分布的种子以完成这个目标;b）连通性，单独超像素需要显示1个普通连续的像素聚集，采取联系水平集的几何流膨胀手段以此保证这个约束都是成立的;c）紧凑性，尽可能让超像素接近极限地紧密，应该让强度平均的部分在法线朝外方向发生不变的运动;d）平滑和边缘保持，当聚类中心扩大结束时，超像素边线需要和图像边界匹配，这要使几何流公式在边界强度变弱及消失的区域，曲线移动速度快，但边界强度较强区域，移动速度变弱以至于静止，致使达到图像分割的目的;e）超像素不重叠，算子需要将单独像素分布到每个超像素中。

所以，当两个不同的种子膨胀到即将碰撞时，应该停止边界增长。

整个算法步骤如图所示，包括:

a）初始化等间距的种子点。

b）迭代以下步骤，直至不再有进一步的演化。

（a）第T次演化边界;

（b）估计未分配区域的骨架;

（c）更新边界上像素点的速度和在边界附近未分配像素点的速度。

图2-27Turbopixels算法步骤

[7]这种手段产生的超像素不但维持了图像的局部边界，更经由紧凑度的约束条件限制了欠分割。

其计算效率极高，算子复杂程度及图片维度是近似线性关系，同时对于上万像素的图像，仅仅很短时间便能得到超像素。

Xiang等人开展通过待分割的图像中组建多维特征图像的方法，广泛使用于Turbopixel架构的超像素分割中。

2.4.2HSV颜色空间进行区域提取

（1）颜色空间选取

颜色空间选择由于各样的实际要求，显示颜色的空间也各式各样。

现在最为普及的颜色空间是RGB空间，图像一般通过R、G、B3类分量的值来显示。

RGB空间适合于各类设备的表示，然而图像分割和解析并不适用，主要由于R、G、B这些分量由亮度联系，一旦亮度变换，这些分量统统会与之变化。

相比之下适于人眼的颜色感官的空间是色调、饱和度和亮度（hue、saturation、value、HSV）空间。

而且，色调与饱和度统一称之为色度，由此解释了颜色的波长区间分布，又解释彩光的深浅的程度。

（2）色彩空间的转换

色彩空间的转换试验中从RGB空间一点（R，G，B）转化到HSV空间的一点可定义为：

V=max（R，G，B）S=（V-min（R，G，B））/V（当V=0时，S=0）

H=60（G-B）/（V-min（R，G，B））如果V=R

120+60（B-R）/（V-min（R，G，B））如果V=G

240+60（R-G）/（V-min（R，G，B））如果V=B

如果所得的H<0，那么H=H+360。

这样色调信息H的范围为0°～360°。

V和S的范围为0～1。

（3）H分割阈值的确定

图2-28色度色相分布示意图

HSV空间主要对H、S的偏侧，这导致HSV色彩空间有一个非常明显的优点：

理解起来非常容易，色彩分类简单自然，通过改变HSV值获得的效果非常清晰而且可预见，但它也存在着一些不足，如空间色彩的距离与理解的距离毫不相干。

由此得到H值计算公式：

（2-1）

将分割阈值设为H>0.65;S>0.5orS<0.12;V>200。

第三章电力设备紫外线故障图像

3.1紫外成像法检测原理

当电力设备产生电离放电现象时，会向外辐射出各种的电磁波，而紫外线就是其中重要的组成。

紫外线的波长在100-400nm之间，而电力设备产生的紫外线主要在200-400nm。

图3-1紫外线波长分布

然而自然光中同样包含紫外线，可是因为臭氧层的屏蔽，导致辐射致地面的紫外辐射波长基本处于280nm之上，低于280nm的范围被称作日盲区。

电力设备故障放电发生的紫外辐射存在280nm以下，也称其在日盲区中，能够经由观测这些波段的紫外线来诊断局部放电程度，而且也降低环境对检测的影响。

图3-2为紫外成像系统原理图

[8]图3-2为紫外成像系统原理图，信号源通过环境光源直射后发生的杂光到成像系统，经由紫外线分离装置变成两种:

一种通过信号放大后到达到可见光镜头，在可见光相机中生成可见光图片;另一种经由紫外日盲滤镜，去除日盲区以外的杂光，到达紫外镜头，同时在紫外相机中生产紫外影像。

最后采用特定的图像预处理和融合方法，形成最终输出影像。

另一路光信号首先经过紫外太阳盲滤镜滤波。

当光波通过该紫外太阳盲滤镜时，绝大部分成分会被滤除，仅剩下波长范围为240}280nm范围的紫外光可以通过。

而该紫外线正是由电气设备放电辐射出紫外光重要组成部分。

经日光滤镜滤波后所得的紫外线同时抑制了日光中紫外辐射部分的扰动，该紫外线经紫外系统转换为数字图像。

该数字图像部分及为紫外放电图像放电光斑部分。

以达到基于故障局部放电位置准确定位的目的，准确直观的表示出光斑部位与程度。

紫外成像仪系统往往应用图像融合算法把摄像图像和局部放电图像进行合并，从而得到紫外局部放电图像。

在紫外放电图像中，可以清晰的看清发电发生的位置。

图3-3清晰说明了这一过程:

图3-3中（a）图为可见光通道所成数字图像，该图像呈现出背景图像及电气设备图像;图3-3中（b）图为240}280nm波段的紫外光波经紫外照相机所成的数字图像，该图像反映了紫外放电光斑。

（c）图为两者叠加后的图像，由（（c）图可准确判定放电发生的位置。

图3-3紫外线成像仪叠加原理

3.2紫外线成像图像预处理

为了提取紫外图像的特征，需要对紫外图像处理，放电光斑提取及放电程度计算等，所以得到的放电图像冗余信息量越少，将越有利于判定结果的准确获得。

相比RGB模式图像，灰度图所需存储空间小，而且不影响图像特征信息量的提取。

灰度图与RGB模式图像的区别正如黑白电视机图像与彩色电视机图像的区别