红外热成像技术具有适应性强、非接触性等优点,并已经广泛用于电力设备在线监测中。目前变电站主要采用人工的方法,根据工作人员的经验和知识对现场采集的电气设备红外图像进行分析和诊断,因采集的图像数量很大,现场检测需要耗费巨大的人力,且电气设备红外图像的分析诊断大多需要基于历史运行情况进行综合判断。本文提出一种电气设备红外图像自动分析和处理方法,实现了电气设备热故障判别的自动化,并极大地提高了工作效率和识别的准确性.
首先,本文采用中中值滤波等方法对采集的图像进行预处理,目的是滤除图像中边框等干扰。然后创新地运用K-means聚类的方法,依据设备与环境温度的差异进行图像提取,目的是提取出图像中的目标电气设备,K-means聚类方法克服了Otsu二值化方法易误分割的缺点。
图像识别部分的目的是自动地识别出图像中的目标电气设备,以适应大规模现场采集图像的自动处理。本文的图像识别主要分两个部分：互感器识别和三相电力设备识别。互感器识别选取互感器红外图像作为研究对象,针对互感器的形状特征,创新地采用x方向Canny检测的方法提取互感器的边缘特征点,并通过基于归一化相关系数最大值的特征匹配方法和K-means聚类方法确定了互感器边缘,最终通过最小二乘法直线拟合确定了互感器在红外图像中的具体位置。三相电力设备识别采用数学形态学的方法对图像进行处理后,对图像中的各个连通区域进行标定,最后根据面积和重心坐标信息来判断a,b,c三相电力设备门区域,该部分主要选取避雷器和套管作为研究对象。
温度识别的目标是根据比色表自动求取目标区域中电气设备的最高温度、最低温度和平均温度,并统计各设备在各个温度区间内的像素点个数及其所占的比例,针对图像中部分像素点无法与比色条上的点精确对应的情况,本文采用像素值欧氏距离平方匹配的方法将所有像素点赋予其近似温度值,并最终构建了设备的温度场。
最后,故障识别部分根据《带电设备红外诊断技术应用导则》判断电气设备是否存在故障、故障类型和严重程度,本文形成了套管、互感器、避雷器的故障诊断完整流程,并对现场采集的红外图像进行了故障仿真分析,证明了力法的可行性。
