变电站红外图像的识别与故障诊断

随着电力工业的迅速发展,电网容量和电压等级也随之不断提高,为了保证供电的可靠性和安全性,对运行中电气设备的温度进行监视并自动进行故障诊断显得尤为重要。本课题不仅进行了变电站红外图像处理及识别技术的研究,还给出了一种简易的故障诊断方法。 本文首先分析了两种红外图像灰度预处理方法,并根据红外图像噪声种类和特性,采用基于小波变换和均值滤波的去噪法对红外图像进行消噪处理,有效地抑制了图像中的噪声信号。其次,在研究众多图像分割方法的基础上,提出了基于形态学的最大类间方差法和Krisch算子的图像分割法。实验结果表明该方法可应用于变电站图像分割。然后根据变电站图像的特征,采用Hu不变距进行特征提取,并针对提取的Hu矩各分量数值的数量级差别过大,不能同等体现各分量重要性的问题及Hu距对二维离散图像不满足尺度收缩不变性的问题提出改进。实验结果表明,改进的Hu矩能有效的解决这两方面的问题。利用改进的Hu矩提取变电站设备图像的特征,建立红外图像数据库,并利用最近邻分类器进行识别,取得了较为满意的识别率。最后在识别结果的基础上,分析红外诊断方法和变电站设备热故障的原因及其分类,并结合红外图像数据库中的温度信息,实现了基于相对温差判断法的红外图像故障自动诊断系统。