基于紅外熱圖像電力設備熱故障的自動診斷

摘要：本文在分析電力設備紅外熱圖像及電力設備熱故障特點的基礎上，應用圖像處理和模式識別理論對電力設備紅外熱圖像的目標識別、電力設備熱故障的自動診斷進行了研究和實現，取得了令人滿意的效果。

關鍵詞：紅外熱圖像；電力設備；故障自動診斷；數據庫

中圖分類號：TP391文獻標識碼：A文章編號：1009-3044(2008)06-10ppp-0c

Automatic Diagnosis of Eiectric Power Appliances Thermal Failure Based on Infrared Thermal Image

LIANG Qi

(Power Supply Company of Anhui， Huaibei 235000， China)

Abstract: Image Processing and Pattern Recognition methods are applied in this paper to recognize targets of IR thermal image and automatically diagnose thermal failure. It is based on analyzing the characteristics of electric power appliances and their thermal failure. Experimental results show that this method is robust and efficient for treating the problem which is mentioned above.

Key words: IR thermal image; electric power appliances; failure automatic diagnosis; database

1 引言

紅外熱成像技術是將物體的熱輻射掃描成像的一種非接觸診斷技術。尤其是它用于電力設備實時在線狀態檢測和熱故障診斷具有操作安全、靈敏度高、檢測診斷效率高、可進行計算分析等特點，所以近年來在國內外電力行業中應用日益廣泛。目前國內應用紅外熱像儀對電力設備進行故障診斷，已由探討性階段進入診斷研究和應用階段。但迄今為止，國內仍然沒有一套成熟的診斷方法和判別標準。故障診斷的準確度主要依賴于專業測試人員的專業知識與技能水平。本文從分析紅外熱圖像、電力設備熱故障入手，應用圖像處理和模式識別理論，研究電力設備紅外熱圖像的目標識別，進行熱故障的自動診斷，從而能夠比較迅速、準確地診斷電力設備熱故障。

2 紅外熱像儀的基本原理

紅外熱像儀是利用紅外探測器、光學成像物鏡和光機掃描系統（目前先進的焦平面技術省去了光機掃描系統）把來自被測設備表面的紅外輻射能，經過光譜濾波、空間濾波，使聚焦的紅外輻射能量分布圖形反映到紅外探測器的光敏元件上，由探測器將紅外輻射能轉換成電子視頻信號，經信號處理轉換為標準視頻信號，通過電視屏或監測器顯示紅外熱圖像。

物體表面的絕對溫度與物體的紅外輻射功率的對應關系，根據斯蒂芬－波爾茲曼定率確定[1]：

因此，物體的紅外熱圖像實際上對應的是其表面的二維溫度場。本文利用安徽電力試驗研究所購買的日本AVIONICS公司生產的TVS-2000型紅外熱像儀記錄存儲的電力設備紅外熱圖像進行故障自動診斷研究。

3 紅外熱圖像的預處理

首先我們為排除由于熱像儀探測器的不均勻造成的圖像失真，對圖像進行像差處理，即將每一幅圖像與在攝取熱圖像現場將攝像儀對著溫度分布均勻的目標（或蓋上鏡頭蓋）而攝取的圖像進行相減，然后主要是進行圖像的空域低通濾波。由于我們在對紅外熱圖像處理時更感興趣的是圖像中灰度值高（即溫度值高）的區域，所以先將圖像二維灰度直方圖進行平滑，選取灰度級由低到高方向的第一個谷點作為閾值點分割圖像，而后采用四鄰域平均法對圖像進行低通濾波，這樣即抑制噪聲，同時又能盡量保持圖像中的高頻信息不被丟失。該方法算法簡單，處理效果比較好，如圖1所示。

圖1 電力傳輸線紅外熱圖像濾波、去噪結果

4 電力設備的識別

圖像的識別實際上是一個分類的過程，分類的依據是從圖像中提取的各種特征信息。電力設備紅外熱圖像具有以下特點：

(1)與可見光圖像相比，噪聲較大，信號較弱，尤其距離較遠或紅外輻射較弱的設備圖像相對比較模糊。圖像的細節較少，其復雜度、紋理等受物體表面紅外輻射場的分布影響很大。紅外圖像僅能比較正確地反映物體的邊緣信息。

(2)電力設備種類繁多，絕大多數熱圖像中各種設備交織在一起，有些設備只是局部溫度場被反映在熱圖像上。

(3)不同的檢測距離、方向、環境（環境溫度、濕度、天氣條件等）所攝取的同一設備的紅外熱圖像差別很大。

基于上述特點，要求在攝取圖像時位置固定、距離適宜、方向合理，檢測環境盡量保持一致。這些特點給計算機特征提取、目標識別帶來很大困難。本文采取的方法是把圖像中易分離的設備作為識別的目標，例如阻波器、變壓器套管、三相電纜頭、避雷器、互感器、隔離刀閘等。選取每類設備圖像的周長與面積之比、偏心度等兩個形狀特征作為分類的依據，計算每類樣本兩個特征的平均值，建立特征向量空間：

其中，N為設備類別數，mi1，mi2為第i類樣本兩個特征的平均值。

識別過程如下：

(1)將圖像按列的方向區分出每個單獨的連通區域，計算待測區域的特征向量ξ。

ξ={ω1，ω2}T，ω1，ω2為待測樣本的兩個形狀特征值。

(1)采用最近鄰法則 來做出判別，如果

成立，則ξ∈Ωv(v∈[1，N])，同時設一閾值θ，若

則判為拒識。

(3)對于拒識的區域采取人機交互的方式確定目標區域，并告知計算機該區域是何種設備。通過自動識別與人機交互相結合，對圖像進行識別和標注。

5 電力設備熱故障的自動診斷

紅外熱圖像診斷電力設備熱故障是通過對運行設備溫度場的分析和熱像圖譜的研究提出設備故障的性質和故障點，也就是利用設備呈現的表面局部過熱或異常來試圖揭示設備故障的根源。利用紅外熱圖像診斷設備故障是理論研究、結構剖析和經驗累積的結果。只有經過大量的對現場運行設備進行紅外掃描檢測，才能掌握各種設備的熱圖像規律，進而提出各種設備故障的熱圖像參考圖譜和判斷標準。這也是目前電力設備在線紅外熱圖像診斷研究的中心課題。

5.1 電力設備熱故障的原因及分類

造成設備局部過熱的原因很多，導體連接不良、材質欠佳、接觸面不足、絕緣受潮劣化、過負荷運行、虛假油位、漏磁場渦流等等都是故障原因所在。從這些故障的紅外診斷角度來講，主要可以分為外部故障和內部故障這兩大類型。電力設備的外部熱故障一類是指暴露在大氣中的各種裸露的電氣接頭因接觸不良等原因引起的，一類則是由于表面污穢或機械力作用引起絕緣性能降低而造成的。利用紅外熱像儀檢測和診斷設備外部熱故障極其方便和直觀，它的熱圖像是一個以故障區域為中心的溫度分布圖，并能比較準確地計算出故障部位的溫度值。所謂內部故障主要是指封閉在固體絕緣、油絕緣以及設備殼體內部的電氣回路故障和絕緣介質劣化引起的各種熱故障。

由于紅外熱圖像反映的是設備表面的熱輻射分布，所以需要注意的是：分析設備的內部故障，溫度不是決定因素，重要的是設備溫度場的分布以及與同類設備相比較。在這些設備的熱圖像上反映的最高溫度點往往不是故障點，有的甚至低溫區是故障部位。內部故障雖然占設備故障總數量的比例比較小，但它們的危害卻遠遠超過外部故障。

根據設備過熱部位的影響和危害性程度可將熱故障大致分為一般熱故障、嚴重熱故障、危險熱故障三個等級，對三個等級的熱故障應采取的相應的措施見表1。

表1 熱故障等級及處理措施

5.2 紅外熱圖像數據庫和故障、溫度對應關系數據庫的建立：

建立設備熱圖像數據庫，對掌握紅外熱圖像檢測技術，進行故障診斷，確定故障性質及部位起著重要的作用。本文所建熱圖像數據庫管理的圖像數據如下：

(1)首先是熱圖像本身，它是二維的點陣，大小為128×100×8bit，圖像顯示采用統一的偽彩色調色板。

(2)熱圖像的描述與說明，有設備名稱（漢字碼），圖像類型（有無故障、故障等級），發射率，設備最低、最高及環境溫度，圖像拍攝時間等100個字節。

故障、溫度對應關系數據庫是故障自動診斷的關鍵所在。對設備進行故障檢測和診斷，目前國內尚無一完整而明確的標準和規定，因此，判別依據和判別方法仍是一項重要的研究課題。我們參考一些地區和單位制定的技術導則和標準，在安徽省電力試驗研究所的協助下，確定了部分電力設備三個故障等級的溫度閾值。其中，外部故障溫度閾值主要依據國家標準GB 763-74（交流高壓電器在長期工作時的發熱）來確定，內部故障溫度閾值的確定主要依賴于紅外掃描檢測實驗的結果。該數據庫管理的數據元素為：設備名稱、三個故障等級的溫度閾值、運行正常時設備平均溫度值、故障類型（外、內部故障）、可能的故障原因、發射率參考值等。該數據庫管理系統能方便地修改、擴充和查詢數據庫，并能對數據庫的正確性和一致性進行驗證。

5.3 故障的自動診斷與結果輸出

在以上工作的基礎上，計算待診斷設備區域內的最高溫度值。其發射率可以采用攝取圖像時確定的值，也可以修改。根據斯蒂芬－波爾茲曼定律易知，發射率與溫度的四次方成反比，所以最實際最可靠的方法是通過實驗來確定發射率 。由最高溫度計算的結果自動確定該設備故障等級，并可以采用人機交互的方式從熱圖像數據庫調出該設備的圖像數據，驗證自動診斷結果。最后輸出診斷結果。整個系統的框圖見圖2。

圖2 紅外熱圖像電力設備故障自動診斷系統框圖

圖3中的知識庫表示紅外熱圖像數據庫和故障、溫度對應關系數據庫。診斷的輸出結果舉例見圖3。

圖3 故障診斷的輸出結果

6 結束語

本文對紅外熱圖像電力設備熱故障自動診斷進行了研究和實現，取得了較為滿意的結果。實驗證明，該自動診斷系統界面友好，處理速度快，診斷結果較為準確。今后進一步研究的方向：

(1)通過更多的紅外檢測實驗，采集大量數據，不斷充實和完善紅外熱圖像數據庫及故障、溫度對應關系數據庫；

(2)深入研究電力設備內部故障與紅外熱圖譜的對應關系以及電力設備熱故障自動診斷的理論與方法。

參考文獻：

[1]陳玻若. 紅外系統[J]. 兵器工業出版社，1995.

[2]沈清，湯霖. 模式識別導論[J]. 長沙：國防科技大學出版社，1991.

[3]任彬，汪炳權，束學斌，羅斌. 基于直方圖移動平均的紅外熱圖像自動模糊聚類分割方法[J]. 模式識別與人工智能，1996.3，Vol.9，No.3:278-282.

[4]張維力. 紅外熱像儀在電力工業中的應用[J]. 激光與紅外，1996，26(2):105，106，111.

[5]江欣. 紅外熱像技術診斷高壓電氣設備缺陷[J]. 激光與紅外，1996，26(2):114-116.

收稿日期：2008-01-15

作者簡介：梁旗（1966-），男，電氣工程師，主要研究方向為電力新技術與應用。

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”