基于智能巡視系統的變壓器故障診斷方法

趙永俊，趙書濤

(華北電力大學，河北 保定 071003)

將視頻圖像引入變電站設備運行狀態的遠程監視，是變電站智能監控技術的巨大進步[1]，但現有的視頻監控系統只有視頻監控功能和錄像功能，包括變電站機器人在內的巡檢,均不能對監控目標進行智能化的主動識別分析。機器人僅僅是將大量的圖像傳輸到調度端，需要操作員時刻觀察分析圖像，無形中增加了操作員的工作負擔。另外，由于人眼易疲勞的弱點和人工判斷的主觀性，難以分辨細微圖像的灰度變化，客觀判斷電力設備表面缺陷的程度，嚴重影響了電力設備運行狀態監測自動化程度的進一步提高。為實現對電氣設備的實時分析及對重要設備運行參數的實時監測，以下結合智能巡視系統分析變壓器的故障診斷方法。

1 智能巡視系統結構介紹

變壓器智能巡視系統主要包含智能伺服控制系統和智能巡視信息處理系統，智能巡視系統結構見圖1。

圖1 智能巡視系統結構

在變電站內，智能伺服控制系統攜帶設備完成對變壓器的巡視工作(主要是設備信息獲取)，通過控制電動機使整個智能伺服控制系統在指定時間沿特定軌道出行，按預定的巡視順序對環境和電氣設備進行巡視。該系統通過路徑規劃控制到達目標位置，選擇合適的角度、位置和調節焦距拍攝圖像，通過傳感器采集環境信息。

智能巡視信息處理系統主要完成信號的采集、存儲和分析，并根據分析結果進行報警和信息上傳，同時可以使調節定位控制系統取得新的路徑信息,再按定位控制算法使智能伺服控制系統沿新的路徑行駛,最終完成整個巡檢路線的運行。

2 變壓器故障診斷方法分析

考慮變電站巡視需求和目前所能實現的技術條件，變壓器智能巡視系統可以采用巡視機器人或巡視車的形式,機器人或巡視車根據規劃路徑到達指定位置后，智能巡視系統首先調整云臺、攝像機與電氣設備的相互位置，采集紅外圖像和可見光圖像；仿照人腦識別變壓器的思維過程，對變壓器的圖像進行顏色提取，通過對大量變壓器的圖像進行顏色提取，得到灰色變壓器的顏色范圍,其中紅色分量為[105,140]、藍色分量為[105,135]、綠色分量為[110,135]，

將上述分量范圍作為標準,設定閾值，將拍攝到的變壓器圖像顏色范圍與標準顏色進行RGB比較[2-3]；將符合范圍的顏色進行提取，并判斷圖像的大部分顏色是否為灰色；之后進行模板匹配，最后根據拍攝到的變壓器設備紅外圖像，結合可見光的圖像，對變壓器運行狀態進行分析，電氣設備圖像采集及故障診斷流程見圖2。

圖2 電氣設備圖像采集及故障診斷流程

2.1 圖像采集

圖像采集由紅外、可見光攝像機完成，主要負責對變電站內的圖像進行采集。攝像機到達電氣設備的拍攝位置后，對電氣設備進行圖像拍攝，發現故障后發出報警信號，并將信號傳遞到計算機，計算機控制云臺和攝像機再全方位、多角度拍攝圖像，并將含有異常情況的圖像進行存儲。

2.2 色差分析

色差是指用數據來描述顏色的差別。以下采用RGB 3種顏色的差異來說明待處理圖像與標準灰色之間的顏色差異。即取3種原色色差的均方根作為綜合色差，以綜合色差作為獲得圖像與標準圖像顏色差別的依據。用(R1，G1，B1)，(R2，G2，B2),分別表示2個不同顏色，指的是各自顏色的均值。色差公式為

(1)

根據色差的應用范圍，如果ΔE>4，說明差距較大，在大部分應用中不可用，當變電站的變壓器顏色不一致時，要根據變電站實際情況，設定分級色差，依次對變壓器進行顏色識別。為提高識別效率及判斷的準確率，在顏色識別時采用機器視覺技術，此技術可以從數量上精確分辨顏色，并可以將顏色信息反饋到自動控制系統。

2.3 顏色特征識別

顏色特征作為一個顯著特征，具有一定的穩定性，對大小、方向都不敏感，用于對電力設備的識別較方便。顏色提取的方法主要有顏色直方圖、顏色矩等。在這里使用的方法是直方圖,直方圖信息不僅可以判斷獲得的圖像是否滿足要求，還可以確定圖像質量是否能從背景圖像中分離出物體[4]，利用顏色特征方法對變電站灰色變壓器進行直方圖比較的過程見圖3。

圖3 變壓器圖像及直方圖比較

經過上面的對比發現，圖3中變壓器的色差小于4，證明和標準顏色基本一致。通過試驗可以發現，其他的灰色變壓器與標準顏色范圍比較的色差均小于4，說明上述標準范圍能夠對灰色變壓器進行判斷。隨后將符合范圍內的顏色提取，并可根據提取顏色所在位置坐標分割圖像，方便以后進行模板匹配。變壓器提取灰色結果見圖4。

圖4中深灰色部分是變壓器圖像閾值處理后提取的結果，通過灰色容差范圍的顏色特征能將變壓器與圖像的背景分離，根據提取到的顏色面積，可初步判斷圖像的大部分顏色是否在變壓器的灰色系內。這樣通過顏色特征對圖像中存在的變壓器做出了初步判斷，下一步利用模板匹配進一步對圖像中電氣設備類型進行判斷。

圖4 變壓器提取灰色結果

2.4 模板匹配

模板匹配是將圖像中具有某種特殊特征的某一部分作為模板，或者說是模式，然后到待識別的圖像中去尋找與模板相同的區域。由于變電站電力設備圖像背景復雜、光照經常發生變化，對某大型電力設備進行識別時，采用模板匹配方法。首先找出電力設備具有特殊特征的模板，并將其存入數據庫，獲取圖像后將已知模板和所采集圖像中相同大小的一塊區域進行比對，看是否滿足要求。

假設被搜索圖像S的大小為N×N，模板T的大小為M×M，搜索圖像S和模板T如圖5所示。

圖5 搜索圖像及模板

把模板T在搜索圖像S上移動，在模板覆蓋下的那塊搜索圖叫做子圖S(i，j)，i,j為這塊子圖的左上角像點在S圖像中的坐標，成為參考點，其中i和j的取值范圍為1

一般使用下列公式來衡量T和S的相似程度，

(2)

圖像識別開始時，模板的左上角點和圖像的左上角點是重合的，拿模板和原圖像中同樣大小的一塊區域去比對，然后平移到下一個像素，仍然進行同樣的操作，直到所有的位置都比對完后，差別最小的那塊就是要找的物體。

另外為了減小光照變化會對模板識別結果產生的影響，使用測度公式

R(i，j)=

(3)

根據許瓦茲不等式0≤R(i，j)≤1，當且僅當S(i，j)(m，n)=KT(m，n)時，R(i，j)=1。這里的K為標量常數，消除了光照均勻變化對識別結果的影響。下面是使用模板匹配方法識別變壓器的過程。

為增強匹配結果的準確性，采用分級匹配的方法，匹配策略為選取風機作為匹配對象，如果可以找到對應圖像，可以直接進行判斷是否為變壓器，不必再進行下級匹配，如果所拍到的圖像為變壓器的上面部分，則進行電壓互感器的匹配。根據上面的處理，對圖3中的變壓器圖像進行模板匹配，匹配后的圖像見圖6。

圖6 匹配后圖像

在圖3變壓器圖像中，當識別開始時，模板按從左到右，從上到下的順序依次從獲取圖像中移動，通過計算R(i,j)的值來判斷圖像中是否存在正在尋找的識別目標物體，當R(i,j)的值與所設定的區間范圍符合時，就認為圖像中存在與模板相匹配的物體。圖6中，通過模板匹配的方法找到了圖像中與所選擇模板匹配的目標圖像，并進行標記。從所拍攝的圖像中找到這2種模板，即可以判斷所獲取圖像是否為變壓器。

2.5 故障診斷

識別出變壓器后，利用同時拍攝到的變壓器紅外圖像[5]，對故障進行分析，使用的方法為相對溫差法。

當環境溫度較低，尤其是在負荷電流較小的情況下，設備的溫度值未超過國家標準的規定值，但大量事實證明，環境溫度增長或負荷增加后，往往會引起設備故障。此時應該求取設備的溫差，利用相對溫差法判斷設備運行情況，該方法是一種橫向比法，更適用于電流型電氣設備。

設2臺電氣設備狀況(型號、安裝地點、環境溫度、表面狀況和負荷電流等)相同或基本相同，計算出2個對應測點之間的溫差，取溫差與其中較熱測點溫升比值的百分數，其表達式為

(4)

式中：τ1、T1分別為發熱異常點的溫升和溫度；τ2、T2分別為正常狀態下對應設備點的溫升和溫度；T0為環境溫度。將δT的值與電流致熱型設備的相對溫差判據(見表1)進行對比，判斷是否發生故障，如果發生故障，要說明缺陷類型，并針對缺陷類型安排檢查和維修。

表1 電流致熱型設備的相對溫差判據

設備類型相對溫差值一般缺陷重大缺陷緊急缺陷SF6斷路器≥20%≥80%≥95%真空斷路器≥20%≥80%≥95%充油套管≥20%≥80%≥95%高壓開關柜≥35%≥280%≥95%隔離開關≥35%≥80%≥95%其他導電設備≥35%≥80%≥95%

變壓器紅外圖像見圖7，使用紅外圖像處理軟件分析圖像7中的溫度[6]，紅外圖像檢測溫度子界面見圖8。尋找到最高溫度坐標為[80,99],溫度為46 ℃，位于U相,以此點適當擴展鄰域范圍，構成一個最高溫度區域。

由歷史數據庫查詢該點溫度為27 ℃，使用式(1)相對溫差法計算相對溫差，環境溫度為25 ℃，則有將δΤ與上面表1中的數據進行對比，δΤ>80%，屬于重大缺陷，應及時報警，并將故障圖像存儲或通過通信設備發給工作人員，及時安排維修。經查找該缺陷的原因是由于隔離開關長時間沒有操作，造成氧化和銹蝕引起了過熱現象，維修處理后恢復正常。

圖7 紅外圖像

圖8 紅外圖像檢測溫度子界面

(5)

3 存在的問題及建議

基于智能巡視系統的變壓器故障診斷方法能夠完成對站內電氣設備的紅外圖像、可見光圖像的拍攝、存儲和處理，通過圖像分析可以發現電氣設備運行中的異常和存在的缺陷，但該方法還存在一些不足之處，如發現的故障僅局限為熱故障，發現熱故障點后無法對故障點進行識別，模板匹配的快速算法及匹配準確性有待提高等。在以后的工作中，需要對以上問題進行進一步的研究，并建議對變壓器聲音采集、分析及變壓器環境圖像全面分析進行深入研究，使無人值守變電站真正實現智能化巡檢。

參考文獻：

[1] 武衛靜.無人值班變電站遠程監控智能診斷系統的設計與實現[J].河北電力技術，2011，30(1):43-44.

[2] 張 浩.圖像識別技術在電力設備在線監測中的應用[D].北京：北京交通大學,2009.

[3] 祝曉輝.基于圖像處理的電氣設備識別方法研究[D].保定：華北電力大學,2006.

[4] Rafael C.Gonzalez,Richard E.Woods.數字圖像處理[M].北京：電子工業出版社，2003.

[5] 趙書濤，李寶樹.基于計算機視覺的遠程變電站狀態監測與診斷[J].電網技術，2005(6):64-66.

[6] 張漢軍.電力設備紅外遠程監控系統研究[D].保定：華北電力大學，2008.