一起劣化懸式瓷質高壓絕緣子紅外檢測案例分析

胡淋波，李唐兵，姚建剛，朱向前，盧 航，綦陸杰，鄭 玲

?

一起劣化懸式瓷質高壓絕緣子紅外檢測案例分析

胡淋波1，李唐兵2，姚建剛1，朱向前1，盧 航3，綦陸杰1，鄭 玲1

（1. 湖南大學 電氣與信息工程學院，湖南 長沙 410082； 2. 國網江西省電力科學研究院，江西 南昌 330096；3. 國網金華供電公司，浙江 金華 321017）

絕緣子是變電站的重要供電設備，絕緣子劣化會導致絕緣子閃絡或掉串，對電力系統的安全穩定運行具有嚴重威脅。紅外檢測技術在瓷質絕緣子方面的應用是一種可靠、高效的檢測手段，但使用目前的紅外檢測標準會造成多數劣化絕緣子的漏判。針對這種情況，筆者通過一起劣化絕緣子案例，基于劣化絕緣子發熱原理，設計圖像分割算法求出鋼帽以及盤面區域，然后提取盤面以及鋼帽溫度特征，分析鋼帽與盤面的發熱規律。針對絕緣子鋼帽與盤面的發熱規律，提出相應的診斷方法及其預防措施，進一步提高劣化絕緣子紅外檢測的準確性。

劣化絕緣子；紅外檢測；圖像分割

0 引言

絕緣子是用來固定發電廠、變電站和高壓輸電線路導線的重要絕緣部件，同時也是故障多發元件，污穢、裂紋、破損等問題嚴重威脅輸電線路的安全運行[1]，紅外檢測技術在高壓絕緣子狀態檢測方面的應用是一種可靠、高效的檢測手段，目前，紅外熱像法絕緣子檢測依據的標準是DL/T664-2008《帶電設備紅外診斷技術應用導則》[2]。該標準提出，運行中的低值絕緣比正常絕緣子溫度高，零值絕緣子溫度較正常絕緣子低，判斷標準為溫差1K。實際情況是，受環境因素、表面污穢等因素的影響，劣化絕緣子與正常絕緣子的溫差往往是小于1K的。

筆者通過一起劣化懸式瓷質高壓絕緣子紅外檢測案例，分析了絕緣子發熱原理，設計了絕緣子串自動定位算法和鋼帽與盤面區域的提取算法，并統計鋼帽與盤面的溫度特征，總結劣化絕緣子的發熱規律。針對絕緣子鋼帽與盤面的發熱規律，提出相應的診斷方法及其預防措施，進一步提高劣化絕緣子紅外檢測的準確性。

1 劣化絕緣子紅外檢測案例

2015年9月14日，國網江西省電力科學研究院組織對上饒220kV變電站所有懸式絕緣子進行了帶電紅外檢測，發現110kV側101間隔多個構架發現多串絕緣子串中有明顯發熱的絕緣子，為了保證電力系統的穩定、安全運行，2015年12月24日，國網江西省電科院組織上饒供電公司，根據帶電檢測結果，停電更換已發現劣化的絕緣子串，并組織利用HVM-5000絕緣電阻測試儀對更換的劣化絕緣子串進行絕緣子電阻測試，儀器絕緣電阻測試范圍5000kW～500GW，絕緣精度±5%，其絕緣電阻結果如表1和表2所示。

表1 110kVⅡ母3#小號側三相電阻

從表1電阻測試可以看出B相第1片與第4片絕緣子劣化，C相第1片絕緣子劣化（劣化絕緣子電阻≤300MW）。

表2 110kV101間隔1#上層大號側三相電阻

從表2電阻測試可以看出A相第1片與第4片絕緣子劣化，B相第5片絕緣子劣化，C相第2、3片絕緣子劣化（劣化絕緣子電阻≤300MW）。

2 劣化絕緣子發熱理論分析

劣化絕緣子的并聯等值電路[3-7]如圖1所示，0是極間電容，J是介質損耗的等值阻值，L是劣化通道漏電損耗的等值電阻，w是表面污穢層漏電損耗的等值電阻。這樣，劣化絕緣子等效電導為：

對于一個潔凈完好的絕緣子來說，L和w均明顯大于J，故X≈J，發熱功率：

當絕緣子劣化時，L變小，X≈J，這時發熱集中在鋼帽內部，鋼帽溫度將明顯升高，當L繼續下降且小于D時，發熱功率將小于正常值，鋼帽的熱像圖變暗。當絕緣子積污較為嚴重，污穢層的電阻w明顯變小，此時X≈w，絕緣子發熱集中在盤面表面。

3 紅外圖譜分析

由上述發熱理論分析可知，當絕緣子劣化時，鋼帽出現溫度比正常值偏高或者偏低，紅外圖譜表現較為明顯。圖2為101間隔1#上層大號側三相紅外圖譜，通過分析此三相的紅外圖譜特征總結劣化絕緣子的紅外圖譜特征。

從三相圖譜看出，A相鋼帽第1、4片發熱不明顯，但盤面第1、4片較其余盤面亮度較暗；B相第5片盤面較其余盤面亮度較暗；C相第1、2片鋼帽發熱明顯，但第2、3、8片的盤面較其余盤面亮度較暗。根據絕緣電阻測試結果，劣化絕緣子的盤面發熱不明顯。

4 盤面與鋼帽發熱規律智能分析

4.1 絕緣子串自動定位

4.1.1 基于Otsu閥值的灰度線性變換圖像增強基于方差的Otsu閥值法是眾多圖像分割閥值法性能最好的一種[8-10]。利用Otsu閥值分割法對紅外圖像進行分割，往往能將背景和目標較好地分離，但絕緣子紅外圖像中存在導線、鋼架等偽目標，分割往往達不到理想的效果。

圖2 三相紅外圖譜

紅外圖片灰度化之后，其灰度范圍為[0,255]，假設根據Otsu閥值分割法將[0, 255]灰度區域分為背景[0,]和前景[, 255]的2個區域，則[, 255]區域一般包含著目標和導線、鋼架等偽目標區域，對[, 255]這個區域進行灰度拉伸，則可以增大目標和偽目標的對比度，其灰度平均差也相應增大，為后面的閥值分割和區域過濾提取絕緣子區域奠定基礎。改進的灰度線性變換表達式為：

式中：為Otsu閥值法確定的閥值；為小于1的加權系數。多次試驗表明在取值范圍[0.8, 0.9]中時，分割結果較好。

4.1.2 圖像去噪

灰度圖像的開操作和閉操作與二值圖像的對應操作具有相同的形式。用子圖（結構元素）對圖像進行開操作同二值圖像中的情況一樣，先用對進行簡單的腐蝕操作，而后用對得到的結果進行膨脹操作。

4.1.3 圖像二值化

經過圖像增強和圖像去噪，應用閥值分割將灰度圖像轉為二值圖像，本文采用基于Otsu閥值分割法，利用其確定分割閥值，并引入權值系數對閥值進行修正。其分割原理表達式如下：

式中：為經驗權值系數。可根據圖像背景復雜程度進行調節，非目標區域在整個紅外圖像中占據區域越大，的值相應增大，的范圍為[1, 1.2]。

4.1.4 區域過濾提取絕緣子串區域

經過前面幾步的處理，鋼架被分成很多小塊區域，絕緣子區域占據面積最大，去除小區域即可得到絕緣子串區域。首先采用連通區域標記法對二值圖進行區域標記，區域標記后，提取最大區域即可將絕緣子串區域提取出來。

4.1.5 絕緣子串定位

首先提取絕緣子串區域骨架，提取中心軸若干個特征點，根據絕緣子串骨架特點，可以求取十字交叉點作為特征點。將所求的點膨脹之后作為Hough變換的特征點，通過Hough變換的相關函數即可求得絕緣子串的中心軸，再計算中心軸的斜率便可得到傾斜角。通過旋轉傾斜角度將絕緣子串水平校正，再通過行列掃描，確定絕緣子串邊界，實現絕緣子串的定位。

4.2 鋼帽及盤面的溫度特征分析

4.2.1 鋼帽及盤面區域提取

在紅外圖像中，形狀、尺寸基本一致；紅外圖像中的絕緣子盤面常呈現為橢圓形、絕緣子鋼帽呈現為等腰梯形，在兩片絕緣子連接的位置，鋼帽直徑最小[11]。

由絕緣子結構特征可知，絕緣子鋼帽直徑要小于盤面直徑，在圖像上顯示為鋼帽區域像素長度小于盤面區域。絕緣子鋼帽區域像素長度變化緩慢，在鋼帽和盤面交界處會出現像素長度突變，以像素長度突變位置作為分割位置，即可將絕緣子鋼帽和盤面分離。

4.2.2 鋼帽及盤面溫度特征提取

提取鋼帽和盤面區域之后，可以將鋼帽的平均溫度作為鋼帽溫度特征，但由于盤面區域在絕緣子串中較小，盤面分割往往包含鋼帽部分區域，盤面與背景接觸部分，因此盤面的平均溫度不能反映盤面的的真實溫度。

盤面的骨架反映出盤面的中心線，因此盤面骨架上的溫度能正確反映盤面的真實溫度。求取盤面的骨架，截取中心區域的骨架點的位置，求對應點的溫度平均值作為盤面的溫度特征參考。圖3為鋼帽與盤面區域提取圖。

圖3 鋼帽和盤面區域提取圖

4.2.3 鋼帽與盤面溫度特征分析

根據上述算法，提取110kVⅡ母3#小號側三相和101間隔1#上層大號側三相的溫度特征，進行三相對比。圖4為Ⅱ母3#小號側三相溫度曲線對比圖，圖5為101間隔1#上層大號側三相的溫度對比圖。

圖4 Ⅱ母3#小號側三相溫度曲線

圖5 101間隔1#三相溫度曲線

從上述6串絕緣子串的溫度曲線分布圖來看，正常的絕緣子串分布呈不對稱的馬鞍形，劣化絕緣子低于10MW時，和正常的馬鞍形相比，鋼帽的平均溫度比正常時較低，在20MW以上的劣化絕緣子發熱較為明顯，但有時受環境因素的影響，鋼帽發熱并不很明顯，從盤面發熱圖來看，當絕緣子劣化時，盤面溫度較正常盤面溫度偏低。

5 結論

從上述案例分析結果可以得出以下幾點結論：

1）正常絕緣子串的鋼帽發熱規律成不規則的馬鞍形，相鄰絕緣子溫差較小；在污穢較輕且天氣干燥的情況下，正常絕緣子串的盤面發熱基本相同。

2）在不同環境下，劣化絕緣子鋼帽發熱與正常絕緣子溫差可能小于1K，但與正常的不規則的馬鞍形存在不同大小的波動。

3）劣化絕緣子鋼帽溫升可能并不明顯，但在污穢較輕且天氣干燥的情況下，劣化絕緣子盤面溫度比正常絕緣子低。

鑒于以上3點結論，在劣化絕緣子紅外檢測的過程中，判斷劣化絕緣子時可以參考絕緣子鋼帽的平均溫度與盤面骨架中心部分的平均溫度，提高劣化絕緣子判別的準確度。

通過此案例的分析，上述結論可以為電網供電公司劣化絕緣子的紅外判別上提供一個參考依據，但由于現場運行環境復雜，以上結論需更多的案例驗證，不同環境下對絕緣子鋼帽與盤面的發熱規律的影響待進一步研究和總結完善。

[1] 何洪英, 姚建剛, 蔣正龍, 等. 基于支持向量機的高壓絕緣子污穢等級紅外熱像檢測[J]. 電力系統自動化, 2005, 29(24): 70-74.

HE Hongying, YAO Jiangang, JIANG Zhenglong, et al. Infrared thermal image detecting of high voltage insulator contamination grades based on support vector machine[J]., 2005, 29(24): 70-74.

[2] 國家能源局. DL/T664-2008帶電設備紅外診斷技術應用導則[S]. 北京: 中國電力出版社, 2008.

National Energy Administration. Application rules of infrared diagnosis for DL/T664-2008 live electrical equipment[S]. Beijing: China electric power press, 2008.

[3] 李佐勝, 姚建剛, 楊迎建, 等. 濕污絕緣子發熱模型[J].電工技術學報, 2009(7): 21-27.

LI Zuosheng, YAO Jiangang, YANG Ying-jian, et al.Heating model of polluted and wetted insulators[J]., 2009(7): 21-27.

[4] 胡世征. 劣化絕緣子的發熱機理及熱象特征[J]. 電網技術, 1997(10): 44-46.

HU Shizheng. Heating mechanism and thermograph of degradated insulators[J]., 1997(10): 44-46

[5] 金光熙, 權光日, 郎成, 等. 故障絕緣子的發熱機理及其紅外熱像檢測[J]. 電瓷避雷器, 2011(5): 12-15.

JIN GuangXi, QUAN Guangri, LANG Cheng, et al. Heating mechanism and infrared thermography detection of failure insulators[J]., 2011(5): 12-15.

[6] 梁飛, MacAlpine Mark, 關志成, 等. 污穢絕緣子表面干區形成的影響因素[J]. 高電壓技術, 2012(10): 2604-2610.

LIANG Fei, MacAlpine Mark, GUAN Zhicheng, et al. Factors affecting dry-band formation on the surface of polluted insulator[J]., 2012(10): 2604-2610

[7] 李唐兵, 陳國鋒, 饒斌斌, 等. 一種改進的劣化盤形懸式瓷絕緣子紅外熱像診斷方法[J]. 電瓷避雷器, 2014(6): 8-13.

LI Tangbing, CHEN Guofeng, RAO Binbin, et al. A Improved method of detecting deterioration insulator based on infrared thermal image[J]., 2014(6): 8-13.

[8] 門洪, 于加學, 秦蕾. 基于CA和OTSU的電氣設備紅外圖像分割方[J]. 電力自動化設備, 2011(9): 92-95.

MEN Hong, YU Jiaxue, QIN Lei. Segmentation of electric equipment infrared image based on CA and OTSU[J]., 2011(9): 92-95.

[9] Yen J C, Chang F J, Chang S. A new criterion for automatic multilevel thresholding[J].,1995, 43: 370-378.

[10] Hamed ShahHosseini, Reza Safabakhsh. Automatic multilevel thresholding for image segmentation by the growing time adaptive self-organizing map[J]., 2015, 19:2605-2617.

[11] 姚建剛, 李唐兵, 付鵬, 等. 絕緣子串紅外圖像中絕緣子盤面和鋼帽區域的自動提取方法[J]. 紅外技術, 2014, 36(8): 644-648.

YAO Jiangang, LI Tangbing, FU Peng, et al. Algorithm research on automatically extracting the disks and steel caps area of insulator from infrared image of an insulator string[J]., 2014, 36(8): 644-648.

Analysis of an Infrared Detection Case of Degradated Ceramic Voltage Insulator

HU Linbo1，LI Tangbing2，YAO Jiangang1，ZHU Xiangqian1，LU Hang3，QI Lujie1，ZHENG Ling1

(1.,,410082,; 2.,330096,; 3.,321017,)

Insulator is major power supply equipment of substation. Degradated insulator can lead to insulator flashover or bunch-drop, and it is a serious threat to safe and stable operation of the power system. In the application of porcelain insulator detection, infrared detection technology is a reliable and efficient detection means.Application of current infrared detection standards will cause the leakage of most degradated insulators. In this paper, an infrared detection case is analyzed by designing image segmentation algorithm to calculate the steel cap and disk areas and extract the temp characteristic to analyze the law of fever based on heating mechanism of degradated insulator. In view of the insulator steel cap and disk fever regularity, and the corresponding diagnostic methods and preventive measures are put forward to improve the accuracy of the infrared detection for degradated insulators.

degradated insulator，infrared detection，image segmentation

TP391.4

A

1001-8891(2016)07-0622-05

2016-01-07；

2016-03-04.

胡淋波（1992-），男，碩士研究生，主要研究方向：電氣設備智能檢測與圖像處理。

姚建剛（1952-），男，教授，博士生導師，主要研究方向：電力市場，電力系統。

江西省電力公司科技項目（贛電科52182015000P）。