一種智能型電網設備紅外診斷系統(tǒng)的設計

劉 嶸，劉 輝，賈 然，張 洋，周 超，劉傳彬，沈慶河

〈紅外應用〉

一種智能型電網設備紅外診斷系統(tǒng)的設計

劉 嶸，劉 輝，賈 然，張 洋，周 超，劉傳彬，沈慶河

（國網山東省電力公司電力科學研究院，山東 濟南 250002）

目前廣泛開展的電網紅外診斷工作，受檢測環(huán)境及人員專業(yè)水平的影響較大，廣泛使用的紅外熱像儀自動化、智能化水平還不夠高。本文提出了一種智能型電網設備紅外診斷系統(tǒng)，系統(tǒng)包括環(huán)境參數模塊、測距模塊、設備類型識別模塊、設備材料判斷模塊、發(fā)射率設置模塊、測溫模塊、報告生成模塊。系統(tǒng)自動檢測環(huán)境溫度、濕度、風速、與設備的檢測距離，自動識別設備材料類型確定發(fā)射率，將以上參數自動在熱像儀中進行設置。熱像儀通過圖像識別判斷設備類型，按照該類設備紅外診斷標準的判斷方法和準則，自動讀取設備相應位置的溫度數據，計算得出檢測結論。系統(tǒng)不僅減少了紅外檢測人員攜帶裝備數量，而且實現(xiàn)了儀器檢測參數自動設置、設備類型智能識別、檢測結論自動生成，降低了對檢測人員專業(yè)水平的要求。

電網設備；紅外診斷；參數自動設置；智能識別；自動測溫

0 引言

紅外測溫作為一種比較成熟的帶電檢測技術，已廣泛用于電網運行設備的紅外診斷[1-5]。紅外測溫儀器有紅外熱像儀和紅外點溫儀，紅外熱像儀可以通過掃描進行快速檢測，獲取整個溫度面的溫度分布及數據，應用效果更佳，應用也更廣泛。隨著技術和產品研發(fā)的不斷進步，紅外熱像儀圖像的清晰度和智能化水平不斷提高，有的紅外熱像儀具備智能互聯(lián)功能，可通過數據線或無線網絡將溫度數據傳輸到平板電腦中顯示。

電網設備所處的環(huán)境滿足相關標準要求，才能進行紅外測溫，例如溫度、濕度、風速等，因此檢測人員需隨熱像儀一并攜帶溫濕度計、風速儀等儀器。熱像儀與設備的距離會影響到測溫結果，因此檢測人員還需攜帶測距儀。電網設備材料多樣，例如金屬類、硅橡膠類、陶瓷類等，檢測設備的發(fā)射率需要檢測人員根據設備材料類型確定。溫度、檢測距離、發(fā)射率等參數需要人工手動輸入到熱像儀參數設置中，才能保證設備溫度測量的準確性。不同類型設備紅外診斷的判斷方法和依據各有不同，檢測人員現(xiàn)場讀取設備相應部位的溫度值或將測溫圖像導出到電腦分析判斷，需要專業(yè)的人員才能進行判斷，特別是紅外精確測溫，對檢測人員的專業(yè)水平有較高要求，且操作繁瑣。目前大部分紅外熱像檢測工作還只停留在定性水平上，很容易造成設備缺陷或故障的漏判和誤判，從而引發(fā)事故發(fā)生[6]。

目前廣泛使用的紅外熱像儀尚不具備參數自動設置、檢測結論自動生成的功能，自動化、智能化水平還不夠高。針對以上不足，本文提出了一種智能型電網設備紅外診斷系統(tǒng)，具有環(huán)境參數自動設置、檢測距離自動設置、設備類型智能識別、發(fā)射率自動設置、自動測溫并生成結論的功能，降低了對檢測人員專業(yè)水平的要求。

1 系統(tǒng)總體設計

本文設計的智能型電網設備紅外診斷系統(tǒng)，主要實現(xiàn)環(huán)境影響因素參數自動設置、設備參數自動設置和紅外診斷的智能化。系統(tǒng)設計主要包括以下幾個模塊：①環(huán)境參數模塊，用于采集環(huán)境溫度、濕度和風速數據；②測距模塊，用于測量與電網設備的直線距離；③設備類型識別模塊，用于獲取電網設備圖像并識別其類型；④設備材料判斷模塊，用于根據設備類型及設備外觀特點判斷電網設備的材料類型；⑤發(fā)射率設置模塊，用于設置發(fā)射率；⑥測溫模塊，用于對電網設備需要進行測溫的位置獲取電網設備的溫度；⑦報告生成模塊，用于根據被測電網設備類型選擇相應的診斷模型，在顯示屏顯示測溫位置及溫度值，并按照相應的判斷準則得出結論，同時生成報告。系統(tǒng)設計框架結構如圖1所示。

圖1 系統(tǒng)設計框架結構

2 環(huán)境影響因素參數設置

紅外熱像儀的測溫精度會受溫度、濕度、風速和測量距離等環(huán)境因素的影響，以上因素發(fā)生改變，熱像儀測溫結果會產生較大影響[7]。

2.1 溫度

被測物體周圍環(huán)境中高溫物體的輻射，會對測溫的準確性產生影響，被測物體相對于鄰近物體的溫度越低，來自鄰近周圍物體的輻射影響就越大[8]。

電網設備大多裸露在外部環(huán)境中，設備金屬部分在太陽照射和電流作用下，會出現(xiàn)較大溫升。當需要對絕緣部分進行紅外測溫時，金屬部分的較大溫升會影響絕緣部分的測溫結果。因此對于紅外精確測溫，一般要求在日出前或日落后進行檢測。

2.2 濕度

環(huán)境濕度對紅外檢測數據具有一定影響，隨著濕度的增加，紅外檢測數據的溫差增加，使得紅外檢測結果出現(xiàn)異常。在高濕度條件下，電網設備出現(xiàn)溫升異常現(xiàn)象，未必反映電網設備出現(xiàn)缺陷或故障。在低濕度條件下使用紅外測溫檢測技術，有利于提高電網設備的檢測準確性[9]。

2.3 風速

設備表面溫度會受到風速對流冷卻效果的影響，風力越大，設備表面的熱量被風力散發(fā)越快，從而導致熱像儀測得的溫度值比設備實際的溫度值偏低[9]。因此在對電網設備進行紅外檢測前，需要檢測設備周圍環(huán)境的風速，如風速過大，則應停止檢測。

2.4 檢測距離

紅外熱像儀與被測設備間的距離過大，會造成測溫結果誤差增大。一方面是因為距離增大導致大氣透過率減小；另一方面是因為熱像儀的瞬時視場角的視場面積增大，被測設備周圍環(huán)境中其他物體的輻射大量進入熱像儀的視場[10]。文獻[10]對黑體在為0.97的條件下測量了距離對測溫誤差的影響，結果表明熱像儀的測溫精度隨著測量距離的增加產生了不可避免的影響。因此在測溫精度要求較高時，應盡量減小檢測距離，但應保證被測目標完全充滿視場。

文獻[11]采用131mm鏡頭對3個不同距離檢測得到的測溫圖像進行了比較，如圖2(a)、(b)、(c)，距離40 m時傘裙重疊嚴重，80m時圖像清晰度良好，125m時圖像模糊勉強能分清大傘裙。對于某些電網設備，如果檢測距離過近，不利于設備的精確檢測，文中提出了設備紅外檢測的識別距離。

圖2 不同距離的測溫圖像

在環(huán)境濕度和環(huán)境溫度一定的情況下，如果對設備的檢測距離發(fā)生改變，需要重新對熱像儀參數進行設置，從而提高紅外檢測的準確性。

2.5 設計方案

本文設計的紅外熱像儀系統(tǒng)通過內嵌或外置傳感器的方式，采集了環(huán)境溫度、濕度、風速，并將采集到的數據傳輸到熱像儀主機，在熱像儀顯示屏顯示，并完成自動設置。如果環(huán)境條件不滿足相關標準的測試環(huán)境要求，例如標準要求現(xiàn)場檢測環(huán)境相對濕度不能大于85%，而現(xiàn)場已達到90%，顯示屏給出提示。

對于架空線路類設備，因設備所處地形復雜，某些設備處于人員難以到達的區(qū)域，例如某鐵塔處于大江大河或湖泊的中央，如果檢測距離過大，會造成被測設備難以識別，因此在本系統(tǒng)中增加一個測距功能模塊，判斷檢測距離是否滿足檢測要求。熱像儀可以對準被檢測設備，自動測量與設備的直線距離，在熱像儀顯示屏顯示，并完成自動設置。對于被測設備有高精度要求時，在熱像儀中手動輸入被測設備的最小識別長度，熱像儀根據儀器空間分辨率和物體識別需要的像素數，計算能夠識別被測設備的最小檢測距離min，與測量到的檢測距離進行比較，如＞min，顯示屏提示檢測距離不滿足檢測要求，需要檢測人員根據現(xiàn)場情況調整檢測位置。

所述最小檢測距離min的計算公式為：

min＝目標長度或高度/

(熱像儀空間分辨率×像素數) (1)

3 設備參數設置

3.1 設備類型智能識別

能夠采用紅外測溫技術進行帶電檢測的電網設備種類較多，包括電流互感器、電壓互感器、變壓器、電抗器、線路導線接頭和線夾、絕緣子、電纜終端等。本文設計的紅外成像系統(tǒng)具有圖像識別功能，能根據被檢測設備的圖像特征，智能識別電網設備類型，在顯示屏顯示，如識別結果不準確，檢測人員可手動調整，系統(tǒng)可根據手動調整結果進行自主學習。

首先對檢測獲得的可見光圖像，利用圖像預處理技術，進行去霧、去噪、去抖動、增強及復原等操作，從而獲得高質量的圖像資源。采用基于區(qū)域和基于邊緣的分割方法進行圖像分割，繼而對物體特征進行提取和表達，根據獲得圖像的顏色特征、紋理特征、形狀特征和空間關系特征等，從分割出的區(qū)域中識別出設備的類型。

3.2 發(fā)射率自動設置

有研究表明：發(fā)射率為0.7，真實溫度為50℃時，發(fā)射率偏離0.1，對于3～5mm熱像儀來說，測溫結果偏離真實溫度0.76℃～0.89℃；對于8～14mm熱像儀來說，測溫結果偏離真實溫度1.56℃～1.87℃[12]。電網檢測一般使用7.5～14mm熱像儀，確保檢測設備表面發(fā)射率的準確性，對于減小不必要的測量誤差具有實際意義。

本文使用的熱像儀按照不同的發(fā)射率設置，對一串絕緣子進行了紅外測溫，得到絕緣子串中不同位置的溫度曲線如圖3所示，相鄰位置的溫差曲線如圖4所示。發(fā)射率設置為0.9和0.2，絕緣子串中最高溫度分別為27℃和42℃，相鄰位置的溫差由1K上升到5K，由此可見，發(fā)射率的準確性對紅外測溫結果有較大的影響。

特殊情況下，電網設備由不同材料組成，例如瓷絕緣子鐵帽表面為鍍鋅材料，瓷盤為瓷質材料，已涂防污閃涂料的瓷絕緣子瓷盤表面為硅橡膠材料。原則上對于不同的材料，表面發(fā)射率不同，需要在熱圖中運用不同發(fā)射率值進行分析。

對于已確定設備類型的被檢測物體，其材料類型的種類是可以確定的，不同種類材料的顏色、紋理、形狀等特征存在差異。本文設計的紅外熱像儀系統(tǒng)，對每一類電網設備類型，預先設定可供選擇的幾種材料類型，根據識別出的設備類型及圖像的顏色特征、紋理特征、形狀特征等，智能判斷設備材料類型，在顯示屏顯示，如識別結果不準確，檢測人員可手動調整，系統(tǒng)可根據手動調整結果進行自主學習。熱像儀根據設備材料類型自動設置發(fā)射率。本文建議的常用材料發(fā)射率參考值見表1。

圖3 不同發(fā)射率設置時的絕緣子串溫度曲線

圖4 不同發(fā)射率設置時的絕緣子串相鄰位置溫差曲線

4 智能紅外診斷

在標準DL/T 664中，按引起設備發(fā)熱的原因，分為電壓致熱型、電流致熱型和綜合致熱型。設備類型不同，紅外診斷的判斷方法不同[13]。電流致熱型設備一般采用相對溫差判斷法，電壓致熱型一般采用同類比較法，綜合致熱型可采用綜合分析判斷法，即綜合相對溫差、同類比較等方法進行分析判斷。本文對現(xiàn)場應用較為廣泛的幾種判斷方法進行了總結，作為本文設計的紅外熱像儀系統(tǒng)的紅外診斷模型。

表1 不同設備材料類型發(fā)射率參考表

4.1 相對溫差

相對溫差是指設備兩個不同位置（發(fā)熱點和正常相對應點）的溫升之差與發(fā)熱點溫升之比。用熱像儀對電網設備進行紅外檢測，根據設備的相對溫差是否超出相關標準規(guī)定值，來判斷設備是否存在缺陷或故障。相對溫差計算公式如下：

＝(1－2)/(1－0)×100% (2)

式中：為相對溫差；1為發(fā)熱點的溫度；2為正常相對應點的溫度；0為被測設備區(qū)域環(huán)境溫度。

4.2 相（極）間溫度比較

在電網回路中，大部分交流電壓設備以三相形式輸送電能，直流電壓設備以正極、負極形式，不同相（極）設備材料相同。正常情況下，三相或兩極設備對應位置上升的溫度是均衡的。如果某一相（極）設備溫度比其他相（極）設備對應溫度點明顯偏高，溫差超過該類設備相關標準規(guī)定值，則可以初步判斷溫度偏高的位置存在缺陷或故障。

4.3 同一設備不同位置的溫度比較

同一設備部件的材料、流過的電流相同，正常情況下整個部件表面溫度的上升應該是均衡或者連續(xù)變化的。如果產品材質上存在缺陷，例如材料內部存在雜質、氣泡等，部件材料特性發(fā)生變化，造成電流通過時部件不同位置產生不同的熱量，或者造成電場分布的不均勻，部件就會出現(xiàn)局部發(fā)熱，如圖5絕緣子所示。這種情況下，可以比較該設備不同運行位置的溫度差，如溫差超過該類設備相關標準規(guī)定值，則可以初步判斷溫度異常的位置存在缺陷或故障。

4.4 系統(tǒng)設計

本文設計的紅外熱成像系統(tǒng)按照每類設備紅外檢測標準要求，預先寫入相對溫差法、同類比較法等判斷方法的計算程序，集成不同類型設備的紅外診斷模型。現(xiàn)場檢測時，根據被測設備類型，選擇相應的診斷模型，提取檢測區(qū)域，自動對焦需要進行測溫的位置，提取溫度特征，進行溫度特征分析[14]，按照相應的判斷準則，計算得出結論，生成報告。

圖5 絕緣子發(fā)熱圖片

5 結論與建議

本文設計了一種智能型電網設備紅外診斷系統(tǒng)，考慮環(huán)境溫度、濕度、風速、與設備的檢測距離、設備材料等影響因素，對設備進行智能識別和紅外診斷。采用該系統(tǒng)開展紅外檢測，可減少紅外檢測人員攜帶裝備數量，實現(xiàn)儀器檢測參數自動設置、設備類型智能識別、檢測結論自動生成，降低對檢測人員專業(yè)水平的要求，具有較好的應用價值。

[1] 邵進, 胡武炎, 賈風鳴, 等. 紅外熱成像技術在電力設備狀態(tài)檢修中的應用[J]. 高壓電器, 2013, 49(1): 126-133.

SHAO Jin, HU Wuyan, JIA Fengming, et al. Application of infrared thermal imaging technology to condition-based maintenance of power equipment[J]., 2013, 49(1): 126-133.

[2] 陳勇, 郭俊峰, 鄔小均, 等. 基于紅外測溫的零值和污穢絕緣子快速檢測試驗研究[J]. 高壓電器, 2015, 51(6): 191-194.

CHEN Yong, GUO Junfeng, WU Xiaojun, et al. Fast Detection of Zero Insulator and Polluted Insulator Based on Infrared Temperature Measurement[J]., 2015, 51(6): 191-194.

[3] 李向東, 趙化軒, 李華東, 等. 基于變電站巡檢機器人的遠程紅外檢測系統(tǒng)[J]. 山東電力技術, 2004(5): 3-6.

LI Xiangdong, ZHAO Huaxuan, LI Huadong, et al. Remote infrared detecting system based on intelligent mobile robot[J]., 2004(5): 3-6.

[4] 孫怡, 王燁, 彭少博, 等. 用紅外熱像儀與紅外測溫儀診斷電氣設備故障的對比研究[J]. 紅外, 2015, 36(8): 28-33．

SUN Yi, WANG Ye, PENG Shaobo, et al. Comparison of infrared thermal imager with infrared thermometer in diagnosis of failure of electrical equipment[J].2015, 36(8): 28-33.

[5] 滕超, 王盛璋, 孫維杰, 等. 遠紅外檢測技術在變電站巡檢中的應用[J]. 山東電力技術, 2016, 43(1): 71-73．

TENG Chao, WANG Shengzhang, SUN Weijie, et al. Far infrared detection technology application in substation inspection[J]., 2016, 43(1): 71-73.

[6] 呂事桂, 劉學業(yè). 紅外熱像檢測技術的發(fā)展和研究現(xiàn)狀[J]. 紅外技術, 2018, 40(3): 214-219．

LYU Shigui, LIU Xueye. Development and research status of infrared thermal image detection technology[J]., 2018, 40(3): 214-219.

[7] 蘇佳偉, 石俊生, 汪煒穡. 距離對紅外熱像儀測溫精度影響及提高精度的實驗研究[J]. 紅外技術, 2013, 35(9): 587-590．

SU Jiawei, SHI Junsheng, WANG Weise. Experimental study of infrared thermal imagers about influence of distance for temperature measurement accuracy and method of improving accuracy[J]., 2013, 35(9): 587-590.

[8] 張健, 楊立, 劉慧開. 環(huán)境高溫物體對紅外熱像儀測溫誤差的影響[J]. 紅外技術, 2005, 27(5): 419-422.

ZHANG Jian, YANG Li, LIU Huikai. Effect of environmental object on infrared temperature measurement[J]., 2005, 27(5): 419-422.

[9] 王黎明, 付鎧瑋, 梅紅偉, 等. 環(huán)境濕度對復合絕緣子紅外測溫的影響[J]. 高電壓技術, 2019, 45(6): 1955-1961．

WANG Liming, FU Kaiwei, MEI Hongwei, et al. Influence of environmental humidity on infrared measurement temperature of composite insulators[J]., 2019, 45(6): 1955-1961.

[10] 李操. 測溫紅外熱像儀測溫精度與外界環(huán)境影響的關系研究[D]. 長春: 長春理工大學, 2008.

LI Cao. Relation research of thermometric accuracy of thermal imager and external environment[D]. Changchun: Changchun University of Science and Technology, 2008.

[11] LIU Rong, SHEN Qinghe, LIU Hui, et al. Discussion on infrared accurate temperature-measuring technology of composite insulators for overhead lines[J]., 2019(16): 1759-1762.

[12] 李云紅, 孫曉剛, 原桂彬. 紅外熱像儀精確測溫技術[J]. 光學精密工程, 2007, 15(9): 1336-1341．

LI Yunhong, SUN Xiaogang, YUAN Guibin. Accurate measuring temperature with infrared thermal imager[J]., 2007, 15(9): 1336-1341.

[13] 國家能源局. 帶電設備紅外診斷應用規(guī)范: DL/T 664-2016[S]. 北京: 中國電力出版社, 2017: 9-10.．

National Energy Administration. Application rules infrared diagnosis live electrical equipment: DL/T664-2016[S]. Beijing: China Electric Power Press, 2017: 9-10.

[14] 胡淋波, 李唐兵, 姚建剛, 等. 一起劣化懸式瓷質高壓絕緣子紅外檢測案例分析[J]. 紅外技術, 2016, 38(7): 622-626.

HU Linbo, LI Tangbing, YAO Jiangang, et al. Analysis of an infrared detection case of degradated ceramic voltage insulator[J]., 2016, 38(7): 622-626.

Design of Intelligent Infrared Diagnosis System for Power Grid Equipment

LIU Rong，LIU Hui，JIA Ran，ZHANG Yang，ZHOU Chao，LIU Chuanbin，SHEN Qinghe

(State Grid Shandong Electric Power Research Institute, Jinan 250002, China)

The widely used infrared diagnosis of power grids is significantlyinfluenced by the detection environment and professional level ofpersonnels. The automation and intelligence level of conventional infrared thermal imagersare not sufficiently high. Therefore, this paper presents an intelligent infrared diagnosis system for power grid equipment, which includes an environment parameter module, ranging module, equipment type identification module, equipment material judgment module, radiation rate setting module, temperature measurement module, and report generation module. The system automatically detects the ambient temperature, humidity, wind speed, and detection distance with the equipment, as well as automatically identifies the equipment material type, determines the radiation rate, and automatically sets the aforementionedparameters in the thermal imager. The thermal imager judges the equipment type through image recognition, automatically reads the temperature data of the corresponding position of the equipment according to the judgment method and criterion of the infrared diagnosis standard of the equipment, and obtains the detection conclusion by calculation. It not only reduces the number of instrumentsrequired to be carried bythe infrared detection personnel, but also realizes the automatic setting of instrument detection parameters, with intelligent identification of equipment types and automatic generation of detection conclusions, therebyreducing the level of professional requirements for detection personnel.

power grid equipment, infrared diagnosis, automatic parameter setting, intelligent identification, automatic temperature measurement

TN21

A

1001-8891(2020)12-1198-05

2020-04-03；

2020-12-01.

劉嶸（1984-），男，碩士，高級工程師，主要從事輸電線路及防污閃方面的研究。E-mail:liurongneiep@126.com。