基于圖像識別的電廠關鍵設備周期性巡檢方法

鄭衛東，韋玉華，李捍華，郭雷，李曉燕

（華能國際電力股份有限公司玉環電廠，浙江玉環 317604）

電氣設備的運行狀況是整個電廠系統的重要組成部分，關系到電廠系統穩定、高效地運行。為適應工業發展的需要，電廠必須分析電氣設備中可能出現的故障，加強對電氣設備的檢查，并尋找解決辦法，杜絕工業生產線中斷現象和安全事故發生[1]。電廠設備常見故障主要有電氣設備過熱、因絕緣失效而造成的短路、火花和電弧等。其中，如果換熱器通風散熱不好，則會嚴重損壞組件[2]。溫度過高，金屬材料軟化，機械強度顯著降低，有機絕緣材料易發生脆性老化、絕緣性能下降現象，電接觸穩定性變差，出現電廠設備發熱過高現象。如果不按時對設備進行檢查和維修，外力作用會造成設備絕緣層破裂，甚至脫落，在外力影響下，設備外觀易損壞，尤其是受大型重力設備影響，外部需要高壓，一旦壓力超過極限，設備就會產生絕緣故障，絕緣故障會導致短路故障發生。

由于電廠關鍵性設備巡檢極具復雜性，傳統的手工方法對異常檢測設備進行檢測，往往需要花費大量的人力、物力，且采集到的異常點圖像識別度較低，不能保證巡檢結果的可靠性，進而無法得到精準的巡檢結果。基于此，提出基于圖像識別的電廠關鍵設備周期性巡檢方法研究。該方法可以提高有效檢測設備故障能力，保障電廠關鍵設備的運行安全[3-5]。

1 基于圖像識別的電廠關鍵設備周期性巡檢

1.1 電廠關鍵設備圖像識別

電廠關鍵設備圖像識別主要利用計算機的視覺和圖像技術，提取出異象視覺特征，進行高度相似圖像匹配，以尋找與設備故障相似的圖像，識別出設備異常現象[6-7]。具體的識別過程如圖1 所示。

圖1 電廠關鍵設備的圖像識別過程

從圖像識別過程可知，圖像特征提取是圖像處理設備中的關鍵技術，能夠反映設備的空間特性，即二者之間的關系[8-9]。分析設備對象和環境，確定設備紋理，使用圖像像素提取這些特征，從數據庫中檢索與異常裝置高度相似的圖像，進而完成電廠關鍵性設備的圖像識別。

1.2 圖像去噪處理

采集到的電廠關鍵設備圖像會受到外部干擾產生噪聲，該噪聲的來源主要包括電子噪聲、光子噪聲、斑點噪聲和量化噪聲。同時，圖像可能會受到燈光影響，從而污染圖像，降低對比度，增加圖像處理難度。為提高后續處理精度，采用均值濾波法對采集的圖像進行去噪處理[10-12]。

假設有一幅圖像f(a,b)，濾波處理后的圖像為g(a,b)，與目標點(a,b)單位距離為1 的鄰域像素集合s為：

鄰域選取如圖2 所示。

圖2 鄰域選取

圖中，Δa表示像素間距離，以Δa為半徑作圓可以保護圖像細節，達到消除噪聲的目的[13]。

1.3 具體巡檢流程設計

基于圖像識別的電廠關鍵設備周期性巡檢的具體流程為：

步驟1：將電廠關鍵性設備信息，如設備運行參數、設備溫度參數、設備種類等，進行初始化整理，使其形成一組無偏權值ω0，保證全部特征分量權重一致，即：

式（2）中，N表示電廠設備巡檢特征數量；

步驟2：依據全部特征分量權重，將識別出來的設備圖像進行灰度化處理，得到指定R、G、B權值，如式（3）所示：

式（3）中，ωr、ωg、ωb分別表示紅、綠、藍顏色權值。依據該權值分解待識別電廠關鍵設備的圖像特征；

步驟3：將采集到的電廠設備圖像與查詢目標總相似度按照大小順序依次進行排列；

步驟4：依據識別結果，不僅可以為管理人員提供維護數據庫接口，還可以修改設備數據庫、操作員數據庫和歷史數據庫[14-15]。根據數據采集儀的上傳文件統計漏檢設備數量，此時，當班人員可及時查漏補缺，否則將在相應操作人員的漏檢次數項上進行累加，并存入業績考核欄中，判斷圖像相關度[16]；

步驟5：修正判斷結果權值，使其更接近實際巡檢結果，并在設定周期內為相關設備生成報表，提供報表打印、存儲和其他功能；

步驟6：通過指定查詢日期范圍，操作者可以根據設備名稱查詢，找出故障設備，統計和顯示巡檢到位率等。將查詢結果返回到步驟2，進行新一輪巡檢，直到獲取更加貼近實際情況巡檢結果。

2 實驗驗證

研究基于圖像識別的電廠關鍵設備周期性巡檢方法的合理性，進行巡檢目標跟蹤實驗。

2.1 實驗參數

實驗參數設置如表1 所示。

表1 實驗參數

2.2 目標跟蹤

利用直方圖統計巡檢目標灰度值，由此構成直方圖如圖3 所示。

圖3 目標及灰度直方圖

分別使用傳統手工方法和基于圖像識別巡檢方法對目標進行跟蹤，跟蹤結果如圖4 所示。

圖4 兩種方法目標跟蹤結果

依據圖3 與圖4 的結果，對發電機與真空斷路器在不同灰度值下的灰度出現概率進行分析。

發電機：使用傳統手工方法在不同灰度值下，灰度出現概率與實際概率不一致，相差較大，在灰度值為2 bit 時，傳統手工方法灰度出現概率值低于0.05，而實際灰度出現概率值高于0.10。在不同灰度情況下，所提出的訓練方法，得到的灰度出現概率值與實際概率值一致。

真空斷路器：使用傳統手工方法在2 bit 灰度值前，灰度出現概率值都高于實際概率，而在2 bit 灰度值后，灰度出現概率都低于實際概率值。而在2 bit 灰度值后，灰度出現的概率值都低于實際概率值。使用基于圖像識別方法在不同灰度值下，灰度出現概率值與實際概率值一致。

在上述兩個電廠設備在不同灰度值下的灰度出現概率不同，可知使用基于圖像識別方法與實際情況更加符合。在該目標跟蹤結果支持下，對電廠關鍵設備周期性巡檢結果完整度進行對比分析。

2.3 巡檢結果完整度

使用圖像識別方法能夠有效識別電場設備采集到的圖像，使目標跟蹤結果更加精準。在該前提下，采集發電機和真空斷路器設備參數，將兩種方法的巡檢結果完整度進行對比分析，如圖5 所示。

圖5 兩種方法巡檢結果完整度對比

由圖5 對比結果可知，使用圖像識別巡檢方法巡檢結果完整度更高，而傳統手工方法的巡檢完整度較低。因此，使用基于圖像識別的電廠關鍵設備周期性巡檢方法巡檢結果更加精準。

3 結束語

基于圖像識別的電廠關鍵設備周期性巡檢方法比傳統巡檢方法具有更大優勢，提高了巡檢效率，保證了巡檢數據準確性。因此，有關人員加強對電廠設備中圖像識別技術的研究，使其更具科學性和合理性，在電廠設備檢測方面取得了一定成果。雖然該方法具有良好的應用前景，但仍需做進一步的研究，如檢測電線上的雜質，在線異物檢測是檢測中的一個重要課題，通過對輸電線路檢測，對線路中異物檢測方法進行研究，具有較大實用價值。