基于紅外圖像處理的變電站電氣設備故障檢測方法

鄭 權

（煤炭工業合肥設計研究院有限責任公司，安徽 合肥 230041）

0 引 言

在我國電力不斷發展的今天，紅外檢測因為其自身的一些特點，已經成為我國當前檢測的主要手段之一。紅外圖像就是指，使用一定程度的紅外光譜區來得到物體本身的圖像[1]。但我國當前主要使用的檢測辦法，在檢測大型電氣設備時，就可能會出現過度依賴人工檢測的情況，這樣就會導致整體檢測的效率比較低，得到的檢測結果也會隨著人工的主觀意識所改變。長此以往下去，就會導致當電氣設備出現故障時，無法準確及時地對故障給出正確的處理辦法[2]。為了解決傳統電氣設備故障檢測方法存在的問題，就需要研究基于紅外圖像處理的變電站電氣設備故障檢測方法。

1 基于紅外圖像處理的變電站電氣設備故障檢測方法

1.1 識別變電站設備圖像目標

對變電站中的電氣設備進行目標識別，主要就是從等待進行識別的圖像中，產生出其他區域識別的意見，并且利用邊框修改的區域對其進行修改調整，從而可以更加準確地識別其他電氣設備圖像目標。具體目標識別的網絡結構如圖1所示。

圖1 目標識別網絡結構示意圖

對于任意的設備圖像，首先需要提取圖像中電氣設備的區域特征并得到相對應的特征圖像；其次利用網絡在特征圖像上，產生出其他區域的意見，然后需要判斷該區域是否可以為圖像的目標，同時對區域意見進行邊框修改；再次通過特征圖像和區域意見從而會產生出區域意見的特征圖像，并將此意見設置為固定的向量；最后利用函數分類器將區域內所有意見進行分類整合，并對此進行更進一步的修改，從而可以獲取到所需要的變電站設備的圖像[3,4]。

1.2 分割設備紅外圖像

要想對所得到的電氣設備圖像進行分割，主要采用的方法就是使用二維Otsu閾值，這個方法可以提高圖像的抗干擾性以及減少目標的灰度值。首先需要選擇一個子像素作為出發點，然后將點周圍滿足二維Otsu閾值的點同樣放入到子像素所在的區域內，直到周圍區域沒有滿足條件的點為止[5]。在圖像中心的區域，相似的條件就是圖像內灰度的數值x（a,b）跟相鄰區域內灰度平均值y（a,b）之間的絕對差值。其中，當二者中絕對差數值越來越小時，就說明周圍點與給定的定點具有高度的相似性。

把二維Otsu閾值(W,Q)當成滿足上述所說的條件，其中W為分割的閾值，Q則為與灰度值相似的閾值，可知二維Otsu閾值表達式為：

式中：為區域內灰度值的平均值。因為所選擇圖像各不相同，為了減少因為固定的值導致圖像沒有完全分割或者分割程度過多，在每次完成后，還需要對所得到的數值進行更新處理：

式中：hdz表示更新之前的灰度值；L則表示所有點的個數。當規定的子像素點周圍沒有滿足條件的點，就代表此圖像已經完成圖像分割[6]。

1.3 紅外圖像檢測設備故障

對變電站電氣設備故障可以分為內、外兩個部分的故障，其中不論哪種都代表著設備的結構之間存在異常[7]。而判斷故障的方法中需要明確的就是，不同區域內的最高溫度Yzg值、溫度差Yθ值以及相對溫度差θY值。

利用紅外檢測的原理，所拍攝的圖像中物體表面的溫度變化基本上使用的是偽彩色技術來展現，所以可以知道偽彩色和實際溫度變化是存在一定關系的，具體關系如下式所示[8]：

式中：P表示圖像實際的熱值；C表示偽彩色的數值；F表示檢測儀的檢測范圍：K表示設備的熱平值；x表示透射率的數值；η表示設備可以發射的概率值；Ys表示設備實際的溫度值；M、N則表示設備標記的曲線常數值。故可知，溫度差Yθ值以及相對溫度差θY值為：

式中：Yv表示熱點所對應的正常點溫度值；Yhjw則表示設備所處區域外部環境的溫度值[9]。將判斷故障方法的規定作為依據，利用此依據將所檢測到的異常區域進行明確標記，從而可以利用紅外圖像處理來檢測設備故障[10]。

2 實驗測試

2.1 實驗準備工作

為了測試此次提出的變電站電氣設備故障檢測方法的準確率和實際使用的效果，選擇某變電站的電氣設備作為被檢測對象，采集到的數據為50組，其中正常設備為38組，出現故障的設備為12組。為了驗證本文方法的有效性，將本文方法作為實驗組，將傳統的電氣設備故障檢測方法作為對照組，通過比較驗證不同方法的使用效果。實驗場地如圖2所示。

圖2 實驗場地

2.2 數據檢測及反饋結果

本文方法通過紅外技術獲取電氣設備故障信息，圖3為變電站電氣設備出現故障的圖像。

圖3 變電站電氣設備故障示意圖

從圖3可以發現，該電氣設備存在一處明顯過熱位置。為了保證檢測結果的準確，進行對比實驗，本次實驗共進行5次，表1為不同電氣設備故障檢測方法具體測試結果。

表1 不同電氣設備故障檢測結果（單位：組）

由表1可以看出，使用傳統方法進行檢測時，可以檢測出設備故障的，平均下來只有6組；而使用了紅外圖像處理的方法進行檢測時，可以檢測出設備故障的，平均下來可以達到11組。為了保證測試結果具有說服力，再次選取500組數據進行測試，圖4則為兩種方法準確率測試結果。

圖4 不同方法故障檢測準確率

由圖4可知，在數量相同的情況下，使用傳統方法進行檢測的準確率最高只有50%，其中最低情況下的準確率只有10%；而使用了紅外圖像處理方法進行檢測時，準確率最高可以達到90%。綜上所述，傳統方法在進行設備故障檢測時無法準確正確判斷出設備異常情況，而使用了紅外圖像處理方法之后，更加容易而且準確地判斷出設備故障情況，這樣就可以保障設備的安全。

3 結 論

此次故障檢測方法是在我國當前所擁有方法的基礎上，結合紅外圖像處理研究出更準確的故障檢測方法，為其他無法準確檢測出設備故障的變電站提供了更加完整的理論基礎。但是此方法也有不足之處，今后可以把重點放在紅外圖像分辨率的提升上，從而可以更加準確地檢測出區域內多種溫度出現的情況，使檢測可以更加準確。