论文部分内容阅读
摘 要：基于图像识别技术的变电设备红外监测技术在评判变电设备是否处于正常运行状态起到了十分重要的作用，突出表现为能为设备故障点精准的判断和显示。文章在阐述基于图像识别技术的变电设备红外监测技术的基础上，打造基于图像识别技术的变电设备红外监测系统，并就如何实现对变电设备的热状态检测分析进行探究。
关键词：图像识别技术;变电设备;红外监测系统;监测分析
中图分类号：TM63 文献标识码：A 文章编号：1674-1064（2021）07-038-02
DOI：10.12310/j.issn.1674-1064.2021.07.019
近年来，电网调度自动化水平不断提高，在自动化技术的支持下整个系统的后台监督控制功能也更加完善。但是，变电站设备在运行管理的过程中仍然会受到外界环境的干扰，运行环境复杂多样，设备运行监测工作开展难度较大。图像数字处理技术和智能化技术的深入发展使得以图像传感器为重要设备的检测技术得到了人们的重视[1]。
1 基于图像识别技术的变电设备红外监测基本原理
变电站电气设备故障的出现会使变电站电气设备的热辐射区域及具体的热辐射范围发生相应的变化。红外监测工作是借助传感器来获取指定区域范围内的信息，根据有关标准判定和分析变电站设备的使用状态[2]。
红外线是一种波长范围在0.76μm～1 000μm的电磁波。红外线主要来自物质内部运动产生的能量，产生的辐射能量高低和设备的运动速率和运动程度存在密切关联。根据设备运行情况，借助红外监测设备能够通过物体表面的温度感受设备红外辐射强度的高低。一般情况下，设备表面温度高低和辐射程度会呈现出一种正比的关系。
2 基于图像识别技术的变电设备红外监测系统
基于图像识别技术的变电设备红外监测系统在建设的过程中会通过设置具备周期性的红外传感器，按时、按规律地获取设备红外图像和设备使用过程中的周围温度场信息，在获取这些信息之后，会借助图像分析技术自动处理和分析这些信息。在数据信息分析之后，会按照规范的标准和智能操作算法对变电站设备的运行情况进行精准度分析[3]。
2.1 系统功能
基于圖像识别技术的变电设备红外监测智能系统会借助红外图像来自主识别和分析设备的运行，根据设备运行周围温度场的信息，对设备的热状态进行全面的分析和判断，实时的显示设备的运行结果，为设备智能化运行监测提供重要支持。
2.2 主要设备
基于图像识别技术的变电设备红外监测系统运行中的主要设备是变电站，变电站是各个输配电操作的中转站，在电力系统的运行调试和安全防护中发挥着十分重要的作用。变电站设备性能直接影响红外监测系统的运行结果和运行稳定。
2.3 系统总体架构
基于图像识别技术的变电设备红外监测系统运行的核心是红外热像仪，红外热像仪在运作时能够及时获取红外图像和温度场的信息，在获取信息之后会对这些信息整合处理，整合后的信息会被纳入服务器，服务器整合信息最终得出识别和诊断结果。
3 基于图像识别技术的变电设备热状态红外检测分析
3.1 诊断方案流程
基于图像识别技术的变电设备红外监测获取区域范围内的数据信息，有侧重、有选择地进行信息的整合处理，应用关联技术手段将目标提取出来，通过构建诊断判据，完成热状态判别。
3.2 设备热状态异常区域提取
在处理变电站异常区域的时候，最终目的是增强对比度，凸显热状态的异常区域。在电力系统运作时，传统意义上的热成像会出现一定缺陷，系统运作目标仅仅是通过个别像素点构成的，在系统运行时不会出现明显的灰度分析和结构形状，在这一过程中加上红外成像的基本原理，会降低分辨率，模糊故障。通过模糊变化处理来获得不同区域范围内的图像信息，在综合利用这些信息的情况下，解决图像中区域亮度信息分布不均匀的问题[4]。
在分割电力设备热状态图像信息时，可以使用总体直方图来获取目标阈值信息，在总体直方图的数值无法达到规定数值时，可以辅助使用局部阈值分析方法进一步确定阈值。
从实际操作来看，在总体直方图中无法确定阈值时，可以选择局部阈值分析方法获取目标数值，借助像素临近局部性质确定阈值。直方图变换法和直方图散射法是两种常见的分析方法，直方图变换法可以利用像素区域的局部特征对之前的直方图进行转换，充分发挥直方图变化法在确定阈值方面的作用[5]。
针对不同区域图像，分割效率的提高程度也会出现不同的表现，这种差异和被提取红外弱目标尺寸大小存在关联。在红外图像目标获取基础上，提出进一步改进方式，新改进的算法会随着目标对象尺寸变小而变得明显。在实际应用中算法的运行效率还会受编码水平、硬件状态、处理图像复杂程度的影响。
在图像分割之后出现大量区域目标时，相关人员可以对这一现象进行分析，发现局部方差映射是因为临近区域灰度存在差异。不管是常规区域还是异常区域，只要邻近区域的灰度差异足够大，整个区域的缺陷就会充分凸显。因此，在使用这种方法时，能够从总体上反映区域灰度变化，相关人员可以借助这一个特点检测设备运行状态，实现对分割后区域的灰度分析，根据灰度分析统计数据判定不同区域范围内设备的运行状态。
3.3 区域热状态的识别和诊断
引起变电站设备热状态出现异常的原因有很多种，包含电磁回路功耗的增多、导体接触不理想、绝缘损坏等。将这些引起故障的缺陷原因可以分为内外部两个类型，对于外部缺陷可以通过红外测温原理来发现，在使用红外测温技术的时候会根据局部区域的温度数值异常情况采取措施解决。对于内部缺陷可以通过热量改变的方式实现，即通过使用高灵敏度的技术手段调节温度。
红外测温技术原理是借助红外传感器设备获取设备区域的热信号信息，之后根据相关判断准则分析信号，了解设备本身是否出现热缺陷，并划分热缺陷等级，完成热缺陷定位分析[6]。 为了准确地判断电气设备运行状态，电力系统一般会使用以下三种诊断方式。第一，表面温度诊断方式，根据温度测试仪器设备测试区域范围内的温度信息，对照行业标准诊断设备运行的环境因素和承载力因素。第二，相对温度差诊断方式，基础是设备的温度信息，在诊断分析时深刻考虑到外部环境温度对设备运行的影响。第三，同类比较分内吸方法，通过对故障设备和同类设备在同一条件、同一位置温度信息的比较判定设备的温度值。
3.4 热状态异常区域的定位分析
热状态异常区域的定位分析是在获取设备红外图像的過程中将已经判定为点、区域来标注出来。热状态区域目标定位的关键是找到目标和图像的区域关系，从而保证定位分析的精准性。经常性的区域定位分析方式包含基于区域特征的定位分析和基于区域相似性的定位分析。
基于区域特征的定位分析会利用目标和图像的特点形成彼此的关系，整体目标和区域范围内目标的协调会被作为目标判定的重要依据。第一，目标区域的获取，为了确保模板在最大限度上还原原始图像信息，比如以变电站设备的红外图像打造为研究切入点，经过一系列分隔处理获得区域二值图像和原灰度图像，在这个过程中一系列操作的本质是对应的点乘算法。第二，按照特征点的匹配情况定位目标区域。
基于特征目标领域是最为广泛的研究内容，在实施时具备一定的空间范围，并涵盖联通像素集，很多局部不变特征对图像大小、旋转、角度及光照变化的敏感度比较低，完全能够保持在一定的不变形，对相对位移和干扰因素也会显示出较强的匹配性[7]。
4 结语
为了弥补以往电力设备热故障检测技术的应用局限，提升电力设备运行监测容错率，以基于图像识别技术的变电设备红外监测为研究重点，以设备红外图像的处理作为信息载体，在获取相关数据的基础上监测分析变电站的区域的热状态，有效提升电力设备热故障监测诊断的精准度和容错率，为电力设备热故障监测分析工作提供重要支持。
参考文献
[1] 芦竹茂，王天正，俞华，等.基于红外图像分析的电力设备热故障检测技术研究[J].现代电子技术，2017，40（11）：123-126.
[2] 钱卫东，王建平，赵宝瑞，等.基于BRISK的模板匹配在变电设备红外监测中的应用[J].红外技术，2014（11）：934-938.
[3] 李文璞，谢可，廖逍，等.基于Faster RCNN变电设备红外图像缺陷识别方法[J].南方电网技术，2019，13（12）：79-84.
[4] 赵永俊，赵书涛，陈朋永.基于图像识别的变电站电气设备运行状态智能分析[R].直流输电与电力电子专委会学术年会.北京：中国电机工程学会，2012.
[5] 刘云鹏，裴少通，武建华，等.基于深度学习的输变电设备异常发热点红外图片目标检测方法[J].南方电网技术，2019，13（2）：27-33.
[6] 王方，邱道尹，岳艳杰，等.基于红外技术的变电站温差无线温度监控[J].电力自动化设备，2011（8）：135-138.
[7] 叶露，李浩，孙恒明，等.基于单发多框检测器的变电站设备红外图像异常检测方法[J].高电压技术，2018（44）：24-30.
关键词：图像识别技术;变电设备;红外监测系统;监测分析
中图分类号：TM63 文献标识码：A 文章编号：1674-1064（2021）07-038-02
DOI：10.12310/j.issn.1674-1064.2021.07.019
近年来，电网调度自动化水平不断提高，在自动化技术的支持下整个系统的后台监督控制功能也更加完善。但是，变电站设备在运行管理的过程中仍然会受到外界环境的干扰，运行环境复杂多样，设备运行监测工作开展难度较大。图像数字处理技术和智能化技术的深入发展使得以图像传感器为重要设备的检测技术得到了人们的重视[1]。
1 基于图像识别技术的变电设备红外监测基本原理
变电站电气设备故障的出现会使变电站电气设备的热辐射区域及具体的热辐射范围发生相应的变化。红外监测工作是借助传感器来获取指定区域范围内的信息，根据有关标准判定和分析变电站设备的使用状态[2]。
红外线是一种波长范围在0.76μm～1 000μm的电磁波。红外线主要来自物质内部运动产生的能量，产生的辐射能量高低和设备的运动速率和运动程度存在密切关联。根据设备运行情况，借助红外监测设备能够通过物体表面的温度感受设备红外辐射强度的高低。一般情况下，设备表面温度高低和辐射程度会呈现出一种正比的关系。
2 基于图像识别技术的变电设备红外监测系统
基于图像识别技术的变电设备红外监测系统在建设的过程中会通过设置具备周期性的红外传感器，按时、按规律地获取设备红外图像和设备使用过程中的周围温度场信息，在获取这些信息之后，会借助图像分析技术自动处理和分析这些信息。在数据信息分析之后，会按照规范的标准和智能操作算法对变电站设备的运行情况进行精准度分析[3]。
2.1 系统功能
基于圖像识别技术的变电设备红外监测智能系统会借助红外图像来自主识别和分析设备的运行，根据设备运行周围温度场的信息，对设备的热状态进行全面的分析和判断，实时的显示设备的运行结果，为设备智能化运行监测提供重要支持。
2.2 主要设备
基于图像识别技术的变电设备红外监测系统运行中的主要设备是变电站，变电站是各个输配电操作的中转站，在电力系统的运行调试和安全防护中发挥着十分重要的作用。变电站设备性能直接影响红外监测系统的运行结果和运行稳定。
2.3 系统总体架构
基于图像识别技术的变电设备红外监测系统运行的核心是红外热像仪，红外热像仪在运作时能够及时获取红外图像和温度场的信息，在获取信息之后会对这些信息整合处理，整合后的信息会被纳入服务器，服务器整合信息最终得出识别和诊断结果。
3 基于图像识别技术的变电设备热状态红外检测分析
3.1 诊断方案流程
基于图像识别技术的变电设备红外监测获取区域范围内的数据信息，有侧重、有选择地进行信息的整合处理，应用关联技术手段将目标提取出来，通过构建诊断判据，完成热状态判别。
3.2 设备热状态异常区域提取
在处理变电站异常区域的时候，最终目的是增强对比度，凸显热状态的异常区域。在电力系统运作时，传统意义上的热成像会出现一定缺陷，系统运作目标仅仅是通过个别像素点构成的，在系统运行时不会出现明显的灰度分析和结构形状，在这一过程中加上红外成像的基本原理，会降低分辨率，模糊故障。通过模糊变化处理来获得不同区域范围内的图像信息，在综合利用这些信息的情况下，解决图像中区域亮度信息分布不均匀的问题[4]。
在分割电力设备热状态图像信息时，可以使用总体直方图来获取目标阈值信息，在总体直方图的数值无法达到规定数值时，可以辅助使用局部阈值分析方法进一步确定阈值。
从实际操作来看，在总体直方图中无法确定阈值时，可以选择局部阈值分析方法获取目标数值，借助像素临近局部性质确定阈值。直方图变换法和直方图散射法是两种常见的分析方法，直方图变换法可以利用像素区域的局部特征对之前的直方图进行转换，充分发挥直方图变化法在确定阈值方面的作用[5]。
针对不同区域图像，分割效率的提高程度也会出现不同的表现，这种差异和被提取红外弱目标尺寸大小存在关联。在红外图像目标获取基础上，提出进一步改进方式，新改进的算法会随着目标对象尺寸变小而变得明显。在实际应用中算法的运行效率还会受编码水平、硬件状态、处理图像复杂程度的影响。
在图像分割之后出现大量区域目标时，相关人员可以对这一现象进行分析，发现局部方差映射是因为临近区域灰度存在差异。不管是常规区域还是异常区域，只要邻近区域的灰度差异足够大，整个区域的缺陷就会充分凸显。因此，在使用这种方法时，能够从总体上反映区域灰度变化，相关人员可以借助这一个特点检测设备运行状态，实现对分割后区域的灰度分析，根据灰度分析统计数据判定不同区域范围内设备的运行状态。
3.3 区域热状态的识别和诊断
引起变电站设备热状态出现异常的原因有很多种，包含电磁回路功耗的增多、导体接触不理想、绝缘损坏等。将这些引起故障的缺陷原因可以分为内外部两个类型，对于外部缺陷可以通过红外测温原理来发现，在使用红外测温技术的时候会根据局部区域的温度数值异常情况采取措施解决。对于内部缺陷可以通过热量改变的方式实现，即通过使用高灵敏度的技术手段调节温度。
红外测温技术原理是借助红外传感器设备获取设备区域的热信号信息，之后根据相关判断准则分析信号，了解设备本身是否出现热缺陷，并划分热缺陷等级，完成热缺陷定位分析[6]。 为了准确地判断电气设备运行状态，电力系统一般会使用以下三种诊断方式。第一，表面温度诊断方式，根据温度测试仪器设备测试区域范围内的温度信息，对照行业标准诊断设备运行的环境因素和承载力因素。第二，相对温度差诊断方式，基础是设备的温度信息，在诊断分析时深刻考虑到外部环境温度对设备运行的影响。第三，同类比较分内吸方法，通过对故障设备和同类设备在同一条件、同一位置温度信息的比较判定设备的温度值。
3.4 热状态异常区域的定位分析
热状态异常区域的定位分析是在获取设备红外图像的過程中将已经判定为点、区域来标注出来。热状态区域目标定位的关键是找到目标和图像的区域关系，从而保证定位分析的精准性。经常性的区域定位分析方式包含基于区域特征的定位分析和基于区域相似性的定位分析。
基于区域特征的定位分析会利用目标和图像的特点形成彼此的关系，整体目标和区域范围内目标的协调会被作为目标判定的重要依据。第一，目标区域的获取，为了确保模板在最大限度上还原原始图像信息，比如以变电站设备的红外图像打造为研究切入点，经过一系列分隔处理获得区域二值图像和原灰度图像，在这个过程中一系列操作的本质是对应的点乘算法。第二，按照特征点的匹配情况定位目标区域。
基于特征目标领域是最为广泛的研究内容，在实施时具备一定的空间范围，并涵盖联通像素集，很多局部不变特征对图像大小、旋转、角度及光照变化的敏感度比较低，完全能够保持在一定的不变形，对相对位移和干扰因素也会显示出较强的匹配性[7]。
4 结语
为了弥补以往电力设备热故障检测技术的应用局限，提升电力设备运行监测容错率，以基于图像识别技术的变电设备红外监测为研究重点，以设备红外图像的处理作为信息载体，在获取相关数据的基础上监测分析变电站的区域的热状态，有效提升电力设备热故障监测诊断的精准度和容错率，为电力设备热故障监测分析工作提供重要支持。
参考文献
[1] 芦竹茂，王天正，俞华，等.基于红外图像分析的电力设备热故障检测技术研究[J].现代电子技术，2017，40（11）：123-126.
[2] 钱卫东，王建平，赵宝瑞，等.基于BRISK的模板匹配在变电设备红外监测中的应用[J].红外技术，2014（11）：934-938.
[3] 李文璞，谢可，廖逍，等.基于Faster RCNN变电设备红外图像缺陷识别方法[J].南方电网技术，2019，13（12）：79-84.
[4] 赵永俊，赵书涛，陈朋永.基于图像识别的变电站电气设备运行状态智能分析[R].直流输电与电力电子专委会学术年会.北京：中国电机工程学会，2012.
[5] 刘云鹏，裴少通，武建华，等.基于深度学习的输变电设备异常发热点红外图片目标检测方法[J].南方电网技术，2019，13（2）：27-33.
[6] 王方，邱道尹，岳艳杰，等.基于红外技术的变电站温差无线温度监控[J].电力自动化设备，2011（8）：135-138.
[7] 叶露，李浩，孙恒明，等.基于单发多框检测器的变电站设备红外图像异常检测方法[J].高电压技术，2018（44）：24-30.