CN105445607A - 一种基于等温线绘制的电力设备故障检测方法 - Google Patents

Abstract

一种基于等温线绘制的电力设备故障检测方法，结合温度场模型对电力设备的红外图像进行灰度化、获取温度值向灰度值映射的映射图、对映射图进行分割、根据分割图像、等温线数量、映射图各像素点的灰度值及温度值，绘制出红外图像的等温线图，根据等温线图判断电力设备故障区域、故障区域的最高温度、故障等级，本发明能够自动、直观、快速、准确地判断出电力设备的故障位置，得到故障的面积以及故障处的精确温度，且本方法无需直接接触电力设备，可有效降低电网运行成本、工作人员的劳动强度及安全隐患。

Description

一种基于等温线绘制的电力设备故障检测方法

技术领域

本发明涉及一种基于等温线绘制的电力设备故障检测方法。

背景技术

传统的电力设备故障检测方法为接触式检测，近年来，随着红外热成像技术的发展，电力设备的故障检测逐渐发展为非接触式检测。检测人员利用红外成像设备近距离获取电力设备红外图像，根据设备所示获取电力设备温度，根据经验判断设备故障位置及原因。这种检测方法不仅依赖于检测人员的专业水平和素质、设备的精度及运行性能，且受环境，如光照、温湿度等因素影响；此外，高空作业等恶劣条件下需要接近检测的情况也亟待改善。

目前，电力研究院(所)和省(市)电力局(供电局)的专业技术人员，通过对多种高压电力设备内部导流回路故障及绝缘故障的模拟试验研究，并结合现场检测积累的经验，现已掌握了各类高压电力设备内外部故障的外表红外热像特征，积累了各类设备不同内外部故障的温度变化规律和大量典型红外图像。实际应用中，虽然能针对红外图像进行人工检测，但不能及时、客观地综合考虑物体的辐射率、反射表观温度、物体与热像仪之间的距离、相对湿度、大气温度等因素，无法自动、快速、直观地得出电力设备故障位置等信息。

发明内容

本发明的目的是针对现有技术的不足，提出一种基于等温线绘制的电力设备故障检测方法，利用该方法可在无需直接接触电力设备的情况下，自动、直观、准确地得到电力设备故障位置、故障面积及故障处的精确温度。

本发明通过以下技术方案实现：

一种基于等温线绘制的电力设备故障检测方法，包括如下步骤：

(1)、获取电力设备的红外图像，将所述红外图像灰度化，获得灰度图，结合温度场模型计算灰度图各像素点的温度值，将各像素点的温度值向灰度值进行映射，得到映射图；

(2)、对所述映射图进行分割，得到分割图像；

(3)、确定等温线数量m并根据所述分割图像、等温线数量m、映射图各像素点的灰度值及温度值，绘制出m条等温线，并对所述映射图的背景像素及相邻等温线间的区域进行填充，得到所述红外图像的等温线图；

(4)、根据所述等温线图，将温度值高于预先设置的正常最高温度值的温度区间判定为故障区域，计算故障区域面积与等温线图中每个温度区间的面积之和的比值，根据所述比值及故障区域最高温度对电力设备的故障等级进行判定。

进一步的，所述温度场模型的输入量包括红外图像灰度值、电力设备的辐射率、反射表观温度、电力设备与热像仪之间的距离、相对湿度、大气温度。

进一步的，所述步骤(2)包括以下步骤：

A、根据式(1)确定所述图像分割的分类数n：

$\left\{\begin{array}{cc}{\mathrm{grad}}_{max}\&le;90& n=2\\ 90<{\mathrm{grad}}_{max}\&le;180& n=3\\ {\mathrm{grad}}_{max}>180& n=4\end{array}\right.---\left(1\right)$

其中，grad_max表示所述映射图的梯度的最大值；

B、获得映射图的灰度直方图，对所述灰度直方图进行平滑滤波后得到灰度分布矩阵H，根据矩阵H计算所述灰度直方图的所有波峰、波谷，再结合所述波峰、波谷以及分类数n，确定聚类分割的初始中心V＝[v₁Λv_n]；

C、根据分类数n及初始中心V，采用K-means聚类方法对灰度图进行分割，得到分割图像。

进一步的，所述步骤(3)包括以下步骤：

A、根据公式m＝2ⁿ计算得到等温线数量m，n为分类数；

B、根据公式计算所述分割图像的灰度间隔，根据公式计算所述分割图像的温度间隔，其中，gray_max为所述分割图像的最高灰度值，gray_min为所述分割图像的最低灰度值；

C、将最低灰度值gray_min的温度作为初始温度，找出所有灰度范围在gray_min～(gray_min+Δgray)之间的像素点，使用最近邻插补规则将灰度为gray_min～(gray_min+(m-1)Δgray)的像素点平滑连接，绘制出第m条等温线，在该等温线上标注该区域的最低温度值T_min+(m-1)ΔT；

D、将所有背景像素填充为白色；

E、将相邻等灰度线间的区域以渐进RGB色彩中的红色进行填充，正红色[25500]至黑色[000]表示温度由低到高，其余温度由低到高的填充颜色为

$\left[\begin{array}{ccc}\left(1-\frac{m}{2^n-1}\right)\&times;255& 0& 0\end{array}\right].$

进一步的，所述的温度区间的面积为温度区间像素点个数占整幅图像素点个数的比重。

进一步的，根据所述故障区域可得到电力设备的故障中心位置以及故障处的精确温度。

本发明具有如下有益效果：

本发明通过对电力设备的红外图像绘制等温线来检测故障，能够自动、直观、快速、准确地判断出电力设备的故障位置、故障等级，得到故障的面积以及故障处的精确温度，且本方法无需直接接触电力设备，可有效降低电网运行成本、安全隐患以及工作人员的劳动强度。

附图说明

下面结合附图对本发明做进一步详细说明。

图1为本发明的流程图。

图2为本发明一实施例的等温线示意图。

具体实施方式

如图1所示，本发明根据以下步骤实现：

(1)、获取电力设备的红外图像，将所述红外图像灰度化，获得灰度图，结合综合考虑了物体的辐射率、反射表观温度、物体与热像仪之间的距离、相对湿度、大气温度等因素后的温度场模型，计算出各像素点的温度，并确定最高温度T_max与最低温度T_min，根据映射规则将灰度图各像素点的温度值t向灰度值gray进行映射，灰度值更新后的图即为映射图；

(2)、确定映射图聚类分割的分类数n、初始中心，根据分类数n及初始中心，对映射图进行分割，得到分割图像：

首先，计算映射图的梯度，并按式(1)所示根据所述梯度的最大值grad_max确定所述灰度图聚类分割的分类数n：

$\left\{\begin{array}{cc}{\mathrm{grad}}_{max}\&le;90& n=2\\ 90<{\mathrm{grad}}_{max}\&le;180& n=3\\ {\mathrm{grad}}_{max}>180& n=4\end{array}\right.---\left(1\right)$

其次，根据所述分类数n确定红外图像聚类分割的初始中心，具体步骤为：计算映射图的灰度分布，即每个灰度对应的像素点个数，获得映射图的灰度直方图，使用窗口大小为winsize＝5的一维数字滤波器对灰度直方图进行滤波，以平滑局部变化，获得平滑后的灰度分布矩阵H，计算灰度直方图的所有波峰、波谷，并结合波峰、波谷以及分类数确定聚类分割初始中心V＝[v₁Λv_n]。

其中，计算灰度直方图波峰的方法为：

a、计算矩阵H的相邻元素之差，根据差值的正负定义相应符号矩阵sign(-1、0、1)；

b、将矩阵sign后移一位得到大小为256的一维矩阵signpre，以式(2)的规则计算波峰peak:

ifsignpre(i)＝0andsignpre(i-1)＝1pos＝i-1

ifsignpre(i)＝-1andsignpre(i-1)＝0neg＝i-1,peak(num)＝(pos+neg)/2(2)

ifsignpre(i)＝-1andsignpre(i-1)＝1peak(num)＝i-1

i＝1,2,…,256。

计算灰度直方图波谷的方法为：

找出矩阵signpre中当前灰度小于后一灰度的i构成局部最小值矩阵localmin，即为所有波谷的集合。

聚类分割初始中心V＝[v₁Λv_n]的选取规则为：

a、计算波峰个数k_peak，以式(3)的规则得出统计间隔md的值；

$\begin{array}{cc}if& \left\{\begin{array}{cc}20<k_{peak}\&le;50& md=k_{peak}/2\\ k_{peak}>50& md=25\end{array}\right.\end{array}---\left(3\right)$

elsemd＝10

b、将波谷localmin与波峰peak相比较，两个波峰peak(i)和peak(i+1)间的最小波谷为minlow(i)，最大波谷为minhigh(i)。

c、计算灰度值minhigh(i)和minlow(i)之间的像素点个数npix，当大于0.01倍原始图像像素点个数，且满足localmin(i)-localmin(i-1)>md或npix(i)>npix(i-1)时，选为备选初始中心点；

d、取直方图波峰中的最大值，即选用像素点个数最多的灰度值作为v₁；

e、根据分类数n选取其他初始中心，若备选初始中心点的个数小于分类数n，则根据少的数量依次添加255、127、0；若备选初始中心点的个数大于n，统计灰度值为的像素个数，取最大的n-1个灰度作为其他中心点；

f、将筛选后中心点进行从小到大排序，得图像分割的初始中心V＝[v₁Λv_n]。

最后，采用K-means聚类方法对灰度图进行分割：

a、计算映射图的灰度值分布，即0-255每个灰度的像素点占图像像素总数的比值hisp；

b、计算每个像素点与初始聚类中心V＝[v₁Λv_n]的隶属值当某个像素点和聚类中心一样时隶属值u＝1；

c、重复步骤1’、步骤2’，直到式(4)所示目标函数的值小于设置值ε：

1’根据式(5)用当前的聚类中心更新隶属值；

2’根据式(6)用当前的聚类中心和隶属值更新各聚类中心。

$J=\underset{j=1}{\overset{n}{\&Sigma;}}{(V-v_j)}^2---\left(4\right)$

$u_{ik}=\frac{{(1/||i-v_j|{|}^2)}^{1/(m-1)}}{\underset{j=1}{\overset{n}{\&Sigma;}}{(1/||i-v_j|{|}^2)}^{1/(m-1)}}---\left(5\right)$

$v_j=\frac{\underset{j=1}{\overset{n}{\&Sigma;}}hisp\&CenterDot;v_j\&CenterDot;i}{\underset{j=1}{\overset{n}{\&Sigma;}}hisp\&CenterDot;v_j}---\left(6\right)$

其中，i＝i＝1,2,…,nhisp，nhisp为hisp中元素的个数。

d、根据如步骤1’、步骤2’所示的迭代停止时的聚类中心，以每个像素点对各中心的最大隶属值进行分类，得到分割图像。

(3)、确定等温线数量m并根据所述分割图像、等温线数量m、映射图各像素点的灰度值及温度值，绘制出m条等温线，并对所述映射图的背景像素及相邻等温线间的区域进行填充，得到所述红外图像的等温线图，具体包括如下步骤：

A、根据公式m＝2ⁿ计算得到等温线数量m；

B、根据公式计算所述分割图像的灰度间隔，根据公式计算所述分割图像的温度间隔，其中，gray_max为所述分割图像的最高灰度值，gray_min为所述分割图像的最低灰度值；

C、将最低灰度值gray_min的温度作为初始温度，找出所有灰度范围在gray_min～(gray_min+Δgray)之间的像素点，使用最近邻插补规则将灰度为gray_min～(gray_min+(m-1)Δgray)的像素点平滑连接，绘制出第m条等温线，在该等温线上标注该区域的最低温度值T_min+(m-1)ΔT；

D、将所有背景像素填充为白色；

E、将相邻等灰度线间的区域以渐进RGB色彩中的红色进行填充，正红色[25500]至黑色[000]表示温度由低到高，其余温度由低到高的填充颜色为

$\left[\begin{array}{ccc}\left(1-\frac{m}{2^n-1}\right)\&times;255& 0& 0\end{array}\right].$

(4)、根据所述等温线图，将温度值高于预先设置的正常最高温度值的温度区间判定为故障区域，根据所述故障区域可得到电力设备的故障中心位置以及故障处的精确温度；

计算所述等温线图中每个温度区间像素点个数占整幅图像总像素点个数的比重，作为每个温度区间的面积，将每个温度区间的面积相加，得到总面积；计算故障区域面积与总面积的比值，根据所述比值及故障区域最高温度对电力设备的故障等级进行判定，比值越大、故障区域最高温度越高，故障等级越高。

以上所述，仅为本发明的较佳实施例而已，故不能以此限定本发明实施的范围，即依本发明申请专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明专利涵盖的范围内。

Claims (6)

1.一种基于等温线绘制的电力设备故障检测方法，其特征在于：包括如下步骤：

(1)、获取电力设备的红外图像，将所述红外图像灰度化，获得灰度图，结合温度场模型计算灰度图各像素点的温度值，将各像素点的温度值向灰度值进行映射，得到映射图；

(2)、对所述映射图进行分割，得到分割图像；

(3)、确定等温线数量m并根据所述分割图像、等温线数量m、映射图各像素点的灰度值及温度值，绘制出m条等温线，并对所述映射图的背景像素及相邻等温线间的区域进行填充，得到所述红外图像的等温线图；

(4)、根据所述等温线图，将温度值高于预先设置的正常最高温度值的温度区间判定为故障区域，计算故障区域面积与等温线图中每个温度区间的面积之和的比值，根据所述比值及故障区域最高温度对电力设备的故障等级进行判定。

2.根据权利要求1所述的一种基于等温线绘制的电力设备故障检测方法，其特征在于：所述温度场模型的输入量包括红外图像灰度值、电力设备的辐射率、反射表观温度、电力设备与热像仪之间的距离、相对湿度、大气温度。

3.根据权利要求1所述的一种基于等温线绘制的电力设备故障检测方法，其特征在于：所述步骤(2)包括以下步骤：

A、根据式(1)确定所述图像分割的分类数n：

$\left\{\begin{array}{cc}{\mathrm{grad}}_{max}\&le;90& n=2\\ 90<{\mathrm{grad}}_{max}\&le;180& n=3\\ {\mathrm{grad}}_{max}>180& n=4\end{array}\right.---\left(1\right)$

其中，grad_max表示所述映射图的梯度的最大值；

B、获得映射图的灰度直方图，对所述灰度直方图进行平滑滤波后得到灰度分布矩阵H，根据矩阵H计算所述灰度直方图的所有波峰、波谷，再结合所述波峰、波谷以及分类数n，确定聚类分割的初始中心V＝[v₁Λv_n]；

C、根据分类数n及初始中心V，采用K-means聚类方法对灰度图进行分割，得到分割图像。

4.根据权利要求1或3所述的一种基于等温线绘制的电力设备故障检测方法，其特征在于：所述步骤(3)包括以下步骤：

A、根据公式m＝2ⁿ计算得到等温线数量m，n为分类数；

B、根据公式计算所述分割图像的灰度间隔，根据公式计算所述分割图像的温度间隔，其中，gray_max为所述分割图像的最高灰度值，gray_min为所述分割图像的最低灰度值；

C、将最低灰度值gray_min的温度作为初始温度，找出所有灰度范围在gray_min～(gray_min+Δgray)之间的像素点，使用最近邻插补规则将灰度为gray_min～(gray_min+(m-1)Δgray)的像素点平滑连接，绘制出第m条等温线，在该等温线上标注该区域的最低温度值T_min+(m-1)ΔT；

D、将所有背景像素填充为白色；

E、将相邻等灰度线间的区域以渐进RGB色彩中的红色进行填充，正红色[25500]至黑色[000]表示温度由低到高，其余温度由低到高的填充颜色为 $\left[\begin{array}{ccc}\left(1-\frac{m}{2^n-1}\right)\&times;255& 0& 0\end{array}\right].$

5.根据权利要求1所述的一种基于等温线绘制的电力设备故障检测方法，其特征在于：所述的温度区间的面积为温度区间像素点个数占整幅图像素点个数的比重。

6.根据权利要求1所述的一种基于等温线绘制的电力设备故障检测方法，其特征在于：根据所述故障区域可得到电力设备的故障中心位置以及故障处的精确温度。