CN106650787A - 一种隔离开关故障自动判断方法 - Google Patents
一种隔离开关故障自动判断方法 Download PDFInfo
- Publication number
- CN106650787A CN106650787A CN201611007534.2A CN201611007534A CN106650787A CN 106650787 A CN106650787 A CN 106650787A CN 201611007534 A CN201611007534 A CN 201611007534A CN 106650787 A CN106650787 A CN 106650787A
- Authority
- CN
- China
- Prior art keywords
- disconnecting switch
- image
- infrared
- switch
- disconnecting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Studio Circuits (AREA)
Abstract
本发明涉及一种隔离开关故障自动判断方法,包括以下步骤:采集隔离开关辅助触头状态信息,该辅助触头状态信息包括打开状态和关闭状态;对隔离开关的各个方位分别采集可见光图像信息和红外图像信息;分别对隔离开关的可见光图像、红外检测图像和模板图像进行图像处理;利用边缘检测的方法对隔离开关四个方向的红外融合图像中的隔离开关的边缘及触头边缘进行检测,从而得到边缘点的坐标;将边缘点的坐标与模板图像进行对比,从而判断隔离开关是否有故障,并且判断其故障类型,将其故障情况上报,从而达到隔离开关故障的自动判断。本发明所述的方法简单,检测方便准确,降低了隔离开关的故障率。
Description
技术领域
本发明涉及隔离开关技术领域,具体涉及一种隔离开关故障自动判断方法。
背景技术
隔离开关是电力设备中常用高压保护设备,其主要作用是优化配置电路上各种高压设备的运行工况。如当电力系统中高压设备发生故障时,隔离开关可以将故障明显隔离,从而使电力设备能够继续运行。随着高压电器设备的发展,对隔离开关分/合闸动作的准确性和可靠性要求越来越高。现有技术中,电力设备依据收到的隔离开关的辅助触头反馈的分/合闸信号,判断隔离开关的分/合闸动作。但这种判断隔离开关动作的方式存在如下问题:当隔离开关的主触头未动作到位时,电力设备依然认为隔离开关已完成动作,这无疑会给电力设备的安全运行带来重大隐患。
发明内容
本发明的目的在于提供一种隔离开关故障自动判断方法,该方法能够提高隔离开关动作的精准检测,避免电力设备误操作带来的安全隐患。
为实现上述目的,本发明采用了以下技术方案:
一种隔离开关故障自动判断方法,包括以下步骤:
(1)采集隔离开关辅助触头状态信息,该辅助触头状态信息包括打开状态和关闭状态;
(2)对隔离开关的各个方位分别采集可见光图像信息和红外图像信息;
(3)分别对隔离开关的可见光图像、红外检测图像和模板图像进行图像灰度化;
(4)运用改进的形态学算法对红外检测图像及模板图像进行处理,完成去噪的过程,并对隔离开关的可见图像、红外检测图像和模板图像进行对比度增强工作;
(5)将隔离开关的红外检测图像和可见光图像采用改进形态学算法进行算法融合;
(6)利用边缘检测的方法对隔离开关四个方向的红外融合图像中的隔离开关的边缘及触头边缘进行检测,从而得到边缘点的坐标;
(7)将边缘点的坐标与模板图像进行对比,从而判断隔离开关是否有故障,并且判断其故障类型,将其故障情况上报,从而达到隔离开关故障的自动判断。
所述的隔离开关故障自动判断方法,步骤(5),具体包括以下步骤:
(51)以高分辨率的可见光图像信息为背景,以红外图像的热敏感信息为目标,以改进的形态学滤波对红外检测图像预处理,除去红外图像中的冗余信息;
(52)将剩余的红外目标轮廓信息与可见光图像进行融合,并且利用人眼对红色与绿色目标较为敏感的特性进行彩色融合。
由上述技术方案可知,本发明解决了目前隔离开关故障检测技术中的缺陷,该方法间的、准确,具有非接触式精准识别、隔离开关部件全方位识别、全自动故障检测识别等优点。
具体实施方式
本实施例的一种隔离开关故障自动判断方法,包括以下步骤:
S1:采集隔离开关辅助触头状态信息,该辅助触头状态信息包括打开状态和关闭状态;
S2:对隔离开关的各个方位分别采集可见光图像信息和红外图像信息;
S3:分别对隔离开关的可见光图像、红外检测图像和模板图像进行图像灰度化;
S4:运用改进的形态学算法对红外检测图像及模板图像进行处理,完成去噪的过程,并对隔离开关的可见图像、红外检测图像和模板图像进行对比度增强工作;
S5:将隔离开关的红外检测图像和可见光图像采用改进形态学算法进行算法融合;该步骤,具体包括以下步骤:
S51:以高分辨率的可见光图像信息为背景,以红外图像的热敏感信息为目标,以改进的形态学滤波对红外检测图像预处理,除去红外图像中的冗余信息;
S52:将剩余的红外目标轮廓信息与可见光图像进行融合,并且利用人眼对红色与绿色目标较为敏感的特性进行彩色融合。
S6:利用边缘检测的方法对隔离开关四个方向的红外融合图像中的隔离开关的边缘及触头边缘进行检测,从而得到边缘点的坐标;
S7:将边缘点的坐标与模板图像进行对比,从而判断隔离开关是否有故障,并且判断其故障类型,将其故障情况上报,从而达到隔离开关故障的自动判断。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (2)
1.一种隔离开关故障自动判断方法,其特征在于,包括以下步骤:
(1)采集隔离开关辅助触头状态信息,该辅助触头状态信息包括打开状态和关闭状态;
(2)对隔离开关的各个方位分别采集可见光图像信息和红外图像信息;
(3)分别对隔离开关的可见光图像、红外检测图像和模板图像进行图像灰度化;
(4)运用改进的形态学算法对红外检测图像及模板图像进行处理,完成去噪的过程,并对隔离开关的可见图像、红外检测图像和模板图像进行对比度增强工作;
(5)将隔离开关的红外检测图像和可见光图像采用改进形态学算法进行算法融合;
(6)利用边缘检测的方法对隔离开关四个方向的红外融合图像中的隔离开关的边缘及触头边缘进行检测,从而得到边缘点的坐标;
(7)将边缘点的坐标与模板图像进行对比,从而判断隔离开关是否有故障,并且判断其故障类型,将其故障情况上报,从而达到隔离开关故障的自动判断。
2.根据权利要求1所述的隔离开关故障自动判断方法,其特征在于:步骤(5),具体包括以下步骤:
(51)以高分辨率的可见光图像信息为背景,以红外图像的热敏感信息为目标,以改进的形态学滤波对红外检测图像预处理,除去红外图像中的冗余信息;
(52)将剩余的红外目标轮廓信息与可见光图像进行融合,并且利用人眼对红色与绿色目标较为敏感的特性进行彩色融合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611007534.2A CN106650787A (zh) | 2016-11-16 | 2016-11-16 | 一种隔离开关故障自动判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611007534.2A CN106650787A (zh) | 2016-11-16 | 2016-11-16 | 一种隔离开关故障自动判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106650787A true CN106650787A (zh) | 2017-05-10 |
Family
ID=58806979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611007534.2A Pending CN106650787A (zh) | 2016-11-16 | 2016-11-16 | 一种隔离开关故障自动判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106650787A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907775A (zh) * | 2017-09-30 | 2018-04-13 | 中车青岛四方机车车辆股份有限公司 | 接线检测方法及接线检测装置 |
CN111723796A (zh) * | 2019-03-20 | 2020-09-29 | 天津美腾科技有限公司 | 基于机器视觉的配电柜停送电状态识别方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2017935A2 (de) * | 2007-06-05 | 2009-01-21 | catem DEVELEC GmbH & Co. KG | Elektronischer Trennschalter |
CN103022903A (zh) * | 2012-11-30 | 2013-04-03 | 四川电力科学研究院 | 一种高压开关柜内隔离开关状态智能视频监测系统 |
CN103136531A (zh) * | 2013-03-26 | 2013-06-05 | 华北电力大学(保定) | 一种绝缘子串红外图像自动识别方法 |
CN105388414A (zh) * | 2015-10-23 | 2016-03-09 | 国网山西省电力公司大同供电公司 | 一种隔离开关的全方位故障自动识别方法 |
CN105954020A (zh) * | 2016-05-31 | 2016-09-21 | 中车株洲电力机车有限公司 | 隔离开关的同步性检测方法及装置 |
-
2016
- 2016-11-16 CN CN201611007534.2A patent/CN106650787A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2017935A2 (de) * | 2007-06-05 | 2009-01-21 | catem DEVELEC GmbH & Co. KG | Elektronischer Trennschalter |
CN103022903A (zh) * | 2012-11-30 | 2013-04-03 | 四川电力科学研究院 | 一种高压开关柜内隔离开关状态智能视频监测系统 |
CN103136531A (zh) * | 2013-03-26 | 2013-06-05 | 华北电力大学(保定) | 一种绝缘子串红外图像自动识别方法 |
CN105388414A (zh) * | 2015-10-23 | 2016-03-09 | 国网山西省电力公司大同供电公司 | 一种隔离开关的全方位故障自动识别方法 |
CN105954020A (zh) * | 2016-05-31 | 2016-09-21 | 中车株洲电力机车有限公司 | 隔离开关的同步性检测方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107907775A (zh) * | 2017-09-30 | 2018-04-13 | 中车青岛四方机车车辆股份有限公司 | 接线检测方法及接线检测装置 |
CN107907775B (zh) * | 2017-09-30 | 2020-10-20 | 中车青岛四方机车车辆股份有限公司 | 接线检测方法及接线检测装置 |
CN111723796A (zh) * | 2019-03-20 | 2020-09-29 | 天津美腾科技有限公司 | 基于机器视觉的配电柜停送电状态识别方法及装置 |
CN111723796B (zh) * | 2019-03-20 | 2021-06-08 | 天津美腾科技有限公司 | 基于机器视觉的配电柜停送电状态识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117764A (zh) | 在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法 | |
CN101986143A (zh) | 机器视觉皮带撕裂检测及保护装置 | |
CN106650788A (zh) | 隔离开关故障检测方法 | |
CN109409395A (zh) | 在电力监控中采用模板匹配法识别目标物体区域电气符号的方法 | |
CN109376732A (zh) | 基于多特征模式匹配和模式分类的刀闸分合状态识别方法 | |
CN104764746B (zh) | 一种全方位pet瓶盖防盗环缺陷的检测方法 | |
CN201890600U (zh) | 机器视觉皮带撕裂检测装置 | |
CN106650787A (zh) | 一种隔离开关故障自动判断方法 | |
US20210065357A1 (en) | System for monitoring a switchgear | |
US10670185B2 (en) | Configurable user detection system | |
CN112098820B (zh) | 开关状态检测电路、方法和装置 | |
CN106864270A (zh) | 具有故障诊断功能的继电器控制系统 | |
WO2019062128A1 (zh) | 受流器的控制方法、装置和系统 | |
CN106842005A (zh) | 一种电动汽车高压系统的继电器故障判断方法 | |
CN107462803B (zh) | 一种磁悬浮列车供电线路正极接地选线方法 | |
CN111523423B (zh) | 一种电力设备识别方法及装置 | |
CN205595754U (zh) | 一种具有自动检测功能的漏电保护器 | |
CN103809429A (zh) | 硬件仲裁混合冗余智能控制器及冗余备份方法 | |
CN106671782B (zh) | 一种交流电力机车牵引系统 | |
KR101968521B1 (ko) | 영상 분석 기반 조명 고장 감지 시스템 및 방법 | |
CN107069850A (zh) | 一种汽车启动电源接线夹脱落保护与反接保护系统及方法 | |
CN114550145A (zh) | 图像处理方法、装置、电子设备及计算机存储介质 | |
CN106872477A (zh) | 汽车发动机密封件外观缺陷探伤系统 | |
CN114140819A (zh) | 一种在电网作业中用于辅助安全管理的装置及方法 | |
CN110071486B (zh) | 一种多途径检测的开关柜用电弧光保护系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |