CN107194923B - 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 - Google Patents
一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 Download PDFInfo
- Publication number
- CN107194923B CN107194923B CN201710362385.XA CN201710362385A CN107194923B CN 107194923 B CN107194923 B CN 107194923B CN 201710362385 A CN201710362385 A CN 201710362385A CN 107194923 B CN107194923 B CN 107194923B
- Authority
- CN
- China
- Prior art keywords
- image
- ultraviolet
- power equipment
- defect
- shooting
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 77
- 238000007689 inspection Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003745 diagnosis Methods 0.000 title claims abstract description 16
- 238000012423 maintenance Methods 0.000 claims abstract description 29
- 238000006073 displacement reaction Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 208000028659 discharge Diseases 0.000 description 43
- 238000001514 detection method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000002950 deficient Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种用于接触网电力设备缺陷巡检的紫外图像诊断方法,该方法包括以下步骤:在接触网检修车巡线同时进行现场湿度测量、紫外视频拍摄和巡线速度记录;对紫外视频分析筛选电力设备缺陷放电图像,并对电力设备缺陷放电图像进行特征提取,结合拍摄参数得到视在放电量;创建模糊推理模型,输入当前湿度和当前视在放电量,输出电力设备缺陷程度;根据速度‑时间曲线和当前时刻获得当前位移量,即得到缺陷定位。与现有技术相比,本发明具有快速有效地检测出接触网电力设备的潜在故障和缺陷、不影响接触网检修车正常工作、在日间和夜间均可正常检测和应用范围广等优点。
Description
技术领域
本发明涉及高压电气设备故障检测与诊断,尤其是涉及一种用于接触网电力设备缺陷巡检的紫外图像诊断方法。
背景技术
随着我国高速铁路的飞速发展,高铁规模不断扩大,对接触网运行的安全性和可靠性要求也越来越高。接触网电力设备长期运行会出现磨损、氧化、腐蚀、老化、污秽以及外力导致的缺陷,导致列车供电质量降低甚至停电事故,影响高速列车的稳定安全运行。
目前,接触网检修方式仍以定期检修为主,同时也结合了可见光图像和人工巡视等状态检修等方式,不但大量的浪费了人力和物力资源,而且定期检修的盲目性、可见光巡检等方式的滞后性严重的影响了接触网的检修质量和效率,难以防止接触网电力设备故障的发生。
紫外成像技术作为近年来新兴的非接触带电检测局部放电故障的技术,通过检测放电的紫外光信号获得二维图像,可以灵敏、直接地观察放电情况,使得现场人员能迅速准确定位放电点,使电力设备缺陷在局部放电阶段就能得到及时地处理,具有一定的故障预测能力。另外,其采用“日盲”的检测技术,能在日间检测到放电。目前,国外多家公司将紫外成像技术运用于输电线路和电力设备的放电检测,取得了良好的效果,但其在国内尚未得到广泛的应用。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于接触网电力设备缺陷巡检的紫外图像诊断方法。本发明将紫外成像技术运用于接触网电力设备状态巡检,通过紫外图像传感器获取紫外巡线视频,对视频分析处理提取存在电力设备缺陷放电的图像,同时结合湿度-时间曲线以及速度-时间曲线,实现接触网电力设备缺陷程度智能识别和缺陷定位。本发明极大的提高了接触网电力设备检修效率,具有成本低、速度快、实时性强、使用范围广等特点。
本发明的目的可以通过以下技术方案来实现:
一种用于接触网电力设备缺陷巡检的紫外图像诊断方法,该方法包括以下步骤:
S1、在接触网检修车巡线同时进行现场湿度测量、紫外视频拍摄和巡线速度记录;
S2、对紫外视频分析筛选电力设备缺陷放电图像,并对电力设备缺陷放电图像进行特征提取,结合拍摄参数和提取的特征得到视在放电量;
S3、创建模糊推理模型,输入湿度和视在放电量,输出电力设备缺陷程度;
S4、根据巡线速度记录和当前时刻获得当前位移量,即得到缺陷定位。
步骤S2中的紫外视频分析具体为:
1)先对紫外视频进行处理,对紫外视频中每一帧图像的进行图像灰度化、二值分割、光斑面积计算三个步骤;
2)如图像的光斑面积大于面积阈值则将该图像筛选出来,筛选出的图像即为电力设备缺陷放电图像。
面积阈值的计算公式为:
其中,S0为面积阈值,d为拍摄距离,θ为拍摄仰角,G为拍摄增益。
所述的拍摄参数包括拍摄距离、拍摄增益和拍摄仰角。
所述的拍摄距离的最佳范围为15-30m,所述的拍摄增益最佳范围为70%-150%,所述的拍摄仰角的最佳范围为-30°~30°。
所述的模糊推理模型的建立步骤为:
S301、将视在放电量和环境相对湿度模糊化,为视在放电量和环境相对湿度设定隶属度函数,即输入隶属度函数;
S302、定义健康指数,对接触网电力设备的缺陷程度进行量化,为健康指数设定隶属度函数,即输出隶属度函数;
S303、建立模糊语义规则。
步骤S2中视在放电量的计算公式为:
其中,Q为视在放电量,S为光斑面积,d为拍摄距离,θ为拍摄仰角,G为拍摄增益。
与现有技术相比,本发明具有以下优点:
(1)本发明将紫外成像技术运用于接触网电力设备状态巡检,能快速有效地检测出接触网电力设备的潜在故障和缺陷,极大地提高了接触网电力设备检修效率;
(2)本发明有效结合了接触网检修车的工作模式,结合车速-时间曲线实现了电力设备缺陷的相对地理位置定位,且不影响接触网检修车正常工作;
(3)本发明应用范围广,可扩展性强,可结合GPS定位系统实现更为精准的电力设备缺陷绝对地理位置定位,可装载在接触网检修车上进行接触网电力设备缺陷智能化检测,实时指出缺陷位置并导出缺陷放电紫外图像,便于现场人员立即检修,在硬件设备满足条件时,可跟随高速列车进行接触网电力设备极速巡检;
(4)本发明的检测方法能全天候进行,不受时间限制,在日间和夜间均可正常检测。
附图说明
图1为本发明方法的流程图;
图2为本发明模糊推理模型的输入隶属度函数1曲线图;
图3为本发明模糊推理模型的输入隶属度函数2曲线图;
图4为本发明模糊推理模型的输出隶属度函数曲线图。
图中:1、接触网检修车巡线,2、现场湿度测量,3、紫外视频拍摄,4、巡线速度记录,5、湿度-时间曲线,6、紫外视频分析,7、车速-时间曲线,8、电力设备缺陷放电图像,9、当前湿度,10、视在放电量,11、当前位移,12、缺陷程度智能识别,13、缺陷定位,14、检修策略。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
本发明一种用于接触网电力设备缺陷巡检的紫外图像诊断方法,建立了一整套接触网电力设备缺陷紫外巡检系统。本发明通过接触网检修车携带紫外图像传感器获取紫外巡线视频,同时测量现场环境相对湿度并记录检修车行驶速度,通过紫外巡线视频分析识别电力设备缺陷放电图像,结合环境相对湿度建立模糊推理模型确定电力设备缺陷程度,同时结合车速曲线确定缺陷位置相对于起始点的位移,并给出检修策略指导现场工作人进行清扫,排除接触网隐患,保障接触网安全稳定运行。
缺陷程度智能识别通过模糊推理模型实现,所述的模糊推理模型的输入为当前湿度和当前电力设备视在放电量,输出为电力设备缺陷程度。模糊推理模型采用MATLAB模糊推理工具箱,由输入隶属度函数,模糊if-then语义规则,和输出隶属度函数所组成,建立过程如下:
(1)将视在放电量Q和环境相对湿度RH模糊化,视在放电量Q的论域为[0,3000]pC,模糊集为{〇,Ⅰ,Ⅱ,Ⅲ,Ⅳ};RH的论域为[60%,100%],模糊集为{Ⅰ,Ⅱ,Ⅲ,Ⅳ}。为视在放电量Q和环境相对湿度RH设定隶属度函数;
(2)定义健康指数JK对接触网电力设备的缺陷程度进行量化,健康指数论域为[0,1],模糊集按照当前接触网检修规程设定为{〇,Ⅰ,Ⅱ},为健康指数JK设定隶属度函数;
(3)根据先验知识和专家经验建立模糊if-then语义规则,if-then语义规则如下:
所述的视在放电量通过对电力设备缺陷放电图像进行特征提取后,结合拍摄参数计算得出,所述的拍摄参数主要包括拍摄距离、拍摄增益和拍摄仰角。在不同拍摄距离d(m)、拍摄增益G和拍摄仰角下θ(°),光斑面积为S(pixel)的紫外图像对应的视在放电量的Q(pC)计算公式为:
其中,Q为视在放电量,S为光斑面积,d为拍摄距离,θ为拍摄仰角,G为拍摄增益。
所述的拍摄距离d在15-30m范围内最佳,所述的拍摄增益G在70%-150%的范围内最佳,所述的拍摄仰角θ在-30°-30°范围内最佳。
所述的电力设备缺陷放电图像通过紫外视频分析完成,所述的紫外视频分析指的是通过紫外图像处理及特征计算从紫外视频中筛选存在局部放电的图像,所述的紫外视频由接触网检修车巡线时进行紫外视频拍摄获取,所述的紫外视频拍摄通过车载紫外图像传感器完成。所述的紫外图像处理需要对紫外视频中每一帧图像进行图像灰度化、二值分割、光斑面积计算三个步骤,所述的图像灰度化是将彩色可见光图像转换为灰度图像;所述的二值分割是通过一个阈值将灰度图像转换为二值图像,所述阈值设为255;所述的光斑面积计算是将二值分割后的白色光斑所占像素进行统计计算,以像素面积表示光斑面积大小。筛选电力设备缺陷放电的紫外图像时,为避免空气中的紫外信号干扰,需设定放电量阈值来判断电力设备是否存在缺陷放电,所述的放电量阈值Q0可根据检修对象进行设定,一般情况下,Q0为100pC效果最佳,此时紫外图像光斑面积阈值S0可由式(3)计算得出,比较每一帧紫外图像中的光斑面积与面积阈值S0的大小确定是否存在局部放电现象。
其中,d为拍摄距离,θ为拍摄仰角,G为拍摄增益。
当前湿度指的是环境相对湿度,由湿度-时间曲线和当前时刻确定,所述的湿度-时间曲线通过实时进行现场湿度测量绘制,所述的现场湿度测量通过高精度湿度计实现。
缺陷定位通过结合车速-时间曲线和当前时刻计算当前位移实现,所述的车速-时间曲线通过实时进行巡线速度记录绘制,所述的巡线速度记录由接触网检修车完成。车速为v时,当前时刻T的位移x计算公式为:
适用于接触网电力设备缺陷巡检的紫外图像诊断方法在日间和夜间均能正常检测。
如图1所示,通过接触网检修车巡线1进行紫外视频拍摄3,同时进行现场湿度测量2和巡线速度记录4,实现电力设备缺陷的智能检测。
在线路起点接触网检修车巡线1出发前,将紫外成像仪固定在巡线车上,使紫外成像仪镜头正对接触网线路,用手持激光测距仪测量紫外成像仪的镜头与接触网线路的距离d(m)并记录,初始目标位置应选取在15-30m以内的范围内,以保证紫外图像中至少能覆盖单侧线路,同时也不会由于距离过远导致获取不到放电信息,固定拍摄距离后测算拍摄仰角θ(°)。激光测距仪的量程不低于40m,精度不低于0.1m。用湿度计进行现场湿度测量2并记录,湿度计测量范围取10%-100%,精度不低于2%RH,分辨率0.1%RH,显示刷新率低于10秒。
紫外成像仪的操作温度以-15℃到+50℃为宜,工作相对湿度为0-100%,巡线前紫外成像仪的锂电池应充满电,以满足2小时以上的紫外拍摄时间。紫外成像仪内SD卡用于储存拍摄的紫外视频文件,其容量根据需要拍摄的紫外视频时长确定,容量不小于18.3M/分钟×拍摄时长(分钟)。每次拍摄前确保SD卡剩余容量大于本次拍摄时长需要的视频文件存储空间。
将紫外成像仪开机,调试好合适的仪器增益并记录增益G,在巡线过程中保持仪器增益不变。紫外仪的增益以70%-150%为宜,根据接触网线路的高度和初始目标距离选择使放电紫外光斑大小合适的增益。紫外成像仪聚焦模式选择手动聚焦,调节焦距使尽图像可能清晰后保持不变。
开始进行接触网检修车巡线1的同时按下紫外成像仪视频录制按钮,开始紫外视频拍摄3,巡线过程中尽量维持检修车速度不变并通过检修车进行巡线速度记录4。巡线车的速度应不大于30km/h,以免影响紫外视频的清晰度。开始巡线后,每隔1分钟记录湿度计读数。
接触网检修车巡线1结束后,关闭紫外成像仪,读取SD卡中的紫外巡线视频,同时根据湿度记录采用线性插值绘制湿度-时间曲线5,导出检修车记录的车速-时间曲线7,将紫外巡线视频、湿度-时间曲线5、车速-时间曲线7以及巡线前测量的拍摄距离d、拍摄增益G和拍摄仰角θ同时输入对应的软件系统。
表1
在软件系统开始分析之前,需要构建电力设备缺陷程度智能识别12的模糊推理模型,模型的输入为环境相对湿度RH和视在放电量Q,其隶属度函数如图2和图3所示;模型的输出为电力设备健康指数JK,对应的隶属度函数如图4所示,图4中的{〇,Ⅰ,Ⅱ}指接触网检修部门定义的电力设备缺陷程度;建立20条模糊if-then语义规则,如表1所示,表1为本发明模糊推理模型的语义规则表。
软件系统进行紫外视频分析6时,对每一帧图像进行灰度化,二值分割和光斑面积计算,同时根据输入的拍摄参数计算紫外图像光斑面积阈值S0,并根据该阈值筛选出视频中电力设备缺陷放电图像8,同时根据图像所在帧数计算该图像的拍摄时刻,通过湿度-时间曲线5和车速-时间曲线7计算出对应的当前湿度9和当前位移11。根据电力设备缺陷放电图像8中的光斑面积S、拍摄距离d、拍摄增益G和拍摄仰角θ计算当前位置的视在放电量10。
将当前湿度9和该紫外图像对应的视在放电量10输入提前构建好的模糊推理模型进行缺陷程度智能识别12,获取该处电力设备的健康指数JK,根据如表2所示电力设备健康指数与缺陷程度、检修策略的对应关系表,根据健康指数JK与缺陷程度、检修策略的对应关系得到电力设备缺陷程度,并确定检修策略14;根据当前位移11实现该处缺陷与起始点的相对位置的精确定位,即缺陷定位13。
表2
健康指数 | 0.825-1 | 0.425-0.825 | 0-0.425 |
缺陷程度 | 无缺陷 | 二级缺陷 | 一级缺陷 |
检修策略 | 暂不检修 | 列入检修计划 | 尽快检修 |
软件分析结束后导出每一处存在缺陷放电的紫外图像、图像对应的相对地理位置以及图像中电力设备的缺陷程度。最后根据线路上电力设备缺陷程度以及其地理位置制定检修策略14。
本发明实施过程中捕捉到的接触网放电图像实例中,经上述系统判断该处接触网腕臂绝缘子位于距离起始点1511m处,存在二级缺陷,检修策略为列入检修计划。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种用于接触网电力设备缺陷巡检的紫外图像诊断方法,其特征在于,该方法包括以下步骤:
S1、在接触网检修车巡线同时进行现场湿度测量、紫外视频拍摄和巡线速度记录;
S2、对紫外视频分析筛选电力设备缺陷放电图像,并对电力设备缺陷放电图像进行特征提取,结合拍摄参数和提取的特征得到视在放电量,所述的紫外视频分析包括通过紫外图像处理及特征计算,从紫外视频中筛选存在局部放电的图像,所述紫外视频由接触网检修车巡线时进行紫外视频拍摄获取,所述紫外视频拍摄通过车载紫外图像传感器完成,所述紫外图像处理对紫外视频中每一帧图像进行图像灰度化、二值分割和光斑面积计算;
进行紫外视频分析时,对每一帧图像进行灰度化,二值分割和光斑面积计算,同时根据输入的拍摄参数计算紫外图像光斑面积阈值,并根据该阈值筛选出视频中电力设备缺陷放电图像,同时根据图像所在帧数计算该图像的拍摄时刻,通过湿度-时间曲线和车速-时间曲线计算出对应的当前湿度和当前位移,根据电力设备缺陷放电图像中的光斑面积和拍摄参数计算当前位置的视在放电量;
S3、创建模糊推理模型,输入湿度和视在放电量,输出电力设备缺陷程度;
S4、根据巡线速度记录和当前时刻获得当前位移量,即得到缺陷定位;
所述的当前位移量通过结合车速-时间曲线和当前时刻计算,所述的车速-时间曲线通过实时进行巡线速度记录绘制,所述的巡线速度记录由接触网检修车完成,假设当车速为v时,当前时刻T的位移x计算公式为:
S5、根据紫外图像、图像对应的相对地理位置以及图像中电力设备的缺陷程度,结合缺陷的当前位移量,获取最终定位结果,进而制定检修策略。
2.根据权利要求1所述的一种用于接触网电力设备缺陷巡检的紫外图像诊断方法,其特征在于,步骤S2中的紫外视频分析具体为:
1)先对紫外视频进行处理,对紫外视频中每一帧图像的进行图像灰度化、二值分割、光斑面积计算三个步骤;
2)如图像的光斑面积大于面积阈值则将该图像筛选出来,筛选出的图像即为电力设备缺陷放电图像。
4.根据权利要求1所述的一种用于接触网电力设备缺陷巡检的紫外图像诊断方法,其特征在于,所述的拍摄参数包括拍摄距离、拍摄增益和拍摄仰角。
5.根据权利要求4所述的一种用于接触网电力设备缺陷巡检的紫外图像诊断方法,其特征在于,所述的拍摄距离的最佳范围为15-30m,所述的拍摄增益最佳范围为70%-150%,所述的拍摄仰角的最佳范围为-30°~30°。
6.根据权利要求1所述的一种用于接触网电力设备缺陷巡检的紫外图像诊断方法,其特征在于,所述的模糊推理模型的建立步骤为:
S301、将视在放电量和环境相对湿度模糊化,为视在放电量和环境相对湿度设定隶属度函数,即输入隶属度函数;
S302、定义健康指数,对接触网电力设备的缺陷程度进行量化,为健康指数设定隶属度函数,即输出隶属度函数;
S303、建立模糊语义规则。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710362385.XA CN107194923B (zh) | 2017-05-22 | 2017-05-22 | 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710362385.XA CN107194923B (zh) | 2017-05-22 | 2017-05-22 | 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107194923A CN107194923A (zh) | 2017-09-22 |
CN107194923B true CN107194923B (zh) | 2021-09-03 |
Family
ID=59875336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710362385.XA Active CN107194923B (zh) | 2017-05-22 | 2017-05-22 | 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194923B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108322699B (zh) * | 2018-01-23 | 2020-02-18 | 东南大学 | 一种基于视频图像检测电弧闪光的方法 |
CN109033199A (zh) * | 2018-06-29 | 2018-12-18 | 珠海爱路达信息科技有限公司 | 一种巡查视频同步播放与智能比对方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487729A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 |
CN105160669A (zh) * | 2015-08-21 | 2015-12-16 | 马鞍山市安工大工业技术研究院有限公司 | 一种无人机巡检输电线路图像中绝缘子缺陷的检测和定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080077336A1 (en) * | 2006-09-25 | 2008-03-27 | Roosevelt Fernandes | Power line universal monitor |
CN103941745B (zh) * | 2014-03-07 | 2016-06-01 | 国家电网公司 | 用于无人机输电线路巡检的移动子站及工作方法 |
-
2017
- 2017-05-22 CN CN201710362385.XA patent/CN107194923B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487729A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 |
CN105160669A (zh) * | 2015-08-21 | 2015-12-16 | 马鞍山市安工大工业技术研究院有限公司 | 一种无人机巡检输电线路图像中绝缘子缺陷的检测和定位方法 |
Non-Patent Citations (3)
Title |
---|
基于多光源图像的接触网外绝缘健康状态评估;金立军等;《高电压技术》;20161130;第42卷(第11期);第3515-3523页 * |
基于无人机紫外检测的输电线路电晕放电缺陷智能诊断技术;彭向阳等;《高电压技术》;20140831;第40卷(第8期);第2292-2298页 * |
基于紫外图像的接触网棒瓷绝缘子污秽状态检测;艾建勇等;《电工技术学报》;20160531;第31卷(第10期);第112-118页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107194923A (zh) | 2017-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020199538A1 (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
CN110261436B (zh) | 基于红外热成像和计算机视觉的轨道故障检测方法及系统 | |
CN109344753A (zh) | 一种基于深度学习的航拍图像输电线路细小金具识别方法 | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN112466000A (zh) | 一种基于电力巡检机器人的巡检系统及巡检控制方法 | |
CN103412246B (zh) | 基于紫外视频的电力设备异常放电自动检测方法 | |
CN108288055A (zh) | 基于深度网络与分级测试的电力机车受电弓及电弧检测方法 | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN113947731A (zh) | 一种基于接触网安全巡检的异物识别方法及系统 | |
CN112580600A (zh) | 粉尘浓度检测方法、装置、计算机设备和存储介质 | |
CN107194923B (zh) | 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法 | |
CN112508911A (zh) | 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法 | |
CN116704733A (zh) | 铝合金电缆的老化预警方法和系统 | |
CN111325708B (zh) | 一种输电线路检测方法和服务器 | |
CN113283276A (zh) | 一种联动热成像自学习火点检测方法及系统 | |
CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、系统及存储介质 | |
CN111136664A (zh) | 基于紫外图像检测的巡检机器人及其检测方法 | |
CN116309407A (zh) | 一种铁路接触网螺栓异常状态的检测方法 | |
CN214151955U (zh) | 一种变压器主变漏油分析和异常漏油图像预警的装置 | |
CN113657621A (zh) | 一种隐患监测方法和系统 | |
CN114821025A (zh) | 一种基于深度学习的表计识别方法和系统 | |
CN112818806A (zh) | 一种基于深度学习的变电站巡检机器人辅助导航方法 | |
CN110781758A (zh) | 一种受电弓结构异常动态视频监测方法及装置 | |
CN110930447A (zh) | 基于Android的无人值守雪深测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |