CN108254077B - 基于局部与全局特征信息融合的gis热故障诊断方法 - Google Patents

Abstract

本发明涉及一种基于局部与全局特征信息融合的GIS热故障诊断方法，包括：1)采集GIS局部图像，所述GIS局部图像包括局部红外图像和局部可见光图像；2)基于所述局部红外图像建立GIS全局外壳红外图像；3)在所述GIS全局外壳红外图像上判别故障，定位故障点。与现有技术相比，本发明能及时了解GIS现状，并在保证红外信息精准的前提下识别、定位GIS热故障点。

Description

基于局部与全局特征信息融合的GIS热故障诊断方法

技术领域

本发明属于GIS热故障诊断技术领域，尤其是涉及一种基于局部与全局特征信息融合的GIS热故障诊断方法。

背景技术

目前，GIS设备能否正常工作关系到电力系统的安全稳定运行，随着GIS设备数量不断增多以及运行年限日益增长，各类缺陷逐渐增多，发热性缺陷是GIS故障的主要缺陷类型，由于发热引起的设备故障近几年屡见不鲜，已造成多起设备停运甚至爆炸等事故，因此加强GIS设备热故障的检测与分析具有重要意义。

在当前数字化信息时代，对GIS外表温度的红外实时监测被广泛运用以保障GIS安全可靠运行。而红外成像设备一般分辨率较低，得到小视野清晰的GIS局部图像难以满足全局定位故障的要求，但容易受到多种因素影响。目前采用的传统红外测温技术得到的全局红外图像信息比较模糊，容易引起误判，而从局部到全局的基于红外图像特征处理的GIS热故障诊断可以在特征提取时应该综合考虑局部和全局特征，使用全局特征描述数据的外部形状，使用局部特征来描述数据的内在组织结构，生成较为准确直观的全局特征，从而判断、定位GIS热故障。可见，基于红外图像特征从局部到全局的GIS热故障诊断的方法已成为提高GIS设备可靠运行的迫切需要。

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基于局部与全局特征信息融合的GIS热故障诊断方法。

本发明的目的可以通过以下技术方案来实现：

一种基于局部与全局特征信息融合的GIS热故障诊断方法，包括：

1)采集GIS局部图像，所述GIS局部图像包括局部红外图像和局部可见光图像；

2)基于所述局部红外图像建立GIS全局外壳红外图像；

3)在所述GIS全局外壳红外图像上判别故障，定位故障点。

所述步骤1)具体包括：

101)以“Z”字形顺序依次采集不同位置的GIS局部图像，且相邻两次采集的图像之间具有设定重合率；

102)基于所述局部红外图像获得图像视觉信息与温度数据统计信息。

所述设定重合率为35％～50％。

所述步骤2)具体包括：

201)根据所述局部红外图像获得局部温升三维图；

202)基于GIS全局结构和图像纹理获得经腐蚀膨胀处理的局部红外图像；

203)将经腐蚀膨胀处理后的局部红外图像拼接融合为全局灰度图像，同时根据各像素点灰度值进行温度数据同步处理。

步骤201)中，根据所述局部红外图像携带的温度数据，结合环境温度计算获得温升分布数据，以局部红外图像中像素点坐标作为三维坐标系的x、y坐标，对应温升数据作为z坐标，从而形成所述局部温升三维图。

步骤202)具体为：

221)将局部红外图像拼接融合为全局图像；

222)对所述全局图像进行基于Canny算子的边缘识别；

223)根据识别结果判断各局部红外图像中是否存在边缘，若是，则执行步骤224)，若否，则执行步骤225)；

224)判断边缘为气室边缘或GIS外壳边缘，若边缘为气室边缘，则对气室边缘进行先膨胀后腐蚀处理，若边缘为GIS外壳边缘，则进行平滑处理；

225)判断局部红外图像中是否存在小物体或细小孔洞，若存在小物体，则对小物体进行先腐蚀后膨胀处理，若存在细小孔洞，则细小孔洞进行先膨胀后腐蚀处理，所述小物体和细小孔洞的面积均小于10个像素点。

所述步骤3)中判别故障具体为：

在所述GIS全局外壳红外图像的纵向上分别计算每一列各像素点的最大温差，判断最大温差是否大于第一阈值，若是，则判定对应列存在故障，若否，则计算对应列的平均温度，判断该平均温度高于环境温度第二阈值，则判定对应列存在故障，若否，则判定无故障。

所述第一阈值为5℃。

所述第二阈值为25℃。

所述步骤3)中定位故障点具体为：

提取存在故障的列中温度最高的像素点作为候选故障点，将所述GIS全局外壳红外图像在横向上划分为若干区域，判断所提取的候选故障点是否为所在区域的温度最高点，若是，则标记为区域故障点，若否，则结束。

与现有技术相比，本发明具有以下有益效果：

1)本发明同时采集局部红外图像和局部可见光图像，并根据图像中包含的信息对故障从多层信息渠道进行精准判断，有效提高故障识别精确度。

2)本发明通过采集GIS局部外壳红外图像并将其包含的信息转换为对应的图像视觉与数据统计信息，可得到较为清晰的局部红外图像，从而提高故障判断准确性。

3)本发明基于GIS结构和图像纹理对图像进行腐蚀膨胀处理，以减少干扰影响，进而构建GIS外壳全局红外图像，更加直观。

4)通过基于多图像特征数据结合的GIS热故障诊断提高判别故障、定位故障点的准确性。

附图说明

图1为红外温度三维示意图，(a)为全局温度三维图，(b)为局部图像拼接而得温度三维示意图；

图2为本发明针对局部红外图像的腐蚀膨胀处理选择流程图；

图3为本发明的故障识别处理流程图；

图4为本发明实施例图像处理示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明提供一种基于局部与全局特征信息融合的GIS热故障诊断方法，包括：

1)采集GIS局部图像，并将其包含的信息转换为对应的图像视觉与数据统计信息，所述GIS局部图像包括局部红外图像和局部可见光图像；

2)基于所述GIS局部图像建立GIS全局外壳红外图像，具体是：基于GIS结构和图像纹理对局部红外图像中的小物体、细小孔洞进行腐蚀膨胀处理，从而使局部温度三维图更平滑，更接近实际温度数据，并在将局部图像拼接融合为全局图像的同时同步温度数据；

3)在所述GIS全局外壳红外图像上基于图像主体边缘与温度数据的结合判别故障，定位故障点。

所述步骤1)具体包括：以“Z”字形顺序依次采集不同位置的GIS局部图像，且相邻两次采集的图像之间具有设定重合率；基于所述局部红外图像获得图像视觉信息与温度数据统计信息。本实施例中，设定重合率为35％～50％。

在某些实施例中，步骤1)可由使用装有红外与可见光采集镜头的双视热像仪实现。双视热像仪按“Z”字形顺序依次采集GIS壳体局部图像并将其包含的信息转换为对应的图像视觉与数据统计信息。

得到红外IS2格式的图像包含图像视觉信息与温度数据统计信息，由此导出的jpg格式的可见光图像表征GIS外壳结构，由此导出的jpg格式的图像像素点与excel格式的数据具有对应关系，建立匹配关系方便在后续处理过程中统一运算。

在故障状态下，可从GIS外壳全局红外图像中提取红外目标，需要将采集到的GIS局部红外图像拼接成全局图像。对于红外小目标，通常其温度较四周高，因此在红外图像中应该具有较大的灰度，就像凸起的山包，如图1(a)所示。

由于GIS构造较为复杂，内部故障点温度层层传递到外壳必然在各方向有不同程度的能量损失，拼接得到的全局图像提取红外小目标的曲线图可能有凹陷、偏移等，直接用于故障定位必然导致偏差。由于全局图像干扰因素复杂，所以提前对GIS局部红外灰度图像结合图像纹理进行腐蚀膨胀处理具有更高的准确性，较为真实地还原内部温度情况。GIS局部红外三维灰度图像拼接成的全局红外图示意如图1(b)所示。

如图2所示，腐蚀膨胀处理步骤主要为：首先将局部红外图像拼接为全局图像，并对全局图像进行基于Canny算子的边缘识别；进而逐一对局部红外图像进行处理，首先识别局部红外图像中是否存在边缘，若存在，识别若是GIS外壳边缘，则进行平滑边缘处理；若是气室边缘，则进行膨胀处理，弱化气室边缘线；若不存在边缘线，则识别存在小物体或具有细小孔洞，所述小物体和细小孔洞的面积均小于10个像素点，相应的，对小物体进行先腐蚀后膨胀的开启处理，对细小孔洞进行先膨胀后腐蚀的闭合处理，若不明显则无需腐蚀膨胀处理。腐蚀膨胀处理后的局部图像如果再次拼接成为全局图像，其温度三维图会表现为更平滑的缓坡，红外小目标则呈突起的小山包形状。

特别地，先腐烛后膨胀的过程称为开启，用于消除小物体，在纤细连接处分离两区域，既能平滑区域边界又不明显地改变其面积；先膨胀后腐烛的过程称为闭合，用于填充区域内的细小孔洞，连接邻近区域，平滑其边界的同时并不明显地改变其面积。

特别地，在局部灰度图像处理过程后，进行拼接融合生成全局灰度图像，再根据各像素点灰度值更改温度数据表格，达到温度数据与处理得到红外三维灰度图像信息吻合。

GIS包含断路器、隔离开关等，不同气室的外形轮廓不同，由于结构关系其正常工作时外壳温度有所不同，所以识别诊断故障时如果仅仅考虑最高温则容易导致误判。所以本发明选取最高温与最低温的温差以及平均温度值来判定故障。

参见图3所示，故障识别步骤为：由于GIS密封性严，结构紧凑，所以负荷电流下内部导体发热严重，产生一定的温升。考虑到可见光图像边缘识别更准确，红外图像边缘识别容易受收到温度影响，因此首先将局部可见光图像进行融合并识别边缘，由可见光图像得到边缘与红外图像配准，提取红外图像中主体的数据信息，根据红外与可见光图像的特征级融合，识别图像中的主体与背景部分；提取主体部分温度数据进行运算，分为判别故障与定位故障点两步。判别故障步骤为：在纵向上分别计算每一列像素点的最高温与最低温的温差，若大于第一阈值，则判别为故障；若不大于第一阈值，则计算此列平均温度，并用平均温度减去环境温度计算平均温升，若大于第二阈值，则判别为严重故障，否则判别为无故障。定位故障点则首先提取每列温度最高点，在横向上将由局部红外图像拼接得来的整幅全局红外图像按8个像素点的宽度划分为若干个个区域，随后在每个区域中提取被判别为故障纵列的最高温进行比较，选取其中的最大值对应的像素点作为区域故障点并在图像中标记。通过查阅相关规定及搜集大量GIS故障现场资料整理得出，一般第一阈值取5℃，第二阈值根据不同电压等级及气室选取不同数值，但相差不大，一般可取25℃。

值得注意的是，在检修过程中，应考虑GIS内部存在热对流现象，所以气室内部热缺陷位置相较于外壳表现异常温升位置靠下，由此，首先应判别主体气室结构方向，针对横向GIS气室，热对流影响较小，热故障红外标记位置与实际故障位置相差不大；针对纵向GIS气室，建议结合停电检修对温度异常部位进行检查，若不存在故障，则考虑环流的影响，可从热故障红外标记位置沿GIS结构向下检测触头、绝缘盆等易发生故障部位。除此之外，GIS内部故障对外表现为具有较大的高温升面积；相对而言，GIS外部故障散热面小，热区突出，温升明显，易于探测。

本发明的技术方案通过采集GIS局部外壳红外图像并将其包含的信息转换为对应的图像视觉与数据统计信息，可得到较为清晰的局部红外图像从而对故障从多层信息渠道进行精准判断；通过基于GIS结构和图像纹理对局部温度三维图进行腐蚀膨胀处理，以减少干扰影响；通过基于全局图像主体边缘与局部温度数据结合提高判别故障、定位故障点的准确性。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，包括：

1)采集GIS局部图像，所述GIS局部图像包括局部红外图像和局部可见光图像；

2)基于所述局部红外图像的拼接建立GIS全局外壳红外图像；

3)在所述GIS全局外壳红外图像上判别故障，定位故障点；

所述步骤2)具体包括：

201)根据所述局部红外图像获得局部温升三维图；

202)基于GIS全局结构和图像纹理获得经腐蚀膨胀处理的局部红外图像；

203)将经腐蚀膨胀处理后的局部红外图像拼接融合为全局灰度图像，同时根据各像素点灰度值进行温度数据同步处理。

2.根据权利要求1所述的基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，所述步骤1)具体包括：

101)以“Z”字形顺序依次采集不同位置的GIS局部图像，且相邻两次采集的图像之间具有设定重合率；

102)基于所述局部红外图像获得图像视觉信息与温度数据统计信息。

3.根据权利要求2所述的基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，所述设定重合率为35％～50％。

4.根据权利要求1所述的基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，步骤201)中，根据所述局部红外图像携带的温度数据，结合环境温度计算获得温升分布数据，以局部红外图像中像素点坐标作为三维坐标系的x、y坐标，对应温升数据作为z坐标，从而形成所述局部温升三维图。

5.根据权利要求1所述的基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，步骤202)具体为：

221)将局部红外图像拼接融合为全局图像；

222)对所述全局图像进行基于Canny算子的边缘识别；

223)根据识别结果判断各局部红外图像中是否存在边缘，若是，则执行步骤224)，若否，则执行步骤225)；

224)判断边缘为气室边缘或GIS外壳边缘，若边缘为气室边缘，则对气室边缘进行先膨胀后腐蚀处理，若边缘为GIS外壳边缘，则进行平滑处理；

225)判断局部红外图像中是否存在小物体或细小孔洞，若存在小物体，则对小物体进行先腐蚀后膨胀处理，若存在细小孔洞，则细小孔洞进行先膨胀后腐蚀处理，所述小物体和细小孔洞的面积均小于10个像素点。

6.根据权利要求1所述的基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，所述步骤3)中判别故障具体为：

在所述GIS全局外壳红外图像的纵向上分别计算每一列各像素点的最大温差，判断最大温差是否大于第一阈值，若是，则判定对应列存在故障，若否，则计算对应列的平均温度，判断该平均温度高于环境温度第二阈值，则判定对应列存在故障，若否，则判定无故障。

7.根据权利要求6所述的基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，所述第一阈值为5℃。

8.根据权利要求6所述的基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，所述第二阈值为25℃。

9.根据权利要求6所述的基于局部与全局特征信息融合的GIS热故障诊断方法，其特征在于，所述步骤3)中定位故障点具体为：

提取存在故障的列中温度最高的像素点作为候选故障点，将所述GIS全局外壳红外图像在横向上划分为若干区域，判断所提取的候选故障点是否为所在区域的温度最高点，若是，则标记为区域故障点，若否，则结束。

Images