CN110376214A - 基于高光谱技术的绝缘子污秽度非接触检测方法 - Google Patents

Abstract

本发明公开了一种基于高光谱技术的绝缘子污秽度非接触检测方法，涉及输变电设备运行状态检修技术领域。该方法包括：获取积污绝缘子的第一高光谱图像集和第二高光谱图像集；提取第一高光谱图像集的高光谱数据，将其中一部分数据作为训练集，另一部分数据作为测试集，建立污秽度多参量检测模型，并用测试集对该模型进行优化；提取第二高光谱图像集中若干个局部区域的高光谱数据，并通过优化后的污秽度多参量检测模型进行识别，从而得到盐灰比例Ⅱ和污秽总量Ⅱ，计算出绝缘子的污秽等值盐密Ⅱ和污秽灰密Ⅱ。该方法识别准确率高，适用于现场带电检测，可实现绝缘子各局部区域污秽度的检测，为制定具有针对性的绝缘子清扫方案提供了技术参考。

Description

基于高光谱技术的绝缘子污秽度非接触检测方法

技术领域

本发明涉及输变电设备运行状态检修领域，具体而言，涉及一种基于高光谱技术的绝缘子污秽度非接触检测方法。

背景技术

绝缘子污闪事故易引发系统失去稳定而导致长时间、大面积的停电事故。随着雾霾、盐雾等恶劣天气情况增多，输电线路电压等级的提高，暴露在大气环境中的绝缘子面临着更加严峻的积污问题，污闪事故的防治也将面临更大的挑战。目前GB/T 16434、GB/T5582等标准推荐及各电网公司污区分级及外绝缘配置的依据主要是基于等值附盐密度(ESDD)，IEC 60815及国家电网公司企业标准Q/GDW 152-2006已经在污区分级中建议考虑附灰密度的影响，且大量研究表明盐、灰密对不同绝缘子污闪电压有显著影响。因此，有效测量绝缘子污秽盐、灰密对制定绝缘子清扫周期、防治污闪事故具有重要意义。

传统盐、灰密检测流程繁琐，无法进行现场带电检测，需登杆拆卸绝缘子并擦洗、溶解绝缘子表面全部污秽，测量电导率后还需过滤、烘干、称重测量灰密，检测过程依赖测量人员技术与经验，在测量过程中易造成误差。若需测量绝缘子各局部污秽度，则需重复上述操作，耗费人力物力且人工干扰较多致使测量结果分散性较大。

综上所述，传统盐、灰密检测在进行现场应用时具有较大局限，有鉴于此，有必要提供一种有效可靠、非接触的绝缘子污秽度带电检测方法。

发明内容

本发明在于提供一种基于高光谱技术的绝缘子污秽度非接触检测方法，其能够缓解上述问题。

为了缓解上述的问题；本发明采取的技术方案如下：

第一方面，本发明提供了一种基于高光谱技术的绝缘子污秽度非接触检测方法，包括以下步骤：

S1、获取积污绝缘子的高光谱图像集，并对高光谱图像集进行校正、变换处理，将处理后的高光谱图像集分为两部分，分别为第一高光谱图像集和第二高光谱图像集；

S2、获取第一高光谱图像集所对应的积污绝缘子区域的盐灰比例Ⅰ和污秽总量Ⅰ；

S3、提取第一高光谱图像集的纹理特征和高光谱谱线，其中第一高光谱图像集的纹理特征对应标签为盐灰比例Ⅰ，第一高光谱图像集的高光谱谱线对应标签为污秽总量Ⅰ，将第一高光谱图像集的一部分纹理特征和高光谱谱线作为训练集，另一部分纹理特征和高光谱谱线作为测试集，根据分类算法和训练集建立污秽度多参量检测模型，并用测试集对污秽度多参量检测模型进行优化；

S4、提取第二高光谱图像集中若干个局部区域的纹理特征和高光谱谱线，并通过优化后的污秽度多参量检测模型对它们进行识别，得到盐灰比例Ⅱ和污秽总量Ⅱ，根据盐灰比例Ⅱ和污秽总量Ⅱ，计算积污绝缘子的污秽等值盐密Ⅱ和污秽灰密Ⅱ，完成绝缘子污秽度的非接触检测。

本技术方案的技术效果是：其为一种有效可靠、非接触的绝缘子污秽度检测方法，识别准确率高，适用于现场带电检测，可实现绝缘子各局部区域污秽度的检测，为制定具有针对性的绝缘子清扫方案提供了技术参考，满足输电线路绝缘子检测的需求。

可选地，所述步骤S1中，是选择在积污绝缘子的污秽类型相同区域获取高光谱图像集。

本技术方案的技术效果是：同一污秽区域的污秽成分类似，可尽量减少其他因素对模型准确性造成的影响。

可选地，所述步骤S1中，获取积污绝缘子的高光谱图像集的方法是：无人机搭载高光谱仪飞行至线路杆塔悬停后，利用高光谱仪获取积污绝缘子的高光谱图像集。

本技术方案的技术效果是：以无人机为高光谱仪的载体，操作方便，适合环境恶劣的场景。

可选地，所述步骤S1中，所述校正为黑白校正或者多元散射校正。

本技术方案的技术效果是：这两种校正方法均能较好的消除光源不均匀性、光敏单元本身响应差异、暗电流及偏置等因素的影响，获取强度均匀的图像。

可选地，所述步骤S1中，所述变换处理为标准正态变换、Savitzky-Golay平滑、小波去噪、微分变换以及对数变换中任意一种。

本技术方案的技术效果是：所列出的这几种变换处理方法，能够较好的消除图像噪声，去除非特征波动，消除粒径不同造成的散射影响等。

可选地，所述步骤S2具体包括：

S21、清洗第一高光谱图像集所对应的积污绝缘子的区域，并收集混有积污绝缘子的污秽的水溶液；

S22、通过电导率测试仪测量积污绝缘子被清洗过的区域，计算得到污秽等值盐密Ⅰ；

S23、对收集到的水溶液进行过滤、烘干、称重，计算得到污秽灰密Ⅰ；

S24、根据污秽等值盐密Ⅰ和污秽灰密Ⅰ，计算得到盐灰比例Ⅰ。

S25、根据污秽等值盐密Ⅰ、污秽灰密Ⅰ和积污绝缘子清洗面积，得污秽总量Ⅰ。

本技术方案的技术效果是：可得到清洗污秽的盐灰比例，从而得到模型建立所需的真实标签值。

可选地，所述步骤S3中，分类算法为朴素贝叶斯、支持向量机、决策树、随机森林和最近邻分类算法中的任意一种。

本技术方案的技术效果是：可判断未知污秽的盐灰比例和污秽总量。

可选地，所述步骤S4中，所述局部区域最小可为第二高光谱图像集中的一个像素点大小。

本技术方案的技术效果是：局部区域可根据操作需求调节，获取积污绝缘子污秽的局部特征。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举本发明实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明所述基于高光谱技术的绝缘子污秽度非接触检测方法的流程图；

图2是本发明提供的不同盐灰比例污秽纹理特征的表征图，其中图2(a)所示盐灰比例为1:1，图2(b)所示盐灰比例为1:2，图2(c)所示盐灰比例为1:3。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

请参考图1，本实施例公开了一种基于高光谱技术的绝缘子污秽度非接触检测方法，包括以下步骤：

S1、获取积污绝缘子的高光谱图像集，并对高光谱图像集进行校正、变换处理，将处理后的高光谱图像集分为两部分，分别为第一高光谱图像集和第二高光谱图像集；

S2、获取第一高光谱图像集所对应的积污绝缘子区域的盐灰比例Ⅰ和污秽总量Ⅰ；

S3、提取第一高光谱图像集的纹理特征和高光谱谱线，其中第一高光谱图像集的纹理特征对应标签为盐灰比例Ⅰ，第一高光谱图像集的高光谱谱线对应标签为污秽总量Ⅰ，将第一高光谱图像集的一部分纹理特征和高光谱谱线作为训练集，另一部分纹理特征和高光谱谱线作为测试集，根据分类算法和训练集建立污秽度多参量检测模型，并用测试集对污秽度多参量检测模型进行优化；

S4、提取第二高光谱图像集中若干个局部区域的纹理特征和高光谱谱线，并通过优化后的污秽度多参量检测模型对它们进行识别，得到盐灰比例Ⅱ和污秽总量Ⅱ，根据盐灰比例Ⅱ和污秽总量Ⅱ，计算积污绝缘子的污秽等值盐密Ⅱ和污秽灰密Ⅱ，完成绝缘子污秽度的非接触检测。

在本实施例中，盐灰比例Ⅰ为第一高光谱图像集所对应的积污绝缘子区域的盐灰比例，盐灰比例Ⅱ为第二高光谱图像集所对应的积污绝缘子区域的盐灰比例；污秽总量Ⅰ为第一高光谱图像集所对应的积污绝缘子区域的污秽总量，污秽总量Ⅱ为第二高光谱图像集所对应的积污绝缘子区域的污秽总量。

在本实施例中，步骤S1中对高光谱图像集进行校正、变换处理，能够克服光强分布不均和污秽不同对反射光谱带来的影响，有效地提高光谱的信噪比。

在本实施例中，步骤S4中根据得到的盐灰比例Ⅱ和污秽总量Ⅱ，可建立二元一次方程解出盐含量x与灰含量y，方程式如下：

盐灰比例ΙΙ＝x/y

污秽总量ΙΙ＝x+y

得到盐含量x与灰含量y后，可由x与拍摄区域真实面积之比与y与拍摄区域真实面积之比分别得到等值盐密Ⅱ和污秽灰密Ⅱ。

在本实施例中，训练集代表了不同污秽度的绝缘子高光谱图像，训练集中的样本数量足以保证由此计算的污秽度多参量检测模型参数符合统计规律。

在本实施例中，所依据的原理是：不同污秽度的绝缘子表面污秽理化学特性不同，造成物质内部对不同波长光子的选择性吸收和发射，从而绝缘子污秽在高光谱图像集上反映的光谱信息不同，其中谱线反映了整体物质属性可用于建立与污秽总量的关系，纹理特征代表了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性可用于建立与盐灰比例的关系。如图2所示，不同盐灰比例其排列属性不同，因此，根据积污绝缘子高光谱图像集提取出的纹理特征和谱线信息来检测绝缘子污秽度具有较大应用潜力。

实施例2

针对实施例1中的步骤S1，它是选择在积污绝缘子的污秽类型相同区域获取高光谱图像集。

在本实施例中，污秽类型相同区域，指的是假设该区域内绝缘子表面同一污秽量的可溶物成分及比例相同。

实施例3

针对实施例1中的步骤S1，获取积污绝缘子的高光谱图像集的方法是：无人机搭载高光谱仪飞行至线路杆塔悬停后，利用高光谱仪获取积污绝缘子的高光谱图像集。

在本实施例中，一般选择雾后晴天时获取积污绝缘子的高光谱图像集，因此此时绝缘子上的污秽受潮后析出盐类晶体，使得绝缘子表面污秽分布特征更加明显。

实施例4

针对实施例1中的步骤S1，校正方法为黑白校正或者多元散射校正。

在本实施例中，黑白校正可通过以下公式实现：

其中，Sample_ci表示原始光谱图像数据，dark_ci表示全黑标定图像数据，White_ci表示全白标定图像数据，R_ci表示黑白校正后的图像数据。

在本实施例中，标准正态变换可通过以下公式实现：

其中,X_i为第i样品光谱的平均值(平均光谱向量)；k＝1，2，…，m；m为波长总数目；i＝1，2，…，n；n为校正集样品数。

实施例5

针对实施例1中的步骤S1，变换处理为标准正态变换、Savitzky-Golay平滑、小波去噪、微分变换以及对数变换中任意一种。

实施例6

针对实施例1中的步骤S2，其具体包括：

S21、清洗第一高光谱图像集所对应的积污绝缘子的区域，并收集混有积污绝缘子的污秽的水溶液；

S22、通过电导率测试仪测量积污绝缘子被清洗过的区域，计算得到污秽等值盐密Ⅰ；

S23、对收集到的水溶液进行过滤、烘干、称重，计算得到污秽灰密Ⅰ；

S24、根据污秽等值盐密Ⅰ和污秽灰密Ⅰ，计算得到盐灰比例Ⅰ。

S25、根据污秽等值盐密Ⅰ、污秽灰密Ⅰ和积污绝缘子清洗面积，得污秽总量Ⅰ。

在本实施例中，步骤S22的具体操作如下：

污秽洗净并充分溶解后，测量含有污秽物的水的电导率和温度，电导率的校正公式如下：

σ₂₀＝σ_θ[1-b(θ-20)]

其中，θ是溶液温度(℃)，σ_θ是温度θ℃时的体积电导率(S/m)，σ₂₀温度20℃时的体积电导率(S/m)，b是取决于温度θ的一个因数。

绝缘子表面的污秽等值盐密计算公式如下：

S_a＝(5.7σ₂₀)^1.03

ESDD＝S_a·V/A

其中，S_a是盐度(kg/m³)，ESDD是等值盐密(mg/cm²)，V是蒸馏水体积(cm³)，A是收集污秽的绝缘子表面的面积(cm²)。

在本实施例中，步骤S23的具体操作如下：

测定ESDD后，用漏斗将含有污秽的溶液过滤，过滤后的不溶物干燥后称重，计算污秽灰密公式如下：

NSDD＝1000(W_f-W_i)/A

其中，NSDD为不溶性物质沉积密度，即灰密(mg/cm²)，W_f为含污染物滤纸在干燥条件下的重量(g)，W_i为干燥条件下滤纸的初始重量(g)，A为收集污染物绝缘子表面面积(cm²)。

在本实施例中，步骤S24中的盐灰比例可由等值盐密比灰密求得。

在本实施例中，步骤S25中的污秽总量可由污秽等值盐密与面积的乘积、污秽灰密与面积的乘积之和求得。

实施例7

针对实施例1中的步骤S3，分类算法为朴素贝叶斯、支持向量机、决策树、随机森林和最近邻分类算法中的任意一种，这些算法均可建立污秽度多参量检测模型。

实施例8

针对实施例1中的步骤S4，局部区域最小可为第二高光谱图像集中的一个像素点大小，即6.45μm×6.45μm。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，包括以下步骤：

S1、获取积污绝缘子的高光谱图像集，并对高光谱图像集进行校正、变换处理，将处理后的高光谱图像集分为两部分，分别为第一高光谱图像集和第二高光谱图像集；

S2、获取第一高光谱图像集所对应的积污绝缘子区域的盐灰比例Ⅰ和污秽总量Ⅰ；

S3、提取第一高光谱图像集的纹理特征和高光谱谱线，其中第一高光谱图像集的纹理特征对应标签为盐灰比例Ⅰ，第一高光谱图像集的高光谱谱线对应标签为污秽总量Ⅰ，将第一高光谱图像集的一部分纹理特征和高光谱谱线作为训练集，另一部分纹理特征和高光谱谱线作为测试集，根据分类算法和训练集建立污秽度多参量检测模型，并用测试集对污秽度多参量检测模型进行优化；

S4、提取第二高光谱图像集中若干个局部区域的纹理特征和高光谱谱线，并通过优化后的污秽度多参量检测模型对它们进行识别，得到盐灰比例Ⅱ和污秽总量Ⅱ，根据盐灰比例Ⅱ和污秽总量Ⅱ，计算积污绝缘子的污秽等值盐密Ⅱ和污秽灰密Ⅱ，完成绝缘子污秽度的非接触检测。

2.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S1中，是选择在积污绝缘子的污秽类型相同区域获取高光谱图像集。

3.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S1中，获取积污绝缘子的高光谱图像集的方法是：无人机搭载高光谱仪飞行至线路杆塔悬停后，利用高光谱仪获取积污绝缘子的高光谱图像集。

4.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S1中，所述校正为黑白校正或者多元散射校正。

5.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S1中，所述变换处理为标准正态变换、Savitzky-Golay平滑、小波去噪、微分变换以及对数变换中任意一种。

6.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S2具体包括：

S21、分别清洗第一高光谱图像集中各图像所对应的积污绝缘子的区域，并收集混有积污绝缘子污秽的水溶液；

S22、通过电导率测试仪测量积污绝缘子被清洗过的区域，计算得到污秽等值盐密Ⅰ；

S23、对收集到的水溶液进行过滤、烘干、称重，计算得到污秽灰密Ⅰ；

S24、根据污秽等值盐密Ⅰ和污秽灰密Ⅰ，计算得到盐灰比例Ⅰ。

S25、根据污秽等值盐密Ⅰ、污秽灰密Ⅰ和积污绝缘子清洗面积，得污秽总量Ⅰ。

7.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S3中，分类算法为朴素贝叶斯、支持向量机、决策树、随机森林和最近邻分类算法中的任意一种。

8.根据权利要求1所述基于高光谱技术的绝缘子污秽度非接触检测方法，其特征在于，所述步骤S4中，所述局部区域最小可为第二高光谱图像集中的一个像素点大小。