CN113794857A - 一种开关柜非介入式监测方法、装置、存储介质 - Google Patents
一种开关柜非介入式监测方法、装置、存储介质 Download PDFInfo
- Publication number
- CN113794857A CN113794857A CN202110968187.4A CN202110968187A CN113794857A CN 113794857 A CN113794857 A CN 113794857A CN 202110968187 A CN202110968187 A CN 202110968187A CN 113794857 A CN113794857 A CN 113794857A
- Authority
- CN
- China
- Prior art keywords
- temperature
- switch cabinet
- image
- cabinet
- intrusive
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000003745 diagnosis Methods 0.000 claims abstract description 53
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 230000003068 static effect Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 18
- 238000012546 transfer Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000004861 thermometry Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 7
- 238000002405 diagnostic procedure Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000009434 installation Methods 0.000 abstract description 8
- 238000012806 monitoring device Methods 0.000 abstract description 5
- 239000004020 conductor Substances 0.000 description 15
- 238000012423 maintenance Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 239000002184 metal Substances 0.000 description 8
- 229910052751 metal Inorganic materials 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000010438 heat treatment Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种开关柜非介入式监测方法、装置、存储介质，本方法包括以下步骤：步骤S1、获取拍摄的红外图像与可见光图像，融合所述红外图像与所述可见光图像，形成双频融合图像；步骤S2、识别所述双频融合图像、红外图像与可见光图像，进行图像处理，以提取设备状态信息；步骤S3、根据所述设备状态信息及温度分布信息，根据非介入测温模型计算开关柜的集总热源温度；步骤S4、将所述非介入测温模型计算得到的开关柜的集总热源温度，与预设故障诊断阈值进行比较，对所述开关柜的运行状态进行诊断。本发明解决传统高压开关柜的温度监测中的传感器的数量多和安装工程复杂等问题。
Description
技术领域
本发明涉及开关柜监测技术领域，尤其涉及一种开关柜非介入式监测方法、装置、存储介质。
背景技术
随着我国经济的迅速发展，电力安全在国家安全保障体系和经济发展中具有举足轻重的地位，如何保证其安全稳定和经济运行，防止灾难性事故的发生，是亟待解决的重大课题之一。配电室是电力系统末端配电网中分配、传输电能的主要电气设备的场所，是城市配电网系统中重要的组成部分，其具有分布广、数量多、管理复杂等特点。随着供电负荷密度的不断加大，配电室的数量越来越大。
目前配电室主要采用按区域巡检和抢修方式进行运维管理，所谓的人工巡检即利用运行人员巡检和试验人员定期抽检。传统的状态检测分析方法包括采用超声局放、红外测温、现场环境观察等。但近年来随着配电房数量的不断增加，设备容量的增大，传统的设备巡检维护的方法已经无法满足现代电力设备安全运行的实际需要，很难真实的反映各类电力设备的运行状态和故障状态，存在较大的局限性。
以状态检修代替定期检修已经成为电力系统设备检修的必须趋势，可以避免或减少因故障引起的设备损坏和非计划停电，而状态检修的依据就是在线监测技术。但现有的配电室设备状态监测类传感器种类繁多，监测数据量大、传统传感器有线安装、线路冗杂、管理混乱、通讯连接不方便、巡检人员维护困难等问题，会导致因维护不及时而产生设备损耗、故障、电压质量低、配电网稳定性差等情况。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种开关柜非介入式监测方法，解决传统开关柜的温度监测中的传感器的数量多和安装工程复杂等问题。
本发明的目的之二在于提供一种装置，执行一种开关柜非介入式监测方法，解决传统高压开关柜的温度监测中的传感器的数量多和安装工程复杂等问题。
本发明的目的之三在于提供一种存储介质，执行一种开关柜非介入式监测方法，解决传统高压开关柜的温度监测中的传感器的数量多和安装工程复杂等问题
本发明的目的之一采用如下技术方案实现：
一种开关柜非介入式监测方法，本方法包括以下步骤：
步骤S1、获取拍摄的红外图像与可见光图像，融合所述红外图像与所述可见光图像，形成双频融合图像；
步骤S2、识别所述双频融合图像、红外图像与可见光图像，进行图像处理，以提取设备状态信息；
步骤S3、根据所述设备状态信息及温度分布信息，根据非介入测温模型计算开关柜的集总热源温度；
步骤S4、将所述非介入测温模型计算得到的开关柜的集总热源温度，与预设故障诊断阈值进行比较，对所述开关柜的运行状态进行诊断。
进一步地，所述步骤S2包括以下步骤：
步骤S21、识别所述双频融合图像、红外图像与可见光图像，进行图像处理，以提取设备状态信息；
步骤S22、根据所述可见光图像的目标检测框图像，进行设备标牌的文字识别，根据文字识别结果分别命名双频融合图像、红外图像及可见光图像三者的目标检测框图像；
步骤S23、根据所述双频融合图像及红外图像的目标检测框图像进行设备区域分割，得到红外设备区域分割图像；通过红外图像温度算法提取红外设备区域分割图像的温度分布信息。
进一步地，所述步骤S3还包括以下步骤：
步骤S31、所述非介入测温模型包括动态非介入测温模型与静态非介入测温模型，根据开关柜的设备状态信息及温度分布信息选择动态非介入测温模型或者静态非介入测温模型，计算开关柜的温度。
进一步地，所述动态非介入测温模型为
其中，θ1(t)为高压开关柜内部某间隔区间的集总热源温度；θ2(t)为开关柜顶部各区域的最高温度；θ0(t)为开关柜柜体环境温度，取柜体正面柜表的最低温度；A12为开关柜集总热源与柜顶面之间的传热热阻系数，为常数；A23为开关柜顶部各区域的最高温度与开关柜柜体环境温度之间的传热热阻系数，为常数；B12为开关柜的柜顶各区域的最高温度等温面内部全部物质总和的热容性系数，为常数；t为双视图像采样时间，则dθ2(t)/dt代表温度对于时间的导数。
进一步地，静态非介入测温模型的简化形式为：
可将此公式简化表达为：
θ1(t)＝θ2(t)+kΔθ2(t)
其中，
为非介入测温算法的静态模型系数；A12为开关柜集总热源与柜顶面之间的传热热阻系数，为常数；A23为开关柜顶部各区域的最高温度与开关柜柜体环境温度之间的传热热阻系数，为常数；θ1(t)为高压开关柜内部某间隔区间的集总热源温度；θ2(t)为开关柜顶部各区域的最高温度；θ0(t)为开关柜柜体环境温度，取柜体正面柜表的最低温度。
进一步地，所述步骤S4将所述非介入测温模型计算得到的开关柜的集总热源温度，与预设故障诊断阈值进行比较，对所述开关柜的运行状态进行诊断，具体为，采用第一诊断方法对所述开关柜的运行状态进行诊断，所述第一诊断方法为：
当
或
时，所述开关柜运行状态的诊断结果为正常；
当
或
时，所述开关柜运行状态的诊断结果为预警；
当
或
时，所述开关柜运行状态的诊断结果为报警；
其中θ1(t)为开关柜内部某间隔区间的集总热源温度；Δθ1(t)为θ1(t)-θ0(t)；θ0(t)为柜体环境温度，取柜体正面柜表的最低温度；
为集总热源“过热预警”状态的温度阈值；
为集总热源“过热报警”状态的温度阈值；
为集总热源“过热预警”状态的温升阈值；
为集总热源“过热报警”状态的温升阈值。
进一步地，所述步骤S4中将所述非介入测温模型计算得到的开关柜的集总热源温度，与预设故障诊断阈值进行比较，对所述开关柜的运行状态进行诊断，还包括：采用第二诊断方法对所述开关柜的运行状态进行诊断，所述第二诊断方法为：
当
或
时，所述开关柜运行状态的诊断结果为正常；
当
或
时，所述开关柜运行状态的诊断结果为预警；
当
或
时，所述开关柜运行状态的诊断结果为报警；θ2(t)为开关柜顶部各区域的最高温度；
其中，Δθ2(t)为θ2(t)-θ0(t)；θ0(t)为柜体环境温度，取柜体正面柜表的最低温度；
为非介入点“过热预警”状态的温度阈值；
为非介入点“过热报警”状态的温度阈值；
为非介入点“过热预警”状态的温升阈值；
为非介入点“过热报警”状态的温升阈值；
是根据非介入算法模型，从所述第一诊断方法的
反向计算得到：
进一步地，所述步骤S4还包括：采用横向比较法和纵向比较法对所述开关柜的运行状态进行诊断，所述横向比较法为在所述第二诊断方法的基础上，与同类型设备进行比较，以确认温升最高的设备；所述纵向比较法为将设备当前监测数据与本设备历史数据作比较，以判断所述设备是否存在异常。
本发明的目的之三采用如下技术方案实现：
一种装置，包括摄像模块与处理模块，所述摄像模块包括红外摄像机与可见光摄像机，且所述红外摄像机与可见光摄像机的镜头角度相同且所述红外摄像机与可见光摄像机与所述开关柜的顶部存在预设距离，以拍摄开关柜的实时图像或视频；所述实时图像或视频至少包括所述开关柜的预设区域；所述预设距离为0.5米～1米；
所述处理模块根据所述摄像模块的实时图像或视频监测所述开关柜的工作状态；所述处理模块包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一所述开关柜非介入式监测方法。
本发明的目的之三采用如下技术方案实现：
一种存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上任一所述的开关柜非介入式监测方法。
相比现有技术，本发明的有益效果在于：
本发明提供了一种开关柜非介入监测方法、装置、存储介质，对可见光图像、红外图像进行综合智能分析，捕捉设备运行中的异常，实现电力设备的故障智能诊断及告警，极大减少监测设备数量、占用空间。辅助工作人员进行运维决策与故障分析，提升供电可靠性，实现设备感知泛在化、应用分析智能化，从而提高电力设备管理业务效率与智能化水平。
附图说明
图1为本发明所提供实施例的结构示意图；
图2为本发明所提供实施例的处理模块进行监测诊断方法的流程示意图；
图3为本发明所提供实施例的步骤S2的流程示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
如图1所示，本申请提供了一种开关柜非介入监测方法，应用于非开关柜非介入监测装置，解决传统高压开关柜的温度监测中的传感器的数量多和安装工程复杂等问题。
具体的，所述开关柜非介入监测装置包括摄像模块与处理模块，所述摄像包括第一摄像机与第二摄像机，且所述第一摄像机与第二摄像机的镜头均与所述开关柜的顶部存在预设距离，以拍摄开关柜的实时图像或视频。所述实时图像或视频至少包括所述开关柜的预设区域。
第一摄像机与第二摄像机的位置与所述开关柜的顶部存在的预设距离不可过小，需要保证开关柜的顶部有足够的拍摄角度，使拍摄出来的实时图像或视频中有清晰且能够涵盖预设区域。因此，在本实施例中，第一摄像机选用红外摄像机，第二摄像机为可见光摄像机。所述红外摄像机、所述可见光摄像机与所述开关柜顶部的预设距离大于0.3米。所述预设距离优选为0.5米～1米，在本实施例中，优选为0.6米，确保能够拍摄到完整的开关柜顶面的全部区域、位于开关柜正面上方的仪表室区域，以通过实时图像或视频完整的提取到位于开关柜顶部的分区信息、位于所述开关柜正面的标牌信息及检测仪表信息。
所述红外摄像机与所述可见光摄像机镜头相同角度拍摄，获得相同位置的可见光与红外两种图像或视频。在本实施例中，所述红外摄像机、所述可见光摄像机的摄像头所在直线与下垂线形成45°夹角。当所述摄像模块拍的视频时，需要进行固定时间间隔的视频截图，以获得静态的实时图像。在本实施例中，时间间隔采用3分钟。在实际应用中，工作人员可以根据开关柜的负荷变化快慢调节时间间隔，一般时间间隔为0.5分钟～10分钟。
所述实时图像或视频中标记拍摄的时间、红外摄像机或可见光摄像机的拍摄角度及高度。所述红外摄像机与所述可见光摄像机可以是固定设置在墙上或者是通过轨道控制其运动或者方向，当通过轨道控制所述红外摄像机与可见光摄像机时，需要在图像中标记拍摄时红外摄像机与可见光摄像机的拍摄位置。
所述处理模块则与所述摄像模块通信连接。所述处理模块用于根据所述摄像模块的实时图像或视频监测所述开关柜的工作状态。处理模块可以为远程计算机或者云平台，或者所述处理模块可内置于所述摄像模块内，以便于快速处理所述实时图像或视频。所述处理模块接收所述实时图像或视频后，提取出所需要的设备状态信息，所述设备状态信息包括且不限于所检测开关柜的标牌号、顶部多个区域的最高温度数据、开关柜柜体的温度数据及温度采样时间点。通过所述设备状态信息，进一步计算、处理得到开关柜的运行状态诊断结论，实现了对高压开关柜的运行状态进行监测、诊断。
处理模块包括在线监测单元、图像处理单元、计算诊断单元、通信单元。所述在线监测单元与所述摄像模块连接，且与所述摄像模块双向通讯，用于接收、存储所述摄像模块发送的实时图像或视频及其标记信息。所述图像处理单元用于根据所述在线监测单元接收到的实时图像或视频，提取所述实时图像及视频内的设备状态信息。所述计算诊断单元用于根据所述图像处理单元的设备状态信息使用非介入算法，计算所述开关柜每个间隔区内导体的集总热源温度；对每个开关柜的非介入算法的模型参数进行管理，根据每个开关柜的标牌信息，判断开关柜的型号，调用匹配的非介入模型参数，计算并诊断开关柜的状态。
如图2所示，所述处理模块根据所述摄像模块的实时图像进行监测诊断方法的流程示意图，具体包括以下步骤：
步骤S1、获取所述摄像模块拍摄的红外图像与可见光图像，融合所述红外图像与所述可见光图像，形成双频融合图像。
红外图像和可见光图像在内容上具有互补性，红外图像传感器通过获取目标的红外辐射进行成像，可以通过红外图像获取目标的温度信息，红外成像受环境光线影响较小，成像一般较暗，分辨率较低、对边缘不敏感、背景信息模糊不清。用户可以通过红外图像看见设备中有过热的部分，但是不能准确的识别出设备中过热的具体部位。而可见光图像光谱信息丰富，能够保留更多的细节和纹理信息，但是需要有照明良好，没有温度信息。
二者的融合可以有效提高图像对场景细节与热目标的描述能力，以获得更准确、可靠和全面的场景描述，也便于人类视觉感知或计算机进一步处理和分析，在目标检测、物体识别等功能上具有更高的使用价值。将红外图像与可见光图像融合，旨在解决红外图像做设备区域目标检测不准确的问题，使红外图像中的细节显示更加明确。
融合所述红外图像与所述可见光图像，具体为，获取同一视角的红外图像与可见光图像；对可见光图像进行剪切，使所述可见光图像与红外图像视场完全相同；对可见光图像进行平滑滤波、浮雕处理，以获取对应浮雕图像；对所述浮雕图像与所述红外图像进行融合处理，提取浮雕图像的图像轮廓信息，并将所述图像轮廓信息转移到所述红外图像上，得到双频融合图像。
步骤S2、识别所述双频融合图像、红外图像与可见光图像，进行图像处理，以提取设备状态信息。图像处理单元运行图像处理程序，以提取出所需设备状态信息。具体的，如图3所示，所述步骤S2包括以下步骤：
步骤S21、对所述双频融合图像、红外图像与可见光图像进行电力设备轮廓的目标检测，分别分割目标检测框图像；首先对双频融合图像做自动的目标检测和区域分割。根据双频融合图像的分割结果，对红外图像和可见光图像做相同区域的分割，为后续的诊断方法提供直接的、准确的数据支持，并对分割出的区域，建立独立的图像文档并建档管理，用于下一步的处理。例如，对于可移出式断路器开关柜，可分割出的顶部间隔区域分别为：断路器室泄压窗、母排室泄压窗、电缆室泄压窗。
在本申请中，目标检测包括以下步骤：首先生成一个候选区域集合，候选区域是利用图像中的纹理、边缘和颜色等信息预先找出图中目标可能出现的位置，将所有候选区域作为训练样本输入到卷积神经网络CNN中进行训练，再将每个候选区域提取到的CNN特征输入到分类器SVM中进行训练，最后再分类器SVM分好类的候选区域进行边框回归以修正候选区域，以满足候选区域提取到的窗口与目标真实窗口更加吻合。
步骤S22、根据所述可见光图像的目标检测框图像，进行设备标牌的文字识别，根据文字识别结果分别命名双频融合图像、红外图像及可见光图像三者的目标检测框图像。对可见光图像中的目标检测框图像的开关柜标牌文字进行自动识别，所述标牌包括铭牌和编号牌，通过铭牌，识别提取出开关柜的型号、规格信息，通过编号牌，识别提取出开关柜的名称和编号信息。在本实施例中，使用基于OPENCV软件开发环境的特征提取与模板匹配方法进行文字识别。
步骤S23、根据所述双频融合图像及红外图像的目标检测框图像进行设备区域分割，得到红外设备区域分割图像；通过红外图像温度算法提取红外设备区域分割图像的温度分布信息。对上述各间隔区域的红外分割图，根据已有的温度提取算法，计算并输出最高温度，作为该间隔区域的特征温度。另外，通过原红外图像中，计算出一个最低温度，作为该开关柜的柜体环境温度。在本申请中，采用红外像素多项式拟合标定算法，进行提取温度的方法。
步骤S3、根据所述设备状态信息及温度分布信息，根据非介入测温模型计算开关柜的集总热源温度。
高压开关柜柜体表面与柜内导体温度有一定的相关性。基于传热学原理，研究分析柜内导体到柜外环境之间的热量传递过程，建立柜体表面与柜内导体温度关系模型。根据热力学第一定律，导入物体的净热流量与物体内热源发热量之和，应等于物体内能的增加量，从而得到热平衡式：导入热量+内热源发热量＝内能的增加量，进一步推导出非介入测温模型。
开关柜柜体表面的温升，会受到负载回路导体发热功率、导体间接触电阻热功率、柜体环境温度、柜体散热结构和材料、热平衡时间等物理量的影响。通过非介入测温模型可以从开关柜表面的温度分布数据，推算出在一定条件下的柜内导体的可能温度，从而对开关柜内设备的状态做出诊断。
在非介入测温模型中，开关柜热系统的动态过程进行描述，可以较准确的体现并计算开关柜热系统在变化过程中的温度状态。但是相对来说，动态过程的模型比静态过程的模型，具有较多的模型参数，需要更多的监测数据，并且对模型参数和监测数据的要求较高。因此，非介入测温模型包括动态非介入测温模型与静态非介入测温模型。在本申请中还设置有：
步骤S31、根据开关柜的设备状态信息及温度分布信息选择动态非介入测温模型或者静态非介入测温模型，计算开关柜的温度。在实际使用中，采用动态算法或静态算法，应根据工程设备使用条件进行分析选择，对于经常处于负荷变动或环境温度变化的场景，应采用动态非介入测温模型；对于负荷较少变动和环境温度变化缓慢的场景，应采用静态非介入测温模型。
所述动态非介入测温模型为：
其中，θ1(t)为高压开关柜内部某间隔区间的集总热源温度(下面简称“集总热源温度”)；θ2(t)为开关柜顶部各区域的最高温度；θ0(t)为开关柜柜体环境温度，取柜体正面柜表的最低温度；A12为开关柜集总热源与柜顶面之间的传热热阻系数，为常数；A23为开关柜顶部各区域的最高温度与开关柜柜体环境温度之间的传热热阻系数，为常数；B12为开关柜的柜顶各区域的最高温度等温面内部全部物质总和的热容性系数，为常数；t为双视图像采样时间，则dθ2(t)/dt代表温度对于时间的导数。非介入测温模型根据开关柜的顶部各区域的最高温度数据、柜体环境温度数据，以及各温度的采样时间点，推算出集总热源温度，揭示了开关柜整体上(内部与外部)空间的温度分布及其随时间变化的规律。
静态工作环境是指物理量不随时间而发生变化，处于静止不变的状态，是较为相对理想的状态。静态非介入测温模型的简化形式为：
可将此公式简化表达为：
θ1(t)＝θ2(t)+kΔθ2(t)
其中，
为非介入测温算法的静态模型系数，简称为模型系数。
模型系数k是开关柜设备的物理特征系数，一般的工程应用中，粗略的将模型系数k作为常系数，通过实验的方法进行拟合并验证。在某些特殊的应用中，也可将模型系数k作为变量系数，通过实验拟合出其与材料温度间及柜体环境温度之间的函数关系。开关柜不同的间隔区域具有不同的模型系数k；相同规格的开关柜相同的间隔区域具有相近似的模型系数k。处理模块的计算诊断单元应根据开关柜的规格和间隔区域，匹配选择对应的模型系数k。
在实际应用中，开关柜内存在多个不同中心热点的热源，热源之间有不同的相互影响，例如：A相母排与A相断路器触头，他们之间通过金属铜导体连接，存在着较大的热传导相关性，因而可将同一相金属导体视为一个热源；而A相断路器触头与B相断路器触头是两个不同热点的热源，他们之间距离很接近，但相互之间绝热隔离。对于高压开关柜来说，任何一个间隔区域，都可以粗略的按照A、B、C三相金属导体划分为三个不同的物理热源，又因为三相金属导体，各相之间的体积和热容量相近，在诊断的过程中，将三相热源视为热容量相同，因此近似的有：集总热源温度等效于三相金属导体最高温度的平均值。非介入测温模型无法判断三相发热不平衡的状况。当此开关柜内三相发热量严重不均衡时，会出现按标准模型计算出的集总热源温度小于实际最高温度的情况。
为了工程应用的普遍适用性和可靠性，通常需要对开关柜的三相发热平衡状态做出一定的假设条件，例如优选的，在正常情况下开关柜三相发热不平衡大概率的为10％，而适当调高非介入模型参数，即模型系数k，以便于所述模型系数适用于大部分同型号开关柜设备。
步骤S4、将所述非介入测温模型计算得到的开关柜的集总热源温度，与预设故障诊断阈值进行比较，对所述开关柜的运行状态进行诊断。
根据所述非介入测温模型，可以根据非介入点温度推算出柜体内部金属导体的集总热源温度，或通过柜体内部金属导体的集总热源温度推算出非介入点温度，在根据推算温度或实测温度，结果标准的诊断阈值进行判断，即可对设备的运行温升状态做出诊断。
将推算出的集总热源温度及预设故障诊断阈值比较，具体两种诊断方法如下表所示。
第一诊断方法如下所示：
表1
θ1(t)为高压开关柜内部某间隔区间的集总热源温度；
Δθ1(t)为θ1(t)-θ0(t)；θ0(t)为柜体环境温度，取柜体正面柜表的最低温度；
上述阈值可参照《GBT 11022-2011高压开关设备和控制设备标准的共用技术要求》中相关温度和温升极限标准进行设置，根据不同类型的柜体、不同的金属导体材料，做不同的阈值设置。例如，对于裸铜材料的断路器触头，设置的诊断阈值为：
第二诊断方法如下所述：根据非介入测温模型，计算出集总热源温度诊断阈值所对应的柜体表面的温度值，作为柜体表面实测温度的诊断阈值，从而对开关柜运行状态进行诊断。
表2
θ2(t)为开关柜顶部各区域的最高温度；
Δθ2(t)为θ2(t)-θ0(t)；θ0(t)为柜体环境温度，取柜体正面柜表的最低温度；应用中应取图像处理程序给出的实测值，如果缺失柜体环境温度时，可优化的，令柜体环境温度θ0＝40℃。
其中，
是根据非介入算法模型，从诊断方法一中的
反向计算得到；具体过程如下所示，静态非介入测温模型中：
其中：
为已知的设定值，A23，A12为常数，θ0为监测值，
则可求出对应的
上述两个诊断方法，都以传热学的非介入模型为基础，仅以设备的温度或温升数据对设备运行状态进行监测和诊断，局限性在于，仅当开关柜设备有足够高的运行温度，即过热或趋于过热时，才能做出诊断。
因此，在本实施例中，同时采用横向比较法和纵向比较法，以增加故障诊断的可靠性。所述横向比较法为在上述方法的基础上，对一个配电房或变电站内的同类型设备做横向的比较诊断，便于找到温升最高的设备，而缩小设备重点监控范围。而纵向比较法为设备当前监测数据与本设备历史数据的比较诊断，便于辅助判断设备近期是否出现异常。为了增加故障诊断的数据维度，拓宽可诊断范围，在上述方法的基础上，可增加设备负荷数据的监测，并参与计算和诊断，无需设备实际有很大的负载或很高的温度，就可以实现设备健康和故障隐患状态的诊断。
步骤S5、对开关柜的诊断结果进行分类，根据分类结果提供匹配的报警信息。根据不同分类结果提供对应的报警信息，如报警声音、报警灯光、报警短信等多种方式，以提醒工作人员。
本发明公开了一种开关柜非介入监测方法、开关柜非介入监测装置，对可见光图像、红外图像进行综合智能分析，捕捉设备运行中的异常，实现电力设备的故障智能诊断及告警，极大减少监测设备数量、占用空间。辅助工作人员进行运维决策与故障分析，提升供电可靠性，实现设备感知泛在化、应用分析智能化，从而提高电力设备管理业务效率与智能化水平。
另外，本发明还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述开关柜非介入式监测方法的步骤。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种开关柜非介入式监测方法，其特征在于，本方法包括以下步骤：
步骤S1、获取拍摄的红外图像与可见光图像，融合所述红外图像与所述可见光图像，形成双频融合图像；
步骤S2、识别所述双频融合图像、红外图像与可见光图像，进行图像处理，以提取设备状态信息；
步骤S3、根据所述设备状态信息及温度分布信息，根据非介入测温模型计算开关柜的集总热源温度；
步骤S4、将所述非介入测温模型计算得到的开关柜的集总热源温度，与预设故障诊断阈值进行比较，对所述开关柜的运行状态进行诊断。
2.如权利要求1所述的开关柜非介入式监测方法，其特征在于，所述步骤S2包括以下步骤：
步骤S21、识别所述双频融合图像、红外图像与可见光图像，进行图像处理，以提取设备状态信息；
步骤S22、根据所述可见光图像的目标检测框图像，进行设备标牌的文字识别，根据文字识别结果分别命名双频融合图像、红外图像及可见光图像三者的目标检测框图像；
步骤S23、根据所述双频融合图像及红外图像的目标检测框图像进行设备区域分割，得到红外设备区域分割图像；通过红外图像温度算法提取红外设备区域分割图像的温度分布信息。
3.如权利要求1所述的开关柜非介入式监测方法，其特征在于，所述步骤S3还包括以下步骤：
步骤S31、所述非介入测温模型包括动态非介入测温模型与静态非介入测温模型，根据开关柜的设备状态信息及温度分布信息选择动态非介入测温模型或者静态非介入测温模型，计算开关柜的温度。
4.如权利要求3所述的开关柜非介入式监测方法，其特征在于，所述动态非介入测温模型为
其中，θ1(t)为高压开关柜内部某间隔区间的集总热源温度；θ2(t)为开关柜顶部各区域的最高温度；θ0(t)为开关柜柜体环境温度，取柜体正面柜表的最低温度；A12为开关柜集总热源与柜顶面之间的传热热阻系数，为常数；A23为开关柜顶部各区域的最高温度与开关柜柜体环境温度之间的传热热阻系数，为常数；B12为开关柜的柜顶各区域的最高温度等温面内部全部物质总和的热容性系数，为常数；t为双视图像采样时间，则dθ2(t)/dt代表温度对于时间的导数。
5.如权利要求3所述的开关柜非介入式监测方法，其特征在于，静态非介入测温模型的简化形式为：
可将此公式简化表达为：
θ1(t)＝θ2(t)+kΔθ2(t)
其中，
为非介入测温算法的静态模型系数；A12为开关柜集总热源与柜顶面之间的传热热阻系数，为常数；A23为开关柜顶部各区域的最高温度与开关柜柜体环境温度之间的传热热阻系数，为常数；θ1(t)为高压开关柜内部某间隔区间的集总热源温度；θ2(t)为开关柜顶部各区域的最高温度；θ0(t)为开关柜柜体环境温度，取柜体正面柜表的最低温度。
6.如权利要求1所述的开关柜非介入式监测方法，其特征在于，所述步骤S4将所述非介入测温模型计算得到的开关柜的集总热源温度，与预设故障诊断阈值进行比较，对所述开关柜的运行状态进行诊断，具体为，采用第一诊断方法对所述开关柜的运行状态进行诊断，所述第一诊断方法为：
当
或
时，所述开关柜运行状态的诊断结果为正常；
当
或
时，所述开关柜运行状态的诊断结果为预警；
当
或
时，所述开关柜运行状态的诊断结果为报警；
其中θ1(t)为开关柜内部某间隔区间的集总热源温度；Δθ1(t)为θ1(t)-θ0(t)；θ0(t)为柜体环境温度，取柜体正面柜表的最低温度；
为集总热源“过热预警”状态的温度阈值；
为集总热源“过热报警”状态的温度阈值；
为集总热源“过热预警”状态的温升阈值；
为集总热源“过热报警”状态的温升阈值。
7.如权利要求6所述的开关柜非介入式监测方法，其特征在于，所述步骤S4中将所述非介入测温模型计算得到的开关柜的集总热源温度，与预设故障诊断阈值进行比较，对所述开关柜的运行状态进行诊断，还包括：采用第二诊断方法对所述开关柜的运行状态进行诊断，所述第二诊断方法为：
当
或
时，所述开关柜运行状态的诊断结果为正常；
当
或
时，所述开关柜运行状态的诊断结果为预警；
当
或
时，所述开关柜运行状态的诊断结果为报警；θ2(t)为开关柜顶部各区域的最高温度；
其中，Δθ2(t)为θ2(t)-θ0(t)；θ0(t)为柜体环境温度，取柜体正面柜表的最低温度；
为非介入点“过热预警”状态的温度阈值；
为非介入点“过热报警”状态的温度阈值；
为非介入点“过热预警”状态的温升阈值；
为非介入点“过热报警”状态的温升阈值；
是根据非介入算法模型，从所述第一诊断方法中的
反向计算得到：
8.如权利要求7所述的开关柜非介入式监测方法，其特征在于，所述步骤S4还包括：采用横向比较法和纵向比较法对所述开关柜的运行状态进行诊断，所述横向比较法为在所述第二诊断方法的基础上，与同类型设备进行比较，以确认温升最高的设备；所述纵向比较法为将设备当前监测数据与本设备历史数据作比较，以判断所述设备是否存在异常。
9.一种装置，其特征在于，包括摄像模块与处理模块，所述摄像模块包括红外摄像机与可见光摄像机，且所述红外摄像机与可见光摄像机的镜头角度相同且所述红外摄像机与可见光摄像机与所述开关柜的顶部存在预设距离，以拍摄开关柜的实时图像或视频；所述实时图像或视频至少包括所述开关柜的预设区域；所述预设距离为0.5米～1米；
所述处理模块根据所述摄像模块的实时图像或视频监测所述开关柜的工作状态；所述处理模块包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1～8任一所述开关柜非介入式监测方法。
10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被执行时实现权利要求1～8任一所述的开关柜非介入式监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110968187.4A CN113794857A (zh) | 2021-08-23 | 2021-08-23 | 一种开关柜非介入式监测方法、装置、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110968187.4A CN113794857A (zh) | 2021-08-23 | 2021-08-23 | 一种开关柜非介入式监测方法、装置、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113794857A true CN113794857A (zh) | 2021-12-14 |
Family
ID=78876242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110968187.4A Pending CN113794857A (zh) | 2021-08-23 | 2021-08-23 | 一种开关柜非介入式监测方法、装置、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113794857A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114228784A (zh) * | 2021-12-31 | 2022-03-25 | 成都华动科技有限公司 | 机车车辆电气风险感应系统 |
| CN117073848A (zh) * | 2023-10-13 | 2023-11-17 | 中国移动紫金(江苏)创新研究院有限公司 | 测温方法、装置、设备及存储介质 |
| CN117783793A (zh) * | 2024-02-23 | 2024-03-29 | 泸州老窖股份有限公司 | 一种开关柜的故障监测方法及系统 |
-
2021
- 2021-08-23 CN CN202110968187.4A patent/CN113794857A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114228784A (zh) * | 2021-12-31 | 2022-03-25 | 成都华动科技有限公司 | 机车车辆电气风险感应系统 |
| CN117073848A (zh) * | 2023-10-13 | 2023-11-17 | 中国移动紫金(江苏)创新研究院有限公司 | 测温方法、装置、设备及存储介质 |
| CN117783793A (zh) * | 2024-02-23 | 2024-03-29 | 泸州老窖股份有限公司 | 一种开关柜的故障监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113794857A (zh) | 一种开关柜非介入式监测方法、装置、存储介质 | |
| CN103901072B (zh) | 利用红外图谱分析诊断设备过热缺陷的方法 | |
| Jadin et al. | Recent progress in diagnosing the reliability of electrical equipment by using infrared thermography | |
| Jaffery et al. | Design of early fault detection technique for electrical assets using infrared thermograms | |
| CN109271844B (zh) | 基于OpenCV的电气柜电气符号识别方法 | |
| CN110174174A (zh) | 基于红外热和可见光成像的检测终端及其使用方法 | |
| dit Leksir et al. | Localization of thermal anomalies in electrical equipment using Infrared Thermography and support vector machine | |
| KR100844961B1 (ko) | 열화상 패턴 인식을 이용한 전기설비 자동 감시 진단 방법및 시스템 | |
| CN105388414A (zh) | 一种隔离开关的全方位故障自动识别方法 | |
| CN111198040B (zh) | 电气设备状态监测及故障预警系统 | |
| CN112017173B (zh) | 基于目标检测网络和结构化定位的电力设备缺陷检测方法 | |
| CN111751002A (zh) | 一种基于红外热成像的带电设备故障智能诊断方法 | |
| CN112257632A (zh) | 一种基于边缘计算的变电站监测系统 | |
| CN103471722A (zh) | 智能移动式在线测温系统 | |
| CN112734698A (zh) | 基于红外图像的电缆终端异常诊断方法和装置 | |
| CN112595936A (zh) | 基于无人机巡检的输电线复合绝缘子智能检测系统 | |
| US20220057271A1 (en) | Apparatus for monitoring a switchgear | |
| CN108180960A (zh) | 一种变压器的油位状态检测方法和装置 | |
| Jadin et al. | Image processing methods for evaluating infrared thermographic image of electrical equipments | |
| CN112734637B (zh) | 一种导线温度监测的热红外图像处理方法和系统 | |
| CN111428987A (zh) | 一种基于人工智能的继保装置图像识别方法和系统 | |
| CN111913102A (zh) | 一种高压隔离开关图像识别和温度检测系统 | |
| CN110045242B (zh) | 一种开关柜内弧光监测方法、系统、介质及设备 | |
| CN106248215A (zh) | 一种电力变压器关键部件运行温度的实时测算系统 | |
| CN113794856A (zh) | 一种开关柜非介入式监测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |