CN114842002A - 一种检测油浸式变压器故障的方法 - Google Patents

一种检测油浸式变压器故障的方法 Download PDF

Info

Publication number
CN114842002A
CN114842002A CN202210776186.4A CN202210776186A CN114842002A CN 114842002 A CN114842002 A CN 114842002A CN 202210776186 A CN202210776186 A CN 202210776186A CN 114842002 A CN114842002 A CN 114842002A
Authority
CN
China
Prior art keywords
combined
image
circle
transformer
ring
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.)
Granted
Application number
CN202210776186.4A
Other languages
English (en)
Other versions
CN114842002B (zh
Inventor
陈尔奎
肖正峰
黄雅婷
杨艳艳
曹振华
侯颜军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Huashang Electric Co ltd
Original Assignee
Shandong Huashang Electric Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Huashang Electric Co ltd filed Critical Shandong Huashang Electric Co ltd
Priority to CN202210776186.4A priority Critical patent/CN114842002B/zh
Publication of CN114842002A publication Critical patent/CN114842002A/zh
Application granted granted Critical
Publication of CN114842002B publication Critical patent/CN114842002B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Abstract

本发明涉及变压器故障检测技术领域，具体涉及一种检测油浸式变压器故障的方法，该方法包括：获取变压器的故障边缘图像，并提取闭合边缘区域，拟合区域的最小外接圆和最大内接圆，根据所述圆心坐标和半径计算闭合边缘区域的评价性指标；将一个闭合边缘区域的最小外接圆和其相邻闭合边缘区域的最小外接圆，记为组合圆环；根据组合圆环中两圆之间的灰度差异和梯度差异以及相对位置距离，计算组合圆环的轮廓评价性指标；根据闭合边缘区域的评价性指标和所述轮廓评价性指标得到组合圆环的可能性指标，若组合圆环的可能性指标小于可能性阈值，则变压器发生涡流损耗发热故障。本发明能够准确且快捷的获取变压器的故障。

Description

一种检测油浸式变压器故障的方法
技术领域
本发明涉及变压器故障检测技术领域，具体涉及一种检测油浸式变压器故障的方法。
背景技术
随着国民经济的快速发展，电网规模迅速扩大，变电设备作为电网中能源传输的核心和枢纽，必须确保其持续、稳定和可靠的运行以杜绝电网发生重大故障。变电设备中的油浸式变压器是变电站的核心，其安全可靠的运行是电网正常稳定运行的基础，一旦其发生火灾，会造成整个区域电网瘫痪，严重危害供电可靠性和安全性。
为了保证电网正常稳定运行需要在油浸式变压器故障之前对其进行更换或维修，以避免其出现故障影响电网运行。对变压器进行故障检测使用最广泛的方法是油色谱分析法，即需要提取油浸式变压器中的油，对其成分进行分析，再进一步判断。而这种方法无疑是一种很复杂的过程，需要很长时间，费时费力。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种检测油浸式变压器故障的方法，所采用的技术方案具体如下：
获取变压器的热力图像和表面图像，根据热力图像和表面图像的边缘信息得到故障边缘图像；获取故障边缘图像中闭合边缘区域，分别拟合所述闭合边缘区域的最小外接圆和最大内接圆，并获取最小外接圆和最大内接圆的圆心坐标和半径；根据所述圆心坐标和半径计算闭合边缘区域的评价性指标；
根据所有闭合边缘区域的最小外接圆的圆心点进行拟合得到圆，并获取得到的圆的圆心记为拟合圆心点；以拟合圆心点为端点做预设数量的射线记为圆心线；将一个闭合边缘区域的最小外接圆和其相邻闭合边缘区域的最小外接圆，记为组合圆环；
获取圆心线与组合圆环中两圆交点处的灰度值和位置坐标，以及所述两圆交点之间的线段上灰度值最低处的位置坐标，根据所述两圆交点处的灰度值和位置坐标、灰度值最低处的位置坐标计算圆心线对应的组合圆环的灰度差异；获取拟合圆心点与所述两圆交点之间的线段上灰度值最低处的距离长度，根据所述距离长度和灰度差异计算组合圆环的轮廓评价性指标；
根据组合圆环的轮廓评价指标和组合圆环对应的闭合边缘区域的评价性指标，得到组合圆环的可能性指标，设定可能性阈值，若组合圆环的可能性指标小于可能性阈值，则组合圆环对应的闭合边缘区域为因磁漏产生的圆环，变压器发生涡流损耗发热故障。
优选地，所述热力图像利用热力成像仪获取的，所述表面图像利用普通相机获取的，且热力成像仪与所述相机的拍摄角度相同。
优选地，所述根据热力图像和表面图像的边缘信息得到故障边缘图像具体为：
分别提取热力图像和表面图像的边缘信息得到热力边缘图像和表面边缘图像；获取热力边缘图像和表面边缘图像上重合的边缘信息得到综合边缘图像，根据热力边缘图像和综合边缘图像的差值得到故障边缘图像。
优选地，所述闭合边缘区域的评价性指标的获取方法具体为：
Figure DEST_PATH_IMAGE001
其中，
Figure 425804DEST_PATH_IMAGE002
表示闭合边缘区域u的评价性指标，
Figure 877645DEST_PATH_IMAGE003
表示闭合边缘区域u的最小外接圆的圆心坐标，
Figure 210537DEST_PATH_IMAGE004
表示闭合边缘区域u的最大内接圆的圆心坐标，
Figure 694084DEST_PATH_IMAGE005
和
Figure 188650DEST_PATH_IMAGE006
分别表示闭合边缘区域u的最小外接圆和最大内接圆的半径。
优选地，所述灰度差异的获取方法具体为：
Figure 393366DEST_PATH_IMAGE007
其中，h表示灰度差异，
Figure 998791DEST_PATH_IMAGE008
和
Figure 339774DEST_PATH_IMAGE009
分别表示圆心线与组合圆环中两圆的相交点坐标，
Figure 270821DEST_PATH_IMAGE010
和
Figure 697254DEST_PATH_IMAGE011
分别表示所述两圆的相交点的灰度值；
Figure 109299DEST_PATH_IMAGE012
表示圆心线与组合圆环中两圆交点之间的线段上灰度值最低处的位置坐标，
Figure 570368DEST_PATH_IMAGE013
表示所述灰度值最低处的灰度值。
优选地，所述轮廓评价性指标的获取方法具体为：
Figure 672316DEST_PATH_IMAGE014
其中，F表示组合圆环的轮廓评价性指标，
Figure 586045DEST_PATH_IMAGE015
和
Figure 533273DEST_PATH_IMAGE016
分别表示第i条圆心线和第i+1条圆心线对应的灰度差异，
Figure 114427DEST_PATH_IMAGE017
和
Figure 121697DEST_PATH_IMAGE018
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点之间的线段上灰度值最低处到拟合圆心点的距离长度，
Figure 519793DEST_PATH_IMAGE019
和
Figure 536290DEST_PATH_IMAGE020
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点之间的线段上灰度值最低处的灰度值，
Figure 971951DEST_PATH_IMAGE021
和
Figure 415702DEST_PATH_IMAGE022
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点的灰度值的差值。
优选地，所述组合圆环的可能性指标的获取方法具体为：
Figure 38444DEST_PATH_IMAGE023
其中，
Figure 593053DEST_PATH_IMAGE024
表示组合圆环的可能性指标，F表示组合圆环的轮廓评价性指标，
Figure 617641DEST_PATH_IMAGE002
和
Figure 246942DEST_PATH_IMAGE025
分别表示组合圆环中对应的闭合边缘区域u和闭合边缘区域v的评价性指标，
Figure 622559DEST_PATH_IMAGE026
表示组合圆环中对应的闭合边缘区域u的最小外接圆的圆周上像素点灰度值的均值，
Figure 715280DEST_PATH_IMAGE027
表示组合圆环中对应的闭合边缘区域u的最小外接圆的圆周上像素点灰度值的均值。
本发明实施例至少具有如下有益效果：
本发明通过闭合边缘区域的最小外接圆和最大内接圆的相关指标对闭合边缘区域的轮廓进行分析，计算闭合边缘区域的评价性指标，同时将相邻的两个闭合边缘区域的最小外接圆看作一个整体进行分析，并根据圆环中两个圆之间的灰度差异和梯度差异以及相对位置距离，计算组合圆环的轮廓评价性指标。结合闭合边缘区域的评价性指标和所述轮廓评价性指标得到组合圆环的可能性指标，进而可以得到相邻的两个闭合边缘区域为不规则圆环的可能性。
本发明能够有效的检测出闭合边缘区域的不规则程度，能够在外形上对闭合边缘区域进行研究，同时结合了特殊的灰度变化特征对相邻的两个闭合边缘区域进行分析，能够准确且快捷的识别出变压器的故障。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1是本发明的一种检测油浸式变压器故障的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种检测油浸式变压器故障的方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种检测油浸式变压器故障的方法的具体方案。
本发明所针对的具体场景为：使用热力成像仪获取热力图像，实时检测油浸式变压器的热力变化。变压器箱体因涡流损耗所造成的发热的原因：变压器在漏磁的情况下会产生涡流损耗，它能引起变压器箱体或部分连接螺杆发热，其热像特征是以漏磁穿过区域为中心，层次分明的不规则圆环。这种因涡流损耗所造成的箱体发热其温度一般不得超过95℃，如果超温，需对变压器进行停运检修，这种缺陷可以通过采用加装短路环的方式来消除漏磁现象。
请参阅图1，其示出了本发明一个实施例提供的一种检测油浸式变压器故障的方法的步骤流程图，该方法包括以下步骤：
步骤一，获取变压器的热力图像和表面图像，根据热力图像和表面图像的边缘信息得到故障边缘图像；获取故障边缘图像中闭合边缘区域，分别拟合所述闭合边缘区域的最小外接圆和最大内接圆，并获取最小外接圆和最大内接圆的圆心坐标和半径；根据所述圆心坐标和半径计算闭合边缘区域的评价性指标。
首先，利用热成像仪获取变压器的热力图像，利用普通的工业相机获取变压器的表面图像，且热力成像仪与所述相机的拍摄角度相同。分别对热力图像和表面图像进行灰度化处理后，再对图像使用canny算子进行边缘检测，分别提取所述热力图像和表面图像的边缘信息得到热力边缘图像和表面边缘图像；获取热力边缘图像和表面边缘图像上重合的边缘信息得到综合边缘图像，获取热力边缘图像和综合边缘图像的差值图像得到故障边缘图像。
其中，对于变压器的表面图像经过边缘检测后得到的表面边缘图像中主要包含了变压器的边缘。在变压器的热力图像经过边缘检测后得到热力边缘图像中，主要包含的都是边缘信息，由于是对热力图像进行边缘检测，若变压器存在因涡流损耗所造成发热现象，其热力图像除了变压器自身边缘之外，还存在层次分明的不规则圆环会被提取边缘信息。故在热力边缘图像中可能存在变压器自身的边缘和层次不规则圆环的边缘。因此通过获取表面边缘图像与热力边缘图像中重合的边缘信息得到综合边缘图像，则综合边缘图像可以认为是将两个边缘图像中高度重合的边缘信息提取出来进而获取了变压器自身的边缘。
由于热力边缘图像包含变压器自身边缘和可能存在变压器故障导致的层次不规则圆环的边缘，而综合边缘图像中包含变压器自身的边缘，故通过获取热力边缘图像与综合边缘图像的差值，可以认为将变压器自身的边缘通过作差的方式过滤掉，只保留由于变压器故障可能会存在的边缘，进而再对这些边缘进行分析研究。
需要说明的是，根据图像可知热力边缘图像中不仅仅包含因热力变化而形成的边缘，还包括变压器自身纹理边缘，为了方便对热力变化形成的边缘进行分析，减少其它干扰，故需要将变压器自身纹理信息去除。利用热力边缘图像和综合边缘图像的差值得到故障边缘图像，该图像便是仅仅由变压器发热所产生的边缘图像，不包含其他任何变压器纹理信息。
然后，获取故障边缘图像中闭合边缘区域，需要对这些闭合边缘区域进行分析，得到这些边缘区域为不规则圆环的可能性。通过对故障边缘图像上的梯度信息进行分析可知，当变压器箱体因涡流损耗而造成发热故障时，热像特征是呈现以漏磁穿过区域为中心、层次分明的不规则圆环。不规则圆环从外到内，其梯度的变化为方向上的变化，而梯度方向的变化会随着灰度值的变化而变化。同时，灰度值的变化可能是很大的，故可通过闭合的边缘轮廓之间的灰度值变化来进行判断轮廓是否为不规则的圆环。
需要说明的是，获取闭合边缘区域是获取闭合的边缘内的区域，本质上是获取边缘图像上闭合的轮廓内的区域，可以通过OpenCV库中自带的函数能统计闭合的轮廓，进而获取闭合的轮廓内的区域，得到闭合边缘区域。
最后，获取故障边缘图像中各闭合边缘区域的中心点，根据各闭合边缘区域的中心点位置进行聚类，利用DBSCAN聚类算法，将所述中心点位置相近的区域聚为一类，获取其中闭合边缘区域数量最多的一类进行后续的研究。其中，进行聚类的目的是：故障边缘图像上的边缘信息可能存在噪声点，进而导致可能存在少数闭合边缘区域的位置较为离散，故需要利用聚类算法，获取在图像上位置较为相近的一些区域，对这些区域是不规则圆环的可能性进行分析。实施者也可根据实际情况，利用其他更加合适的方法进行处理。
分别拟合闭合边缘区域的最小外接圆和最大内接圆，并获取最小外接圆和最大内接圆的圆心坐标和半径；根据所述圆心坐标和半径计算闭合边缘区域的评价性指标，用公式表示为：
Figure 859954DEST_PATH_IMAGE001
其中，
Figure 645507DEST_PATH_IMAGE002
表示闭合边缘区域u的评价性指标，
Figure 508421DEST_PATH_IMAGE003
表示闭合边缘区域u的最小外接圆的圆心坐标，
Figure 401903DEST_PATH_IMAGE004
表示闭合边缘区域u的最大内接圆的圆心坐标，
Figure 135504DEST_PATH_IMAGE005
和
Figure 357538DEST_PATH_IMAGE006
分别表示闭合边缘区域u的最小外接圆和最大内接圆的半径。
需要说明的是，本实施例通过闭合边缘区域的最小外接圆和最大内接圆的相关指标对闭合边缘区域的轮廓进行分析，能够获取该闭合边缘区域的不规则程度，能够在外形上对闭合边缘区域进行研究。
步骤二，将一个闭合边缘区域的最小外接圆和其相邻闭合边缘区域的最小外接圆，记为组合圆环，并计算组合圆环的轮廓评价性指标。
首先，获取所有闭合边缘区域的最小外接圆的圆心点，根据所述圆心点进行拟合得到拟合圆，并获取该圆的圆心记为拟合圆心点。以拟合圆心点为端点做预设数量的射线记为圆心线，并将一个闭合边缘区域的最小外接圆和其相邻闭合边缘区域的最小外接圆，记为组合圆环。
需要说明的是，根据一些点进行拟合得到圆为公知技术，在此不再过多赘述。在由于变压器故障形成的不规则圆环上，根据两个相邻圆环之间的灰度特征可知，从一圆环到另一圆环的灰度值变化是先变小，然后再变大。由于灰度值增大的方向为梯度方向，进而从一圆环到另一相邻的圆环之间的梯度方向随着灰度值的变化而变化。故本发明通过对相邻两个闭合边缘区域之间的灰度变化进行分析，得到这两个闭合边缘区域为不规则圆环的可能性。
然后，获取圆心线与组合圆环中两圆交点处的灰度值和位置坐标，以及所述两圆交点之间的线段上灰度值最低处的位置坐标，根据所述两圆交点处的灰度值和位置坐标、灰度值最低处的位置坐标计算圆心线对应的组合圆环的灰度差异。
具体地，获取了以拟合圆心点为端点的预设数量的射线，这些射线分别交到各个闭合边缘区域的最小外接圆上，通过各个射线与闭合边缘区域的最小外接圆交点之间的灰度变化进行分析。本实施例中，所述预设数量的射线包含了各个方向上的射线，使得在各个方向上能够对组合圆环中两圆环之间的灰度变化进行研究。同时，根据各个闭合边缘区域最小外接圆的轮廓到拟合圆心点的距离判断各个闭合边缘区域位置距离的相对远近，预设数量的取值实施者可根据实际情况进行选择。
计算圆心线对应的组合圆环的灰度差异，用公式表示为：
Figure 176589DEST_PATH_IMAGE028
其中，h表示灰度差异，
Figure 345534DEST_PATH_IMAGE008
和
Figure 464799DEST_PATH_IMAGE009
分别表示圆心线与组合圆环中两圆的相交点坐标，
Figure 326576DEST_PATH_IMAGE010
和
Figure 901433DEST_PATH_IMAGE011
分别表示所述两圆的相交点的灰度值；
Figure 405226DEST_PATH_IMAGE012
表示圆心线与组合圆环中两圆交点之间的线段上灰度值最低处的位置坐标，
Figure 378998DEST_PATH_IMAGE013
表示所述灰度值最低处的灰度值。需要说明的是，灰度差异h也能够反映圆心线和组合圆环中两圆的交点处，与所述两圆之间灰度值最低处的梯度差异。
最后，根据相邻的两个闭合边缘区域，判断该区域的最小外接圆之间的灰度变化。根据变压器故障时其热像特征呈现的不规则圆环特征可知，组合圆环之间的灰度变化特征为：从一圆环到另一圆环的灰度变化是先变小，然后再变大。根据拟合圆心点平均划分出D个射线记为圆心线，通过计算组合圆环内两个闭合边缘区域最小外接圆的轮廓之间的灰度变化，进而得到轮廓为不规则圆环的可能性。
具体地，计算组合圆环的轮廓评价性指标，用公式表示为：
Figure 677256DEST_PATH_IMAGE029
其中，F表示组合圆环的轮廓评价性指标，
Figure 470899DEST_PATH_IMAGE015
和
Figure 778384DEST_PATH_IMAGE016
分别表示第i条圆心线和第i+1条圆心线对应的灰度差异，
Figure 338154DEST_PATH_IMAGE017
和
Figure 541733DEST_PATH_IMAGE018
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点之间的线段上灰度值最低处到拟合圆心点的距离长度，
Figure 88252DEST_PATH_IMAGE019
和
Figure 933848DEST_PATH_IMAGE020
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点之间的线段上灰度值最低处的灰度值，
Figure 882213DEST_PATH_IMAGE021
和
Figure 522273DEST_PATH_IMAGE022
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点的灰度值的差值。
需要说明的是，本实施例将相邻的两个闭合边缘区域的最小外接圆记为组合圆环，即将其看作一个整体进行分析，同时，根据组合圆环中两圆之间的灰度差异和梯度差异以及相对位置距离，从灰度特征这一方面对组合圆环中对应的闭合边缘区域进行分析。
步骤三，根据组合圆环的轮廓评价指标和组合圆环对应的闭合边缘区域的评价性指标，得到组合圆环的可能性指标，设定可能性阈值，若组合圆环的可能性指标小于可能性阈值，则组合圆环对应的闭合边缘区域为因磁漏产生的圆环，变压器发生涡流损耗发热故障。
具体地，计算组合圆环的可能性指标，用公式表示为：
Figure 290509DEST_PATH_IMAGE023
其中，
Figure 665427DEST_PATH_IMAGE024
表示组合圆环的可能性指标，F表示组合圆环的轮廓评价性指标，
Figure 733878DEST_PATH_IMAGE002
和
Figure 544839DEST_PATH_IMAGE025
分别表示组合圆环中对应的闭合边缘区域u和闭合边缘区域v的评价性指标，
Figure 800371DEST_PATH_IMAGE026
表示组合圆环中对应的闭合边缘区域u的最小外接圆的圆周上像素点灰度值的均值，
Figure 722190DEST_PATH_IMAGE027
表示组合圆环中对应的闭合边缘区域u的最小外接圆的圆周上像素点灰度值的均值。
根据相邻两闭合边缘区域的轮廓之间的灰度差异以及灰度变化得到两轮廓为同心圆环的可能性。即若组合圆环的可能性指标的取值越小，所研究的组合圆环对应的两个相邻的闭合边缘区域的轮廓越像圆，组合圆环的轮廓评价性指标F越小，与邻近闭合边缘区域的轮廓越符合不规则圆环的特征，组合圆环中闭合边缘区域的评价性指标P越小，且相邻两闭合边缘区域的轮廓之间灰度差异变化越大，则说明该轮廓越可能是圆环。
设置可能性阈值，当组合圆环的可能性指标小于可能性阈值，说明组合圆环中相邻的圆之间灰度变化符合特定的特征，即从一圆环到另一圆环的灰度值变化是先变小再变大，则组合圆环对应的闭合边缘区域为因磁漏产生的圆环，变压器发生涡流损耗发热故障。需要及时反馈并对油浸式变压器进行及时维修，以减少损失。其中，在本实施例中可能性阈值的取值为0.2，实施者可根据实际情况进行设定。
需要说明的是，若变压器出现因涡流损耗造成变压器发热进而导致变压器故障时，具体表现在热力图像上可以获得层次分明的不规则圆环。基于此，先获取可能为不规则圆环的边缘，对这些不规则圆环的边缘轮廓进行分析，获取其不规则的程度。
同时，在由于变压器故障形成的不规则圆环上，两个相邻圆环之间的灰度特征可知，从一圆环到另一圆环的灰度值变化是先变小，然后再变大，进而梯度方向也随之变化。基于此，结合圆环的灰度差异获取圆环的轮廓评价性指标。
最终结合这两个方面以及像素点的灰度值对圆环整体进行评价，获取该圆环为由于变压器故障形成的不规则圆环的可能性，可能性越大，说明变压器越可能存在因涡流损耗造成变压器发热的故障，进而实现对变压器进行故障检测。
上述步骤的有益效果为：由于本发明所在场景检测得到的涡流热图是由一圈一圈的不规则圆环构成的，且所述不规则圆环之间具有特殊的灰度变化特征，所以不能使用常规的检测圆的方法对所述不规则圆环进行检测，使用本发明所用方法检测不规则圆环，可以根据计算得到的闭合边缘区域的评价性指标有效的检测出圆环的不规则程度，而通过计算两轮廓之间各项指标灰度差异和梯度差异以及相对位置距离的变化，即组合圆环的轮廓评价性指标，不仅可以反映出圆环的不规则程度，也能反映出两圆环之间的热力变化是否如预期般的热力变化，即可以有效的区别出现的圆环是否是变压器箱体本身故障等情况形成的不规则圆环。
步骤四，根据变压器整体的温度状态判断变压器是否发生温度异常的故障；根据变压器的低温油管区域判断变压器是否发生油路管道堵塞的故障。
首先，需要说明的是，变压器因内部异常引起发热的原因为：当变压器内部因接触不良或其它原因而引起发热时，很有可能引起变压器箱体局部温度升高。这种情况所造成的箱体发热与变压器因涡流损耗所引起的发热最大的不同就是其热谱图不具有环流形状，并且这类缺陷如热源过温多同时伴有变压器油的气化，可以结色谱分析加以具体判断。
变压器油路管道堵塞的原因为：当变压器油路管道堵塞时，变压器不能正常散热，其热像特征是堵塞部分的管道或散热器因未参加油循环而呈现低温区，其它部分温度相对较高，两者温度明显不同。
然后，利用热力成像仪获取变压器的热力图像，使用神经网络对热力图像进行语义分割，将热力图像中的变压器部分提取出来，并进行灰度化处理，得到变压器图像。通过对提取得到的变压器图像进行分析可知，当该图像中灰度值的标准差越小时，说明图像中灰度值越相近，说明图像对应的变压器没有出现温度异常的情况。
其中，变压器图像灰度值的标准差为：
Figure 379568DEST_PATH_IMAGE030
其中，
Figure 361430DEST_PATH_IMAGE031
表示变压器图像灰度值的标准差，
Figure 101329DEST_PATH_IMAGE032
表示变压器图像上第i个像素点的灰度值，
Figure 826839DEST_PATH_IMAGE033
表示变压器图像上灰度值的均值，N表示变压器图像上像素点的总数量。设置阈值q=10，即当计算变压器图像灰度标准差δ小于阈值q时，便可认为该图像对应的变压器未发生温度异常造成的故障问题。
最后，变压器油路管道是否堵塞主要是观测图像中油路管道区域的温度值，即此处区域温度低于附近区域的温度，那么即可能是此处区域出现问题。利用热力成像仪获取变压器的热力图像，对热力图像进行灰度化处理后得到变压器灰度图像，将得到的灰度图像按灰度值进行分析，使用区域生长法，得到其中灰度值异常的区域。
具体地，使用K-means聚类算法对变压器灰度图像灰度值进行聚类，其中K等于2，得到2个灰度值区间，即高温区间和低温区间。根据变压器油路管道特征可知，获取两个灰度值区间中平均灰度值最小的区间，记为标准区间，将标准区间作为区域生长准则。即随机在变压器灰度图像上选取灰度值在标准区间的像素点作为生长种子点，其生长准则为灰度值在标准区间的像素点。
图像在进行分割时，还是有一定可能性将背景中的部分信息分割出来，故可以将变压器灰度图像中灰度值异常的部分进行分析，判断是否是背景区域还是变压器油路管。其中主要判断方式是通过分析低温区域的形状，进而判断是否为油路管区域。根据油管排列特征以及形状得到该区域是否是油路管可能性。
对利用区域生长法得到的各个区域进行拟合最小矩形，得到e个拟合矩形，通过计算每个区域的矩形度，以及每个矩形的排列是否符合油路管排列方式得到低温区域为油路管的可能性，用公式表示为：
Figure 338723DEST_PATH_IMAGE034
其中，Q表示低温区域为油路管的可能性，
Figure 491487DEST_PATH_IMAGE035
和
Figure 456032DEST_PATH_IMAGE036
分别表示第t个区域的实际面积和拟合矩形的面积，e表示区域的数量，
Figure 985233DEST_PATH_IMAGE037
和
Figure 354553DEST_PATH_IMAGE038
分别表示第t个拟合矩形和第t+1个拟合矩形中线的斜率。
需要说明的是，本实施例通过选取属于低温区域的灰度值区间作为区域生长法的准则，得到较为准确的低温区域，进而根据区域面积和油路管的排列方式获取低温区域为油路管的可能性。其中，油路管的排列方式由各个拟合矩形中线的斜率差异获取，即拟合矩形中线的斜率差异越小，则该拟合矩形对应的区域为油路管的可能性就越大，说明有油路管存在低温现在，变压器出现了油路管堵塞的故障。
设置阈值r=0.2，即当所求低温区域为油路管的可能性Q小于阈值r时，便可认为低温的区域为油路管，也说明该油浸式变压器出现了油路管道堵塞的故障。需要及时反馈并对油浸式变压器进行及时维修，以减少损失。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (7)

1.一种检测油浸式变压器故障的方法，其特征在于，该方法包括以下步骤：
获取变压器的热力图像和表面图像，根据热力图像和表面图像的边缘信息得到故障边缘图像；获取故障边缘图像中闭合边缘区域，分别拟合所述闭合边缘区域的最小外接圆和最大内接圆，并获取最小外接圆和最大内接圆的圆心坐标和半径；根据所述圆心坐标和半径计算闭合边缘区域的评价性指标；
根据所有闭合边缘区域的最小外接圆的圆心点进行拟合得到圆，并获取得到的圆的圆心记为拟合圆心点；以拟合圆心点为端点做预设数量的射线记为圆心线；将一个闭合边缘区域的最小外接圆和其相邻闭合边缘区域的最小外接圆，记为组合圆环；
获取圆心线与组合圆环中两圆交点处的灰度值和位置坐标，以及所述两圆交点之间的线段上灰度值最低处的位置坐标，根据所述两圆交点处的灰度值和位置坐标、灰度值最低处的位置坐标计算圆心线对应的组合圆环的灰度差异；获取拟合圆心点与所述两圆交点之间的线段上灰度值最低处的距离长度，根据所述距离长度和灰度差异计算组合圆环的轮廓评价性指标；
根据组合圆环的轮廓评价指标和组合圆环对应的闭合边缘区域的评价性指标，得到组合圆环的可能性指标，设定可能性阈值，若组合圆环的可能性指标小于可能性阈值，则组合圆环对应的闭合边缘区域为因磁漏产生的圆环，变压器发生涡流损耗发热故障。
2.根据权利要求1所述的一种检测油浸式变压器故障的方法，其特征在于，所述热力图像利用热力成像仪获取的，所述表面图像利用普通相机获取的，且热力成像仪与所述相机的拍摄角度相同。
3.根据权利要求1所述的一种检测油浸式变压器故障的方法，其特征在于，所述根据热力图像和表面图像的边缘信息得到故障边缘图像具体为：
分别提取热力图像和表面图像的边缘信息得到热力边缘图像和表面边缘图像；获取热力边缘图像和表面边缘图像上重合的边缘信息得到综合边缘图像，根据热力边缘图像和综合边缘图像的差值得到故障边缘图像。
4.根据权利要求1所述的一种检测油浸式变压器故障的方法，其特征在于，所述闭合边缘区域的评价性指标的获取方法具体为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
表示闭合边缘区域u的评价性指标，
Figure DEST_PATH_IMAGE004
表示闭合边缘区域u的最小外接圆的圆心坐标，
Figure DEST_PATH_IMAGE005
表示闭合边缘区域u的最大内接圆的圆心坐标，
Figure DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE007
分别表示闭合边缘区域u的最小外接圆和最大内接圆的半径。
5.根据权利要求1所述的一种检测油浸式变压器故障的方法，其特征在于，所述灰度差异的获取方法具体为：
Figure DEST_PATH_IMAGE009
其中，h表示灰度差异，
Figure DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE011
分别表示圆心线与组合圆环中两圆的相交点坐标，
Figure DEST_PATH_IMAGE012
和
Figure DEST_PATH_IMAGE013
分别表示所述两圆的相交点的灰度值；
Figure DEST_PATH_IMAGE014
表示圆心线与组合圆环中两圆交点之间的线段上灰度值最低处的位置坐标，
Figure DEST_PATH_IMAGE015
表示所述灰度值最低处的灰度值。
6.根据权利要求1所述的一种检测油浸式变压器故障的方法，其特征在于，所述轮廓评价性指标的获取方法具体为：
Figure DEST_PATH_IMAGE017
其中，F表示组合圆环的轮廓评价性指标，
Figure DEST_PATH_IMAGE018
和
Figure DEST_PATH_IMAGE019
分别表示第i条圆心线和第i+1条圆心线对应的灰度差异，
Figure DEST_PATH_IMAGE020
和
Figure DEST_PATH_IMAGE021
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点之间的线段上灰度值最低处到拟合圆心点的距离长度，
Figure DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE023
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点之间的线段上灰度值最低处的灰度值，
Figure DEST_PATH_IMAGE024
和
Figure DEST_PATH_IMAGE025
分别表示第i条圆心线和第i+1条圆心线与组合圆环中两圆交点的灰度值的差值。
7.根据权利要求1所述的一种检测油浸式变压器故障的方法，其特征在于，所述组合圆环的可能性指标的获取方法具体为：
Figure DEST_PATH_IMAGE027
其中，
Figure DEST_PATH_IMAGE028
表示组合圆环的可能性指标，F表示组合圆环的轮廓评价性指标，
Figure 978314DEST_PATH_IMAGE003
和
Figure DEST_PATH_IMAGE029
分别表示组合圆环中对应的闭合边缘区域u和闭合边缘区域v的评价性指标，
Figure DEST_PATH_IMAGE030
表示组合圆环中对应的闭合边缘区域u的最小外接圆的圆周上像素点灰度值的均值，
Figure DEST_PATH_IMAGE031
表示组合圆环中对应的闭合边缘区域u的最小外接圆的圆周上像素点灰度值的均值。
CN202210776186.4A 2022-07-04 2022-07-04 一种检测油浸式变压器故障的方法 Active CN114842002B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210776186.4A CN114842002B (zh) 2022-07-04 2022-07-04 一种检测油浸式变压器故障的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210776186.4A CN114842002B (zh) 2022-07-04 2022-07-04 一种检测油浸式变压器故障的方法

Publications (2)

Publication Number Publication Date
CN114842002A true CN114842002A (zh) 2022-08-02
CN114842002B CN114842002B (zh) 2022-09-09

Family

ID=82575269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210776186.4A Active CN114842002B (zh) 2022-07-04 2022-07-04 一种检测油浸式变压器故障的方法

Country Status (1)

Country Link
CN (1) CN114842002B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115272946A (zh) * 2022-09-30 2022-11-01 江苏三通科技有限公司 一种应用电子设备对共轨喷油器进行损伤识别的方法
CN115379123A (zh) * 2022-10-26 2022-11-22 山东华尚电气有限公司 一种用无人机巡检的变压器故障检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408459A (zh) * 2014-10-27 2015-03-11 国家电网公司 电力设备监控中使用的图像识别方法
CN107907063A (zh) * 2017-11-14 2018-04-13 湖南文理学院 一种基于视觉测量的钢带冲孔加工检测系统及方法
US20210020360A1 (en) * 2019-07-15 2021-01-21 Wuhan University Internal thermal fault diagnosis method of oil-immersed transformer based on deep convolutional neural network and image segmentation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408459A (zh) * 2014-10-27 2015-03-11 国家电网公司 电力设备监控中使用的图像识别方法
CN107907063A (zh) * 2017-11-14 2018-04-13 湖南文理学院 一种基于视觉测量的钢带冲孔加工检测系统及方法
US20210020360A1 (en) * 2019-07-15 2021-01-21 Wuhan University Internal thermal fault diagnosis method of oil-immersed transformer based on deep convolutional neural network and image segmentation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈尔奎 等: "基于云服务的干式变压器远程监控终端设计", 《电测与仪表》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115272946A (zh) * 2022-09-30 2022-11-01 江苏三通科技有限公司 一种应用电子设备对共轨喷油器进行损伤识别的方法
CN115272946B (zh) * 2022-09-30 2022-12-23 江苏三通科技有限公司 一种应用电子设备对共轨喷油器进行损伤识别的方法
CN115379123A (zh) * 2022-10-26 2022-11-22 山东华尚电气有限公司 一种用无人机巡检的变压器故障检测方法
CN115379123B (zh) * 2022-10-26 2023-01-31 山东华尚电气有限公司 一种用无人机巡检的变压器故障检测方法

Also Published As

Publication number Publication date
CN114842002B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN114842002B (zh) 一种检测油浸式变压器故障的方法
US11221107B2 (en) Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing
CN112233133B (zh) 基于otsu和区域生长法的电厂高温管道缺陷检测与分割方法
Zou et al. A novel intelligent fault diagnosis method for electrical equipment using infrared thermography
CN107767374B (zh) 一种gis盆式绝缘子内部导体局部过热智能诊断方法
CN114627118B (zh) 一种光纤电缆绝缘缺陷识别方法和系统
CN115439474B (zh) 一种电力设备故障快速定位方法
CN112200178B (zh) 基于人工智能的变电站绝缘子红外图像检测方法
CN109993736B (zh) 一种基于改进加权otsu算法的电气设备热成像分割查异方法
CN110619623B (zh) 一种变电设备接头发热的自动识别方法
CN105445607B (zh) 一种基于等温线绘制的电力设备故障检测方法
CN114972326A (zh) 热收缩管扩管工艺的次品识别方法
CN108254077A (zh) 基于局部与全局特征信息融合的gis热故障诊断方法
Hui et al. An intelligent fault diagnosis method for electrical equipment using infrared images
CN109523543B (zh) 一种基于边缘距离的导线断股检测方法
CN112001327A (zh) 一种阀厅设备故障识别方法及系统
CN116704733B (zh) 铝合金电缆的老化预警方法及系统
Li et al. Detection algorithm of defects on polyethylene gas pipe using image recognition
CN115689533A (zh) 一种用于废气监测及处理的智慧运维系统数据管理方法
CN106340034A (zh) 一种变压器漏油检测方法
CN111626104B (zh) 一种基于无人机红外热像的电缆隐患点检测方法和装置
CN116503633A (zh) 基于图像识别的开关柜状态智能检测控制方法
CN116167999A (zh) 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法
Otamendi et al. A scalable framework for annotating photovoltaic cell defects in electroluminescence images
CN114463258B (zh) 一种基于深度学习技术的机车车辆闸片磨耗检测方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Method for Detecting Faults in Oil Immersed Transformers

Effective date of registration: 20230517

Granted publication date: 20220909

Pledgee: China Postal Savings Bank Limited by Share Ltd. Wenshang County sub branch

Pledgor: SHANDONG HUASHANG ELECTRIC Co.,Ltd.

Registration number: Y2023980040853

PE01 Entry into force of the registration of the contract for pledge of patent right