CN115773821A - 一种干式空心电抗器热故障检测方法、装置、设备和介质 - Google Patents
一种干式空心电抗器热故障检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115773821A CN115773821A CN202211524715.8A CN202211524715A CN115773821A CN 115773821 A CN115773821 A CN 115773821A CN 202211524715 A CN202211524715 A CN 202211524715A CN 115773821 A CN115773821 A CN 115773821A
- Authority
- CN
- China
- Prior art keywords
- temperature distribution
- gray
- image
- value
- dry
- 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
Images
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种干式空心电抗器热故障检测方法、装置、设备和介质,该方法中,通过获取实测温度分布矩阵;以及标准温度分布矩阵;进而,对实测温度分布矩阵、标准温度分布矩阵均划分区域,并计算任意对应区域中实测温度分布矩阵、标准温度分布矩阵两者之间的方差平方,以根据方差平方的值以及预设阈值确定区域为热故障区区域或进一步检测区域;从而,当区域为进一步检测区域时,基于进一步检测区域的实测温度分布矩阵的方向导数、标准温度分布矩阵的方向导数确定进一步检测区域是否为热故障区域,以实现对干式空心电抗器的热故障进行精准定位,便于维护人员及时得知故障位置并进行维修,避免故障造成更大的问题。
Description
技术领域
本发明涉及电力设备在线监测技术领域,尤其涉及一种干式空心电抗器热故障检测方法、装置、设备和介质。
背景技术
电抗器作为电力系统中重要的输变电设备,多用来限制短路电流和无功补偿。干式空心电抗器具有损耗小、噪声小、结构简单、维护方便等特点,在输配电网络发挥着重要的作用,及时对干式空心电抗器潜在的故障进行诊断并定位,是保证电力系统安全可靠供电的基础。干式空心电抗器发生故障时,多会在故障点出现温度升高的现象,因此,通过实时监测干式空心电抗器整体的温度分布对其热故障诊断定位尤为重要。
准确判断并定位干式空心电抗器的热故障位置并非易事。红外成像技术在对电气设备进行温度测量时,因其抗干扰性强,并且无需在电气设备中装设其他设备等优点,近些年来被广泛应用到电气设备的在线监测与故障诊断技术之中。但是传统的对设备进行热故障诊断技术仅依靠红外温度分布数据,显然对热故障的诊断及定位存在不足。
发明内容
本发明提供了一种干式空心电抗器热故障检测方法、装置、设备和介质,实现对干式空心电抗器热故障的精准定位。
为实现上述目的,本发明一方面实施例提出了一种干式空心电抗器热故障检测方法,包括以下步骤:
获取干式空心电抗器正常运行时的各方位的红外热图像,根据所述红外热图像获取实测温度分布矩阵;
基于所述干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取所述干式空心电抗器表面温度分布数据作为标准温度分布矩阵;
对所述实测温度分布矩阵、所述标准温度分布矩阵均划分区域,并计算任意对应区域中所述实测温度分布矩阵、所述标准温度分布矩阵两者之间的方差平方,以根据所述方差平方的值以及预设阈值确定所述区域为热故障区区域或进一步检测区域;
所述区域为进一步检测区域时,基于所述进一步检测区域的所述实测温度分布矩阵的方向导数、所述标准温度分布矩阵的方向导数确定所述进一步检测区域是否为热故障区域。
可选地,所述获取干式空心电抗器正常运行时的各方位的红外热图像,根据所述红外热图像获取实测温度分布矩阵包括:
获取布置在所述干式空心电抗器的各方位的红外热像仪,采集的各方位的所述红外热图像;
采用自适应全局加权平均法对所述红外热图像进行灰度处理,获取所述红外热图像对应的灰度图像;
对所述灰度图像去噪处理,获取所述灰度图像对应的去噪灰度图像;
结合直方图均衡化与分块自适应Canny边缘检测算法对所述去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像;
基于所述图像增强去噪灰度图像提取其中温度分布数据,形成所述实测温度分布矩阵。
可选地,所述基于所述干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取所述干式空心电抗器表面温度分布数据作为标准温度分布矩阵,包括:
基于所述干式空心电抗器的三维温度场有限元计算模型,分别获取所述干式空心电抗器正常运行时,不同负载系数、不同谐波含有率、不同谐波阶数、不同日照强度、不同环境温度、不同海拔高度、不同通风条件下的温度分布图;
基于各所述温度分布图提取温度分布数据,形成所述干式空心电抗器的温度分布数据库;
基于所述温度分布数据库获取所述干式空心电抗器表面温度分布数据作为标准温度分布矩阵。
可选地,所述对所述实测温度分布矩阵、所述标准温度分布矩阵均划分区域,并计算任意对应区域中所述实测温度分布矩阵、所述标准温度分布矩阵两者之间的方差平方,以根据所述方差平方的值以及预设阈值确定所述区域为热故障区区域或进一步检测区域,包括:
计算所述实测温度分布矩阵中的区域的第一温度均值,所述标准温度分布矩阵中对应的区域的第二温度均值,获取所述第一温度均值与所述第二温度均值之间的方差平方;
当所述方差平方大于预设阈值时,确定所述区域为热故障区域;
当所述方差平方小于或等于所述预设阈值时,确定所述区域为进一步检测区域。
可选地,所述区域为进一步检测区域时,基于所述进一步检测区域的所述实测温度分布矩阵的方向导数、所述标准温度分布矩阵的方向导数确定所述进一步检测区域是否为热故障区域,包括:
以所述进一步检测区域中对应的所述实测温度分布矩阵中各点为中心,获取N个方向的N个实测方向导数;并获取所述N个实测方向导数中的最大值;
以所述进一步检测区域中对应的所述标准温度分布矩阵中各点为中心,获取N个方向的N个标准方向导数;并获取所述N个标准方向导数中的最大值;
若所述N个标准方向导数中的最大值与所述N个实测方向导数中的最大值相同,则确定所述进一步检测区域为热故障区域;若不同,则获取其余N-1个实测方向导数中的最大值,以及其余N-1个标准方向导数中的最大值;
若所述其余N-1个实测方向导数中的最大值与所述其余N-1个标准方向导数中的最大值相同,则确定所述进一步检测区域为热故障区域;若不同,则获取其余N-2个实测方向导数中的最大值,以及其余N-2个标准方向导数中的最大值;
依次类推,直至对比至最后一个实测方向导数与标准方向导数,若相同,确定所述进一步检测区域为热故障区域,若不同,确定所述进一步检测区域为非热故障区域,其中,所述N为正整数。
可选地,所述采用自适应全局加权平均法对所述红外热图像进行灰度处理,获取所述红外热图像对应的灰度图像包括:
对所述红外热图像中各像素点红色、绿色、蓝色分量进行加权计算,其加权值通过所述红外图像全局自适应计算得到:
Gravij=aRRij+aBBij+aGGij;
式中,Gravij为所述灰度图像第i行,第j列像素点灰度值;Rij、Gij、Bij分别为所述红外热图像第i行,第j列像素点红色、绿色、蓝色分量值;aR、aG、aB分别为Rij、Gij、Bij全局自适应加权值,n,m分别为所述红外热图像的总行数和总列数。
可选地,所述结合直方图均衡化与分块自适应Canny边缘检测算法对所述去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像中,所述直方图均衡化处理包括:
获取所述去噪灰度图像中灰度值为第一灰度值的像素点数与所述去噪灰度图像中像素点总数之比值;
获取所述去噪灰度图像中的最大灰度值和最小灰度值之差值;
将所述差值和所述比值之积作为对比度增强后的第一灰度值;
依次执行获取各灰度值的对比度增强后的灰度值,获取对比度增强灰度图像。
可选地,所述结合直方图均衡化与分块自适应Canny边缘检测算法对所述去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像中,所述分块自适应Canny边缘检测算法包括:
比较所述比度增强灰度图像中各像素点的灰度梯度与所述比度增强灰度图像中的中心像素点的灰度梯度大小,筛选出疑似所述干式空心电抗器边缘像素点的多个疑似边缘像素点;
分区块处理多个所述疑似边缘像素点,计算所述区块中的分割灰度阈值,以及边缘最小灰度阈值和边缘最大灰度阈值;
若多个所述疑似边缘像素点中所述其一像素点的灰度值小于所述边缘最小灰度阈值,则所述疑似边缘像素点非边缘像素点;
若多个所述疑似边缘像素点中所述其一像素点的灰度值大于所述边缘最大灰度阈值,则所述疑似边缘像素点为边缘像素点;
若多个所述疑似边缘像素点中所述其一像素点的灰度值大于或等于所述边缘最小灰度阈值,且小于或等于所述边缘最大灰度阈值,则扩大所述区块进行迭代;
获取对比度增强的所述干式空心电抗器边缘图像。
可选地,所述基于所述图像增强去噪灰度图像提取其中温度分布数据,形成所述实测温度分布矩阵,包括:
获取对比度增强的所述干式空心电抗器边缘图像中的最大灰度值和最小灰度值,提取所述最大灰度值对应的温度数值,和所述最小灰度值对应的温度数值;
所述对比度增强的所述干式空心电抗器边缘图像中各像素点对应的温度值为,所述像素点的灰度值,乘以,所述最大灰度值对应的温度数值与所述最小灰度值对应的温度数值之差,并除以,所述最大灰度值和最小灰度值之间的差值,形成所述实测温度分布矩阵。
为实现上述目的,本发明第二方面实施例提出了一种干式空心电抗器热故障检测装置,包括:
实测温度分布矩阵获取模块,用于获取干式空心电抗器正常运行时的各方位的红外热图像,根据所述红外热图像获取实测温度分布矩阵;
标准温度分布矩阵获取模块,用于基于所述干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取所述干式空心电抗器表面温度分布数据作为标准温度分布矩阵;
检测模块,用于对所述实测温度分布矩阵、所述标准温度分布矩阵均划分区域,并计算任意对应区域中所述实测温度分布矩阵、所述标准温度分布矩阵两者之间的方差平方,以根据所述方差平方的值以及预设阈值确定所述区域为热故障区区域或进一步检测区域;
进一步检测模块,用于所述区域为进一步检测区域时,基于所述进一步检测区域的所述实测温度分布矩阵的方向导数、所述标准温度分布矩阵的方向导数确定所述进一步检测区域是否为热故障区域。
为实现上述目的,本发明第三方面实施例提出了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例提出的所述的干式空心电抗器热故障检测方法。
为实现上述目的,本发明第四方面实施例提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例提出的所述的干式空心电抗器热故障检测方法。
根据本发明实施例提出的一种干式空心电抗器热故障检测方法、装置、设备和介质,该方法中,通过获取干式空心电抗器正常运行时的各方位的红外热图像,根据红外热图像获取实测温度分布矩阵;以及基于干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取干式空心电抗器表面温度分布数据作为标准温度分布矩阵;进而,对实测温度分布矩阵、标准温度分布矩阵均划分区域,并计算任意对应区域中实测温度分布矩阵、标准温度分布矩阵两者之间的方差平方,以根据方差平方的值以及预设阈值确定区域为热故障区区域或进一步检测区域;从而,当区域为进一步检测区域时,基于进一步检测区域的实测温度分布矩阵的方向导数、标准温度分布矩阵的方向导数确定进一步检测区域是否为热故障区域,以实现对干式空心电抗器的热故障进行精准定位,便于维护人员及时得知故障位置并进行维修,避免故障造成更大的问题。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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他的附图。
图1是本发明实施例提出的干式空心电抗器热故障检测方法流程图;
图2是本发明一个实施例提出的干式空心电抗器热故障检测方法流程图;
图3是本发明实施例提出的干式空心电抗器热故障检测方法中实测温度分布矩阵区块示意图;
图4是本发明实施例提出的干式空心电抗器热故障检测方法中标准温度分布矩阵区块示意图;
图5是本发明又一个实施例提出的干式空心电抗器热故障检测方法流程图;
图6是本发明实施例提出的干式空心电抗器热故障检测装置方框图;
图7是本发明实施例提出的干式空心电抗器热故障检测设备结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。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前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例提出的干式空心电抗器热故障检测方法流程图。如图1所示,该干式空心电抗器热故障检测方法,包括以下步骤:
S1,获取干式空心电抗器正常运行时的各方位的红外热图像,根据红外热图像获取实测温度分布矩阵;
S2,基于干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取干式空心电抗器表面温度分布数据作为标准温度分布矩阵;
S3,对实测温度分布矩阵、标准温度分布矩阵均划分区域,并计算任意对应区域中实测温度分布矩阵、标准温度分布矩阵两者之间的方差平方,以根据方差平方的值以及预设阈值确定区域为热故障区区域或进一步检测区域;
S4,区域为进一步检测区域时,基于进一步检测区域的实测温度分布矩阵的方向导数、标准温度分布矩阵的方向导数确定进一步检测区域是否为热故障区域。
可以理解的是,可以在干式空心电抗器三个不同的方位布置红外热像仪,三台红外热像仪布置方法:以干式空心电抗器中心为原点,在同一水平面上,布置三台红外热像仪,各红外热像仪与原点的连线夹角均为120度,并且保证各红外热像仪与原点之间的间距相等。由此,可以获取干涉空心电抗器各方位的红外热图像,最终对红外热图像进行处理获取实测温度分布矩阵,结合标准温度分布矩阵,分区逐一对比各个区域,最终找到热故障区域。从而可实时判断并定位干式空心电抗器热故障位置,提高了干式空心电抗器热故障诊断的效率。在其他的实施例中,若采用上述布置方式不能完整的拍摄到干式空心电抗器的表面,还可以设置更多个红外热像仪,以对干式空心电抗器的表面图像拍摄更完整。
可选地,如图2所示,S1获取干式空心电抗器正常运行时的各方位的红外热图像,根据红外热图像获取实测温度分布矩阵包括:
S11,获取布置在干式空心电抗器的各方位的红外热像仪,采集的各方位的红外热图像;
S12,采用自适应全局加权平均法对红外热图像进行灰度处理,获取红外热图像对应的灰度图像;
其中,可选地,采用自适应全局加权平均法对红外热图像进行灰度处理,获取红外热图像对应的灰度图像包括:
对红外热图像中各像素点红色、绿色、蓝色分量进行加权计算,其加权值通过红外图像全局自适应计算得到:
Gravij=aRRij+aBBij+aGGij;
式中,Gravij为灰度图像第i行,第j列像素点灰度值;Rij、Gij、Bij分别为红外热图像第i行,第j列像素点红色、绿色、蓝色分量值;aR、aG、aB分别为Rij、Gij、Bij全局自适应加权值,n,m分别为红外热图像的总行数和总列数。
在该过程中,可以将各个方位的红外热图像先进行拼接后,再灰度处理,或者直接对各个红外热图像分别进行处理,本发明对此不作具体限制。
S13,对灰度图像去噪处理,获取灰度图像对应的去噪灰度图像;
S14,结合直方图均衡化与分块自适应Canny边缘检测算法对去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像;
可选地,S14结合直方图均衡化与分块自适应Canny边缘检测算法对去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像中,直方图均衡化处理包括:
获取去噪灰度图像中灰度值为第一灰度值的像素点数与去噪灰度图像中像素点总数之比值;
获取去噪灰度图像中的最大灰度值和最小灰度值之差值;
将差值和比值之积作为对比度增强后的第一灰度值;
依次执行获取各灰度值的对比度增强后的灰度值,获取对比度增强灰度图像。
式中,Grav(a’)为处理之后的灰度值,bGrav(a)为所述去噪灰度图像中灰度值为a的像素点数,b为所述去噪灰度图像中像素点总数,Grav(max)、Grav(min)分别为所述去噪灰度图像中灰度的最大值和最小值;按照上述方法可以得到对比度增强灰度图像。其中3*3属于划分的区域。
可选地,S14结合直方图均衡化与分块自适应Canny边缘检测算法对去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像中,分块自适应Canny边缘检测算法包括:
比较比度增强灰度图像中各像素点的灰度梯度与比度增强灰度图像中的中心像素点的灰度梯度大小,筛选出疑似干式空心电抗器边缘像素点的多个疑似边缘像素点;
可以理解的是,若grad(Gravij)<grad(Gravi′j′),则像素点ij不是干式空心电抗器边缘像素点;若grad(Gravij)>grad(Gravi′j′);则像素点ij可能是干式空心电抗器边缘像素点;式中,i’j’为以像素点ij为中心的3×3区块内除像素点ij的各点,grad(Gravij)为像素点ij处的灰度梯度。进而筛选出一个区块中的疑似干式空心电抗器边缘像素点的多个疑似边缘像素点。上述区块为人为设定的值。
分区块处理多个疑似边缘像素点,计算区块中的分割灰度阈值,以及边缘最小灰度阈值和边缘最大灰度阈值;
可以理解的是,选取3×3区块,计算分割灰度阈值Grav0:
式中,Gravmax(3×3)、Gravmin(3×3)分别为3×3区块内最大灰度值和最小灰度值。
计算3×3区块内,边缘最小灰度阈值Grav1及边缘最大灰度阈值Grav2:
若多个疑似边缘像素点中其一像素点的灰度值小于边缘最小灰度阈值,则疑似边缘像素点非边缘像素点;
若多个疑似边缘像素点中其一像素点的灰度值大于边缘最大灰度阈值,则疑似边缘像素点为边缘像素点;
若多个疑似边缘像素点中其一像素点的灰度值大于或等于边缘最小灰度阈值,且小于或等于边缘最大灰度阈值,则扩大区块进行迭代;
获取对比度增强的干式空心电抗器边缘图像。
也就是说,若Gravij(3×3)≤Grav1,则像素点ij判断为非干式空心电抗器边缘像素点;
若Gravij(3×3)≥Grav2,则像素点ij判断为干式空心电抗器边缘像素点。
若Grav1≤Gravij(3×3)≤Grav2,则扩大所选区块为5×5进行上述相同步骤进行迭代。
S15,基于图像增强去噪灰度图像提取其中温度分布数据,形成实测温度分布矩阵。
可选地,基于图像增强去噪灰度图像提取其中温度分布数据,形成实测温度分布矩阵,包括:
获取对比度增强的干式空心电抗器边缘图像中的最大灰度值和最小灰度值,提取最大灰度值对应的温度数值,和最小灰度值对应的温度数值;
对比度增强的干式空心电抗器边缘图像中各像素点对应的温度值为,像素点的灰度值,乘以,最大灰度值对应的温度数值与最小灰度值对应的温度数值之差,并除以,最大灰度值和最小灰度值之间的差值,形成实测温度分布矩阵。
可以理解的是,计算灰度图中各像素点所对应的温度值,提取灰度图中最大灰度Grav(max)及最小灰度Grav(min),并提取最大灰度对应的温度数值Tmax及最小灰度对应的温度数值Tmin,则灰度图中各像素点对应的温度Tij为:
由此,步骤S1通过相应算法将热图像提取了实测温度分布矩阵。
可选地,S2基于干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取干式空心电抗器表面温度分布数据作为标准温度分布矩阵,包括:
基于干式空心电抗器的三维温度场有限元计算模型,分别获取干式空心电抗器正常运行时,不同负载系数、不同谐波含有率、不同谐波阶数、不同日照强度、不同环境温度、不同海拔高度、不同通风条件下的温度分布图;
基于各温度分布图提取温度分布数据,形成干式空心电抗器的温度分布数据库;
基于温度分布数据库获取干式空心电抗器表面温度分布数据作为标准温度分布矩阵。
可以理解的是,通过计算机模拟干式空心电抗器处于各种不同条件下的温度场中,最终,根据不同条件下的温度分布数据来形成标准温度分布矩阵。举例来说,负载系数有三种、谐波含有率有三种、不同谐波阶数四种、日照强度有两种、环境温度有五种、海拔高度有两种、通风条件有三种,那么,需要获取上述各种条件的任意组合下的多个温度分布数据,形成温度分布数据库,最终汇总为标准温度分布矩阵。
在一个实施例中,可以获取实测环境温度为25℃,户外日照,通风4m/s,海拔1000m,额定负载下干式空心电抗器红外实测温度分布矩阵,并从正常运行时干式空心电抗器温度分布数据库中找出当前负载及气象条件下标准温度分布矩阵,逐步选取实测温度分布矩阵及当前负载及气象条件下数据库中标准温度分布矩阵中3×3区块。
可选地,S3对实测温度分布矩阵、标准温度分布矩阵均划分区域,并计算任意对应区域中实测温度分布矩阵、标准温度分布矩阵两者之间的方差平方,以根据方差平方的值以及预设阈值确定区域为热故障区区域或进一步检测区域,包括:
计算实测温度分布矩阵中的区域的第一温度均值,标准温度分布矩阵中对应的区域的第二温度均值,获取第一温度均值与第二温度均值之间的方差平方;
当方差平方大于预设阈值时,确定区域为热故障区域;
当方差平方小于或等于预设阈值时,确定区域为进一步检测区域。
也就是说,基于上述的实施例,逐步选取实测温度分布矩阵及当前负载及气象条件下数据库中标准温度分布矩阵中3×3区块,计算所选区块的标准温度分布矩阵温度均值,并用标准温度均值计算所选区块实测温度方差:
式中,TBij(3×3)为标准温度分布矩阵所选3×3区块,TBav(3×3)为对应标准温度分布矩阵所选3×3区块标准温度均值。
式中,TCij(3×3)为实测温度分布矩阵所选3×3区块,Tσ 2为采用标准温度分布矩阵所选3×3区块标准温度均值计算实测温度矩阵的方差平方。
设定干式空心电抗器热故障阈值εσ,
可选地,区域为进一步检测区域时,基于进一步检测区域的实测温度分布矩阵的方向导数、标准温度分布矩阵的方向导数确定进一步检测区域是否为热故障区域,包括:
以进一步检测区域中对应的实测温度分布矩阵中各点为中心,获取N个方向的N个实测方向导数;并获取N个实测方向导数中的最大值;
以进一步检测区域中对应的标准温度分布矩阵中各点为中心,获取N个方向的N个标准方向导数;并获取N个标准方向导数中的最大值;
若N个标准方向导数中的最大值与N个实测方向导数中的最大值相同,则确定进一步检测区域为热故障区域;若不同,则获取其余N-1个实测方向导数中的最大值,以及其余N-1个标准方向导数中的最大值;
若其余N-1个实测方向导数中的最大值与其余N-1个标准方向导数中的最大值相同,则确定进一步检测区域为热故障区域;若不同,则获取其余N-2个实测方向导数中的最大值,以及其余N-2个标准方向导数中的最大值;
依次类推,直至对比至最后一个实测方向导数与标准方向导数,若相同,确定进一步检测区域为热故障区域,若不同,确定进一步检测区域为非热故障区域,其中,N为正整数。
可以理解的是,如图3和图4所示,选取3×3区块,计算8个方向的方向导数,即8个方向角α设为0°、45°、90°、135°、180°、225°、270°、315°。
式中,TCij、TBij分别实测温度分布矩阵、标准温度分布矩阵中点(i,j)对应的温度值,TCi′j′、TBi′j′分别为实测温度分布矩阵、标准温度分布矩阵以点(i,j)为中心的3×3区块内除点(i,j)的温度值,分别为实测温度分布矩阵及对应标准温度分布矩阵点(i,j)在方向角α处的方向导数。
接着,依次比较实测温度分布矩阵及对应标准温度分布矩阵点(i,j)处各温度方向导数。
此时,取得最大方向导数的方向角设为αCmax1,
此时,取得最大方向导数的方向角设为αBmax1,
若αBmax1-αCmax1≠0,判断为此时干式空心电抗器存在热故障;并且故障区域为所选3×3区块点(i,j)方向角为αCmax1所指向的区域。如图3和图4中,为此时对干式空心电抗器进行热故障定位的故障定位图。通过图3和图4可知,干式空心电抗器故障区域为点(i,j)与(i-1,j+1)之间区域。
若αBmax1-αCmax1=0,在剩余方向导数中,寻找实测温度矩阵及对应标准温度矩阵在点(i,j)处方向导数最大值,具体如下:
此时,取得最大方向导数的方向角设为αCmax2,
此时,取得最大方向导数的方向角设为αBmax2,
若αBmax2-αCmax2≠0,判断为此时干式空心电抗器存在热故障;并且故障区域为所选3×3区块点(i,j)方向角为αCmax2所指向的区域。
若αBmax2-αCmax2=0,在剩余方向导数中,寻找实测温度矩阵及对应标准温度矩阵在点(i,j)处方向导数最大值。
依据上述方式逐步对点(i,j)处各方向导数进行比较,即可实现判断干式空心电抗器是否存在热故障,并定位故障位置。
根据本发明的一个具体实施例,如图5所示,该检测方法包括以下步骤:
S101,采集干式空心电抗器红外热图像;
S102,采用自适应全局加权平均法对红外热图像进行灰度处理;
S103,对灰度图像进行去噪处理;
S104,结合直方图均衡化与分块自适应Canny边缘检测算法对灰度图进行图像增强处理;
S105,计算正常运行时不同负载不同气象条件下干式空心电抗器表面温度分布图;
S106,分别构建实测温度分布矩阵及标准温度分布矩阵;
S107,运用标准均值,计算实测方差,判断方差是否小于设定阈值;如是,则执行S108,若否,则执行S113;
S108,分别计算温度观测点各方向导数;
S109,依次比较最大方向导数;
S110,判断最大方向导数方向是否一致;若是,则执行S111,若否,执行S113;
S111,方向导数是否比较完成,若是,则执行S112,若否,则返回S109;
S112,定位热故障位置;
S113,区域存在热故障。
实施例二
图6是本发明实施例提出的干式空心电抗器热故障检测装置的方框示意图,如图6所示,包括:
实测温度分布矩阵获取模块101,用于获取干式空心电抗器正常运行时的各方位的红外热图像,根据红外热图像获取实测温度分布矩阵;
标准温度分布矩阵获取模块102,用于基于干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取干式空心电抗器表面温度分布数据作为标准温度分布矩阵;
检测模块103,用于对实测温度分布矩阵、标准温度分布矩阵均划分区域,并计算任意对应区域中实测温度分布矩阵、标准温度分布矩阵两者之间的方差平方,以根据方差平方的值以及预设阈值确定区域为热故障区区域或进一步检测区域;
进一步检测模块104,用于区域为进一步检测区域时,基于进一步检测区域的实测温度分布矩阵的方向导数、标准温度分布矩阵的方向导数确定进一步检测区域是否为热故障区域。
可选地,实测温度分布矩阵获取模块101包括:
红外热图像获取模块,用于获取布置在干式空心电抗器的各方位的红外热像仪,采集的各方位的红外热图像;
灰度图像获取模块,用于采用自适应全局加权平均法对红外热图像进行灰度处理,获取红外热图像对应的灰度图像;
去噪灰度图像获取模块,用于对灰度图像去噪处理,获取灰度图像对应的去噪灰度图像;
图像增强去噪灰度图像获取模块,用于结合直方图均衡化与分块自适应Canny边缘检测算法对去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像;
第一提取模块,用于基于图像增强去噪灰度图像提取其中温度分布数据,形成实测温度分布矩阵。
可选地,标准温度分布矩阵获取模块102包括:
温度分布图获取模块,用于基于干式空心电抗器的三维温度场有限元计算模型,分别获取干式空心电抗器正常运行时,不同负载系数、不同谐波含有率、不同谐波阶数、不同日照强度、不同环境温度、不同海拔高度、不同通风条件下的温度分布图;
温度分布数据库获取模块,用于基于各温度分布图提取温度分布数据,形成干式空心电抗器的温度分布数据库;
第二提取模块,用于基于温度分布数据库获取干式空心电抗器表面温度分布数据作为标准温度分布矩阵。
可选地,检测模块103,包括:
第一计算模块,用于计算实测温度分布矩阵中的区域的第一温度均值,标准温度分布矩阵中对应的区域的第二温度均值,获取第一温度均值与第二温度均值之间的方差平方;
第一判断模块,用于当方差平方大于预设阈值时,确定区域为热故障区域;
还用于当方差平方小于或等于预设阈值时,确定区域为进一步检测区域。
可选地,进一步检测模块104包括:
各个方向导数获取模块,用于以进一步检测区域中对应的实测温度分布矩阵中各点为中心,获取N个方向的N个实测方向导数;并获取N个实测方向导数中的最大值;
导数最大值获取模块,用于以进一步检测区域中对应的标准温度分布矩阵中各点为中心,获取N个方向的N个标准方向导数;并获取N个标准方向导数中的最大值;
第二判断模块,用于若N个标准方向导数中的最大值与N个实测方向导数中的最大值相同,则确定进一步检测区域为热故障区域;若不同,则获取其余N-1个实测方向导数中的最大值,以及其余N-1个标准方向导数中的最大值;
还用于若其余N-1个实测方向导数中的最大值与其余N-1个标准方向导数中的最大值相同,则确定进一步检测区域为热故障区域;若不同,则获取其余N-2个实测方向导数中的最大值,以及其余N-2个标准方向导数中的最大值;
依次类推,直至对比至最后一个实测方向导数与标准方向导数,若相同,确定进一步检测区域为热故障区域,若不同,确定进一步检测区域为非热故障区域,其中,N为正整数。
可选地,灰度图像获取模块包括:
对红外热图像中各像素点红色、绿色、蓝色分量进行加权计算,其加权值通过红外图像全局自适应计算得到:
Gravij=aRRij+aBBij+aGGij;
式中,Gravij为灰度图像第i行,第j列像素点灰度值;Rij、Gij、Bij分别为红外热图像第i行,第j列像素点红色、绿色、蓝色分量值;aR、aG、aB分别为Rij、Gij、Bij全局自适应加权值,n,m分别为红外热图像的总行数和总列数。
可选地,对比度增强灰度图像获取模块包括:
第二计算模块,用于获取去噪灰度图像中灰度值为第一灰度值的像素点数与去噪灰度图像中像素点总数之比值;
还用于获取去噪灰度图像中的最大灰度值和最小灰度值之差值;
还用于将差值和比值之积作为对比度增强后的第一灰度值;
进而,依次执行获取各灰度值的对比度增强后的灰度值,获取对比度增强灰度图像。
可选地,图像增强去噪灰度图像获取模块,包括:
筛选模块,用于比较比度增强灰度图像中各像素点的灰度梯度与比度增强灰度图像中的中心像素点的灰度梯度大小,筛选出疑似干式空心电抗器边缘像素点的多个疑似边缘像素点;
第三计算模块,用于分区块处理多个疑似边缘像素点,计算区块中的分割灰度阈值,以及边缘最小灰度阈值和边缘最大灰度阈值;
第三判断模块,用于若多个疑似边缘像素点中其一像素点的灰度值小于边缘最小灰度阈值,则疑似边缘像素点非边缘像素点;
还用于若多个疑似边缘像素点中其一像素点的灰度值大于边缘最大灰度阈值,则疑似边缘像素点为边缘像素点;
还用于若多个疑似边缘像素点中其一像素点的灰度值大于或等于边缘最小灰度阈值,且小于或等于边缘最大灰度阈值,则扩大区块进行迭代;
最终,获取对比度增强的干式空心电抗器边缘图像。
可选地,实测温度分布矩阵获取模块102,包括:
第四计算模块,用于获取对比度增强的干式空心电抗器边缘图像中的最大灰度值和最小灰度值,提取最大灰度值对应的温度数值,和最小灰度值对应的温度数值;
还用于对比度增强的干式空心电抗器边缘图像中各像素点对应的温度值为,像素点的灰度值,乘以,最大灰度值对应的温度数值与最小灰度值对应的温度数值之差,并除以,最大灰度值和最小灰度值之间的差值,形成实测温度分布矩阵。
由此,可以避免了仅通过红外图像确定热故障的局限性,并有效的实现了通过梯度方向准确定位热故障。
本发明实施例所提供的干式空心电抗器热故障检测装置可执行本发明任意实施例所提供的干式空心电抗器热故障检测方法,具备执行方法相应的功能模块和有益效果,该实施例中不再赘述。
实施例三
本发明实施例提出了一种电子设备,电子设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例提出的的干式空心电抗器热故障检测方法。
本发明实施例还提出了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例提出的的干式空心电抗器热故障检测方法。
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如干式空心电抗器热故障检测方法。
在一些实施例中,干式空心电抗器热故障检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的干式空心电抗器热故障检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行干式空心电抗器热故障检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
综上所述,根据本发明实施例提出的干式空心电抗器热故障检测方法、装置、设备和介质,该方法中,通过获取干式空心电抗器正常运行时的各方位的红外热图像,根据红外热图像获取实测温度分布矩阵;以及基于干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取干式空心电抗器表面温度分布数据作为标准温度分布矩阵;进而,对实测温度分布矩阵、标准温度分布矩阵均划分区域,并计算任意对应区域中实测温度分布矩阵、标准温度分布矩阵两者之间的方差平方,以根据方差平方的值以及预设阈值确定区域为热故障区区域或进一步检测区域;从而,当区域为进一步检测区域时,基于进一步检测区域的实测温度分布矩阵的方向导数、标准温度分布矩阵的方向导数确定进一步检测区域是否为热故障区域,以实现对干式空心电抗器的热故障进行精准定位,便于维护人员及时得知故障位置并进行维修,避免故障造成更大的问题。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种干式空心电抗器热故障检测方法,其特征在于,包括以下步骤:
获取干式空心电抗器正常运行时的各方位的红外热图像,根据所述红外热图像获取实测温度分布矩阵;
基于所述干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取所述干式空心电抗器表面温度分布数据作为标准温度分布矩阵;
对所述实测温度分布矩阵、所述标准温度分布矩阵均划分区域,并计算任意对应区域中所述实测温度分布矩阵、所述标准温度分布矩阵两者之间的方差平方,以根据所述方差平方的值以及预设阈值确定所述区域为热故障区区域或进一步检测区域;
所述区域为进一步检测区域时,基于所述进一步检测区域的所述实测温度分布矩阵的方向导数、所述标准温度分布矩阵的方向导数确定所述进一步检测区域是否为热故障区域。
2.根据权利要求1所述的干式空心电抗器热故障检测方法,其特征在于,所述获取干式空心电抗器正常运行时的各方位的红外热图像,根据所述红外热图像获取实测温度分布矩阵包括:
获取布置在所述干式空心电抗器的各方位的红外热像仪,采集的各方位的所述红外热图像;
采用自适应全局加权平均法对所述红外热图像进行灰度处理,获取所述红外热图像对应的灰度图像;
对所述灰度图像去噪处理,获取所述灰度图像对应的去噪灰度图像;
结合直方图均衡化与分块自适应Canny边缘检测算法对所述去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像;
基于所述图像增强去噪灰度图像提取其中温度分布数据,形成所述实测温度分布矩阵。
3.根据权利要求1所述的干式空心电抗器热故障检测方法,其特征在于,所述基于所述干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取所述干式空心电抗器表面温度分布数据作为标准温度分布矩阵,包括:
基于所述干式空心电抗器的三维温度场有限元计算模型,分别获取所述干式空心电抗器正常运行时,不同负载系数、不同谐波含有率、不同谐波阶数、不同日照强度、不同环境温度、不同海拔高度、不同通风条件下的温度分布图;
基于各所述温度分布图提取温度分布数据,形成所述干式空心电抗器的温度分布数据库;
基于所述温度分布数据库获取所述干式空心电抗器表面温度分布数据作为标准温度分布矩阵。
4.根据权利要求1所述的干式空心电抗器热故障检测方法,其特征在于,所述对所述实测温度分布矩阵、所述标准温度分布矩阵均划分区域,并计算任意对应区域中所述实测温度分布矩阵、所述标准温度分布矩阵两者之间的方差平方,以根据所述方差平方的值以及预设阈值确定所述区域为热故障区区域或进一步检测区域,包括:
计算所述实测温度分布矩阵中的区域的第一温度均值,所述标准温度分布矩阵中对应的区域的第二温度均值,获取所述第一温度均值与所述第二温度均值之间的方差平方;
当所述方差平方大于预设阈值时,确定所述区域为热故障区域;
当所述方差平方小于或等于所述预设阈值时,确定所述区域为进一步检测区域。
5.根据权利要求1所述的干式空心电抗器热故障检测方法,其特征在于,所述区域为进一步检测区域时,基于所述进一步检测区域的所述实测温度分布矩阵的方向导数、所述标准温度分布矩阵的方向导数确定所述进一步检测区域是否为热故障区域,包括:
以所述进一步检测区域中对应的所述实测温度分布矩阵中各点为中心,获取N个方向的N个实测方向导数;并获取所述N个实测方向导数中的最大值;
以所述进一步检测区域中对应的所述标准温度分布矩阵中各点为中心,获取N个方向的N个标准方向导数;并获取所述N个标准方向导数中的最大值;
若所述N个标准方向导数中的最大值与所述N个实测方向导数中的最大值相同,则确定所述进一步检测区域为热故障区域;若不同,则获取其余N-1个实测方向导数中的最大值,以及其余N-1个标准方向导数中的最大值;
若所述其余N-1个实测方向导数中的最大值与所述其余N-1个标准方向导数中的最大值相同,则确定所述进一步检测区域为热故障区域;若不同,则获取其余N-2个实测方向导数中的最大值,以及其余N-2个标准方向导数中的最大值;
依次类推,直至对比至最后一个实测方向导数与标准方向导数,若相同,确定所述进一步检测区域为热故障区域,若不同,确定所述进一步检测区域为非热故障区域,其中,所述N为正整数。
7.根据权利要求2所述的干式空心电抗器热故障检测方法,其特征在于,所述结合直方图均衡化与分块自适应Canny边缘检测算法对所述去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像中,所述直方图均衡化处理包括:
获取所述去噪灰度图像中灰度值为第一灰度值的像素点数与所述去噪灰度图像中像素点总数之比值;
获取所述去噪灰度图像中的最大灰度值和最小灰度值之差值;
将所述差值和所述比值之积作为对比度增强后的第一灰度值;
依次执行获取各灰度值的对比度增强后的灰度值,获取对比度增强灰度图像。
8.根据权利要求7所述的干式空心电抗器热故障检测方法,其特征在于,所述结合直方图均衡化与分块自适应Canny边缘检测算法对所述去噪灰度图进行图像增强处理,获取图像增强去噪灰度图像中,所述分块自适应Canny边缘检测算法包括:
比较所述比度增强灰度图像中各像素点的灰度梯度与所述比度增强灰度图像中的中心像素点的灰度梯度大小,筛选出疑似所述干式空心电抗器边缘像素点的多个疑似边缘像素点;
分区块处理多个所述疑似边缘像素点,计算所述区块中的分割灰度阈值,以及边缘最小灰度阈值和边缘最大灰度阈值;
若多个所述疑似边缘像素点中所述其一像素点的灰度值小于所述边缘最小灰度阈值,则所述疑似边缘像素点非边缘像素点;
若多个所述疑似边缘像素点中所述其一像素点的灰度值大于所述边缘最大灰度阈值,则所述疑似边缘像素点为边缘像素点;
若多个所述疑似边缘像素点中所述其一像素点的灰度值大于或等于所述边缘最小灰度阈值,且小于或等于所述边缘最大灰度阈值,则扩大所述区块进行迭代;
获取对比度增强的所述干式空心电抗器边缘图像。
9.根据权利要求8所述的干式空心电抗器热故障检测方法,其特征在于,所述基于所述图像增强去噪灰度图像提取其中温度分布数据,形成所述实测温度分布矩阵,包括:
获取对比度增强的所述干式空心电抗器边缘图像中的最大灰度值和最小灰度值,提取所述最大灰度值对应的温度数值,和所述最小灰度值对应的温度数值;
所述对比度增强的所述干式空心电抗器边缘图像中各像素点对应的温度值为,所述像素点的灰度值,乘以,所述最大灰度值对应的温度数值与所述最小灰度值对应的温度数值之差,并除以,所述最大灰度值和最小灰度值之间的差值,形成所述实测温度分布矩阵。
10.一种干式空心电抗器热故障检测装置,其特征在于,包括:
实测温度分布矩阵获取模块,用于获取干式空心电抗器正常运行时的各方位的红外热图像,根据所述红外热图像获取实测温度分布矩阵;
标准温度分布矩阵获取模块,用于基于所述干式空心电抗器在不同负载、不同气象条件下的温度分布数据库,获取所述干式空心电抗器表面温度分布数据作为标准温度分布矩阵;
检测模块,用于对所述实测温度分布矩阵、所述标准温度分布矩阵均划分区域,并计算任意对应区域中所述实测温度分布矩阵、所述标准温度分布矩阵两者之间的方差平方,以根据所述方差平方的值以及预设阈值确定所述区域为热故障区区域或进一步检测区域;
进一步检测模块,用于所述区域为进一步检测区域时,基于所述进一步检测区域的所述实测温度分布矩阵的方向导数、所述标准温度分布矩阵的方向导数确定所述进一步检测区域是否为热故障区域。
11.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的干式空心电抗器热故障检测方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-9中任一项所述的干式空心电抗器热故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211524715.8A CN115773821A (zh) | 2022-11-30 | 2022-11-30 | 一种干式空心电抗器热故障检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211524715.8A CN115773821A (zh) | 2022-11-30 | 2022-11-30 | 一种干式空心电抗器热故障检测方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115773821A true CN115773821A (zh) | 2023-03-10 |
Family
ID=85390774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211524715.8A Pending CN115773821A (zh) | 2022-11-30 | 2022-11-30 | 一种干式空心电抗器热故障检测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115773821A (zh) |
-
2022
- 2022-11-30 CN CN202211524715.8A patent/CN115773821A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116310903A (zh) | 识别光伏组件故障类型的方法、装置及电子设备 | |
CN116309344A (zh) | 一种绝缘子异常检测方法、装置、设备和存储介质 | |
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN112113638B (zh) | 水表功能自检装置及方法 | |
CN117593115A (zh) | 信贷风险评估模型的特征值确定方法、装置、设备和介质 | |
CN116698874A (zh) | 一种电缆的缺陷检测方法、装置、设备及存储介质 | |
CN115773821A (zh) | 一种干式空心电抗器热故障检测方法、装置、设备和介质 | |
CN114494782B (zh) | 图像处理方法、模型训练方法、相关装置及电子设备 | |
CN116630863A (zh) | 一种配电网安全标识识别方法、装置、设备及存储介质 | |
CN115542100B (zh) | 绝缘子故障检测方法、装置、设备及介质 | |
CN117975275A (zh) | 配电线路杆塔的识别方法、装置、电子设备及存储介质 | |
CN117690181A (zh) | 虹膜图像的处理方法、装置、电子设备及存储介质 | |
CN117576077A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN118052877A (zh) | 电力线缆断股缺陷的定位方法、装置、设备及介质 | |
CN118097144A (zh) | 一种模型训练、点云分割方法、装置及电子设备 | |
CN116740451A (zh) | 一种电力巡检图像检测方法、设备和存储介质 | |
CN118333610A (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
CN118273891A (zh) | 风机塔筒倾斜度确定方法及装置、电子设备、存储介质 | |
CN117935129A (zh) | 一种配电网线路灾损检测方法、装置、设备及存储介质 | |
CN115019099A (zh) | 一种热斑类别识别方法、装置、电子设备、介质及产品 | |
CN118245823A (zh) | 一种绝缘子泄漏电流预测方法、装置、设备及存储介质 | |
CN117458484A (zh) | 高容配比光伏短期功率预测方法、装置、设备及存储介质 | |
CN117333595A (zh) | 锅炉水冷壁缺陷展示方法、装置、电子设备和存储介质 | |
CN116416254A (zh) | 一种输电线分割方法、装置、电子设备及存储介质 | |
CN117117849A (zh) | 光伏功率预测方法、装置、设备及存储介质 |
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 |