基于變電站視頻圖像的變壓器冷卻風機運行狀態識別方法研究

汶愛文，王印松，常政威

(1.華北電力大學，河北 保定 071003；2.國網四川省電力公司電力科學研究院，四川 成都 610072)

基于變電站視頻圖像的變壓器冷卻風機運行狀態識別方法研究

汶愛文1，王印松1，常政威2

(1.華北電力大學，河北 保定 071003；2.國網四川省電力公司電力科學研究院，四川 成都 610072)

基于OpenCV2圖像處理技術，提出了兩種針對變壓器冷卻風機轉動情況判斷的方案：①連通區域質心分析法：結合閾值算法和分水嶺算法得到感興趣區域的連通區域，并求其質心，通過分析質心位置的變化情況判斷風機轉動與否；②直方圖統計分析法：通過求取圖像直方圖信息判斷風機轉動與否。實驗結果和實驗相關數據的分析驗證了兩種方案的可行性和實用性。

OpenCV2；連通區域；質心；直方圖

0 引 言

變壓器是電網中的重要設備之一，而變壓器冷卻問題是其中一個重要的問題。溫升過高，變壓器將長期處于高溫狀態，尤其是變壓器滿負荷運行且環境溫度也較高時，易使絕緣材料老化加速，必將影響變壓器的使用壽命和安全可靠性，甚至導致短路，造成事故，給用戶帶來安全隱患。

目前，變電站對變壓器冷卻風機(以下簡稱風機)轉動情況的監視沒有一個很好的手段，當風機停止轉動導致油溫升高到一定程度從而引發報警，然后才采取相應的措施。這樣處理問題存在延時性，并且會造成變壓器壽命縮短等問題，所以及時地檢測風機的轉動情況是一種非常有意義的解決方案。

隨著電網技術的發展，目前國內越來越多的變電站特別是智能變電站，能遠程對變電站的電氣設備及運行狀態進行遙測、遙信、遙控和遙調(即傳統的“四遙”)，從而可實現變電站的無人值守。而“第五遙”(遙視方面)，視頻監控系統也已大量建設。

如果能有效利用視頻監控系統，通過視頻處理、圖像處理技術等將采集到的視頻信息用于判斷風機的轉動情況，這或許是未來一個發展的方向。

1 對象特性分析

研究對象風機整體相對于地面處于靜止狀態，而目前被大量研究的為目標跟蹤問題，其研究對象相對于地面處于運動狀態。另一方面，風機整體呈灰色調，彩色信息單一。基于上述兩個難點，將嘗試兩種方案用于判斷風機扇葉相對于風機是否處于轉動狀態。

2 連通區域質心分析法

原理：如果扇葉轉動，則圖像中像素分布會發生變化；而如果扇葉沒有轉動，則圖像中像素分布基本不發生變化。對于一幅圖像，通過提取其二值圖像的連通區域，然后計算連通區域的質心，當視頻序列圖像在發生變化時，其相應的連通區域的質心也會發生變化。圍繞對象的這個顯著特征，下面通過求取圖像中連通區域的質心的變化情況進行風機轉動與否的判斷。

2.1 連通區域質心分析法判斷步驟

(1)求取連通區域

首先，(第一幀圖像)選取風機所在位置作為感興趣區域，并通過閾值函數cv::threshold進行閾值處理，得到合適的閾值threshold_value，并再次在上述感興趣區域中選取一部分作為進行連通區域質心分析的感興趣區域rect。

然后，采用cv::cvtColor函數將感興趣dstImg圖像灰度化，得到binary灰度圖像。并用cv::threshold函數得到binary圖像的二值圖像binary。

下面開始進行分水嶺處理。首先需要識別出確定屬于前景的像素和確定屬于背景的像素。用標簽255標記前景像素，用標簽128標記背景像素，其他像素用0標記。

腐蝕和膨脹是最基本的形態學運算。形態學濾波通常使用二值圖像，在此用高(白色)像素表示前景物體，用低(黑色)像素表示背景。

前景圖像fg直接取binary即可。

對binary二值圖像先進行cv::dilate函數膨脹處理并調用cv::threshold函數即可得到背景圖像bg。生成的黑色像素對應的是背景像素。這就是膨脹之后的閾值化運算將像素賦值為128的原因。組合使用fg與bg圖像形成標記圖像markers。

圖1 標記圖像

接著調用cv::watershed函數進行分水嶺分割，從而使輸入的標記圖像得到更新，生成最終的分水嶺分割。

標記圖像得到更新，每個零像素被賦值為輸入標簽之一，而隸屬于當前發現的邊界的像素被賦予-1，生成最終的分水嶺分割，經過處理得到最終的連通區域圖像segment。

(2)提取連通區域質心信息

提取連通區域的輪廓需要二值圖像，故先使用cv::threshold進行閾值化處理，得到二值圖像contour。

圖2 segment

使用cv::findContours函數提取連通區域輪廓。該函數輸入的為一幅二值圖像，輸出的是輪廓的向量，而輪廓本身是cv::Points的向量。所以定義contours為std::vecotr的std::vector作為第二個參數。第三個參數CV_RETR_LIST檢索所有的輪廓，并將其放入list中。

然后遍歷所有輪廓，求取它們的力矩，并將質心坐標轉化為整數得到二維點point_mom。統計視頻序列前max_COUNT幀中每一幀圖像的point_mom和contours.size()的大小，并計算contours.size()為1時的point_mom點坐標的x和y變量的變動情況。

圖3 連通區域質心分析法程序流程示意圖

因為選取的感興趣區域rect很小，強制限定了rect.width=12，rect.height=12，所以基本保證了這個區域中contours.size()的大小基本為1、2、3或者不存在連通區域(即contours向量為空)，為1的概率比較大，從而統計分析contours.size()為1時的point_mom點坐標的x和y變量的變動情況可以反應風機扇葉的轉動情況。當風機轉動時，由于像素分布的變化，會使感興趣區域的連通區域發生變化，從而質心位置發生移動；而風機不轉動時，連通區域基本不改變，從而質心位置基本也不移動。這樣，通過計算坐標變量x和y位移大小占整個感興趣區域的比例，便可以判斷風機轉動情況，從而完成所做判定。

圖4 風機不轉動時連通區域質心坐標變化情況

圖5 風機轉動時連通區域質心坐標變化情況

整個程序流程示意圖如圖3所示。

2.2 數據結果分析

表1 風機不轉動數據統計表

表2 風機轉動數據統計表

說明：point_1、point_2、point_3分別表示一幅圖像只有一個、兩個、三個質心point時的總和，point_oth統計不屬于上述情況的Point總和；x_avr、y_avr表示 (x,y)坐標(平均)跳動幅度占rect()的百分比；x_per、y_per表示(x,y)坐標(整體)跳動幅度占rect()的百分比。

由表1、表2結果可以看出，當風機在轉動時，質心位置偏移比較大，從而x_avr、y_avr、x_per、y_per值偏大。當風機轉動時，質心位置變化比較大，而且連通區域的個數有時候也在交替變化。圖4、圖5為風機不轉動與轉動時質心坐標的變化情況，由圖4可以明顯地看出當風機不轉動時質心坐標變化不大，坐標較為集中，而由圖5看出當風機轉動時質心坐標變化很大，坐標分布很分散。這種方法最適合于閾值化后圖像中扇葉與其他部分區分比較明顯的場合。

3 直方圖統計分析法

原理：假設兩幅圖像完全一致，則它們采用cv::addWeighted函數相加后所得結果的圖像的直方圖會呈現“稀疏”現象，即在某一區段內，直方圖中偶數容器的有值，而奇數容器的值為零。當兩幅圖像不完全相同時，采用上述方法得到的直方圖呈現“密集”現象，即在某一區段內，直方圖奇數偶數容器的值基本都不為零。利用這個現象即可判斷風機的轉動與否。

3.1 直方圖統計分析法判斷步驟

首先，(第一幀圖像)選取風機一部分作為感興趣區域rect，并限定rect.width=12，rect.height=12。

循環讀取每相隔5幀的兩幅圖像的灰度圖像origgray和origgray1，將它們進行cv::addWeighted運算處理，得到add圖像。cv::addWeighted函數計算兩數組的加權值的和(注意所有的數組必須有相同的類型和相同的大小)。

dst(i)=src1(i)*alpha+src2(i)*beta+gamma;

然后用cv::calcHist函數統計add圖像的直方圖信息。

直方圖是一個簡單的表，它給出了一幅圖像或一組圖像中擁有給定數值的像素數量。因此，灰度圖像的直方圖有256個容器。0號容器給初值為0 的像素個數，1號容器給出值為1的像素個數，以此類推。

比如一幅圖中1、2、3號容器有值，剩余的值為零。兩幅完全相同的圖像通過cv::addWeighted相加(假設alpha=1.0，beta=1.0，gamma=0.0)，則值不為零的容器變為2、4、6號容器了，直方圖由原來的“連續”變為“間斷”，即由“密集”(圖6(b))變為“稀疏”(圖6(a))。

圖6 直方圖的變化

通過統計視頻序列前max_COUNT幀圖像中感興趣區域通過cv::addWeighted函數后直方圖呈現的特征，并對其特征進行分析，即可判斷風機的轉動情況。

整個程序流程示意圖如圖7所示。

圖7 直方圖統計分析法程序流程圖

3.2 數據結果分析

由表3可以看出，當兩幅圖像差異大時，p_chg值會偏大，即偏向于100%，因為直方圖容器有值的區間，不管奇數還是偶數容器都是有值的，所以趨于100%；而當兩幅圖像差異很小時，p_chg值會偏小，50%左右。由這個現象，就可以通過p_chg值的大小變化判斷風機轉動與否。圖8可以更直觀的反應p_chg的變化情況，當兩圖像差異大，即風機轉動時，p_chg曲線偏向于上端100%(曲線y1、y2)；反之，p_chg曲線偏向于下端50%左右(曲線y3、y4)。上述判斷結果跟實際情況也基本符合，而且這個方案使用簡單且適用范圍也較廣。

表3 直方圖數據統計表

說明：p_chg表示直方圖從非零元素開始到結束中非零元素個數；p_60、p_85、p_95分別表示p_chg小于60%、大于85%、大于95%時的圖像個數。

圖8 p_chg變化情況

4 總結與展望

連通區域質心分析法有時不準確，其原因可能是因為這個方法中涉及到腐蝕、膨脹、閾值化和分水嶺分割等操作，這些操作本身會改變圖像，累加在一起有時候就會出現結果可能不準確現象。如果能夠對連通區域有2個、3個等質心時的變化情況更加詳細的進行分析，則可以更好地判斷風機轉動與否，判斷風機轉動的結果將更加準確，適用場合將更加廣泛。

兩種方案各有優缺點，而對于兩種方法，都存在如何去定義轉動與不轉動的界限問題及感興趣區域大小的選定問題。如果能夠采集大量的視頻信息，并結合統計分析法等數學方法進行研究，可以更有效地定義風機轉動與不轉動的界限，從而更廣泛地適用于風機轉動與否的判斷。僅僅給出了兩種思路，或許還可以結合兩者的優點，再結合目前已有的跟蹤算法如光流法、均值漂移算法等，然后通過大量的實驗使其更加具有廣泛實用性。

[1] 劉瑞禎,于仕琪.OpenCV教程——基礎篇[M].北京:北京航空航天大學出版社,2007.

[2] (加)Robert Laganiere著;張靜譯.OpenCV 2計算機視覺編程手冊[M].北京:科學出版社,2013.

[3] 高楊. 視頻質量診斷算法研究與實現[D].沈陽：東北大學，2011：13-14.

[4] (美)布拉德斯基,克勒著;于仕琪,劉瑞禎譯.學習OpenCV[M].北京:清華大學出版社,2009:1-16,351-355.

[5] 岑銀.基于OpenCV的智能視頻監控設計[J].電子元器件應用,2010，12(7):47-49,52.

Two schemes are proposed which are the judgments about the rotation of transformer cooling fan based on OpenCV2 image processing technology. One is centroid analysis of connected region: combined with threshold algorithm and watershed algorithm, the interested connected region is obtained to get its centroid, and then the changes of centroid′s position are analyzed to judge whether the fan rotates or not. The other one is histogram statistical analysis: through calculating the histogram information of images, it is determined whether the fan rotates or not. The experiment results show that the proposed two schemes are feasible and practical.

OpenCV2; connected region; centroid; histogram

國網四川省電力公司研究開發項目(52199713506h)

TM85

A

1003-6954(2015)01-0009-05

2014-09-17)

汶愛文(1990)，碩士，主要研究方向為變電站視頻質量診斷相關技術研究；

王印松(1967)，博士生導師，主要研究方向為先進控制策略及其在電力系統中的應用、清潔能源發電控制技術；

常政威(1981)，博士，高級工程師，主要研究方向為智能電網技術研究。