基于紅外圖像分析的電力設備熱故障檢測技術研究

蘆竹茂+王天正+俞華+馬麗強+劉永鑫

摘 要： 設計基于紅外圖像分析的電力設備熱故障檢測系統，該系統由圖像采集模塊和圖像檢測模塊組成。根據目標設備的形狀特征識別熱圖像中的電力設備，計算設備區域內的最高溫度值，并對各種影響因素進行修正后做出診斷，取得了令人滿意的結果。在與主動式傳感器的電力設備熱故障檢測法的對比試驗中，證明提出的基于紅外圖像分析的電力設備熱故障檢測方法在對電力設備熱故障區域進行檢測時是準確、有效的。

關鍵詞： 輸變電設備； 在線監測； 狀態診斷； 熱故障檢測

中圖分類號： TN219?34 文獻標識碼： A 文章編號： 1004?373X（2017）11?0123?04

Research on electrical equipment thermal fault detection technology

based on infrared image analysis

LU Zhumao， WANG Tianzheng， YU Hua， MA Liqiang， LIU Yongxin

（Electric Power Research Institute， State Grid Shanxi Electric Power Company， Taiyuan 030001， China）

Abstract： The electrical equipment thermal fault detection system based on infrared image analysis was designed， which is composed of the image acquisition module and image detection module. The electric equipment in thermal image is recognized according to the shape feature of the target equipment. The maximum temperature in the equipment area is calculated. The various influence factors are corrected for diagnosis， which has obtained the satisfactory result. The comparative test of the proposed method with the electrical equipment thermal fault detection method of active sensor of thermal power equipment fault detection method was performed. It is proved that the electrical equipment thermal fault detection method based on infrared image analysis is accurate and effective to detect the thermal fault area of electrical equipment.

Keywords： power transmission equipment； online monitoring； condition diagnosis； thermal fault detection

0 引 言

為了確保龐大數量的電力設備能夠正常可靠地運行，必須對這些設備進行定期和經常性的檢查和故障診斷。然而傳統的檢查方法必須對設備停運，隨著設備數量的不斷增多，線路需要停運的次數也越來越多，造成巨大的經濟損失。

隨著技術的發展，紅外圖像識別技術開始應用于電力設備的過熱故障監測中。紅外熱成像設備用于電力設備故障檢測具有靈敏度高、可進行計算分析、檢測效率高等特點，其最大優點在于可以對電力設備進行實時在線狀態檢測和熱故障診斷，因此近年來在國內外得到了非常廣泛的應用。

1 基于紅外圖像分析的電力設備熱故障檢測技術

1.1 系統架構

本文充分利用紅外圖像分析技術，設計了基于紅外圖像分析的電力設備熱故障檢測系統，這一系統主要包括兩大模塊：一是圖像采集模塊，負責電力設備紅外圖像的采集；二是圖像檢測模塊，負責依據紅外圖像進行電力設備溫度參數的計算和分析處理。

針對紅外圖像采集，系統設計具有采集設備的定位功能和紅外圖像采集功能，利用定位功能對電力設備進行現場的檢測和圖片采集，自動采集設備的紅外圖像，然后存入圖像數據中。圖像檢測模塊則總控該系統，在整個檢測系統中，圖像檢測模塊在獲取圖像采集模塊的電力設備紅外圖像后，對圖像進行自動分析，計算獲取圖像的溫度值后，與系統預設的警戒溫度進行對比，如果高于預設閾值則發出預警信息，維修人員依據預警信息組織快速維修任務。系統總體結構如圖1所示。

1.2 電力設備熱故障紅外檢測流程

現場檢測完成后，給出設備故障的定性診斷，進入故障的定量診斷階段，工作流程如圖2所示。因為大多數電器設備的紅外診斷只憑其熱像特征給出定性診斷是很不夠的，為了能提出準確的維修建議，必須對故障的定位和嚴重程度做出準確的定量診斷。為了提高定量診斷的準確性，必須通過計算機進行精確的定量分析處理，并針對不同情況采取相應的分析判別方法。

（1） 紅外圖像收集

紅外線圖像通常使用圖像采集設備收集圖像。在特殊規定的范圍內，該設備根據電力設備熱故障的數量和類別差異，分析目標位置，并在各個地方進行紅外圖像的收集。由于電力設備內存在著不同位置許多可以檢測的特征點，因此實際工作時需要從各個目標位置中獲取紅外圖像，來逐一查看各個檢測點的溫度情況。收集圖像的采集設備可以在規定的路徑上從頭走到尾逐一從電力設備的特征點上實行紅外圖像采集。圖像收集過程前后銜接不間斷，使電力設備熱故障檢測過程動態持續運行。

（2） 紅外圖像配準

采集設備作為一款硬件設施，檢測過程中不可避免的會出現誤差。誤差造成紅外圖像的采集位置與電力設備的原始位置不同，這樣會進一步影響計算的過程和結果，會使得特征點的溫度與實際溫度出現很大的偏差，大大影響了準確率，因此需要對這些誤差進行配準。

（3） 采集信息多方面對比

數據庫設置的位置信息，尤其是特征點的信息是進行診斷的依據。系統會根據這些位置信息進行紅外圖像的采集，并且獲取區域內電力設備的溫度數據。然后，將二者進行比較分析，同時還要將采集的溫度數據與數據庫中的溫度數據進行比較分析，最后得出一個結果。

（4） 根據電力設備的溫度數據，將設備的信息相互多方面對比后，可以獲得一個準確的結果。依據這一結果進行電力設備熱故障的診斷，并且發出警報。

1.3 提高診斷準確性的技術方法

1.3.1 溫度值的發射率修正

影響物體紅外輻射測溫值的重要因素是物體表面的發射率，用紅外檢測儀器（如熱像儀）測量電氣設備表面的溫度時，根據物體表面的發射值調整檢測儀器的“發射率修正”旋鈕，對被測設備的溫度輸出值進行發射率修正。發射率分別為0.75，0.9的對比見圖3。

1.3.2 溫度值的距離修正

在大多數情況下，紅外測溫結果總是低于被測設備表面的實際溫度，這是因為被測設備表面發射的紅外輻射在大氣中的傳輸受到衰減。當檢測距離較大且需要進行定量監測時，則需要對溫度值的距離進行修正。修正的方法有以下三個方面：

（1） 系數修正。該方法是基于大量的模擬實驗獲取數據，然后根據實驗數據顯示的熱源溫度隨距離的變化規律，在不同距離下，溫度的變化規律的細微差別就可以利用系數進行調整，即為修正，進而得到一組溫度隨距離變化的修正系數數據。通過模擬試驗得到的一組溫度修正系數如表1所示。

例如：如果對某一刀閘正常檢測時，在距離2 m時，測得的溫度為35 ℃，若檢測距離是25 m，則實際溫度應該用測得的35 ℃再乘以修正系數1.55，最后實際溫度應該為54.25 ℃。

（2） 曲線定標修正。首先要繪制出溫度與距離的線性圖，利用溫度穩定且可調的熱源，使用熱像儀在不同距離處測量溫度，以距離為參數，得到的結果如圖4所示。接下來，就可以根據圖4進行溫度修正，當在測量現場使用紅外測溫獲得一個溫度值后，在圖4的縱軸上找到與溫度值對應的刻度，然后畫出一條水平線與相應的檢測距離定標線相交，再從交點向下作一條垂線，垂線與橫軸的交點就是最終要測出的物體溫度。

（3） 風速修正。依據常識，如果有風存在，一定會影響遠距離熱量的擴散，這是因為風速會直接影響設備表面的對流放熱。因此，在相同的故障情況下，檢測時有風和無風將會是完全不同的結果，風速會影響檢測的結果，所以，當風速大于0.05 m/s時一定要對檢測的溫度結果進行風力修正，否則檢測結果是不準確的。進行風速的修正，首先將零級風時的溫升標準化：

（1）

式中：代表風速；是風速為時檢測到的溫度值；而指在風速為0時的標準化溫度值；指風速衰減系數，在本文的修正中，順風時取0.904，背風時取1.31。

圖5中的刀閘接頭實測溫度為43 ℃，檢測時風速為1.5 m/s，根據式（1）進行風速修正，如果是背風則修正后的溫度為135 ℃，若是順風則修正后的溫度是225 ℃。通過前后的結果可以看出，如果沒有風速修正會認為刀閘接頭是正常的，但修正后應判為緊急故障，需要立即進行維修。這就說明，在檢測之后對得到的熱圖像進行風速的修正是十分必要的。

綜上所述，利用紅外圖像分析對電力設備進行檢測時，精心準備、認真操作只是基礎，在這些基礎之上， 對測得的數據進行各方面的修正才能保證最終結果的正確性，才能對電力設備的狀態進行準確的診斷。

2 電力設備的識別及自動診斷

實現基于紅外圖像分析的電力設備熱故障檢測系統，還需要解決兩個主要問題：一是電力設備的識別；二是自動診斷。

2.1 電力設備的識別

通常情況下，電力設備的紅外熱圖像與可見光圖像有很大的不同，在較遠距離或是較弱的紅外輻射下獲取的設備熱圖像會很模糊，圖像的細節較少，不足以顯示一個完整的設備細節，另外，熱圖像呈現的復雜度、紋理等也在很大程度上受到物體表面紅外輻射場的影響，紅外圖像僅能反映出設備的邊緣信息，這就給基于紅外熱圖像實現電力設備的識別提出了一個難題。

為了解決這一問題，系統具備圖像識別的能力。圖像識別實際就是對紅外熱圖像的分類，分類的依據是從圖像中提取的各種特征信息與標準圖像特征庫進行比對，特征匹配度越大，就會歸為某種設備。因此，首先要進行電力設備的特征提取，在這一過程中，電力設備的幾何形狀具有平移、比例和旋轉不變性尤為重要，這樣可以保證特征的不變性，這一類的電力設備有阻波器、三相電纜頭、互感器、隔離刀閘等，選取每類設備圖像區域的形狀參數和偏心度作為分類的特征依據，建立電力設備的特征向量空間，這就是一個標準庫。

在模式識別系統中進行分類器的訓練。在分類器進行判決時，要利用特征向量空間中的樣本特征。在一幅紅外熱圖像輸入系統后，系統會自動計算圖像的維數，并依據每個像素的灰度值提取圖像的原始特征，然后進一步計算，提取出少量更有意義的特征值。將紅外熱圖像的這一特征值與標準庫的特征值進行比對，很快可以識別出紅外熱圖像屬于哪一設備。

2.2 電力設備熱故障的自動診斷

在以上工作的基礎上，計算實現自動診斷的一個依據就是待診斷設備區域內的最高溫度值。溫度值是系統進行診斷的惟一參數值，流程如圖6所示，首先依據紅外圖像進行圖像預處理，這一方面是對目標的識別。另一方面根據“斯蒂芬?波爾茲曼定律”進行計算，確定紅外發射率和實際的電氣設備的溫度，然后系統根據之前設定的故障級別，及時輸出該熱設備的圖像數據、診斷結果以及預警信息，最后輸出診斷結果。

圖6 紅外熱圖像電力設備故障自動診斷過程圖

3 運行分析

為了驗證本文提出的基于紅外圖像分析的電力設備熱故障檢測系統的有效性，對其進行相關的實驗分析。實驗采用對比方法，參與比較的是主動式傳感器的電力設備熱故障檢測法。

圖7是采用兩種方法對某地區的電力設備熱故障檢測后獲取的電力設備過熱區域檢測結果圖。可以看出，本文提出的基于紅外圖像分析方法檢測出的電力設備過熱區域與實際的區域更加接近，準確度更高，而對比方法檢測的過熱區域明顯大于實際的過熱區域，偏差較大。

圖7 不同檢測方法檢測結果對比圖

4 結 語

本文設計的基于紅外圖像分析的電力設備熱故障檢測系統由圖像采集模塊和圖像檢測模塊組成。基于紅外圖像識別方法，根據目標設備的形狀特征識別熱圖像中的電力設備，計算實現自動診斷的一個依據就是待診斷設備區域內的最高溫度值，本文詳細介紹了溫度的三個修正：系數修正、曲線定標修正和風速修正，通過對各種影響因素進行修正后做出診斷，取得了令人滿意的結果。為了驗證本文提出的基于紅外圖像分析的電力設備熱故障檢測系統的有效性，將其與主動式傳感器的電力設備熱故障檢測法進行對比試驗，最終證明本文提出的基于紅外圖像分析的電力設備熱故障檢測方法在對電力設備熱故障區域進行檢測時是準確、有效的。

參考文獻

[1] 危正東.試論紅外檢測技術在電力設備故障診斷中的應用[J].中國電子商務，2013（20）：220.

[2] 陳健，陳媛媛.電力設備紅外在線監測與診斷管理研究[J].安徽電氣工程職業技術學院學報，2013（1）：13?17.

[3] 夏清，胡振琪.一種新的紅外熱像儀圖像邊緣檢測方法[J].紅外與激光工程，2014，43（1）：318?322.

[4] ATHANASOPOULOS N G， BOTSARIS P N. A comparative analysis of detecting bearing fault， using infrared thermography， vibration analysis and airborne sound [M]// Anon. Advances in Condition Monitoring of Machinery in Non?stationary Operations. Heidelberg， Berlin： Springer， 2014： 171?181.

[5] 張國燦，蘇東青，葉玉云.紅外成像技術在電力設備狀態檢測中的應用[J].電工技術，2012（12）：48?49.

[6] 劉強，周建平，楊澤剛.圖形化外場通用故障診斷模型開發平臺設計與實現[J].現代電子技術，2015，38（7）：12?15.

[7] 田志海.內部電絕緣缺陷的紅外熱像檢測診斷[J].激光與紅外，1996，26（2）：92?94.

[8] 閆光輝，楊立，范春利.基于紅外測溫的電氣控制柜內部元件熱缺陷溫度與方位的三維反問題識別[J].紅外與激光工程，2012，41（11）：2909?2915.

[9] 趙軒.電力設備狀態檢修故障診斷中紅外技術的應用[J].科技創新與應用，2013（33）：9.

[10] 戴文遠.基于紅外熱圖像的故障診斷方法綜述[J].紅外，2013，34（2）：16?21.