基于紫外聯合紅外熱像的三通道便攜式變電站監測裝置

褚磊++郭文勇++高潔

摘 要本文設計了一種基于紫外聯合紅外熱像的三通道便攜式變電站監測裝置，該裝置采用紫外成像監測掃描、紅外測溫掃描、攝像和圖像處理技術，利用紫外通道的電弧放電進行成像檢測，診斷變電站設備的早期故障，利用紅外通道的熱像原理找出對應位置點的溫度，結合可見光確定故障位置的優點確定中后期故障的具體位置，將設備的局部放電和溫度分布數據，通過圖像融合處理技術置入由攝像頭獲得的設備可見光圖像，建立與設備圖像的對應關系，同步采集同一設備同一時刻三種成像的結果，不但能以圖像方式直觀地顯示出放電位置和溫度分布，而且能定量表示放電程度及放電發展狀況，從而及時發現電力設備的故障情況，可對電氣設備有效的進行狀態監測、故障診斷和危險預警，且不易受到周圍環境、氣象等條件的影響，操作簡單易行準確率高，體積小重量輕便于攜帶，具有非常廣闊的應用前景。

【關鍵詞】紫外成像 紅外測溫 可見光成像 三通道

1 引言

隨著我國電力工業事業的突飛猛進，現代電力系統正朝著大電網、大機組、超高壓、大容量的方向發展，為保障電力系統的穩定性、可靠性，對電力設備的絕緣水平也提出了更高的要求。氣體絕緣組合電器（GIS）設備結構緊湊、整個裝置的占地面積比傳統敞開式設備大大減少，而且不受外界環境的影響，運行可靠性高，在變電站中得到廣泛應用。然而，由局部放電導致的電氣絕緣缺陷直接影響到 GIS 設備運行的安全性和系統的穩定性。主流的紅外熱成像技術是利用物體發出的不可見紅外能量轉變為可見的熱圖像，并通過熱圖像的溫度分布找出設備的異常發熱點。針對設備放電的情況，當很容易就可以觀察到電暈放電的紅外圖像時，電氣設備的絕緣狀態已經極度惡化。

因此，為診斷GIS設備的早期故障，及時預報該局部放電的發展趨勢和預測相關設備的絕緣劣化程度，采用紫外成像技術能很好的解決這一問題；另外，為靈敏地檢測設備的中后期問題，仍需利用紅外熱成像監測技術的優勢；再利用原始的可見光成像能直觀找出故障位置的優點，采用這三種成像技術的優點，統一的監測電氣設備，能保障線路與設備的正常運行，有效避免事故發生。

鑒于此，本實用新型提供一種基于紫外聯合紅外熱像的三通道便攜式變電站監測裝置，利用紫外成像診斷早期故障、紅外熱像利于發現中后期故障、可見光確定故障位置的優點，同步采集同一設備同一時刻三種成像的結果，可對電氣設備有效的進行狀態監測和故障診斷。

2 裝置檢測的基本原理

2.1 紫外檢測原理

由電力設備的放電機理可知，在放電的不同階段，伴隨分子的激發、電離、復合、電荷交換、電子附著和輻射的不斷發生，可以觀察到不同光譜的發光現象。由于局部放電產生的光主要集中在紫外波段，因此，檢測放電發出的紫外線，可以判斷放電強弱，從而確定電力設備的運行狀態。采用高靈敏度的紫外傳感器，能對設備的絕緣下降、裂傷、污穢發展等做出早期預報，保證設備的安全運行。

本文的紫外檢測技術基于紫外成像儀進行設計，紫外成像儀的構成原理圖如圖1所示。

如圖1 所示，信號源被背景光照射后產生的混合光進入到成像設備，通過紫外光束分離器分成兩部分：一部分經過信號增強放大后進入到可見光鏡頭，在可見光相機中形成可見光圖像；另一部分則通過“日盲”濾鏡，過濾掉日盲區以外的光線，進入紫外鏡頭，并在紫外相機中形成紫外圖像。最后采用特定的圖像預處理和融合方法，形成最終輸出影像。

日光下的紫外放電檢測是利用280nm以下光譜段的太陽盲區實現對放電設備的檢測，對檢測裝置的靈敏度要求較高。高壓系統的早期放電十分微弱，發射的紫外光很少，其中位于日盲區的紫外光信號更是微弱。通過紫外成像儀難以捕獲這種微小放電信號的變化，且要等到出現較為明顯的局部放電才能檢測到[1]。因此，本文采用紫外成像與紅外檢測相結合的方法實現對電力設備放電信號的檢測。

2.2 紅外檢測原理

紅外檢測的基本原理就是通過探測物體的紅外輻射信號，獲得物體的熱狀態特征，并根據這種熱狀態特征及相應的判斷依據判斷出物體的狀態。由于紅外檢測技術具有遠距離、不接觸、實時、快速等特點，因而對實現電力設備的在線監測和故障診斷具有重要的意義[2]。電力設備主要采用紅外成像和紅外點溫測量兩種紅外檢測技術，本文中采用的是紅外點溫測量技術。該技術具有結構簡單、成本低廉等優點。

任何高于絕對零度的物體都會向外輻射能量，這一能量主要與物體的溫度和紅外波長相關。對于灰體物質而言，也就是發射率小于1且與波長無關的物體（一般工程材料可用灰體來近似表示），在單位面積上發射的所有波長的總輻射功率M與溫度T之間滿足斯蒂芬-波爾茲曼定律[3]，即：

M =εσT4 （1）

式中：ε為被測物體的表面發射率，σ為斯蒂芬-波爾茲曼常數，T為物體的絕對溫度。

一個絕對溫度為T的灰體，單位表面積在波長λ附近單位波長間隔內發射的輻射功率Mλ，與波長λ、溫度T 滿足普朗克輻射定律，即：

（2）

式中：C1為第一輻射常數，C2為第二輻射常數。

由式（1）、式（2）可以看出，紅外測溫與被測物體的溫度和表面發射率相關。在實際測量中，由于被測物體溫度不同，所測量的波長范圍也就不同，因而需采用不同的測量方法和測溫探頭。

2.3 可見光圖像配準的原理

可見光圖像配準的多路信號之間在拍攝角度和距離等方面存在差異，為了將多路信號準確地顯示在一個視頻中，必須對圖像進行配準和融合。本文采用了一種較早用于圖像配準的方法——區域相關法。對于參考圖像V和模板圖像I（通常要求模板圖像I對應于參考圖像V中的某個局部區域）來說，在圖像V的位置（x，y）處，兩者的互相關（Cross Correlation，CC）測度被定義為[4]：

（3）

當模板I經過一系列的坐標轉換、縮放和位移之后，I與圖像V中的對應區域重疊；當互相關測度達到最大值時，即可完成對圖像的配準。最終，利用信號融合技術將已經配準的兩路圖像流顯示在一個圖像中。

3 基于紫外成像的電暈放電監測算法

基于紫外成像的電暈放電監測算法，通過三個步驟完成對放電區域和放電程度的檢測。首先對紫外成像儀所拍攝的圖片進行濾波去噪，采用的方法是利用形態學算子對紫外圖和可見光圖的灰度圖直接進行處理，然后再進行閾值分割，這樣可以在減少噪聲影響，使檢測準確率更高，同時提前去除面積較小的放電區域，使檢測集中在故障主區域；其次對濾波后的圖像進行自適應的閾值分割，以分離出圖像的目標和背景；最后對分割后的圖像使用Canny算子實現邊緣檢測，并標注出發生故障的區域（即放電區域），計算故障區域面積，以衡量故障的嚴重程度。

3.1 基于形態學算子的圖像濾波

濾波去噪部分，由于紫外雙光譜檢測系統獲得的圖像是通過微光像增強器和CCD數據采集系統形成的，增強器和CCD在提高亮度和采集數據過程中都會產生噪聲。因此，要先對圖像進行預處理以降低噪聲。近年來，由于數學形態學具有并行快速易于硬件實現的特點，已在計算機視覺、信號處理與圖像分析、模式識別、計算方法與數據處理等方面得到了極為廣泛的應用。本文采用形態學算子直接對紫外圖和可見光圖進行濾波，并在此基礎上與中值濾波相結合，能夠更有效地去除圖像中的隨機噪聲。

對于灰度圖像，濾除噪聲就是形態學平滑，本發明采用腐蝕和膨脹綜合組成的開啟和閉合運算對圖像進行處理，相比于其他空域濾波方法，可以保留原圖像中的大部分信息。具體運算公式為：

設f（x，y）是輸入圖像，b（x，y）是結構元素，并且b（x，y）本身就是一個圖像函數，Df和Db分別是原圖像f（x，y）和結構元素b（x，y）的定義域，則用b（x，y）對函數f（x，y）進行的灰度膨脹表示為，定義為：

灰度腐蝕表達式為：，其定義如下：

開運算和閉運算的定義分別為：

經過開運算的圖像含有更少的細節，輪廓變得光滑，細長的部分和小的孤島被去除，目標像素變成背景，圖像整體來說變得更規則化。再使用閉運算消除圖像區域內的一些空洞，與原圖相比，含有較少的細節，狹窄的尖端被填充，背景像素變成目標像素。

圖1展示了灰度圖開運算和閉運算的效果，選取的結構元素尺寸為5*5，形狀為正方形的扁平結構元素。圖（b）開運算的結果表明：開運算有去除尺寸小于結構元素明亮細節的作用，相當于去除圖像信號中的尖峰（白色明亮部分，尺寸小且灰度值為255）。比如原圖中攝影機支架的白色部分，經過開運算后消失了。圖（c）閉運算的結果表明：閉運算有去除尺寸小于結構元素的灰暗細節的作用，相當于填平圖像信號的低谷部分（黑色部分尺寸且灰度值為0），比如圖片中人的眼睛，經過閉運算處理后消失了。

經過膨脹腐蝕的開閉運算后，圖像中還存在少量的隨機噪聲，為進一步改善圖像質量，本文對形態學算子濾波后的圖像采用中值濾波算法進行去噪，主要針對由圖像傳感器，傳輸信道產生的椒鹽噪聲，且在濾除噪聲的同時又不會對邊緣信息造成破壞。其基本思想如圖2所示。

圖2假設選取的模板尺寸為3×3，中值濾波就是將圖像在某一點的領域（模板中心對應該點，領域即為模板窗口的內部）中的像素按照灰度級大小排列，取其中值代替中心點的像素值，逐行依次對圖像中的每個像素點執行該操作，即可完成圖像的中值濾波。

3.2 基于自適應的圖像閾值分割

圖像分割部分采用基于自適應的圖像閾值分割。紫外成像系統分別得到可見光圖像和紫外圖像，其中紫外圖像的特點為：吸收電暈輻射的紫外光強的區域，表現為紫外圖中高灰度值，即白色或灰色；吸收紫外光弱的區域，表現為低灰度值，即黑色。根據紫外圖的這一特點，本發明對濾波后的紫外圖像采用自適應的閾值分割，灰度值大于閾值的像素點賦1，即白色；小于閾值的像素點賦0，即黑色。這樣就得到放電區域和背景的二值圖。傳統的閾值分割是人為地選取一個固定的灰度值作為閾值，而對于不同的采集系統選取的閾值應不同，因此本文選擇了一種自適應的閾值分割方法，具體選取公式為：

其中，m（n）表示序列圖像中第n幀的灰度值，σ（n）為第n幀的灰度標準差，SNR為圖像信噪比，為加權系數，一般選擇能取得較好的結果。fmax（n）為序列圖像第n幀的最大灰度值。T（n）為序列圖像中第n幀所選取的閾值T。定義輸出圖像如下：

3.3 基于Canny算子的二值圖像邊緣檢測

圖像邊緣檢測部分采用基于Canny算子的二值圖像邊緣檢測。經過閾值分割以后的紫外圖是一個二值圖，其中的白色區域即可認為是放電區域，黑色區域為不相關的背景。采用Canny算子對二值圖像進行邊緣檢測，同時記錄邊緣點的坐標。根據邊緣檢測結果，求得每個閉合區域的面積，確定故障區域。可以選取一個閾值，當閉合區域的面積超過該閾值時才被認為是故障區域，當面積很小時，可以忽略。面積大小可表示故障程度。根據邊緣檢測得到的邊緣點坐標，就可以在紫外成像儀最后輸出的雙光譜圖像中對故障區域進行定位。

3.4 紫外電暈放電檢測的算法流程

紫外電暈放電檢測的算法流程如圖4所示。

如圖4所示，算法首先通過紫外成像儀獲取得到可見光圖像和紫外圖像，這兩個圖像均為RGB類型，需要轉換成灰度圖，然后分別對可見光圖像和紫外圖像的灰度圖先經過數學形態學濾波，再進行中值濾波，之后采用合適的圖像融合技術將二者融合為一張雙光譜圖像。紫外成像技術電暈放電檢測的部分，是基于經過濾波的紫外圖像的，先對其進行自適應的閾值分割，再使用Canny算子實現二值圖像的邊緣檢測，獲取到邊緣點坐標，進而可以計算出故障面積，判斷故障程度，并在融合后的雙光譜圖像中對故障區域進行精確定位。

4 基于紫外聯合紅外熱像的三通道便攜式變電站監測裝置的設計與實現

4.1 裝置的結構設計

基于紫外聯合紅外熱像的三通道便攜式變電站監測裝置由數據接入模塊、數據處理模塊、多模通信模塊和聲光報警器構成，如圖5所示。

數據接收模塊由溫度濕度測量模塊和三通道探測模塊組成，為狀態監測設備提供數據接口，可接收監測設備輸入的數據，包括檢測設備的電暈位置、強度、溫度、濕度等多種狀態監測信息。溫度濕度測量模塊用于檢測環境的溫度和濕度。三通道探測模塊由紫外成像監測模塊、紅外測溫模塊、可見光成像模塊、三維旋轉云臺和攝像頭構成。可獲取被監測電力設備的可見光圖像，以及各點的紫外脈沖數據和紅外溫度數據，然后由數據處理模塊進行圖像處理，將可見光圖像與紫外脈沖數據和紅外溫度數據對應融合，得到設備三通道狀態圖像，并將三通道狀態圖像、檢測數據和報警信息等通過多模通信模塊傳送給聲光報警器。

數據處理模塊，可檢測當前接收到的數據是否與規定的設備監測狀態相符，若不符合，則對其進行數據轉換，再對統一后的數據進行數據判決。多模通信模塊可實現與數據處理模塊的雙向通信，聲光報警器通過多模通信模塊接受到數據處理模塊處理得出的數據判決，聲光報警器接收到無線警報信號后，開啟并進行報警，提示檢測人員變電站的高壓設備電氣放電值已接近強電，請注意危險。

4.2 裝置的硬件實現

裝置的整體硬件結構圖如圖6所示。數據接收模塊由溫度濕度測量模塊和三通道探測模塊組成。

溫度濕度測量模塊主要基于溫濕度傳感器，采用SENSIRION 公司生產的數字式溫濕度傳感器SHT75，它是一款含有已校準數字信號輸出的溫濕度復合傳感器，默認提供12位濕度數據和14位溫度數據[6]。SHT75具有響應速度快、抗干擾能力強等優點，可通過I2C串行總線實現與嵌入式系統模塊的PXA270處理器連接。

三通道探測模塊由紫外成像監測模塊、紅外測溫模塊、可見光成像模塊、三維旋轉云臺和攝像頭五部分構成。紫外成像監測模塊選用紫外光敏管UV-R2868作為檢測傳感器，其靈敏度可以達到5000cpm，僅響應185-265nm波段的紫外信號，可實現對設備放電產生的紫外光脈沖信號的探測[7]。本模塊將紫外和可見視頻數據傳送至A/D轉換器TLV1543進行圖像融合與配準，從而實現利用紫外成像檢測局部放電的目的。紅外測溫模塊采用雙波長測溫法和8.0～14.0μm波段的紅外測溫探頭，可見光成像模塊采用A/D轉換器TLV1543，三維旋轉云臺選用曼比利PC-360全景云臺，攝像頭采用分辨率640×480的可調焦攝像頭。可見光成像模塊結合紫外成像監測模塊，由日盲濾光鏡、攝像頭、紫外增強型電荷耦合器件以及A/D轉換器TLV1543等幾部分組成。該模塊可以在全天內對局部放電所產生的紫外信號進行檢測。

數據處理模塊采用Atheros AR7161嵌入式處理器，該CPU為MIPS架構，運行在680MHz主頻，功耗不超過1W。基于嵌入式Linux操作系統，實現全系列符合國家電網相關技術規范的狀態監測系統通信協議和數據打包。

多模通信模塊包括3G無線通信模塊、WiFi模塊以及WiMax模塊，其中3G通信模塊選用中興公司的MC2718模塊，WiFi模塊選擇臺灣Realtek公司RTL8188CUS-U芯片，WiMax模塊選用SyChip公司的WIMAX9芯片模塊。聲光報警器選用HX-100B。

5 測試結果

對正在運行的帶電設備的進行監測，獲得設備放電的紫外定位灰度圖如圖7（a）所示。

由圖7（a）中可以看出，濾波前的紫外圖像含有大量噪聲，因此首先對紫外定位圖進行濾波。僅使用中值濾波的效果圖如圖7（b）所示，可以看出中值濾波后的圖像中雖然已經去除了大部分的隨機噪聲，但圖片中仍然存在面積很小的離散放電區域，這些放電區域對故障區域的判斷沒有太大作用，反而會使Canny算子邊緣檢測效率更低。

因此，為解決上述問題，本文算法在中值濾波的基礎上添加了形態學濾波，基于紫外成像的電暈放電監測算法的形態學濾波與中值濾波結合的濾波效果圖如圖7（c）所示。由圖7（c）可以看出中值濾波的圖像再經過形態學濾波噪聲更少，效果更佳。在閾值分割和邊緣檢測之前就將大部分的隨機噪聲和面積很小的不重要的離散放電區域去除，減少了后續工作的計算量和復雜度，同時對于有缺口的目標區域會有補齊作用，使目標區域更清晰，提高檢測效率。另外，形態學濾波通常用于二值圖像中，本文將其應用在了灰度圖中，可在提高紫外圖放電區域檢測精度的同時，實現對可見光圖像噪聲的濾除。

固定閾值的圖像分割效果圖如圖8所示，可以看出圖8（a）所示未經分割的濾波原圖的目標區域，灰度值比其他目標區域的灰度稍低，在經過閾值分割后，被判斷為背景區域，得到圖8（b）。但圖8（b）中判斷區域仍包含非目標區域的噪點。

因此，針對于這一現象，本文采用了一種基于圖像均值、方差和信噪比的自適應閾值分割方法，可以有針對性地對某一幅特定圖像選擇特定的閾值，使得分割更加智能化，準確度更高。采用自適應閾值分割方法的效果圖如圖8（c）所示，可以看出圖（c）中灰度值稍低的非目標區域，在自適應閾值分割后的圖（c）中被去除，僅保留了目標區域，證明其分割效果能夠更好地區分目標和背景。

在實驗中用裝置分別對紅外、紫外定位信號進行了測試，結果如圖9、10所示。

本文裝置在距放電源3m處對局部放電進行了檢測，圖9和圖10分別為紅外和紫外測試結果的定位圖像。圖11所示為這兩種定位圖像的可見光合成結果。如圖所示，本文裝置不僅能夠將紫外、紅外信號分別與圖像融合，而且還能將這兩種信號合成于同一圖像背景之中。由于兩路信號的分辨率不同，我們選取分辨率較小的紫外信號（320×240）作為基準，分別對兩種信號和可見光圖像信號進行了像素的疊加融合。隨后在可見光圖像上分別進行濾波、分割圖像目標標定，結果如圖12、13所示。

測試結果表明，本文系統可以快速檢測出局部放電，并可對其進行準確定位。同時，為了準確判斷檢測點是否帶電，可以延長其檢測時間，從而判斷被檢測線路設備是否帶電。

6 結論

本文介紹了一種基于紫外聯合紅外熱像的三通道便攜式變電站監測裝置。文章首先闡述了研究背景及裝置的基本原理，提出了紫外、紅外與可見光相結合的三通道檢測方法，提出了基于紫外成像的電暈放電監測算法，介紹了裝置的內部結構和硬件組成，并對裝置進行了實驗。該裝置可解決紅外成像儀和紫外成像儀探測設備放電存在靈敏度不足、對早期放電危險難以預報和不能定量表示放電程度等弱點，以及現有紫外脈沖檢測技術無法準確定位設備放電故障點的不足，能滿足電力系統絕大多數應用的需要，并且成本低廉，能夠對設備的放電進行有效的檢測，具有行業推廣和示范效益。

參考文獻

[1]張繼軍.高壓放電紫外檢測技術與應用[M].北京：中國電力出版社，2009.

[2]陳衡，侯善敬.電力設備故障紅外診斷[M].北京：中國電力出版社，1999.

[3]葛紹巖，那鴻悅.熱輻射性質及其測量[M].北京：科學出版社，1989：89-95.

[4]Rosenfeld A，Kak AC.Digital Picture Processing[M].Orlando：Academic Press，1982.

[5]張占龍，王科，唐炬等.變壓器電暈放電紫外脈沖檢測法[J].電力系統自動化，2010，34（02）：84-88.

[6]楊武，王小華，榮命哲等.基于紅外測溫技術的高壓電力設備溫度在線監測傳感器的研究[J].中國電機程學報，2002，22（09）：113-117.

[7]何為，陳濤，劉曉明等.基于紫外脈沖法的非接觸式低值（零值）絕緣子在線監測系統[J].電力系統自動化，2006，30（10）：69-74.

作者單位

國網陜西省電力公司渭南供電公司 陜西省渭南市 714000