紅外與紫外一體化變電設備故障的檢測系統設計

潘瑾+高樹國+陳志勇+劉宏亮+張建軍

摘 要： 針對傳統的檢測方法在對電力設備實施非接觸故障檢測時需要靠人工手段實施，存在檢測精度和自動化水平低的問題。提出并設計了紅外與紫外一體化變電設備故障檢測系統，采用適用于高壓開關柜紅外窗口環境下的紅外與紫外圖像配準算法，實現紅外與紫外圖像的配準。通過雙線性插值算法融合紅外熱圖像和紫外光圖像，在紫外光背景上顯示出目標發熱部位的發熱情況，以此為基礎，對系統進行整體結構設計和模塊化分析，給出系統的功能模塊以及工作流程，采用三種工作模式完成變電設備故障檢測。實驗結果說明，所設計系統具有較高的檢測精度和效率。

關鍵詞： 紅外與紫外； 一體化； 變電設備； 功能模塊； 故障檢測； 系統設計

中圖分類號： TN21?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2018）01?0120?05

Abstract： The traditional detection methods rely on the manual means to implement non?contact fault detection of electric power equipment， and has the problems of low detection accuracy and automation level. Therefore， an infrared and ultraviolet integrated fault detection system for substation equipment is put forward and designed， in which the infrared and ultraviolet image registration algorithm suitable for infrared window environment of high?voltage switch cabinet is used to match the infrared and ultraviolet images. The infrared and ultraviolet images are fused with bilinear interpolation algorithm. The thermal position of the target is shown in the ultraviolet light background. On these basis， the overall structure design and modular analysis were performed for the system. The functional modules and workflow of the system are given. The three working modes are adopted to realize the fault detection of substation equipment. The experimental results show that the designed system has high detection precision and efficiency.

Keywords： infrared and ultraviolet； integration； substation equipment； functional module； fault detection； system design

0 引 言

隨著科學技術的發展，人們生活質量的提高，電成為人們不可或缺的必需品。對剛產生的電源要進行變電處理，使其滿足日常生活所需用電的大小。為了把發電廠發出來的電能輸送到較遠的地方，必須把電壓升高，變為高壓電，到用戶附近再按需要把電壓降低，這種升降電壓的工作靠變電站來完成[1]。變電站的主要設備是開關和變壓器，而對變電設備故障進行快速準確檢測是確保電網線路正常運行的關鍵[2]。變電設備存在故障時會產生過熱問題，使得出現各種故障，傳統的檢測系統主要針對設備的運行情況進行故障檢測，忽略了運行時間過長及其使用環境等因素，導致檢測精度低[3]。針對上述研究問題，設計紅外與紫外一體化變電設備故障檢測系統，可實現變電設備故障的高效、自主檢測。

1 紅外熱圖像與紫外光圖像的配準分析

變電站中的開關柜處于常閉狀態，需要透過紅外窗口采集開關柜中變電設備的熱圖像，為了對開關柜中變電設備的發熱部位狀態進行準確顯示，應先獲取不同開關柜的紅外熱圖像模板同紫外光圖像模板，塑造模板圖像庫。再采用紅外與紫外圖像配準的算法進行紅外熱圖像與紫外光圖像間的配準，得到空間變換關系[4]，融合透過紅外窗口拍攝的高壓接開關柜內的紅外熱圖像以及紫外光模塊圖像，最終對開關柜內部設備發熱部位的詳細情況進行直觀顯示。具體過程如圖1所示，描述如下：

1） 通過已標定的紅外熱像儀和紫外光攝像機拍攝變電設備高壓開關柜；

2） 手動在紅外熱圖像模板中采集配準控制點，確保該控制點能夠在紫外光圖像模板中確定位置；

3） 基于各控制點，采用極線運算公式獲取紫外光圖像內對應的極線位置，為紫外光圖像上的配置控制點的選擇創造分析依據；

4） 在紫外光圖像中選擇合理的配置控制點，這些點都位于相應的極線上，按照配準控制點采用RANSAC算法，獲取紅外熱圖像到紫外光圖像的變換矩陣[H；]

5） 向模板圖像庫中存入各開關柜的紅外熱圖像、紫外光圖像和空間變換矩陣[H；]

6） 采用紅外窗口對開關柜拍攝的紅外熱圖像和模板圖像庫中相同開關柜的紅外熱圖像實施SURF特征提取，通過BBF算法完成特征點的粗匹配；endprint

7） 采用RANSAC算法對粗匹配特征點集實施提純處理，過濾掉其中的誤匹配[5]，得到紅外窗口圖像與紅外熱圖像模板的變換矩陣[H；]

8） 基于變換矩陣[H]以及[H]運算出紅外窗口圖像到紫外光圖像模板變換矩陣[Hnew=HH，]實現紅外窗口圖像同開關柜紫外光圖像的配準。

2 改進變電設備故障檢測系統設計

2.1 系統整體結構分析

對變電設備進行故障檢測的根本目的是為了保證變電設備在一定的工作環境中和一定的工作期限內可靠、有效地實現其功能。變電設備的檢測過程事實上可以認為是一個模式識別的過程。因為不同的狀態可以認為是不同的模式，而狀態識別可認為是模式識別。通過系統對變電設備故障進行檢測，可以保證變電設備發生故障時能檢測出有關信號，并由此識別出故障產生的原因，變電設備故障檢測系統的總體框架用圖2描述。其中監控云平臺由紅外熱像設備和紫外光攝像機組成，將兩路監控云平臺當成圖像采集站，在變電設備的不同檢測場區部署圖像采集站[6]；開關柜中含有多個無線測溫傳感器，可將無線測溫接收器當成無線測溫數據采集站；采系統整體結構主要由客戶端和服務端構成，服務端由硬件層、數據層以及方案層構成，其主要對系統底層硬件實施處理、對數據庫進行訪問以及完成系統的自主巡航處理[7]。服務端各層的主要功能如下所示：

1） 硬件層是服務端的基礎，其采用網口和串口對前端硬件進行管理，為數據層提供硬件接口。硬件層可對相同設備規劃統一管理接口，確保檢測系統集成多種類的硬件設備。

2） 數據層主要通過數據訪問接口與系統數據庫進行交互處理，確保系統數據存儲速度以及業務間的相互獨立。通過OLEDB技術對象鏈接嵌入到數據庫中，使系統數據訪問擴展至其他數據庫中，提升系統的使用性能。

3） 方案層的功能是同客戶端進行通信，轉發紅外與紫外光視頻信息及維護在線巡航。采用TCP/IP協議采集來自客戶端的數據訪問和硬件管理申請，將申請傳遞到數據層以及硬件層實施操作[8]，同時將數據處理結果反饋給客戶端。方案層中的視頻轉發模塊主要是為了轉發紅外熱像儀與紫外光攝像機的視頻流，確保不同客戶端的用戶都可觀察到變電設備的紅外與紫外光視頻。基于規定的巡航規劃表和規定的過程對相應變電設備實施檢測[9]。

2.2 系統結構設計

系統在模塊化集成設計原理的基礎上，通過在線式紅外熱像儀、紫外光攝像機、紅外窗口手持式紅外熱像儀以及無線測溫等方式對變電設備的故障實施檢測[10]，全面分析檢測數據，為變電設備的檢修提供基礎。

2.2.1 功能模塊設計

采用模塊化方法設計系統功能，提升系統開發和維護效率，對變電設備故障檢測時易出現故障點重復、特征不顯著的部分實施模塊化設計，獲取的系統功能模塊結構圖如圖3所示。

對圖3中幾個重要的功能模塊進行介紹：

1） 云臺控制模塊主要對監控云臺的方位選擇，設置預存儲位等進行控制操作。

2） 紅外熱像儀控制模塊主要對紅外熱像儀的聚焦、抓圖以及采集溫度數據等進行控制操作。

3） 紫外光攝像機控制模塊主要對紫外光攝像機進行變焦、截圖以及錄制視頻等控制操作。

4） 無線測溫數據接收模塊可基于用戶申請，接收無線測溫接收器傳遞的無線測溫數據。

5） 在線監控模塊可調用不同硬件層模塊，在手動運行情況下實時監控場區中的變電設備。

6） 紫外窗口檢測模塊對開關柜中變電設備的紅外熱圖像進行故障檢測。

2.2.2 系統運行流程分析

系統采用三種工作模式對變電設備故障進行檢測：

1） 現場初始化模式，系統通過巡航預設子系統設置場區中待檢測變電設備的云臺預置位，同時輸入相關信息、巡航時刻表和獲取高壓開關柜內部紅外模板圖像和紫外線模板圖像，完成各模板間的配準分析；

2） 自動巡航模式可對變電設備進行自動巡航檢測報警。巡航子系統自主收集待檢測場區變電設備的紅外圖像，并分析獲取的紅外圖像溫度數據，基于設置的判斷標準，分析相應變電設備的運行情況；

3） 手動控制模式采用手動控制分析不同電氣設備的工作情況。

系統的檢測流程如圖4所示。

3 系統的性能測試與分析

通過實驗對設計的紅外與紫外一體化變電設備故障檢測系統的性能實施檢測。

3.1 離線式系統故障檢測結果分析

在基于紅外的變電設備監測與診斷的應用中，變電設備的故障診斷包括在線式和離線式兩種類型。離線式的變電設備故障檢測是對已采集的設備圖像實施處理分析的過程。受到實驗條件的限制，本文實驗只進行離線式系統檢測，對變電設備實施批量分類和檢測，為了增強系統的魯棒性，對未分類的變電設備圖像和部分設備故障的檢測實施人工復核。實驗采用FLIR E40型號紅外熱像儀采集變電設備的紅外圖像，先將獲取的RGB圖像變換成灰度圖像，再對灰度圖像實施分割以及分類，系統的部分目錄以及檢測結果分別如圖5～圖7所示。

從圖6中得到設備的最高溫度是46.3 ℃，環境溫度是22 ℃，數據庫保存的電流互感器正常運行溫度是30 ℃，則二者的相對溫差是 67.7%，說明電流互感器存在一般故障，按照數據庫內的設備種類以及故障種類，分析可能存在觸桿接觸不良故障。

圖7中的電流互感器的最高溫度是31.3 ℃，相對溫差是15.66%，說明設備運行正常。實驗統計10次檢測過程中本文系統和人工復核溫度的檢測結果，用表1描述。

對比分析表1中對本文系統的檢測結果和人工復核的結果可得，本文系統對變電設備故障檢測時不僅具有較高的精度，同時也保持了較高的檢測效率，滿足變電設備故障檢測的實時性檢測需求。endprint

3.2 高壓套管將軍帽故障檢測

通常將變電設備的高壓套管頂部稱為將軍帽，其是變電設備內外部實施電能交換的關鍵部位，可對高壓套管定位實施密封，避免變電設備中的絕緣油外泄。如果將軍帽存在故障，則其會影響變電設備的絕緣能力，干擾變電設備的正常運行。本文系統獲取的高壓套管將軍帽故障紅外檢測結果用圖8描述。將圖8a）內的彩色圈像采用加權平均法變換成灰度圖像，對圖像實施濾波操作，獲取的結果用圖8b）描述。

對圖8中的實驗結果進行量化分析，用表2描述。從中可以看出，本文系統同參考值相差為0.2%，說明本文系統具有較高的檢測精度。

4 結 語

本文設計了紅外與紫外一體化變電設備故障檢測系統，實驗結果說明，所設計系統具有較高的檢測精度和效率。

參考文獻

[1] 黨宏社，史笑軍.智能變電站在線監測系統設計[J].電腦知識與技術，2015，11（27）：142?144.

DANG Hongshe， SHI Xiaojun. Design of online monitoring of smart substation [J]. Computer knowledge and technology， 2015， 11（27）： 142?144.

[2] 徐康健.紫外成像技術在變電站帶電檢測中的應用[J].電世界，2016，57（1）：24?27.

XU Kangjian. Application of ultraviolet imagery technology in substation live line inspection [J]. Electrical world， 2016， 57（1）： 24?27.

[3] 滕超，王盛璋，孫維杰，等.遠紅外檢測技術在變電站巡檢中的應用[J].山東電力技術，2016，43（1）：71?73.

TENG Chao， WANG Shengzhang， SUN Weijie， et al. Far infrared detection technology application in substation inspection [J]. Shandong electric power， 2016， 43（1）： 71?73.

[4] 袁曉輝，孫林濤，李博，等.基于OpenCV的紫外成像檢測量化參數提取方法[J].現代電子技術，2017，40（1）：45?48.

YUAN Xiaohui， SUN Lintao， LI Bo， et al. Extraction method of quantization parameter for OpenCV?based ultraviolet imaging detection [J]. Modern electronics technique， 2017， 40（1）： 45?48.

[5] 何碧漪，周國平，丁健強，等.一種基于WSN和GPRS的箱式變電站監控系統設計[J].現代電子技術，2016，39（17）：35?38.

HE Biyi， ZHOU Guoping， DING Jianqiang， et al. Design of WSN and GPRS based monitoring system for box?type substations [J]. Modern electronics technique， 2016， 39（17）： 35?38.

[6] 王佳林，崔昊楊，許永鵬，等.基于SOM神經網絡的變電站設備紅外熱像診斷研究[J].上海電力學院學報，2016，32（1）：78?82.

WANG Jialin， CUI Haoyang， XU Yongpeng， et al. Infrared image diagnosis method of transformer substation equipment based on SOM neural network [J]. Journal of Shanghai University of Electric Power， 2016， 32（1）： 78?82.

[7] 羅軍，張偉，劉家軍，等.基于紅外熱像儀的接觸網載流安全檢測系統[J].電網與清潔能源，2015，31（8）：10?14.

LUO Jun， ZHANG Wei， LIU Jiajun， et al. The catenary current?carrying safety inspection system based on the infrared thermal imager [J]. Advances of power system & hydroelectric engineering， 2015， 31（8）： 10?14.

[8] 金立軍，姜浩然，楊帆，等.基于紫外成像技術的接觸網絕緣子污穢狀態檢測[J].高電壓技術，2015，41（11）：3561?3568.

JIN Lijun， JIANG Haoran， YANG Fan， et al. Pollution status detection of insulators in contact net based on UV imaging [J]. High voltage engineering， 2015， 41（11）： 3561?3568

[9] 徐麗華，張龍.變電站電力設備紅外智能巡檢、診斷與高效預警系統的應用研究[J].四川電力技術，2016，39（5）：5?8.

XU Lihua， ZHANG Long. Study on application of electric power equipment of substation infrared intelligent inspection， diagnosis and effective early warning system [J]. Sichuan electric power technology， 2016， 39（5）： 5?8.

[10] 李劍，張勁，王燦，等.變電設備物聯網一體化智能監測裝置研究[J].高電壓技術，2015，41（12）：3881?3887.

LI Jian， ZHANG Jin， WANG Can， et al. Research on integrated smart monitoring devices for Internet of power transformation equipment [J]. High voltage engineering， 2015， 41（12）： 3881?3887.endprint