紅外熱成像技術對高壓電氣設備的診斷與分析

肖遠文

摘 要：紅外熱成像診斷技術是在專家系統為核心基礎上發展起來的，并按照相關的診斷結果規范了熱故障處理措施與等級，之后達到紅外熱成像處理高壓電氣設備的目的，實現自動識別和處理故障的目的。文章以高壓電氣設備診斷與分析中紅外熱成像技術應用的相關內容進行了探究。

關鍵詞：紅外熱成像；高壓電氣；設備診斷

DOI：10.16640/j.cnki.37-1222/t.2018.14.138

隨著長時間運行電力設備，發熱一般是十分嚴重的故障。如果在過熱狀態下運行電力設備，將引起設備材料的電氣、物理、化學和機械等反面的惡化，進而使得設備被損壞，影響電網的可靠、穩定運行質量、所以，采用先進的紅外熱成像技術診斷與分析高壓電氣設備中存在的問題，從而確保電力系統安全、穩定的運行。

1 紅外熱成像診斷技術

1.1 技術原理分析

熱傳感器所采集的物體熱輻射能是紅外成像的核心技術，從而實現吸納成像以及后期PC制作的紅外非接觸式熱成像技術，隨著在電力系統中廣泛的應用了熱力學技術后，在狀態監測以及診斷故障時，也廣泛的應用了紅外熱成像技術。此技術具有應用安全、測量精度高、診斷效率優越以及操作性強的優點。該技術還可以在安全的范圍內對設備的溫度值進行測量，把它轉變為紅外熱成像值，然后精確量化處理被測設備的熱量值。

1.2 具體的診斷操作流程分析

1.2.1 濾除噪聲

有較多的因素會影響到紅外輻射數據，比如，所測高壓設備的四周物理環境、所測物體的紅外熱發射率、臨近高壓裝置的熱輻射以及太陽熱能。為了將精確的符合數據獲取出來，把一些帶來影響的噪聲降低。首先，確保操作人員科學的應用紅外熱像儀，并把技術參數科學的設置出來；其次，后期處理噪聲，能夠在頻域或者時域范圍內實現圖像的運算分析，例如通過中值濾波以及鄰域平均等算法，然而，所談及的濾波算法只適用于幾種噪聲或者一種噪聲的信號。為了將十分精確的高壓設備紅外特征數據信息獲取出來，可以通過小波法濾除頻域—時域范圍內的噪聲。

1.2.2 紅外熱成像特征提取以及分割

就多種高壓電氣裝置而言，也有一定差異性存在于故障特診中。所以，在獲取紅外圖像并將噪聲信號濾除后，然而提取紅外圖像特征以及分割圖像。現階段，模糊數學、遺傳算法、神經網絡以及數學形態學以及小波變換等是圖像分割的基本原理。為了降噪處理大范圍的數據，選擇模糊數學、神經網絡算法以及小波變換相融合的方法，通過分割圖像，然后再獲取電氣裝置的熱像圖，特征量主要涵蓋這樣幾個方面：熱點最高溫度、發熱去城市分布情況以及同型號電氣設備的平均溫度。

對比一般可見光熱圖像，高壓設備的熱圖像有著一定的獨特性，它具有較弱的熱信號，噪聲對其帶來的影響較大，所以，所測的圖像通常比較模糊，而且，具有較低的可辨析度，此外，物體表面紅外輻射場的分布對圖像凸點的紋理以及復雜度影響較大；現場內有較為復雜的電力設備種類，因此，會呈現出多種設備局部溫度場以及大量熱圖像混雜的情況，而且，被測高壓設備不可避免的受到其他設備紅外射場的影響，當在不同方向、周圍環境因素以及距離內安放紅外熱成像測量系統后，因此，就會有較大的差異出現在所測相同設備的紅外熱圖像中。

為了將上述因素的影響縮減，把更加精確的熱圖像數據獲取出來，而且，必須要把控把偏心度、圖像周長和面積之間的比值，然后基于此，用以下公式表示被測設備紅外熱圖像特征向量：

在這個式子中，設備類別數用N表示，第i類樣本兩個特征的平均值用m1和m2表示。利用這個公式，能夠將各類樣本兩個特點的平均值計算出來，而且，也會把各個因素的影響減少。

1.2.3 故障分析處理

通過識別與標注，然后分析紅外熱像圖，其中，檔案分析、溫差、同類對比以、表征特征以及圖像特點是常用的紅外熱圖像故障分析技術。最后按照不同的工況制定最后PC終端，將最佳的判斷方案選擇出來。

判斷表面溫度的原理為基于所測高壓裝置的表面溫度值；而且，在電壓致熱型設備中比較適合應用圖像特征判斷法，按照同型號設備的異常與正常狀態的紅外熱圖像處理技術，分析設備是否可以科學運行；相同設備對比判斷技術時比較設備不同相或者比較同類型設備，與相應的溫度相對比，分析是否有異常問題出現在設備中，與溫差法相比，也就是按照相對溫差判斷的技術，而且，在電流致型設備中比較適合應用這種方法；對應的，在分析判斷結構復雜的設備時比較適合應用檔案分析法。然而，首先要把設備技術檔案構建起來。但是要求具備原始的檢測數據或者基礎的紅外圖譜。

2 專家系統分析

2.1 基本運行原理

就專家系統而言，主要是通過人工智能程序將相近的解法開發出來，這種計算機程序屬于智能型的，而且主要通過推理過程與相關知識處理很多專家復雜問題。

利用此系統，首先獲取特殊條件、環境下運行狀態圖像，在利用數-圖編碼切換后向Pc終端內編入，從而把高壓裝置實時運行狀態的溫度數據庫構建起來。與有關專家處理事件經驗相結合，然后再同數據庫分析相融合，通過最小二乘法將高壓設備故障的趨勢以及閾值等求出來；在識別語言時將數字編碼作為PC終端。然后把高壓裝置在線檢測專家數據庫構建起來。通過與熱圖像專家系統相對比，然后分析其具體的運行狀態。利用公式將所需檢測的高壓設備最高溫度檢測出來。通過實驗將設備的紅外發射率確定出來。而且，對達到熱圖像數據庫的基本條件要給予滿足：第一，設計出二維點陣圖的熱圖像，其中，在128×100×8bit控制其大小；第二，在說明這個圖像時，主要圍繞以下幾個內容去做：設備故障形式、設備正常運行時的最高溫度以及最低溫度、拍攝圖像的時間以及設備型號等。

2.2 具體的設計方案分析

與當前紅外熱成像技術的不足之處相比，當分析紅外熱像圖和高壓設備發熱之間的聯系時，利用專家系統判斷技術以及紅外熱圖像技術，將基于專家系統的紅外熱成像技術設計出來對高壓電氣一次裝置進行斬斷分析。下圖為基本的診斷流程圖，首先預處理被測高壓一次設備紅外熱圖像內的噪音，之后利用溫度計算以及目標識別法將此設備發熱的缺陷情況判斷出來。此外，利用專家數據庫系統對比分析紅外發射功率數據與此設備溫度之間的關系。

而且研究得知，有以下功能存在于專家系統中：

第一，按照不同環境內高壓一次設備的運行情況，將最合適的紅外熱圖像算法制定出來，此算法有著數據處理可靠性高、準確、快速的特征。之后對紅外熱圖像完成圖像分割、特征提取以及初期降噪等操作。

第二，通過Java將應用程序編寫出來，向PC終端中錄入紅外成像圖，通過專家系統能夠分析判斷設備是否出現故障。

第三，對不同環境下一次高壓設備的紅外熱圖像信息進行收集，然后總結近些年設備檢修、運行等重要信息，把高壓設備的事故趨勢以及故障征兆閾值計算出來，最后將設備故障分析以及設備狀態識別的專家系統建立起來。

3 結語

通過對紅外熱成像專家系統的設計，實現了準確、實時、非接觸測量高壓電氣設備，同時，此系統還具備受四周強電磁干擾影響低、可靠、安全、投資——效益比高以及圖像分辨率高的特征。在今后輸電網電力設備狀態檢修中，該技術也會被視為核心檢測手段，并且也屬于智能電網的一個重要發展方向。

參考文獻：

[1]楊風健，劉軍，貌程浩等.基于MLX90620的低成本紅外熱成像系統設計[J].傳感器與微系統，2015，11（03）：109-115.

[2]震東，李向新.分布式電源并網逆變器控制策略與仿真研究[J].現代電子技術，2013，36（03）：142-144.

[3]汪晨，鄧松，張濤等.智能電網環境下用戶行為可信數據安全交換研究[J].現代電子技術，2014，37（01）：75-79.

[4]林楠，孫建紅.紅外學習型實驗室環境遠程智能調控系統設計[J].實驗室研究與探索，2015（12）：277-282.

[5]孟祥笙.高性能微型紅外熱成像系統關鍵技術的研究[D].成都： 電子科技大學，2014.

[6]胡銀全，伍小兵，范奇恒.電力傳動系統的轉矩控制器優化計與實現[J].現代電子技術，2016（12）：139-142.

[7]何恒，白廷柱.紅外熱成像系統作用距離預測方程計算誤差探析[J].紅外技術，2016，13（03）：65-69.

[8]李祉豪.紅外熱成像技術對高壓電氣設備的診斷與分析[J].實驗室研究與探索，2015（07）：87-88.