圖像處理技術(shù)和神經(jīng)網(wǎng)絡(luò)在電力設(shè)備識別中的應(yīng)用分析

魏金玉

（河南省煤炭科學(xué)研究院有限公司，河南 鄭州 450001）

0 引 言

電力在國民經(jīng)濟發(fā)展中扮演著重要角色，同時電力設(shè)施的穩(wěn)定和安全運行保障了國民經(jīng)濟的健康發(fā)展。我國的電網(wǎng)中，高壓輸電線常處于復(fù)雜的環(huán)境中，容易受到損害。因此，對高壓輸電線設(shè)備的維護尤為重要。往常的電網(wǎng)設(shè)備監(jiān)控需要人工查看和分析圖像，監(jiān)控的質(zhì)量受到人為因素干擾較大。相關(guān)實驗表明，人類眼鏡持續(xù)觀察電子屏幕超過3 h，注意力將降低至原來的30%。因此，采用更為智能的技術(shù)幫助人們分析圖像特征，以提升監(jiān)控工作的效率。借助計算機的強大圖像處理能力，通過神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行處理與分析，提取出需要的信息，過濾掉與用戶無關(guān)的數(shù)據(jù)信息，這樣智能的方法可以使人力勞動強度大為降低，也在很大程度上減少了設(shè)備故障的誤報與漏報，及時地提高了監(jiān)控系統(tǒng)的報警處理能力。本文討論電力設(shè)備故障檢查中應(yīng)用圖像處理技術(shù)和神經(jīng)網(wǎng)絡(luò)涉及到的主要技術(shù)內(nèi)容和相關(guān)應(yīng)用。

1 電力設(shè)備故障成像分析

1.1 紅外成像技術(shù)

紅外線輻射測溫儀運用了物體的紅外線反射特征，能夠只檢測對象表面4 個點的溫度來求得物體的平均溫度。如果對對象表面溫度要求不精確，采用這種儀器具有操作便捷、使用價格低廉等優(yōu)勢。

紅外測溫儀運行時，被測物體表面的紅外輻射能量會在儀器透鏡集中起來，并經(jīng)過紅外濾光片到達探測器中，進入探測器中的輻射能被轉(zhuǎn)化為電能信號，經(jīng)一系列處理和轉(zhuǎn)換，最后在顯示屏顯示被測物體的表面溫度。紅外測溫儀的結(jié)構(gòu)如圖1 所示，儀器中經(jīng)過45°分光鏡，能夠?qū)⒖梢姽夥瓷渲练謩澃澹謩澃迳峡逃幸粓A環(huán)，其面積等同于光闌孔面積，分劃板后裝配著一副目視透鏡，以使人確認(rèn)測量對象的準(zhǔn)確情況以及目標(biāo)是否填充滿小環(huán)。

圖1 紅外測溫儀結(jié)構(gòu)示意圖

紅外測溫儀主要由光學(xué)系統(tǒng)、紅外探測器、電信號放大及處理系統(tǒng)、結(jié)果顯示系統(tǒng)和其他附屬部分等部分構(gòu)成。按照測溫的需求，可以將其分為單波段中低溫測溫儀（8～12 μm）、高溫測溫儀（2～2.5 μm）以及高溫比色測溫儀。目前，大多數(shù)紅外測溫設(shè)備均安裝有可視瞄準(zhǔn)或激光瞄準(zhǔn)裝置，使人更精準(zhǔn)地檢測對象的溫度。

以變壓器套管溫度圖像分析為例，變壓器套管包含主變高壓側(cè)套管、低壓側(cè)套管、抱箍線夾、中性點套管、管出線線夾等部分。溫差不超過10K，未達到嚴(yán)重缺陷的要求，可應(yīng)用圖像特征分析法、同類比較判斷法。變壓器套管溫度分布異常如圖2 所示。

圖2 220 kV 主變高壓側(cè)熱像圖（左側(cè)套管上部溫度偏低）

1.2 紫外成像技術(shù)

當(dāng)電力設(shè)備產(chǎn)生電離放電現(xiàn)象時，會向外輻射出各種的電磁波，而紫外線就是其中重要的組成。紫外線的波長在100～400 nm，而電力設(shè)備產(chǎn)生的紫外線主要在200～400 nm。然而自然光中同樣包含紫外線，可是因為臭氧層的屏蔽，導(dǎo)致輻射致地面的紫外輻射波長基本處于280 nm 之上，低于280 nm 的范圍被稱作日盲區(qū)。電力設(shè)備故障放電發(fā)生的紫外輻射存在于280 nm 以下，也稱其在日盲區(qū)中，能夠經(jīng)由觀測這些波段的紫外線來診斷局部放電程度，并且也能降低環(huán)境對檢測的影響。圖3 為紫外線成像示意圖。

圖3 紫外線成像示意圖

相較于RGB 圖像，灰度圖占用更小的存儲空間，不會對提取圖像特征信息造成影響。RGB 圖像與灰度圖的區(qū)別就像彩色電視機圖像與黑白電視機圖像之間的區(qū)別，灰度圖像除了沒有色彩飽和度外，其他特征均與RGB 彩色圖像基本一致。例如，圖像尺寸為M×N的紫外放電圖片，那么此圖片的灰度圖像尺寸也就為M×N。灰度圖與像素點具有相同的個數(shù)量，一個像素點只需要一個字節(jié)空間。與此同時，灰度圖像與背景部分具有更強的對比度，有助于清晰地區(qū)分出圖像主體部分。例如紫外放電圖像，將RGB 模式圖像轉(zhuǎn)化為灰度圖像，經(jīng)過轉(zhuǎn)換的灰度圖像可以明顯區(qū)分出放電區(qū)域，有助于選取放電趨勢。

2 基于神經(jīng)網(wǎng)絡(luò)對紅外圖像識別

神經(jīng)網(wǎng)絡(luò)方法是在認(rèn)知科學(xué)與神經(jīng)心理學(xué)的基礎(chǔ)上建立起來的，采用計算機強大的計算能力與學(xué)習(xí)能力，可以顯著降低故障處理的失誤概率。電力設(shè)備采用這種故障診斷措施，便于操作，對外界條件改變后的適應(yīng)性強，實際推廣應(yīng)用前景廣泛。

基于深度神經(jīng)網(wǎng)絡(luò)的電力設(shè)備故障檢測方法，包括采集紅外圖譜，構(gòu)建規(guī)范化的圖譜數(shù)據(jù)庫；采集的紅外圖譜包括測試用的紅外圖譜和建模用的紅外圖譜；建立多層深神經(jīng)網(wǎng)絡(luò)對規(guī)范化的圖譜數(shù)據(jù)庫中的測試用紅外圖譜進行分類；建立目標(biāo)檢測框架RCNN 對分類的測試用紅外圖譜進行設(shè)備分區(qū)；根據(jù)紅外圖譜缺陷分析準(zhǔn)則，設(shè)置分區(qū)內(nèi)溫度預(yù)警規(guī)則；根據(jù)溫度預(yù)警規(guī)則，得到設(shè)備安全分析結(jié)論并實現(xiàn)預(yù)警。構(gòu)建規(guī)范化的圖譜數(shù)據(jù)庫的過程為：對采集的紅外圖譜進行分析，選擇表示圖像的目標(biāo)特征，定義紅外圖譜中設(shè)備表示類型，構(gòu)建規(guī)范化的圖譜數(shù)據(jù)庫。在多個不同視點采集的紅外圖譜，在構(gòu)建規(guī)范化的圖譜數(shù)據(jù)庫之前，基于視覺和相關(guān)背景對采集的紅外圖譜進行過濾。

采用神經(jīng)網(wǎng)絡(luò)法可以確定性的得到電力故障的監(jiān)測結(jié)果，便于制定出具有針對性的維修方案，假如不確定故障的性質(zhì)，神經(jīng)網(wǎng)絡(luò)法也會給出一套效果較好的處理方案。采用這樣的診斷方法能夠很大程度上提升電力設(shè)備故障診斷的效率和精度。

3 結(jié) 論

隨著特高壓交直流混合大電網(wǎng)、新一代智能變電站、智能輸電線路等工程的深入建設(shè)，全新的電網(wǎng)重大成套裝備和智能裝備不斷涌現(xiàn)，對電網(wǎng)設(shè)備安全和智能運維提出新的挑戰(zhàn)。需要借助物聯(lián)網(wǎng)、大數(shù)據(jù)等新技術(shù)，提出智能化的設(shè)備運維技術(shù)，逐步構(gòu)建具有信息化、可視化和智能化特點的設(shè)備運維管控體系，滿足未來電網(wǎng)設(shè)備更高的安全運維要求。