基于紅外熱成像的油浸式變壓器繞組過熱故障檢測方法研究

摘"要：在油浸式變壓器的運行過程中，繞組由于多種因素導致過熱，引發了Kappa值下降，進而影響了故障檢測。因此，提出基于紅外熱成像的油浸式變壓器繞組過熱故障檢測方法。利用紅外熱成像技術，捕獲油浸式變壓器外部熱圖像；針對圖像質量參差不齊的問題，采用高斯濾波與直方圖均衡化技術預處理紅外熱成像圖像，并運用圖像拼接技術生成完整的變壓器信息圖像；結合圖像分割、增強的殘差網絡架構及相對溫度差法，實現對變壓器繞組過熱故障區域的精準識別與檢測。實驗結果表明，研究方法的Kappa值顯著高于對比方法，能夠提升油浸式變壓器繞組過熱故障的檢測性能，具有實際應用價值。

關鍵詞：紅外熱成像"油浸式"變壓器"繞組過熱故障"溫度異常檢測

中圖分類號：TM41

StudyontheOverheatingFaultDetectionMethodinOilImmersedTransformerWindingBasedonInfraredThermalImaging

LIUYan

SkillTrainingCenterofStateGridSichuanElectricPowerCompany，Chengdu，SichuanProvince，610072China

Abstract：Duringtheoperationofoilimmersedtransformers，thewindingoverheatsduetovariousfactors，whichleadstoadecreaseinKappavalueandsubsequentlyaffectsfaultdetection.Therefore，amethodfordetectingoverheatingfaultsinoilimmersedtransformerwindingsbasedoninfraredimagingisproposed.Usinginfraredthermalimagingtechnologytocaptureexternalthermalimagesofoilimmersedtransformers;Toaddresstheissueofunevenimagequality，Gaussianfilteringandhistogramequalizationtechniquesareusedtopreprocessinfraredthermalimagingimages，andimagestitchingtechniquesareemployedtogeneratecompletetransformerinformationimages;Bycombiningimagesegmentation，enhancedresidualnetworkarchitecture，andrelativetemperaturedifferencemethod，accurateidentificationanddetectionoftransformerwindingoverheatingfaultareascanbeachieved.TheexperimentalresultsshowthattheKappavalueoftheresearchmethodissignificantlyhigherthanthatofthecomparativemethod，whichcanimprovethedetectionperformanceofoverheatingfaultsinoilimmersedtransformerwindingsandhaspracticalapplicationvalue.

KeyWords：Infraredimaging;Oilimmersed;Transformer;Windingoverheatingfault;Temperatureanomalydetection;

變壓器在長期運行中受負載波動、絕緣老化、設計缺陷及維護不足等因素影響，導致變壓器繞組過熱故障頻發，嚴重威脅變壓器壽命及電網安全。為此，研究準確、及時的故障檢測方法尤為關鍵。近年來，眾多學者開展研究，如李瑋瑋[1]提出基于改進支持向量機的配電電力變壓器內部過熱故障識別方法，通過采集變壓器的電氣參數和運行狀態數據，構建故障特征向量，利用改進的SVM算法對特征向量進行訓練和學習，建立故障識別模型。該模型通過有效地區分正常狀態和過熱故障狀態，實現對變壓器內部過熱故障的準確識別。張丞鳴等人[2]提出一種變壓器故障診斷方法，利用DGA技術檢測變壓器油中的溶解氣體含量，通過五邊形解釋工具對氣體數據進行解析，初步判斷變壓器的故障類型，利用QPSO算法優化SVM的參數提高模型的分類精度和泛化能力，最終，通過訓練好的SVM模型對變壓器的故障進行精確診斷。盡管上述方法在變壓器故障檢測方面取得了一定的成果，但這兩種方法依賴于間接參數來推斷繞組的溫度狀態，難以直接、實時地反映繞組局部過熱的情況。鑒于此，本文提出基于紅外熱成像的油浸式變壓器繞組過熱故障檢測方法。

1"變壓器紅外熱成像圖像采集及預處理設計

本次應用紅外熱像儀完成變壓器圖像采集，由于采集的紅外熱成像圖像可能受到環境噪聲、設備靈敏度差異以及變壓器表面復雜結構等多種因素的影響，導致圖像質量參差不齊，直接影響后續故障檢測的準確性和效率[3]。為此，本文首先采用高斯濾波技術對原始圖像進行處理，以提升圖像質量并抑制噪聲。高斯濾波后的變壓器圖像通過公式（1）進行表示：

公式（1）中：表示油浸式變壓器原始圖像；表示濾波器大小；表示高斯核標準差。

為了增強圖像中不同溫度區域的對比度，使高溫異常區域更為顯著，運用直方圖均衡化技術。對于油浸式變壓器灰度圖像，均衡化后的像素值與原始像素值之間的關系由公式（2）所示的累積分布函數給出：

式（2）中：表示灰度級數；表示圖像像素總數；表示灰度級的像素數。

面對油浸式變壓器紅外熱成像檢測中的分辨率挑戰，采取局部精細化檢測與全局圖像重構的策略。通過集中拍攝關鍵或疑似過熱區域，獲取高分辨率的局部溫度圖像，確保數據的精準性。利用先進的圖像拼接技術，結合高精度的圖像配準算法，將多幅局部圖像無縫融合成包含完整變壓器信息的全局圖像，如圖1所示[4]。

圖1"圖像拼接過程示意圖

如圖1所示，拼接過程不僅能夠保留各個局部區域的細節，還能從宏觀上展示變壓器的整體溫度分布特征，為繞組過熱故障的精確檢測與診斷提供全面而精確的數據支持。

2"變壓器繞組過熱故障識別

為了準確識別出這些溫度異常區域，并據此判斷變壓器繞組是否存在過熱故障，本次利用圖像分割技術，對預處理后的紅外熱成像圖像進行有效區分，自動識別出高于正常溫度范圍的區域，即潛在的過熱故障點[5]。識別出的溫度異常區域公式為：

式（3）中：表示正常溫度范圍；表示紅外圖像中坐標處的溫度值。

在識別出溫度異常區域后，采用增強的殘差網絡架構進行深入分析。將預處理后的紅外圖像輸入此網絡，精確定位并輸出過熱區域的最高溫度。同時，選定參考區域測量其最高溫度，并利用公式（4）計算兩者之間的溫差：

式（4）中：表示殘差網絡輸出最高溫度。

為提升診斷的魯棒性，引入相對溫度差法作為輔助手段。通過比較同類型變壓器在同一檢測點上的溫差與熱測點溫升的比值，作為判斷存在故障的條件。的計算公式如下：

當超過35%時，判斷變壓器存在過熱故障。以此，實現油浸式變壓器繞組的過熱故障檢測。

3""實驗

3.1"實驗準備

為了驗證本文方法的可行性，在實驗準備階段，準備專業設備，以確保實驗過程的準確性和可靠性。表1列出了實驗所需的主要設備及其關鍵參數，這些設備將用于測量和分析變壓器繞組的電氣性能及溫度狀態，從而有效識別并評估繞組過熱故障的風險。

由于油浸式變壓器繞組熱點溫度直接影響其絕緣能力和使用壽命，因此需采用高精度的溫度檢測系統進行實時監測。在檢測過程中，應充分考慮變壓器內部熱量流動過程及散熱機理，結合傳熱學知識，確保檢測結果的準確性和可靠性。

3.2實驗指標

在本文油浸式變壓器繞組過熱故障檢測實驗中，采用Kappa來評估檢測方法的準確性。Kappa值越高，表示檢測方法的預測結果與實際觀測結果之間的一致性越好，即檢測方法的準確性越高。通過計算觀測一致性概率和期望一致性概率，得到Kappa值，從而量化地評價檢測方法的性能。Kappa值計算公式如下：

這種方法不僅考慮了預測結果的正確性，還考慮了隨機猜測對一致性的影響，因此能夠更全面地反映檢測方法的優劣。

3.3"實驗結果及分析

為了驗證本文方法的優越性，實驗設計不同模擬場景，并與其他兩種故障診斷方法進行對比分析。對比方法1為基于改進支持向量機的配電電力變壓器內部過熱故障識別方法，對比方法2為基于QPSO-SVM與DGA五邊形解釋工具的變壓器故障診斷方法。記錄3種方法在不同實驗場景下的Kappa值，形成如表2所示的對比實驗結果。

根據表2的實驗結果可以看出，本文方法在多種模擬場景下均表現出色，其Kappa值顯著高于對比方法。這一優勢不僅體現在繞組局部過熱和整體過熱等典型故障場景中，即便在繞組與鐵芯接觸不良、冷卻系統故障等復雜情況下，本文方法依然能夠準確識別并量化故障程度。尤為值得注意的是，在負載突增導致的繞組瞬時過熱場景中，本文方法展現出極高的靈敏度與準確性，這對于保障電網穩定運行具有重要意義。此外，絕緣老化引起的繞組長期過熱檢測中，本文方法也有效捕捉到了故障的早期跡象，為預防性維護提供了有力支持。

綜上所述，本文方法不僅在故障識別準確率上實現了顯著提升，更在復雜故障場景下的適應性、靈敏度和可靠性方面展現出獨特的優越性。

4"結語

本文研究通過直接觀測變壓器繞組表面的溫度分布，實現了對繞組過熱故障的實時、非接觸式檢測。該方法不僅克服了傳統方法依賴于間接參數、實時性差的缺點，還提高了故障檢測的直觀性和準確性。展望未來，將聚焦于兩個核心方向以深化研究：一是不斷優化紅外熱成像技術的測量精度，有效削弱環境因素對測量結果的影響；二是深度融合圖像處理與先進的人工智能算法，增強對溫度數據的解析與辨識能力，實現故障識別與定位的進一步精準化。希望通過持續的努力與探索，能夠顯著提升變壓器繞組過熱故障的檢測能力，為電力系統的穩定運行貢獻更加突出的力量。

參考文獻

[1]李瑋瑋.基于改進支持向量機的配電電力變壓器內部過熱故障識別方法[J].電氣開關，2024，62（3）：104-107.

[2]張丞鳴，謝菊芳，胡東，等.基于QPSO-SVM與DGA五邊形解釋工具的變壓器故障診斷方法[J].高壓電器，2021，57（12）：117-124.

[3]劉剛，郝世緣，朱章宸，等.基于動態模態分解-自適應變步長油浸式電力變壓器繞組瞬態溫升快速計算方法[J].電工技術學報，2024，39（12）：3895-3906.

[4]張弦亮，郝建，劉叢，等.變壓器繞組熱缺陷溫度演化規律及其辨識方法[J].高電壓技術，2024，50（4）：1548-1559.

[5]劉佳佳，李春雨.淺析變壓器油色譜與電氣試驗相結合綜合診斷過熱故障[J].數字通信世界，2021（8）：171-172.