陳華林，姚建剛，李佐勝，黃詩文，李文杰

(1.湖南大學電氣與信息工程學院，長沙 410082;2.湖南省電力公司超高壓管理局，長沙 410014;3.湖南湖大華龍電氣與信息技術(shù)有限公司，長沙 410012)

絕緣子上沉積的污穢在濕度較大的氣象條件下容易發(fā)生污閃，嚴重影響了供電系統(tǒng)的可靠性。通過調(diào)整爬電距離、更換防污型絕緣子、采用合成絕緣子以及室溫硫化硅橡膠RTV(room temperature vulcanized silicone rubber)涂料、對絕緣子進行定期清洗等措施[1]，在實際運行中都起到過積極作用，但效果都不理想。原因之一是不能及時準確地掌握絕緣子污穢狀況。為了解決這個問題，通過在線獲取泄漏電流，文獻[2～4]通過建立泄漏電流時域、頻域特征以及環(huán)境參數(shù)與污穢程度的映射關(guān)系，實現(xiàn)等值附鹽密度預(yù)測或污穢分級。文獻[5～7]通過監(jiān)測絕緣子表面放電的聲和光現(xiàn)象，判斷絕緣子污穢狀態(tài)。文獻[8]通過測量污穢導(dǎo)致的光能損耗程度檢測等值附鹽密度。文獻[9]利用污穢對絕緣子微波輻射特性的改變來檢測污穢程度。泄漏電流可以表征污穢程度的變化，其熱效應(yīng)也受到了研究人員的關(guān)注。文獻[10]利用紅外線溫度計測量了均勻污穢絕緣子的帽部、栓部和盤面的頂部、中部、底部的一些點的溫度，得出不同污穢時運行絕緣子出現(xiàn)不同的溫升變化。通過10 kV模擬試驗，文獻[11]利用紅外成像技術(shù)，結(jié)合圖像處理與神經(jīng)網(wǎng)絡(luò)研究了單片絕緣子的污穢等級檢測。這些在線檢測方法各有利弊，但離實際應(yīng)用尚有不小的差距。

本文提出通過圖像處理抑制成像過程的噪聲干擾、獲得統(tǒng)一規(guī)范的絕緣子盤面特征圖像;再利用特征圖像的相對溫度提取徑向溫度分布特征表征污穢程度;最后采用最近鄰濕度條件下的最小距離分類器評定污穢等級。試驗結(jié)果表明該方法可以實現(xiàn)絕緣子串的污穢等級檢測，且具有高準確性。

1 紅外熱成像檢測絕緣子污穢等級的原理

文獻[12]指出，濕度和溫度等氣象因素中，濕度與泄漏電流的關(guān)聯(lián)度最大(＞0.9)，對泄漏電流的影響最大，環(huán)境溫度的改變往往會引起環(huán)境濕度的改變。對非劣化絕緣子而言，表面污穢程度和環(huán)境濕度是影響其絕緣性能的兩個重要因素。在運行電壓作用下，當絕緣子污穢干燥時，絕緣子的發(fā)熱以介質(zhì)損耗發(fā)熱為主;當污層受潮時，表面電阻急劇下降，表面泄漏電流增大，絕緣子的發(fā)熱以表面泄漏電流發(fā)熱為主。

在濕污狀態(tài)，絕緣子串的電壓分布主要受表面絕緣電阻的影響。同串絕緣子污濕狀態(tài)相似，各絕緣子絕緣電阻差別較小，因此各絕緣子承載電壓基本一致、發(fā)熱情況也基本相同。電流流過污層產(chǎn)生熱效應(yīng)，引起絕緣子表面的溫升。絕緣子為軸對稱結(jié)構(gòu)，瓷件表面沿爬電方向具有不同的盤徑，流過瓷盤面污層的泄漏電流在小盤徑處比大盤徑處密度大，產(chǎn)生的熱效應(yīng)也不同。絕緣子表面污穢越嚴重，環(huán)境濕度越大，表面泄漏電流越大，電流流過瓷盤面污層產(chǎn)生的熱效應(yīng)差異也隨之增大。因此，可利用瓷盤面徑向溫度分布特征來表征污穢的變化。

紅外熱像儀接收被測目標的紅外輻射信號，經(jīng)紅外探測器轉(zhuǎn)換成相應(yīng)電信號，通過信號處理后，將被測物體表面溫度分布轉(zhuǎn)變?yōu)槎S可視圖像(熱像圖)，熱像圖的灰度值正比于物體表面的溫度，灰度值越大，溫度值越高。

利用紅外熱像儀獲取運行絕緣子的表面溫度場信息，本文提出一種基于盤面徑向溫度分布特征的絕緣子污穢等級檢測方法。首先從采集的熱像圖中截取單片絕緣子熱像圖，采用復(fù)小波GCV閾值方法消噪;然后分割圖像，通過水平掃描二值圖像采樣絕緣子盤面邊緣點坐標，應(yīng)用最小二乘擬合盤面邊緣橢圓方程，提取橢圓內(nèi)長軸以上圖像區(qū)域作為盤面特征圖像;再利用特征圖像的相對溫度提取徑向溫度分布特征作為表征污穢程度的紅外特征量;最后通過大量樣本建立不同濕度條件下各污穢等級絕緣子紅外特征庫，采用最近鄰濕度條件下的最小距離分類器識別檢測樣本的污穢度等級。

2 絕緣子污穢等級檢測新方法

2.1 紅外圖像去噪

紅外成像過程中受多種噪聲的影響，表現(xiàn)出明顯的高噪聲、低對比度的特點。從染噪圖像中恢復(fù)絕緣子表面溫度場信息是實現(xiàn)絕緣子污穢等級準確檢測的前提條件。Kingsbury提出雙樹復(fù)小波變換[13]不僅具有平移不變性和良好的方向選擇性，還具完全重構(gòu)性、有限的數(shù)據(jù)冗余和較小的計算量等優(yōu)點，特別適合高噪聲場合的信號處理。本文采用復(fù)小波GCV閾值去噪算法進行消噪處理，GCV閾值趨近于理想閾值，不需要對噪聲方差進行估計。實驗表明該方法噪聲去除徹底，并能有效保留細節(jié)特征。

復(fù)小波GCV閾值去噪過程如下:

(1)原始圖像復(fù)小波正變換。確定Q-shift濾波器組("qshift_06")和分解層數(shù)(L=3)，變換后得到低頻子帶小波系數(shù)V(t，1)和高頻子帶小波系數(shù)，t代表分解樹序號 ，t ∈{A ，B}，l代表分解層數(shù)，l ∈ {1 ，2，…，L}，o 代表高頻子帶方向，o ∈{LH ，H L，HH}。

估計GCV閾值[14]的公式為

式中:N為待處理的小波系數(shù)個數(shù);N0為被閾值t處理后置為0的系數(shù)個數(shù);w和wδ分別表示帶噪小波系數(shù)和閾值處理后的小波系數(shù)。

采用軟閾值函數(shù)對系數(shù)進行處理，將絕對值大于閾值的系數(shù)變?yōu)樵撓禂?shù)與閾值的差，其他系數(shù)置零，用函數(shù)表示為

(3)利用處理后的系數(shù)進行復(fù)小波反變換，得到去噪后圖像。

2.2 紅外圖像分割

絕緣子圖像區(qū)域的灰度分布在較高的值上，而背景灰度分布在較低的值上，可采用閾值分割方法將絕緣子區(qū)域與背景區(qū)域分離。單片絕緣子熱像直方圖低灰度區(qū)呈多峰態(tài)，高灰度區(qū)呈平坦的拖尾。實驗分割嘗試表明，閾值在直方圖第1個波峰后的波谷，由于直方圖波峰不規(guī)則，本文先對直方圖進行平滑，然后提取直方圖包絡(luò)線，再以包絡(luò)線第1個波峰后的波谷作為閾值進行圖像分割。其具體算法流程如下。

(1)統(tǒng)計圖像中各灰度值出現(xiàn)的概率為

式中:k為灰度級，k∈[0，255];nk為灰度級k的像素個數(shù);Ntol為總像素個數(shù)。

(2)對p(i)序列首尾擴延2個零值，以每5點取平均平滑直方圖，可得

(3)計算pf(i)一階前向差分序列dpf(i)，求取dpf(i)的符號序列spf(i)，搜索spf(i)序列中1→0、0→1和1→1的變化點，記錄相應(yīng)的位置及pf值(即包絡(luò)點信息)。

(4)搜索包絡(luò)點信息的第1個極大值，搜索第1個極大值之后的第1個極小值，即為所求閾值kopt。

(5)以kopt為閾值分割圖像，得到絕緣子盤面二值圖為

式中 fb(i，j)為圖像中任意點的像素值。

2.3 盤面特征圖像提取

絕緣子紅外成像能保證完整的攝取到瓷盤面區(qū)域的一半，瓷盤面軸向成像是一個圓，在傾斜角度成像時是一個橢圓。只要能確定橢圓方程，就能通過沿長軸平分橢圓得到感興趣的那一半瓷盤面區(qū)域。

平面任意位置理想橢圓方程為

若已知橢圓曲線上若干點坐標，至少5點，可以采用最小二乘來估計橢圓方程參數(shù)[15]。同時可求得圓心坐標(x0，y0)，長軸半徑a，短軸半徑b，長軸傾斜角度θ。

長軸所在直線方程為

瓷盤面邊緣點可以通過水平掃描的方式得到。將圖像水平方向8等分，并取中間3條等分線，分別從左向右掃描像素點的變化，記錄每條等分線上第1個由0轉(zhuǎn)變?yōu)?，且后續(xù)9個像素點均為1的像素點坐標，同時記錄繼續(xù)掃描得到的第1個由1轉(zhuǎn)變?yōu)?，且后續(xù)9個像素點均為0的像素點坐標。掃描得到6個瓷盤面邊緣點坐標，利用最小二乘擬合瓷盤面圖像邊緣橢圓方程，取橢圓內(nèi)長軸以上圖像區(qū)域即為需要的特征圖像。此時的像素點坐標滿足條件

2.4 紅外特征提取

在提取紅外特征量時，應(yīng)盡量減少成像設(shè)備差異、成像設(shè)備參數(shù)設(shè)置以及拍攝條件等因素對特征的影響，采用相對溫度，避免提取極值[16]，提高特征的抗干擾能力。由于絕緣子瓷盤面的熱效應(yīng)隨盤徑變化，本文以相對溫度提取盤面特征圖像的徑向溫度分布特征表征污穢程度，先將特征圖像分割為5個部分，分割邊緣的橢圓方程與瓷盤面邊緣橢圓方程有相同的圓心坐標和長軸傾斜角度，對應(yīng)的長、短軸半徑依次為(a，b)/4、(a ，b)×3/8、(a ，b)/2、(a，b)×3/4;然后由外向內(nèi)依次計算前4個圖像區(qū)域的相對溫度平均值，此平均值序列構(gòu)成徑向溫度分布特征(Faver1，F(xiàn)aver2，F(xiàn)aver3 ，F(xiàn)aver4)，即紅外特征量。盤面任一點的相對溫度是指該點紅外熱像測量溫度與盤面測量溫度最低值的差值。

2.5 污穢等級評定

環(huán)境濕度便于測量，可以采用比較最相近濕度條件下的檢測樣本與不同污穢等級絕緣子參考樣本的相似程度，再通過一定的評定準則確定檢測樣本的污穢等級。評定準則本質(zhì)上是一個相似度分類器，相似程度可以用距離來衡量，距離越小，相似性越大。適應(yīng)環(huán)境濕度的變化，本文建立一個動態(tài)的最小距離分類器來評定污穢等級。紅外特征具有相同的量綱，相似程度選用歐氏距離度量。在檢測應(yīng)用前，通過大量樣本建立不同濕度條件下各污穢等級絕緣子紅外特征庫。檢測時，依據(jù)檢測樣本的環(huán)境濕度，將最相近濕度條件下的參考絕緣子按照污穢等級分組，然后計算各污穢等級參考絕緣子紅外特征的算術(shù)平均值，用均值作為該污穢等級的代表，計算檢測樣本與各均值的歐氏距離，選取歐氏距離最近的均值所代表的污穢等級作為檢測樣本的污穢等級。

3 實驗室試驗及結(jié)果分析

3.1 試驗裝置

本次試驗包括單片絕緣子和3片串絕緣子模擬運行試驗。試驗接線原理如圖1所示，絕緣子放置于濕度可調(diào)的人工霧室。變壓器次級額定電壓為50 kV，調(diào)壓器和變壓器容量均為100 kVA。

圖1 實驗的接線示意Fig.1 Connecting diagram of experiment

3.2 試驗方法

試驗選用XP-160瓷絕緣子，共100片。試驗樣本在試驗前先用自來水清洗干凈，除去污穢物，自然陰干。采用固體涂層法對陰干后絕緣子瓷表面均勻染污，人工涂刷各污穢等級試驗樣本的灰密統(tǒng)一取為1 mg/cm2，0、Ⅰ 、Ⅱ、Ⅲ、Ⅳ級試驗樣本對應(yīng)的鹽密范圍分別為 0～0.03 mg/cm2、0.03～0.06 mg/cm2、0.06 ～ 0.1 mg/cm2、0.1 ～ 0.25 mg/cm2、0.25 ～0.35 mg/cm2，自然陰干24 h后試驗。

鑒于相對濕度超過75%才對泄漏電流產(chǎn)生比較顯著的影響、紅外熱像儀的使用環(huán)境要求相對濕度小于95%，試驗?zāi)M相對濕度范圍為78%～92%。戶外110 kV輸電線路一般采用7片串絕緣子，在濕污狀態(tài)，單片絕緣子的平均壓降約為10 kV，模擬運行對單片試驗樣本加載工頻電壓 10 kV，3片串為30 kV。每次選擇同污穢等級但鹽密值不同的5個試驗樣本，垂直并聯(lián)懸掛于模擬導(dǎo)體與地之間，在不同濕度條件下運行3 h，依據(jù)文獻[10，17]，絕緣子已處于熱平衡狀態(tài)。距離2.5 m、成像角度45°，對每片絕緣子利用美國FLIR公司S65紅外熱像儀采集紅外熱像。

3.3 試驗結(jié)果及分析

單片絕緣子試驗樣本620個，拍攝絕緣子紅外圖像1 860幅;3片串絕緣子試驗樣本50個，拍攝絕緣子紅外圖像450幅。先從采集的熱像圖中截取單片絕緣子熱像圖，共計2 310幅，然后依次執(zhí)行圖像去噪、圖像分割、盤面特征圖像提取、紅外特征提取操作。圖 2、圖 3分別為單片 Ⅳ級污穢樣本(79%)和3片串Ⅱ級污穢樣本(79%)的圖像處理過程。

圖2 單片絕緣子圖像處理Fig.2 Image processing of the single insulator

圖3 絕緣子串圖像處理Fig.3 Image processing of insulator string

單片試驗樣本用于建立不同濕度條件下污穢絕緣子的紅外特征庫。由于試驗中可能存在異常樣本，在建立紅外特征庫之前應(yīng)將其排除，提高系統(tǒng)的可靠性。排除異常樣本的方法是:先計算相同濕度條件下同污穢等級試驗樣本之間的歐氏距離，求取平均值μ和標準差σ，然后應(yīng)用3σ準則判定歐氏距離異常數(shù)據(jù)，即歐氏距離大于μ+3σ的數(shù)據(jù)確定為異常，再利用異常數(shù)據(jù)涉及的樣本進行分析，通常一個異常樣本導(dǎo)致它與其他樣本的歐氏距離變大，容易確定需要剔除的異常樣本。實驗數(shù)據(jù)中共發(fā)現(xiàn)3個異常樣本。

為了驗證本文方法的可行性和有效性，選擇全部可用單片絕緣子試驗樣本數(shù)據(jù)建立紅外特征庫，對3片串絕緣子試驗樣本數(shù)據(jù)進行測試，每串隨機抽檢一片，檢測的準確率為92%，部分數(shù)據(jù)的期望結(jié)果與測試結(jié)果的比較如表1所示。

由表1可得出如下結(jié)論。

(1)在相對濕度相近時，紅外特征數(shù)值隨著污穢程度的加重而增大，比較容易區(qū)分，采用徑向溫度分布特征可在不同濕度條件下有效表征絕緣子污穢程度。

(2)通過圖像處理獲得了統(tǒng)一規(guī)范的絕緣子盤面，很大程度上消除了人為因素和外界噪聲的影響，提取的紅外特征客觀真實，采用最近鄰濕度條件下最小距離分類器能準確識別絕緣子污穢等級。

(3)本文方法能適用于絕緣子串的檢測，準確率高，具有可推廣性。

表1 絕緣子串測試結(jié)果Tab.1 Test results of insulator strings

4 結(jié)語

(1)通過圖像處理抑制噪聲干擾，獲取統(tǒng)一規(guī)范的絕緣子盤面，以相對溫度提取盤面徑向溫度分布特征，該特征可以有效表征絕緣子污穢程度。

(2)利用徑向溫度分布特征，通過最近鄰濕度條件下的最小距離分類器能準確檢測絕緣子污穢等級。在自然污穢樣本充足的情況下，該方法可推廣用于戶外絕緣子污穢檢測，對絕緣子污閃的預(yù)防具有積極意義。

[1] 關(guān)志成，王紹武，梁曦東，等(Guan Zhicheng，Wang Shaowu，Liang Xidong，et al).我國電力系統(tǒng)絕緣子污閃事故及其對策(Application and prospect of polymeric outdoor insulation in China)[J].高電壓技術(shù)(High Voltage Engineering)，2000，26(6):37-39.

[2] Suda Tomotaka.Frequency characteristics of leakage current waveforms of a string of suspension insulators[J].IEEE Trans on Power Delivery，2005，20(1):481-487.

[3] 李日隆，李雄剛(Li Rilong，Li Xionggang).高壓直流輸電合成絕緣子耐污閃性能的研究(A research in-to anti pollution flashover property of HVDC transmission composite)[J].電力系統(tǒng)及其自動化學報(Proceedings of the CSU-EPSA)，1999，11(2):37-43.

[4] 姚陳果，李璟延，米彥，等(Yao Chenguo，Li Jingyan，Mi Yan，et al).絕緣子安全區(qū)泄漏電流頻譜特征提取及污穢狀態(tài)預(yù)測(Abstracting frequency spectrum characteristics of insulators leakage current in safety zone to forecast the contamination condition)[J].中國電機工程學報(Proceedings of the CSEE)，2007，27(30):1-8.

[5] Tsuji Toshinori，Matsumoto Shingo，Sakata Takatoshi，et al.Basic study on acoustic noise of polluted insulator and waveform analysis method[C]∥International Symposium on Electrical Insulating M aterials，Kitakyushu，Japan:2005.

[6] 肖猛，文曹(Xiao Meng，Wen Cao).一種新型絕緣子帶電檢測方法—紫外成像法(New method to detect insulation on line-ultraviolet image method)[J].高電壓技術(shù)(High Voltage Engineering)，2006，32(6):42-44.

[7] 何為，陳濤，楊帆，等(He Wei，Chen Tao，Yang Fan，et al).基于紫外脈沖法的絕緣子污穢狀態(tài)監(jiān)測(Faulty insulator on-line monitoring system based non-touching UV pulse method)[J].高電壓技術(shù)(High Voltage Engineering)，2006，32(10):39-42.

[8] 萬德春，蔡煒，宋偉，等(Wan Dechun，Cai Wei，Song Wei，et al).光技術(shù)鹽密在線監(jiān)測系統(tǒng)的研究(Investigation on ESDD on-line measurement system using optical technology)[J].高電壓技術(shù)(High Voltage Engineering)，2005，31(8):33-35.

[9] 高強，馬鵬飛，李環(huán)媛(Gao Qiang，Ma Pengfei，Li Huanyuan).絕緣子污穢的微波輻射特性研究(Research on the pollution of the insulators based on the properties of microwave radiation)[J].高電壓技術(shù)(High Voltage Engineering)，2006，32(7):25-28.

[10] Reddy B S，Nagabhushana G R.Study of temperature distribution along an artificially polluted insulator string[J].Plasma Science&Technology，2003，5(2):1715-1720.

[11] 何洪英，姚建剛，蔣正龍，等(He Hongying，Yao Jiangang，Jiang Zhenglong，et al).利用紅外圖像特征和徑向基概率神經(jīng)網(wǎng)絡(luò)識別不同濕度條件下絕緣子的污穢等級(Contamination grades recognition of insulators under different humidity using infrared image features and RBPNN)[J].中國電機工程學報(Proceedings of the CSEE)，2006，26(8):117-123.

[12] 張建興，律方成，劉云鵬，等(Zhang Jianxing，Lǜ Fangcheng，Liu Yunpeng，et al).高壓絕緣子泄漏電流與溫濕度的灰關(guān)聯(lián)分析(Relationship among leakage current of insulators on HV lines temperature and humility based on the grey relational analysis)[J].高電壓技術(shù)(High Voltage Engineering)，2006，32(1):40-41，73.

[13] Kingsbury N.Complex wavelets for shift invariant analysis and filtering of signals[J].Applied and Computational Harmonic Analysis，2001，10(3):234-253.

[14] Weyrich N，Warhola G T.Wavelet shrinkage and generalized cross validation for image denoising[J].IEEE Trans on Image Processing，1998，7(1):82-90.

[15] 李海鋒，梁遠升，王鋼，等(Li Haifeng，Liang Yuansheng，Wang Gang，et al).基于模擬退火-最小二乘混合的故障測距新方法(Fault location scheme for transmission line based on simulated annealing and least square algorithm)[J].電力系統(tǒng)及其自動化學報(Proceedings of the CSU-EPSA)，2008，20(3):36-40.

[16] 李佐勝，姚建剛，楊迎建，等(Li Zuosheng，Yao Jiangang，Yang Yingjian，et al).基于方差分析的絕緣子紅外熱像特征選擇方法(feature selection method of insulator infrared thermal image based on variance analysis)[J].電網(wǎng)技術(shù)(Power System Technology)，2009，33(1):92-96.

[17] El-Arabaty A，Nosseir A，El-Debeiky S，et al.Application of infra-red thermography to the study of temperature distribution on energized polluted insulators[J].IEEE Trans on Electrical Insulation，1979，EI-14(5):278-280.