（湖南工業(yè)大學 電氣與信息工程學院，湖南 株洲 412007）

0 引言

當變電站中電氣設備運行狀態(tài)或者電力系統(tǒng)運行方式發(fā)生改變時，需進行一系列的電氣設備倒閘操作[1]。對于傳統(tǒng)變電站，倒閘操作以及電氣設備巡檢過程中隔離開關的開合狀態(tài)需要進行人員目視核查，這種人工操作模式存在自動化程度較低、勞動強度較大、操作時間較長等缺點[2-4]，并且與變電站智能化、無人值守化的發(fā)展趨勢相矛盾。此外，已有通過在控制隔離開關“開”“合”的操作機構上安裝輔助開關，以間接檢測隔離開關開合狀態(tài)的方式，也存在無法檢測高壓側開合狀態(tài)的缺陷[5]。目前，變電站中投運的巡檢機器人大多用于檢測電氣設備的紅外溫度，并據此判斷電氣設備是否出現(xiàn)過熱缺陷，但不能自動地對隔離開關等電氣設備的開合狀態(tài)進行識別[6-7]，這極大限制了巡檢機器人的巡視范圍，不能充分發(fā)揮巡檢機器人的巡視潛能。

針對上述問題，本研究擬采用一種基于機器視覺的隔離開關開合狀態(tài)識別方法，并利用圖像處理技術，實現(xiàn)對隔離開關開合狀態(tài)的自動識別，以期提高變電站電氣設備狀態(tài)巡檢的智能化水平。

1 隔離開關的圖像特點分析

變電站中安裝的水平式隔離開關的圖像特征不完全相同，所獲取的隔離開關圖像中非開關區(qū)域分布著不同的電力器件、支撐機構以及電力塔架等非目標物體。但是從圖像灰度值分布的角度分析，隔離開關圖像具有一個共同特征，即隔離開關區(qū)域的灰度值要明顯大于下方絕緣子基座的灰度值，且小于背后天空背景的灰度值。

圖1為變電站實地采集的隔離開關實物圖像及其對應的灰度直方圖。

圖1 隔離開關圖像及其灰度直方圖Fig.1 Disconnecting switch images and gray histograms

通過對比分析兩圖像的灰度直方圖，可以看出圖像中隔離開關區(qū)域的灰度值基本介于80～110之間，而隔離開關下方的絕緣子基座的灰度值基本在50以下，天空背景的灰度值則在150以上，且隔離開關區(qū)域和其它主要非目標區(qū)域的灰度值高低對比明顯。

2 隔離開關區(qū)域的提取

針對圖像中隔離開關等電力設備目標的提取問題，候一民等[8]采用尺度不變特征轉換算法來實現(xiàn)，但該算法存在錯誤匹配問題，而錯誤匹配的消除算法十分復雜。鑒于圖像中目標區(qū)域和其它非目標區(qū)域灰度值的差異[9]，本設計中隔離開關區(qū)域提取流程如下：設置雙閾值，分割隔離開關灰度圖像；再由形態(tài)學處理和空域濾波消除圖像中的非開關區(qū)域，獲取開關區(qū)域。具體的算法流程如圖2所示。

圖2 開關區(qū)域提取的算法流程圖Fig.2 Extraction algorithm flow chart of switch regions

2.1 開關區(qū)域分割

為分割出圖像中的開關區(qū)域，傳統(tǒng)方法大多利用單閾值進行分割獲取二值圖像，但得到的二值圖像中存在大量非目標區(qū)域，分割效果較差。鑒于上述開關圖像特點的分析，本研究采取雙閾值進行分割，即包括一個較低的閾值T1和一個較高的閾值T2，且閾值T1小于閾值T2；分割后，非目標區(qū)域的灰度值變換為255，開關區(qū)域的灰度值變換為0，灰度變換函數(shù)如下：

以閉合狀態(tài)下的開關圖像為例，傳統(tǒng)的單閾值分割與本文算法分割開關區(qū)域的效果對比見圖3。

圖3 不同算法的開關區(qū)域分割效果圖Fig.3 Segmentation effect diagram of switch regions under different algorithms

由圖3可知，相對于傳統(tǒng)的單閾值分割，經雙閾值分割后，圖像中隔離開關目標區(qū)域與電力器件、支撐機構以及電力塔架等非目標區(qū)域的分割更為明顯，效果更好。

2.2 非開關區(qū)域消除

從圖3中可知，經雙閾值分割后，開關圖像中分布著大量模糊的孤立像素點和細小線段，這些像素點和線段是開關區(qū)域附近的絕緣子以及支撐機構的邊緣輪廓?？紤]到這些邊緣輪廓被周圍白色背景所包圍，易于合并到背景之中，可用形態(tài)學膨脹消除這些孤立的像素點和線段。膨脹時隔離開關二值圖像中物體的邊界被擴充，將與物體接觸的所有背景點合并到該物體中，即邊緣輪廓與白色背景合并，式（2）被廣泛用來描述膨脹形成過程。

式中：A為(x,y)平面上的目標區(qū)域；S為指定大小和形狀的結構元素；S(x,y)表示定義于坐標(x,y)上的結構元素S所表示的區(qū)域。

設計大小為3×3的結構元素S，即一個3維數(shù)組S：

利用結構元素S判斷開關區(qū)域分割圖像中像素點的上、下和前、后4點中是否有相交點，有則將該像素點的灰度值變換為0，否則保持不變。開關圖像經過形態(tài)學膨脹處理，反色后的效果圖見圖4。

圖4 開關圖像形態(tài)學膨脹效果圖Fig.4 Effect diagram of morphological expansion of disconnecting switches

觀察圖4可知，開關區(qū)域下方的桿狀結構長度較長，相對于模糊的邊緣輪廓，像素點較為集中，并不能通過膨脹處理得到消除。鑒于二值圖像中桿狀結構與其領域的灰度值差別較大，因此可用空域濾波對其加以消除。根據作用效果的不同，空域濾波器可分為平滑濾波器和銳化濾波器。平滑濾波器中的平滑處理會模糊開關邊緣，而銳化濾波器中的銳化處理剛好相反，因而可設計一個拉普拉斯銳化濾波器來完成開關區(qū)域的提取。對于一個表示隔離開關圖像的二維函數(shù)f(x,y)，拉普拉斯銳化算子會產生一個標量函數(shù)：

二維函數(shù)f(x,y)在離散情況下，二階微分變成二階差分，表示為

因此，拉普拉斯銳化算子可以通過一個二維卷積模板來執(zhí)行，設計模板矩陣B如下：

通過卷積模板可知，拉普拉斯銳化處理時，由于開關區(qū)域較大，且灰度大致相同，故該區(qū)域整體上不受銳化處理影響，而桿狀結構區(qū)域灰度值為0，鄰域內其它像素的灰度值均為255，銳化平均后此區(qū)域的灰度值變?yōu)?55，桿狀結構得到消除。反色后開關區(qū)域提取效果如圖5所示。

圖5 開關區(qū)域提取效果圖Fig.5 Effect diagram of region extraction areas

3 開合狀態(tài)的識別

文獻[1]等根據細化處理后開關區(qū)域是否存在直線來識別開關的開合狀態(tài)。即若開關區(qū)域存在直線，則判定開關閉合；反之，則判定開關處于斷開狀態(tài)。該判斷方法簡單直觀，但在開關區(qū)域存在輸電線、支撐機構裝置等干擾物時，判斷準確率會急劇下降，且這種直線判別法主要適用于老式隔離開關，在識別新型隔離開關的開合狀態(tài)時，效果較差，具有一定的局限性；鑒于開關閉合狀態(tài)與斷開狀態(tài)下二值圖像的差別主要表現(xiàn)為空間位置的不同，故可用圖像投影特征來識別隔離開關的開合狀態(tài)。

圖像投影分為水平投影與垂直投影[10]，分別用x軸與y軸方向灰度值的累積值描述。對于大小為M×N的圖像，投影函數(shù)定義為：

式中：PH表示水平投影函數(shù)；PV表示垂直投影函數(shù)。

以水平投影為例，閉合和斷開狀態(tài)下開關區(qū)域二值圖像在水平方向上的投影如圖6所示。

圖6 開關區(qū)域水平投影效果圖Fig.6 Horizontal projection effect diagram of disconnecting switch areas

根據投影特征的不同，隔離開關開合狀態(tài)的識別流程如圖7所示。

圖7 開合狀態(tài)識別流程圖Fig.7 The opening-closing status recognition flow chart

4 實驗結果與分析

為驗證識別算法對隔離開關開合狀態(tài)識別的有效性，實地采集220 kV變電站中高壓隔離開關實物圖像共104份，其中，斷開狀態(tài)下的隔離開關圖像46份，閉合狀態(tài)下的隔離開關圖像58份，識別系統(tǒng)的硬件采用PC機，通過Visual Studio 2010編程軟件平臺實現(xiàn)隔離開關開合狀態(tài)的識別。將本文給出的方法與文獻[1]等采用的直線判別法進行實驗對比，所得結果如表1所示。

表1 不同識別方法的測試結果對比Table 1 Comparison of test results produced by different recognition methods

分析表1中的數(shù)據可知，隔離開關在斷開狀態(tài)以及閉合狀態(tài)下，與文獻[1]等采用的直線判別法相比較，本文給出的識別方法的準確率相對較高，均在96%以上。這一結果說明，采用雙閾值分割和灰度投影對隔離開關圖像進行變換，更適合于隔離開關開合狀態(tài)的識別。

5 結語

針對變電站中隔離開關開合狀態(tài)的非接觸式檢測與識別，通過對開關圖像的特點以及傳統(tǒng)識別方法的分析，在得到隔離開關區(qū)域二值圖像的基礎上，采用基于灰度投影特征的判別方法可對隔離開關的斷開和閉合狀態(tài)進行有效識別，且識別率較高，有助于提高無人值守變電站中隔離開關這一重要電氣設備運行狀態(tài)監(jiān)測的自動化水平和變電站電氣設備巡檢的智能化程度。但此方法主要適用于單個隔離開關開合狀態(tài)的識別，且對采集隔離開關圖像的角度有一定要求。當獲取的圖像中存在多組隔離開關或者隔離開關區(qū)域被部分遮擋的情況時，識別的準確率存在一定問題，這將是今后進一步研究的重點。

[1]陳安偉，樂全明，張宗益，等.基于機器人的變電站開關狀態(tài)圖像識別方法[J].電力系統(tǒng)自動化，2012，36(6)：101-105.CHEN Anwei，YUE Quanming，ZHANG Zongyi，et al.An Image Recognition Method of Substation Breakers State Based on Robot[J].Automation of Electric Power Systems，2012，36(6)：101-105.

[2]魯守銀，錢慶林，張 斌，等.變電站設備巡檢機器人的研制[J].電力系統(tǒng)自動化，2006，30(13)：94-98.LU Shouyin，QIAN Qinglin，ZHANG Bin，et al.Development of Mobile Robot for Substation Equipment Inspection[J].Automation of Electric Power Systems，2006，30(13)：94-98.

[3]崔巨勇，曹云東，王文杰.基于分水嶺與Krawtchouk不變矩相結合的改進方法在變電站巡檢圖像處理中的應用[J].中國電機工程學報，2015，35(6)：1329-1335.CUI Juyong，CAO Yundong，WANG Wenjie.Application of an Improved Algorithm Based on Watershed Combined with Krawtchouk Invariant Moment in Inspection Image Processing of Substations[J].Proceedings of the CSEE，2015，35(6)：1329-1335.

[4]李 麗，王濱海，王萬國，等.基于變電站巡檢機器人的室外斷路器狀態(tài)自動識別算法[J].科技通報，2011，27(5)： 732-736.LI Li，WANG Binhai，WANG Wanguo，et al.An Automatic Status Recognition Approach for Outdoor High Voltage Circuit Breaker Based on Power Station Equipment Monitoring Robot[J].Bulletin of Science and Technology，2011，27(5)：732-736.

[5]劉 斌，孫承超，肖 馳，等.基于激光感應技術的高壓隔離開關狀態(tài)監(jiān)測裝置[J].智能電網，2014，2(11)：48-51.LIU Bin，SUN Chengchao，XIAO Chi，et al.Laser Sensing Technology Based Condition Monitoring Device of High-Voltage Disconnect Switch[J].Smart Grid，2014，2(11)：48-51.

[6]周立輝，張永生，孫 勇，等.智能變電站巡檢機器人研制及應用[J].電力系統(tǒng)自動化，2011，35(19)：85-88，96.ZHOU Lihui，ZHANG Yongsheng，SUN Yong，et al.Development and Application of Equipment Inspection Robot for Smart Substations[J].Automation of Electric Power Systems，2011，35(19)：85-88，96.

[7]張 浩，王 偉，徐麗杰，等.圖像識別技術在電力設備監(jiān)測中的應用[J].電力系統(tǒng)保護與控制，2010，38(6)：88-91.ZHANG Hao，WANG Wei，XU Lijie，et al.Application of Image Recognition Technology in Electrical Equipment On-Line Monitoring[J].Power System Protection and Control，2010，38(6)：88-91.

[8]候一民，邸建明.改進的尺度不變特征轉換精確圖像匹配在電力設備目標定位中的應用[J].中國電機工程學報，2012，32(19)：134-138.HOU Yimin，DI Jianming.Application of Improved Scale Invariant Feature Transform Accurate Image Matching in Target Positioning of Electric Power Equipment[J].Proceedings of the CSEE，2012，32(19)：134-138.

[9]陳建平，秦 斌，王 欣.非均勻光照圖像的自適應閾值分割[J].湖南工業(yè)大學學報，2016，30(4)：37-38.CHEN Jianping，QIN Bin，WANG Xin.An Adaptive Threshold Segmentation Method Based on Inhomogeneous Illumination Images[J].Journal of Hunan University of Technology，2016，30(4)：37-38.

[10]童文超，舒小華，龍永紅，等.LED顯示儀表的字符識別方法[J].湖南工業(yè)大學學報，2014，28(1)：68-69.TONG Wenchao，SHU Xiaohua，LONG Yonghong，et al.The Method of Character Recognition Displaying on LED[J].Journal of Hunan University of Technology，2014，28(1)：68-69.