李瑾

（鄂州電力勘察設計院有限責任公司，湖北鄂州 436000）

智能型防雷接地設備是保護建筑物內電子設備和網絡安全的重要設備之一。由于智能防雷接地設備多工作在復雜的工作環(huán)境中，存在著許多突發(fā)性故障因素，嚴重影響了配電網等系統(tǒng)的安全運行。因此，優(yōu)化智能防雷接地設備缺陷位置檢測模型是研究趨勢之一[1]，眾多學者結合智能防雷接地設備缺陷特征分析和智能信息分析，采用視覺特征分析方法，實現(xiàn)了防雷接地設備缺陷的可視化特征重構和定位分析，提高了防雷接地設備運行的穩(wěn)定性。其中，文獻[2]提出利用配電系統(tǒng)特征頻帶，基于EMD改進算法，將各線路區(qū)段特征零模電流波形相似度與幅值差度對比，結合設備信息交互，快速定位接地設備故障，但是其線路區(qū)段特征提取精度較低；文獻[3]提出利用柔性開關設備改造交流配網，通過消弧線圈的過補償作用，凸顯了缺陷處的電感電流流通回路，簡便地定位了設備缺陷處；文獻[4]提出采用紅外檢測技術這一帶電檢測手段，及時發(fā)現(xiàn)防雷接地設備的潛在缺陷，但其進行防雷接地設備缺陷定位檢測的準確性不高。

針對上述問題，該文提出基于Census 變換的智能型防雷接地設備缺陷可視化系統(tǒng)設計方法，通過構建智能型防雷接地設備缺陷可視化圖像的邊緣紋理特征分析模型，以及對智能型防雷接地設備缺陷可視化圖譜重構，對設備缺陷可視化分析和視覺跟蹤識別，展示了該方法在提高智能型防雷接地設備缺陷可視化分析方面的優(yōu)越性能。

1 設備缺陷三維成像和特征分析

1.1 設備缺陷圖像采集

為了實現(xiàn)基于Census 變換的智能型防雷接地設備缺陷可視化定位，首先，采用視頻跟隨掃描與控制方法實現(xiàn)對智能型防雷接地設備缺陷圖像采集，采集過程如下：

首先，結合智能型防雷接地設備缺陷譜特征分析方法，通過電纜絕緣破損分析，設智能型防雷接地設備缺陷的譜特征為i[5]，其中，設非線性電阻特征為k，得到智能型防雷接地設備缺陷圖譜分布為：

式中，λi(i=1，2，…，∞)為智能型防雷接地設備缺陷圖譜采樣序列，p為智能型防雷接地設備缺陷特征的可靠性融合參數(shù)。根據(jù)電流波形中的高頻脈沖系數(shù)f判斷防雷接地設備的斷開點位，判斷公式為：

式中，a表示智能型防雷接地設備缺陷圖譜波束分布聚類，b表示智能型防雷接地設備缺陷分布的相似度屬性。其次，以高斯噪聲零均值為前提，分析智能型防雷接地設備缺陷的三維圖像分布[6]，得到智能型防雷接地設備缺陷紅外載波譜峰值表達式為：

式中，h為智能型防雷接地設備缺陷紅外成像邊緣輪廓檢測的窗函數(shù)，x為智能型防雷接地設備缺陷故障特征分布的波形。選擇特定的窗函數(shù)可能會影響智能型防雷接地設備缺陷的頻率分辨率，因此，需要對電弧電流進行頻譜分析[7]，得到智能型防雷接地設備缺陷紅外成像的固定輸出特征分辨率：

式中，t為智能型防雷接地設備缺陷的輸出穩(wěn)態(tài)參數(shù)特征量。

最后，引入電弧伏安特性經驗公式，進行缺陷特征定位，得到智能型防雷接地設備缺陷三維高頻成分衰減為：

式中，m為智能型防雷接地設備缺陷三維成像的灰度像素集，γ為智能型防雷接地設備電弧電場強度，n為防雷接地設備缺陷邊緣輪廓特征分量。根據(jù)上述分析，以三維高頻成分衰減程度為三維圖像紅外載波譜峰值約束條件，聯(lián)合式（1）完成智能型防雷接地設備缺陷圖像采集[8]。

1.2 設備缺陷特征可視化分析

采用視頻跟隨掃描與控制方法實現(xiàn)對智能型防雷接地設備缺陷圖像采集后，結合CT 和紅外傳感識別方法對智能型防雷接地設備缺陷特征可視化分析。

設智能型防雷接地設備特征分布Mi滿足：

式中，M是正整數(shù)，表示智能型防雷接地設備缺陷光譜穩(wěn)態(tài)分布頻率參數(shù)。以電流幅值增益控制需求為出發(fā)點[9]，設防雷接地設備的電極距離為：

式中，bk為智能型防雷接地設備缺陷譜分量，?為電弧的頻譜分布。以實際電弧輻射電磁信號檢測結果為依據(jù)，聯(lián)合防雷接地設備的斷開點位判斷結果，設智能型防雷接地設備缺陷的三維可視化特征點表示為(x，y)，此時的脈沖幅值為：

式中，τ為多參量檢測的時延參數(shù)，ck為高頻電壓和電流脈沖分布，α為智能型防雷接地設備電弧產生電磁輻射的時間分布間隔，β為稀疏表示向量。

以脈沖幅值最大值為初始值，由此得到智能型防雷接地設備缺陷定位的高頻特征分量為：

式中，[lmin，lmax]為智能型防雷接地設備缺陷定位的學習因子，一般取[1.5，2.0]。通過準確地模擬低壓直流系統(tǒng)參數(shù)，得到智能型防雷接地設備缺陷定位的關聯(lián)像素值為：

其中，Ix表示為智能型防雷接地設備缺陷的高頻分量，Iy表示智能型防雷接地設備缺陷成像輸出的特征狀態(tài)分量。

2 設備可視化設計

2.1 設備缺陷可視化特征重構

對每個子頻段重新組合，得到智能型防雷接地設備的缺陷可視化圖像分布的灰度值r。通過歸一化分割，提取智能型防雷接地設備的缺陷可視化圖像的邊緣輪廓特征量，得到智能型防雷接地設備缺陷的頻率偏移特征量為：

式中，δ表示智能型防雷接地設備缺陷特征的多頻段動態(tài)相量分布。智能型防雷接地設備缺陷定位的RGB 類特征表達式為：

式中，Wmin、Wmax為智能型防雷接地設備缺陷分布相量頻段間解耦參數(shù)。通過圖譜特征解析和差異性特征點標定方法，對智能型防雷接地設備缺陷可視化圖譜重構[10]，得到小波重構輸出函數(shù)表達為：

通過智能型防雷接地設備缺陷信息的多尺度融合和特征分解，聯(lián)合關聯(lián)像素值，得到接地設備缺陷定位的特征變換模型為：

式中，θ表示智能型防雷接地設備缺陷的偏移向量，k表示智能型防雷接地設備缺陷定位的模糊邊緣尺度信息。計算智能型防雷接地設備缺陷像素點，將其表示為：

根據(jù)智能型防雷接地設備缺陷特征的多頻段動態(tài)相量分布系數(shù)，得到缺陷定位輸出為：

通過防雷接地設備缺陷可視化特征分析，結合智能型防雷接地設備參數(shù)分布，得到缺陷定位結果的表達為：

其中，ε為防雷接地設備缺陷可視化圖像的灰度像素值，ρ表示防雷接地設備缺陷參數(shù)的融合特征集[11]。

2.2 設備缺陷可視化分析

通過圖譜特征解析和差異性特征點標定方法，實現(xiàn)對智能型防雷接地設備缺陷可視化圖譜重構，在三維視覺模型下，得到智能型防雷接地設備缺陷特征重組輸出rj(j=1，2，…，∞)[12]，智能型防雷接地設備缺陷檢測的模糊參數(shù)融合輸出為：

其中，v為智能型防雷接地設備缺陷融合聚類分布值，η為動態(tài)相量的峰值信噪比。采用多維參數(shù)融合的方法[13]，進行智能型防雷接地設備缺陷的模糊定位識別，得到智能型防雷接地設備可視化定位輸出為：

其中，σ為智能型防雷接地設備缺陷可視化特征辨識系數(shù)。采用多頻端特征組合的方法，得到慣性融合參數(shù)為q，得到智能型防雷接地設備缺陷定位的迭代公式為：

其中，μ是智能型防雷接地設備缺陷定位的相關性參數(shù)；φ(k)是智能型防雷接地設備缺陷定位的灰度像素集。綜上分析，采用Census變換實現(xiàn)對智能型防雷接地設備缺陷可視化分析和視覺跟蹤識別[14-16]。

3 仿真實驗與結果分析

為了驗證該文方法在實現(xiàn)防雷接地設備缺陷可視化定位中的應用性能，進行實驗測試分析，以某變電站為例，設防雷接地設備的負載功率為120 kW，防雷接地設備的有限頻段組合參數(shù)為0.36，圖像的邊緣像素集為148×210，雷接地設備缺陷檢測的頻率分布范圍為0～400 Hz，多頻段動態(tài)IC相量解耦系數(shù)為0.58，根據(jù)上述參數(shù)設定，進行防雷接地設備缺陷可視化檢測，得到防雷接地設備的硬件結構配置如圖1 所示。

圖1 防雷接地設備的硬件結構配置

根據(jù)圖1 的結構配置，實現(xiàn)防雷接地設備缺陷的可視化圖譜分析，得到輸出電容電流如圖2 所示。

圖2 防雷接地設備的輸出電容電流

將其轉換為伏安特性曲線，如圖3 所示。

分析圖3 得知，該文方法對防雷接地設備缺陷檢測，輸出伏安特性擬合性能較好，測試對防雷接地設備缺陷定位的精度，得到對比結果如表1所示。

圖3 伏安特性曲線

表1 設備缺陷檢測精度對比

分析表1 得知，該文方法進行防雷接地設備缺陷定位的精度平均為0.976 5，高于其他方法，具有優(yōu)越的防雷接地設備缺陷定位性能，這是因為該文方法結合CT 和紅外傳感識別方法實現(xiàn)智能型防雷接地設備缺陷可視化特征分析，有了可視化特征量化過程，提高了缺陷定位效果，保證了檢測精度。

4 結束語

該文提出基于Census 變換的智能型防雷接地設備缺陷可視化系統(tǒng)設計方法，結合對智能型防雷接地設備的缺陷特征分析和智能信息分析，優(yōu)化了智能型防雷接地設備缺陷定位檢測模型，并對每個子頻段重新組合，實現(xiàn)對智能型防雷接地設備缺陷的可視化分析和視覺跟蹤識別，其缺陷識別精度較高，可為該領域的相關研究提供理論參考價值。