摘"要：在油浸式變壓器的運(yùn)行過程中，繞組由于多種因素導(dǎo)致過熱，引發(fā)了Kappa值下降，進(jìn)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(shù)，捕獲油浸式變壓器外部熱圖像；針對圖像質(zhì)量參差不齊的問題，采用高斯濾波與直方圖均衡化技術(shù)預(yù)處理紅外熱成像圖像，并運(yùn)用圖像拼接技術(shù)生成完整的變壓器信息圖像；結(jié)合圖像分割、增強(qiáng)的殘差網(wǎng)絡(luò)架構(gòu)及相對溫度差法，實現(xiàn)對變壓器繞組過熱故障區(qū)域的精準(zhǔn)識別與檢測。實驗結(jié)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(yīng)用價值。

關(guān)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(yùn)行中受負(fù)載波動、絕緣老化、設(shè)計缺陷及維護(hù)不足等因素影響，導(dǎo)致變壓器繞組過熱故障頻發(fā)，嚴(yán)重威脅變壓器壽命及電網(wǎng)安全。為此，研究準(zhǔn)確、及時的故障檢測方法尤為關(guān)鍵。近年來，眾多學(xué)者開展研究，如李瑋瑋[1]提出基于改進(jìn)支持向量機(jī)的配電電力變壓器內(nèi)部過熱故障識別方法，通過采集變壓器的電氣參數(shù)和運(yùn)行狀態(tài)數(shù)據(jù)，構(gòu)建故障特征向量，利用改進(jìn)的SVM算法對特征向量進(jìn)行訓(xùn)練和學(xué)習(xí)，建立故障識別模型。該模型通過有效地區(qū)分正常狀態(tài)和過熱故障狀態(tài)，實現(xiàn)對變壓器內(nèi)部過熱故障的準(zhǔn)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(shù)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(shù)據(jù)進(jìn)行解析，初步判斷變壓器的故障類型，利用QPSO算法優(yōu)化SVM的參數(shù)提高模型的分類精度和泛化能力，最終，通過訓(xùn)練好的SVM模型對變壓器的故障進(jìn)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(shù)來推斷繞組的溫度狀態(tài)，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(yù)處理設(shè)計

本次應(yīng)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(huán)境噪聲、設(shè)備靈敏度差異以及變壓器表面復(fù)雜結(jié)構(gòu)等多種因素的影響，導(dǎo)致圖像質(zhì)量參差不齊，直接影響后續(xù)故障檢測的準(zhǔn)確性和效率[3]。為此，本文首先采用高斯濾波技術(shù)對原始圖像進(jìn)行處理，以提升圖像質(zhì)量并抑制噪聲。高斯濾波后的變壓器圖像通過公式（1）進(jìn)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?。槐硎靖咚购藰?biāo)準(zhǔn)差。

為了增強(qiáng)圖像中不同溫度區(qū)域的對比度，使高溫異常區(qū)域更為顯著，運(yùn)用直方圖均衡化技術(shù)。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(guān)系由公式（2）所示的累積分布函數(shù)給出：

式（2）中：表示灰度級數(shù)；表示圖像像素總數(shù)；表示灰度級的像素數(shù)。

面對油浸式變壓器紅外熱成像檢測中的分辨率挑戰(zhàn)，采取局部精細(xì)化檢測與全局圖像重構(gòu)的策略。通過集中拍攝關(guān)鍵或疑似過熱區(qū)域，獲取高分辨率的局部溫度圖像，確保數(shù)據(jù)的精準(zhǔn)性。利用先進(jìn)的圖像拼接技術(shù)，結(jié)合高精度的圖像配準(zhǔn)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(qū)域的細(xì)節(jié)，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(shù)據(jù)支持。

2"變壓器繞組過熱故障識別

為了準(zhǔn)確識別出這些溫度異常區(qū)域，并據(jù)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(shù)，對預(yù)處理后的紅外熱成像圖像進(jìn)行有效區(qū)分，自動識別出高于正常溫度范圍的區(qū)域，即潛在的過熱故障點[5]。識別出的溫度異常區(qū)域公式為：

式（3）中：表示正常溫度范圍；表示紅外圖像中坐標(biāo)處的溫度值。

在識別出溫度異常區(qū)域后，采用增強(qiáng)的殘差網(wǎng)絡(luò)架構(gòu)進(jìn)行深入分析。將預(yù)處理后的紅外圖像輸入此網(wǎng)絡(luò)，精確定位并輸出過熱區(qū)域的最高溫度。同時，選定參考區(qū)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(wǎng)絡(luò)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(dāng)超過35%時，判斷變壓器存在過熱故障。以此，實現(xiàn)油浸式變壓器繞組的過熱故障檢測。

3""實驗

3.1"實驗準(zhǔn)備

為了驗證本文方法的可行性，在實驗準(zhǔn)備階段，準(zhǔn)備專業(yè)設(shè)備，以確保實驗過程的準(zhǔn)確性和可靠性。表1列出了實驗所需的主要設(shè)備及其關(guān)鍵參數(shù)，這些設(shè)備將用于測量和分析變壓器繞組的電氣性能及溫度狀態(tài)，從而有效識別并評估繞組過熱故障的風(fēng)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(tǒng)進(jìn)行實時監(jiān)測。在檢測過程中，應(yīng)充分考慮變壓器內(nèi)部熱量流動過程及散熱機(jī)理，結(jié)合傳熱學(xué)知識，確保檢測結(jié)果的準(zhǔn)確性和可靠性。

3.2實驗指標(biāo)

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(zhǔn)確性。Kappa值越高，表示檢測方法的預(yù)測結(jié)果與實際觀測結(jié)果之間的一致性越好，即檢測方法的準(zhǔn)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(yù)測結(jié)果的正確性，還考慮了隨機(jī)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(yōu)劣。

3.3"實驗結(jié)果及分析

為了驗證本文方法的優(yōu)越性，實驗設(shè)計不同模擬場景，并與其他兩種故障診斷方法進(jìn)行對比分析。對比方法1為基于改進(jìn)支持向量機(jī)的配電電力變壓器內(nèi)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(jié)果。

根據(jù)表2的實驗結(jié)果可以看出，本文方法在多種模擬場景下均表現(xiàn)出色，其Kappa值顯著高于對比方法。這一優(yōu)勢不僅體現(xiàn)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(tǒng)故障等復(fù)雜情況下，本文方法依然能夠準(zhǔn)確識別并量化故障程度。尤為值得注意的是，在負(fù)載突增導(dǎo)致的繞組瞬時過熱場景中，本文方法展現(xiàn)出極高的靈敏度與準(zhǔn)確性，這對于保障電網(wǎng)穩(wěn)定運(yùn)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(yù)防性維護(hù)提供了有力支持。

綜上所述，本文方法不僅在故障識別準(zhǔn)確率上實現(xiàn)了顯著提升，更在復(fù)雜故障場景下的適應(yīng)性、靈敏度和可靠性方面展現(xiàn)出獨特的優(yōu)越性。

4"結(jié)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(xiàn)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(tǒng)方法依賴于間接參數(shù)、實時性差的缺點，還提高了故障檢測的直觀性和準(zhǔn)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(yōu)化紅外熱成像技術(shù)的測量精度，有效削弱環(huán)境因素對測量結(jié)果的影響；二是深度融合圖像處理與先進(jìn)的人工智能算法，增強(qiáng)對溫度數(shù)據(jù)的解析與辨識能力，實現(xiàn)故障識別與定位的進(jìn)一步精準(zhǔn)化。希望通過持續(xù)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(tǒng)的穩(wěn)定運(yùn)行貢獻(xiàn)更加突出的力量。

參考文獻(xiàn)

[1]李瑋瑋.基于改進(jìn)支持向量機(jī)的配電電力變壓器內(nèi)部過熱故障識別方法[J].電氣開關(guān)，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(tài)模態(tài)分解-自適應(yīng)變步長油浸式電力變壓器繞組瞬態(tài)溫升快速計算方法[J].電工技術(shù)學(xué)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(guī)律及其辨識方法[J].高電壓技術(shù)，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(jié)合綜合診斷過熱故障[J].數(shù)字通信世界，2021（8）：171-172.