［關(guān)鍵詞］超高壓變電站；巡檢；紅外熱成像；溫度異常

［中圖分類號］TM63 ［文獻標志碼］A ［文章編號］2095–6487（2024）10–0131–03

1背景

超高壓變電站是電力系統(tǒng)的關(guān)鍵組成部分，其安全穩(wěn)定運行是電力系統(tǒng)穩(wěn)定運行中的重要一環(huán)。但變電站的運行存在著潛在的溫度異常安全隱患。傳統(tǒng)的變電站巡檢方法依賴于人工目視和周期性巡檢，所以效率低、覆蓋面窄、容易漏檢。近年來，隨著可見光和紅外熱成像技術(shù)的不斷發(fā)展，基于計算機視覺的異常溫度檢測成為了一種有效的解決方案。計算機視覺系統(tǒng)依靠可見光圖像提供位置結(jié)構(gòu)信息，紅外熱成像技術(shù)提供了物體表面的溫度分布信息，兩種檢測技術(shù)的結(jié)合能夠提高異常溫度檢測的準確性和可靠性。

2可見光與紅外熱成像技術(shù)

可見光與紅外熱成像技術(shù)通過捕捉不同波長的光信號，將其轉(zhuǎn)化為可視化的圖像。這兩種技術(shù)在異常溫度檢測中具有互補性，可見光成像技術(shù)能夠提供目標物體的外觀特征，而紅外熱成像技術(shù)則能夠進一步捕捉目標物體的熱量分布情況。

2.1可見光成像技術(shù)

可見光成像技術(shù)是利用可見光波段的電磁輻射采集目標物體反射的光信號形成圖像。其原理是利用光學鏡頭將光線聚焦在圖像傳感器上，將光信號轉(zhuǎn)化為電信號，經(jīng)過處理形成可視化的圖像。可見光成像技術(shù)原理如圖1所示。

可見光成像技術(shù)適用于室外和室內(nèi)的各種環(huán)境條件，圖像優(yōu)勢在于其具有高分辨率、色彩豐富、成本低廉的特點。對于一些表面溫度正常但外觀異常的情況，可見光圖像能夠提供目標物體的外觀特征和結(jié)構(gòu)信息，適用于各種變電站工作環(huán)境條件，在有光照的情況下對目標物體的識別。然而，可見光受光線和天氣等因素的影響，在夜間或惡劣天氣條件下的成像效果較差。此外，可見光圖像無法直接反映目標物體的溫度信息，對于溫度異常的情況無法直接識別。

2.2紅外熱成像技術(shù)

紅外熱成像技術(shù)是利用物體自身輻射的紅外光波段的能量來捕捉目標物體的熱量分布情況。其原理是利用紅外感應(yīng)器對目標物體輻射的紅外光信號進行探測，然后轉(zhuǎn)化為對應(yīng)的熱圖像。紅外成像技術(shù)原理如圖2所示，物體的輻射線通過特殊的鏡頭之后經(jīng)過光柵和探測器，最終形成熱量分布圖。

相比可見光成像技術(shù)，紅外熱成像技術(shù)能夠直觀地顯示目標物體的溫度分布情況，具有溫度測量精度高、無需光源、不受環(huán)境光影響的特點，特別對于夜間和惡劣環(huán)境下的溫度監(jiān)測具有獨特的優(yōu)勢。然而，在局限性方面，紅外熱成像受制于傳感器的靈敏度和分辨率，紅外圖像的分辨率一般較低，無法提供與可見光圖像相媲美的細節(jié)信息。此外，由于目標物體表面的材料和反射率因素，紅外熱成像受到物體表面狀態(tài)的影響成像效果會存在一些誤差。

3基于可見光與紅外熱成像的異常溫度檢測算法

3.1可見光疑似高溫目標識別

可見光疑似高溫目標識別是異常溫度檢測算法的第一步，該步驟以可見光成像技術(shù)為基礎(chǔ)，分析可見光圖像識別的具有高溫特征的目標物體，圖像中的煙霧、火焰和烈陽目標，都是潛在的高溫信息，可以補充紅外熱成像中的信息，優(yōu)化溫度異常檢測的可靠性。在可見光疑似高溫目標識別任務(wù)中，會提前收集大量包含疑似高溫目標的可見光圖像數(shù)據(jù)集。為了保障可見光圖像的質(zhì)量，圖像采集之后還會經(jīng)歷圖像增強去噪步驟，圖像中有無高溫信息就是要訓練的標簽。采用卷積神經(jīng)網(wǎng)絡(luò)深度學習的技術(shù)對預處理后的圖像數(shù)據(jù)進行訓練，將煙霧、火焰和烈陽作為高溫目標，通過訓練讓網(wǎng)絡(luò)具備識別該目標的能力。

3.2紅外熱成像異常溫度檢測

紅外熱成像異常溫度檢測是在可見光疑似高溫目標識別之后對目標進行的準確溫度測量?；诩t外熱成像技術(shù)分析紅外熱成像數(shù)據(jù)，識別并定位變電站中可能存在的溫度異常區(qū)域，檢測出高溫異常區(qū)域，及時發(fā)現(xiàn)潛在的故障。紅外熱成像異常溫度檢測需要收集變電站內(nèi)部和周圍的紅外熱成像數(shù)據(jù)，用數(shù)據(jù)反映不同區(qū)域的溫度分布情況，然后對這些紅外數(shù)據(jù)需要進行類似的圖像預處理步驟，提高物體溫度分析的準確性。

在紅外熱成像異常溫度檢測系統(tǒng)中采用了自適應(yīng)二值法將紅外熱成像數(shù)據(jù)轉(zhuǎn)化為二值圖像，并提取出代表著電力設(shè)備過熱、局部短路或其他故障情況的高溫異常區(qū)域。自適應(yīng)二值法表示為對于每個像素（x，y），定義其局部鄰域為N（x，y），包括該像素周圍的一個小區(qū)域。計算局部鄰域的灰度均值μ（x，y）：

基于可見光與紅外的變電站檢測結(jié)果如圖3所示，通過圖像結(jié)果可直觀地觀察變電站的溫度分布情況。

在可見光疑似高溫目標識別方面，從可見光圖像中識別出了可能存在的煙霧、火焰等高溫目標并記錄了識別結(jié)果。而在紅外熱成像異常溫度檢測方面，紅外熱成像數(shù)據(jù)檢測出了高溫異常區(qū)域并記錄了檢測結(jié)果。此外，計算了每個樣本的識別準確率，識別準確率是根據(jù)數(shù)據(jù)集中提供的目標標注信息計算得出。不同算法下變電站溫度檢測結(jié)果見表1。

5結(jié)束語

文章提出的基于可見光與紅外熱成像的異常溫度檢測算法可對溫度異常進行全面監(jiān)測和及時預警，為變電站的安全運行提供了重要保障。試驗結(jié)果表明，該算法在異常溫度檢測任務(wù)中表現(xiàn)出良好的性能和準確性，能夠有效地識別出潛在的溫度異常，并提供及時的預警和處理建議。