摘要：研究基于紅外測(cè)溫技術(shù)，提出一種變電站設(shè)備熱狀態(tài)智能感知識(shí)別新方法。結(jié)合Tophat變換法，對(duì)紅外測(cè)溫圖像進(jìn)行亮度均衡化處理，通過(guò)判斷信噪比，實(shí)現(xiàn)對(duì)熱狀態(tài)區(qū)域與背景區(qū)域的有效分離。對(duì)三階顏色矩進(jìn)行定義以及融合處理，得到紅外測(cè)溫圖像的顏色特征。通過(guò)構(gòu)建圖像的灰度判據(jù)，明確變電站設(shè)備的運(yùn)行狀態(tài)。對(duì)該方法的感知效果進(jìn)行了檢驗(yàn)，結(jié)果表明，該方法對(duì)設(shè)備熱狀態(tài)的感知靈敏度較高。

關(guān)鍵詞：紅外測(cè)溫；智能變電站；變電設(shè)備；熱狀態(tài)；智能感知

中圖分類號(hào)：TM63；TN219文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-5922（2025）01-0177-04

Intelligent perception and recognition technology for thermalstatus of power station equipment based on infraredmonitoring

LI Jinxin，ZHENG Lei，LIAO Hai，WANG Nan，ZOU Yin

（Zunyi Power Supply Bureau of Guizhou Power Grid Co.，Ltd.，Zunyi 563100，Guizhou China）

Abstract：Based on infrared temperature measurement technology，a new intelligent perception method of thermal state of intelligent substation equipment was proposed.Combined with the Tophat transformation method，the bright-ness of the infrared temperature measurement image was equalized，and the effective separation of the thermal state area and the background area was realized by judging the signal-to-noise ratio.The third-order color moments were defined and fused to obtain the color features of the infrared temperature measurement image.By constructing gray-scale criteria for images，the operational status of substation equipment was clarified.The perception effect of this method was tested，and the results showed that the method had a high sensitivity to the perception of the thermal state of the equipment.

Key words：infrared temperature measurement；intelligent substation；substation equipment；hot state；intelligent perception

通過(guò)將改進(jìn)YOLO算法和Resnet算法進(jìn)行結(jié)合，對(duì)變電站設(shè)備的熱缺陷特征進(jìn)行識(shí)別，實(shí)現(xiàn)缺陷診斷[1]。以絕緣子設(shè)備作為研究對(duì)象，通過(guò)拍攝紅外圖像以及紫外圖像，對(duì)該設(shè)備的運(yùn)行狀態(tài)進(jìn)行評(píng)估分析處理[2]。然而在實(shí)際應(yīng)用中發(fā)現(xiàn)，上述方法在獲取現(xiàn)場(chǎng)圖像后，缺乏對(duì)圖像的預(yù)處理過(guò)傳，影響了感知效果。

作為一種非接觸式測(cè)溫方法，紅外測(cè)溫技術(shù)具有測(cè)量準(zhǔn)確、快速、無(wú)需接觸等優(yōu)點(diǎn)，已經(jīng)被廣泛應(yīng)用于電力系統(tǒng)中[3]。因此，提出了一種基于紅外測(cè)溫的智能變電站設(shè)備熱狀態(tài)智能感知方法。該方法采用形態(tài)學(xué)算法對(duì)紅外測(cè)溫圖像進(jìn)行預(yù)處理和特征提取，提高了測(cè)溫的準(zhǔn)確性和穩(wěn)定性。

1方法設(shè)計(jì)與技術(shù)優(yōu)化

1.1智能變電站設(shè)備熱狀態(tài)區(qū)域圖像分離

由紅外攝像機(jī)所拍攝到的變電站設(shè)備圖像通常不會(huì)存在較為明顯的結(jié)構(gòu)形狀特征，同時(shí)圖像的灰度等級(jí)差異也不會(huì)很明顯[4]。因此，變電站設(shè)備紅外圖像中的故障區(qū)域邊界的清晰度偏低。針對(duì)這一問(wèn)題，采用對(duì)比度增強(qiáng)的方式，提取熱狀態(tài)區(qū)域圖像，劃分熱狀態(tài)區(qū)域與常規(guī)區(qū)域之間的差異，實(shí)現(xiàn)圖像提取。在這一過(guò)程中，信噪比（SNR）可以用于表示目標(biāo)信號(hào)強(qiáng)度與噪聲信號(hào)強(qiáng)度之間的對(duì)比關(guān)系，其具體表達(dá)式如下所示：

式中：μT代表變電站設(shè)備紅外測(cè)溫圖像中熱狀態(tài)區(qū)域的灰度均值；μB和σB分別代表背景圖像的灰度均值以及標(biāo)準(zhǔn)差[5]。SNR的數(shù)值越大，代表變電站設(shè)備熱狀態(tài)區(qū)域圖像與背景圖像的強(qiáng)度差異性越大。因此，通過(guò)對(duì)SNR的值設(shè)定一個(gè)閾值，即可對(duì)紅外測(cè)溫圖像實(shí)現(xiàn)對(duì)比度增強(qiáng)處理，放大熱狀態(tài)區(qū)域圖像與背景圖像之間的差異特征。

除圖像對(duì)比度以外，紅外測(cè)溫圖像的亮度也需要對(duì)其進(jìn)行調(diào)整[6]。這主要是由于紅外攝像機(jī)在對(duì)變電站設(shè)備進(jìn)行拍攝時(shí)，通常會(huì)受到拍攝環(huán)境以及光源等多種因素的影響，導(dǎo)致圖像亮度分布不均勻。對(duì)此，采用Tophat變換算法，對(duì)不同區(qū)域的亮度進(jìn)行調(diào)整。假設(shè)變電站設(shè)備紅外測(cè)溫圖像中的結(jié)構(gòu)元素為f，由此可以得到Tophat的變換表達(dá)式：

式中；f根s代表結(jié)構(gòu)元素對(duì)應(yīng)的開(kāi)運(yùn)算；h代表Tophat變換結(jié)果。通過(guò)上述公式即可完成對(duì)紅外測(cè)溫圖像的亮度調(diào)整，除不均勻的亮度分布情況以外，紅外測(cè)溫圖像中的噪聲也會(huì)對(duì)提取結(jié)果產(chǎn)生一定的影響，因此本文采用鄰域平均的運(yùn)算方法，對(duì)紅外測(cè)溫圖像中的噪聲進(jìn)行去除[7]。假設(shè)在變電站設(shè)備紅外圖像中，某坐標(biāo)（x y）對(duì)應(yīng)的像素灰度值為zi，由此可以得到鄰域平均法的計(jì)算公式：

式中；wi代表以（x y）為鄰域的像素點(diǎn)加權(quán)值；m根n代表鄰域內(nèi)像素點(diǎn)的排列規(guī)模；g（x y）代表濾波處理后的像素值。通過(guò)上述步驟對(duì)紅外測(cè)溫圖像進(jìn)行亮度均勻調(diào)整以及濾波處理，然后采用式（1）對(duì)圖像的信噪比進(jìn)行計(jì)算，通過(guò)設(shè)定提取閾值，實(shí)現(xiàn)熱狀態(tài)區(qū)域與背景區(qū)域的有效分離。

通過(guò)上述步驟即可完成對(duì)于智能變電站設(shè)備熱狀態(tài)區(qū)域圖像的有效提取[8]。

1.2變電站設(shè)備熱狀態(tài)圖像顏色矩提取

針對(duì)上述分離得到的變電站設(shè)備熱狀態(tài)區(qū)域圖像，通過(guò)對(duì)前三階顏色矩進(jìn)行定義，實(shí)現(xiàn)顏色矩提取，獲取到紅外測(cè)溫圖像的顏色特征。

在變電站實(shí)際工作環(huán)境中，可能存在一定的光線變化，影響到紅外攝像機(jī)的拍攝效果[9]。因此采用常規(guī)的特征提取方式無(wú)法過(guò)濾掉干擾因素。而顏色矩作為一種抗干擾性較強(qiáng)的特征提取方式，可以針對(duì)不同色度圖像的顏色特征進(jìn)行表征，不僅可以得到圖像的明暗程度分布情況，同時(shí)也能夠掌握?qǐng)D像的顏色特征分布[10]。假設(shè)變電站設(shè)備熱狀態(tài)圖像P中第i個(gè)像素的某一特征為Mi，由此可以得到該圖像的三階顏色矩的定義表達(dá)式：

式中：M1、M2、M3分別代表變電站設(shè)備熱狀態(tài)區(qū)域圖像的一、二、三階顏色矩，這3個(gè)顏色矩可以分別對(duì)像素分量的強(qiáng)度特征、顏色方差以及分量偏移程度進(jìn)行表征；N代表圖像中的像素總數(shù)；I（pi）代表圖像均衡化亮度值，具體可以通過(guò)式（2）求得。

以上述定義的顏色矩作為提取標(biāo)準(zhǔn)，采用不變矩[11]作為智能變電站設(shè)備紅外色溫圖像的形狀特征提取對(duì)象，首先對(duì)其進(jìn)行定義，具體表達(dá)式如下所示：

式中：mpq代表圖像不變矩；f（x y）代表變電站設(shè)備紅外測(cè)溫圖像；p和q分別代表顏色矩的規(guī)模尺寸。將式（5）中的mpq值代入到式（4）中的Mi，即可得到智能變電站設(shè)備紅外測(cè)溫圖像的三階顏色矩[12]，然后對(duì)顏色矩提取結(jié)果進(jìn)行融合，得到完整的圖像顏色特征提取結(jié)果，具體融合表達(dá)式：

式中：ω1、ω2、ω3分別代表三階顏色矩的特征權(quán)重分配參數(shù)；Msum代表顏色特征融合結(jié)果；λ代表顏色特征向量維度[13]。

通過(guò)上述步驟即可完成對(duì)變電站設(shè)備熱狀態(tài)圖像顏色矩提取。通過(guò)對(duì)三階顏色矩進(jìn)行定義，并將圖像不變矩代入到定義表達(dá)式中[14]，對(duì)三階顏色矩進(jìn)行融合，得到紅外測(cè)溫圖像的顏色特征。

1.3變電站設(shè)備熱狀態(tài)智能判別與感知

針對(duì)上述得到的變電站設(shè)備熱狀態(tài)圖像顏色特征提取結(jié)果，通過(guò)建立灰度判據(jù)，實(shí)現(xiàn)變電站設(shè)備的熱狀態(tài)智能判別與感知。首先結(jié)合顏色特征提取結(jié)果，對(duì)圖像的局部方差值進(jìn)行計(jì)算[15]，假設(shè)μ（i j）代表圖像的灰度均值；σ2代表圖像的局部方差，由此可以得到以下關(guān)系式：

式中：f（x y）代表鄰域中心點(diǎn)對(duì)應(yīng)的像素值；mn代表鄰域尺寸。

通過(guò)上述公式，對(duì)變電站設(shè)備熱狀態(tài)圖像進(jìn)行局部方差映射處理，考慮在完成顏色特征提取后，設(shè)備輪廓圖像A以及背景圖像B之間的局部方差點(diǎn)的相對(duì)位置不會(huì)發(fā)生改變，因此可以對(duì)2個(gè)點(diǎn)的局部方差概率[16-17]進(jìn)行計(jì)算，具體計(jì)算公式：

式中：IA和IB分別代表目標(biāo)圖像與背景圖像的亮度值；G代表圖像的綜合灰度[18]。由此，構(gòu)建出的變電站設(shè)備熱狀態(tài)圖像灰度判據(jù)表達(dá)式：

式中：R代表變電站設(shè)備熱狀態(tài)灰度判定結(jié)果；Gmax代表綜合灰度閾值。

（1）若R[0 0.2），代表此時(shí)變電站設(shè)備處于熱穩(wěn)定狀態(tài)。設(shè)備的溫度在運(yùn)行過(guò)程中保持穩(wěn)定，沒(méi)有出現(xiàn)明顯的變化[19]。這種狀態(tài)通常是由于設(shè)備內(nèi)部的電氣元件和機(jī)械部件處于穩(wěn)定運(yùn)行狀態(tài)，同時(shí)外部環(huán)境因素也沒(méi)有對(duì)設(shè)備產(chǎn)生明顯的影響；

（2）若R[0.2 0.5），代表此時(shí)變電站設(shè)備處于正常熱狀態(tài)。設(shè)備的溫度在正常運(yùn)行范圍內(nèi)，沒(méi)有出現(xiàn)異常升高或降低的情況；

（3）若R[0.5 0.8），代表此時(shí)變電站設(shè)備處于異常熱狀態(tài)。設(shè)備的溫度出現(xiàn)異常升高或降低，但尚未達(dá)到故障狀態(tài)。這種狀態(tài)可能是由于設(shè)備內(nèi)部的電氣元件故障、機(jī)械部件磨損或外部環(huán)境因素變化等原因引起的；

（4）若R[0.8 1.0]，代表此時(shí)變電站設(shè)備處于故障熱狀態(tài)。說(shuō)明此時(shí)變電站熱成像的綜合灰度超過(guò)了設(shè)定的閾值，代表設(shè)備存在熱缺陷[20]。設(shè)備的溫度異常升高或降低，已經(jīng)達(dá)到故障狀態(tài)。這種狀態(tài)可能是由于設(shè)備內(nèi)部的電氣元件故障、機(jī)械部件損壞或外部環(huán)境因素變化等原因引起的。

基于上述論述，所提出的變電站設(shè)備熱狀態(tài)智能判別與感知的流程如圖1所示。

2實(shí)驗(yàn)論證

2.1實(shí)驗(yàn)說(shuō)明

實(shí)驗(yàn)選取了2組常規(guī)的變電站設(shè)備熱狀態(tài)感知方法作為對(duì)比對(duì)象，分別為基于YOLO算法的變電站設(shè)備熱狀態(tài)感知方法（常規(guī)方法A）以及基于大數(shù)據(jù)技術(shù)的變電站設(shè)備熱狀態(tài)感知方法（常規(guī)方法B）。通過(guò)構(gòu)建實(shí)驗(yàn)平臺(tái)，采用3種方法對(duì)同一組變電站設(shè)備狀態(tài)進(jìn)行感知，對(duì)比不同方法的實(shí)際感知效果。

2.2實(shí)驗(yàn)對(duì)象

本次實(shí)驗(yàn)所選取對(duì)象是一座110 kV的降壓變電站，主要包括變壓器、斷路器、隔離開(kāi)關(guān)、電流互感器、電壓互感器、避雷器等設(shè)備。該變電站的電氣主接線采用雙母線接線方式，共有2條出線，2條進(jìn)線，2條母聯(lián)線路。其中，出線間隔和進(jìn)線間隔的數(shù)量均為2個(gè)，母聯(lián)間隔的數(shù)量為2個(gè)。在變壓器保護(hù)方面，采用雙繞組變壓器差動(dòng)保護(hù)和單側(cè)零序電流保護(hù)。在110 kV進(jìn)線保護(hù)方面，采用距離保護(hù)和零序電流保護(hù)。實(shí)驗(yàn)采用紅外攝像機(jī)對(duì)設(shè)備圖像進(jìn)行獲取。

在采用本文方法對(duì)變電站設(shè)備狀態(tài)進(jìn)行感知時(shí)，需要對(duì)顏色特征進(jìn)行提取，對(duì)此，分別選取了主變壓器、電抗器、互感器以及斷路器4種類型的設(shè)備，每種設(shè)備選取了不同紅外圖像作為提取對(duì)象，由此得到的顏色矩提取數(shù)據(jù)如表1所示。

為提高實(shí)驗(yàn)結(jié)果的可靠性，本次實(shí)驗(yàn)針對(duì)所有設(shè)備的紅外圖像數(shù)據(jù)均進(jìn)行了灰度優(yōu)化處理，防止因灰度不均衡導(dǎo)致的感知干擾。

2.3感知效果對(duì)比結(jié)果

采用所提方法對(duì)變電站設(shè)備運(yùn)行狀態(tài)進(jìn)行感知后，得到的具體結(jié)果如表2所示。

由表2可知，所提方法可以針對(duì)不同類型的變電站設(shè)備進(jìn)行狀態(tài)感知，判定設(shè)備的運(yùn)行故障以及嚴(yán)重程度。

為了使實(shí)驗(yàn)結(jié)果更具有對(duì)比性，實(shí)驗(yàn)以不同方法的靈敏度作為對(duì)比指標(biāo)，用于衡量不同方法的實(shí)際感知效果。靈敏度的計(jì)算公式：

式中：ΔOutput代表設(shè)備熱狀態(tài)感知方法輸出量的變化值；Hactual代表變電設(shè)備的實(shí)際熱狀態(tài)表征參數(shù)。

結(jié)合式（11），得到不同設(shè)備故障標(biāo)簽與方法靈敏度之間的增益曲線如圖2所示。

由圖2可知，在不同設(shè)備故障類型下，不同方法的感知效果也有所不同。通過(guò)數(shù)值上的對(duì)比可以直接看出，所提方法具備更好的感知效果，靈敏度較高。

3結(jié)語(yǔ)

所提出的基于紅外測(cè)溫的智能變電站設(shè)備熱狀態(tài)智能感知方法是一種有效的電力設(shè)備溫度監(jiān)測(cè)和預(yù)警方法，能夠提高設(shè)備運(yùn)行的安全性和可靠性。介紹了該方法的原理、實(shí)驗(yàn)過(guò)程和實(shí)驗(yàn)結(jié)果，通過(guò)對(duì)比分析驗(yàn)證了其準(zhǔn)確性和可靠性。

【參考文獻(xiàn)】

[1]鄭文杰，楊祎，喬木，等.基于改進(jìn)YOLO和Resnet的變電設(shè)備熱缺陷識(shí)別及診斷方法[J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2023，37（9）：261-269.

[2]吳星奇，付子峰，郭景武，等.基于紅外紫外成像檢測(cè)技術(shù)的絕緣子運(yùn)行狀態(tài)評(píng)估分析[J].集成電路應(yīng)用，2023，40（9）：28-30.

[3]王學(xué)玲.紅外診斷技術(shù)在變電站設(shè)備維護(hù)中的應(yīng)用[J].電子技術(shù)，2023，52（8）：224-225.

[4]吳瑞蕤，王曉顏，劉興剛.基于機(jī)器視覺(jué)的有色金屬加工設(shè)備溫度狀態(tài)監(jiān)控[J].有色金屬加工，2023，52（4）：60-62.

[5]趙業(yè)強(qiáng).淺談狀態(tài)檢修在電力設(shè)備檢修的有效運(yùn)用[J].低碳世界，2023，13（7）：49-51.

[6]張滇.基于紅外圖像處理的輸變電設(shè)備故障智能檢測(cè)方法[J].光源與照明，2023（6）：171-173.

[7]駱會(huì)詳.基于小波域CHMT模型的110 kV變電站設(shè)備超溫紅外預(yù)警方法[J].計(jì)算技術(shù)與自動(dòng)化，2023，42（2）：64-70.

[8]陳華偉，謝志輝，姜盼.基于紅外監(jiān)測(cè)技術(shù)的熱缺陷分類及典型故障分析[J].機(jī)電工程技術(shù)，2023，52（6）：50-53.

[9]崔宇輝.基于紅外測(cè)溫的電氣設(shè)備異常溫升監(jiān)測(cè)方法[J].信息與電腦（理論版），2023，35（8）：18-20.

[10]郭鵬程，葛志峰，裘森強(qiáng)，等.基于多通道狀態(tài)感知的高精度紅外測(cè)溫校正算法[J].電子設(shè)計(jì)工程，2023，31（8）：105-109.

[11]趙銳，周雪楓.多源信息融合的設(shè)備熱缺陷智能實(shí)時(shí)檢測(cè)方法[J].計(jì)算機(jī)仿真，2023，40（2）：132-138.

[12]劉江，關(guān)向雨，溫躍泉，等.基于改進(jìn)YOLOv4的GIS紅外特征識(shí)別與溫度提取方法[J].電力工程技術(shù)，2023，42（1）：162-168.

[13]劉云峰，趙洪山，楊晉彪，等.基于GNR先驗(yàn)的電力設(shè)備熱成像超分辨率方法[J].紅外技術(shù)，2023，45（1）：40-48.

[14]段中興，張雨明，馬佳豪.基于改進(jìn)YOLOv4的電力設(shè)備紅外圖像識(shí)別[J].激光與光電子學(xué)進(jìn)展，2022，59（24）：29-36.

[15]張曉華，蔡巍，武宇平，等.基于紅外檢測(cè)的變電站設(shè)備熱狀態(tài)診斷[J].智慧電力，2021，49（9）：109-116.

[16]林洪，文雷，牛健飛，等.基于DCNN技術(shù)的無(wú)人值守變電站智能監(jiān)測(cè)模型優(yōu)化設(shè)計(jì)[J].粘接，2023，50（10）：150-153.

[17]南保峰，盧雨欣，孫廷璽，等.基于三芯電纜自取能技術(shù)的熱狀態(tài)評(píng)估系統(tǒng)研制[J].智慧電力，2020，48（11）：103-107.

[18]袁偉.一種基于物聯(lián)網(wǎng)技術(shù)的變電站智能監(jiān)控系統(tǒng)設(shè)計(jì)[J].粘接，2022，49（10）：185-189.

[19]張靜，程林，宋鵬先，等.基于硅油劣化特性對(duì)高壓電纜終端熱狀態(tài)的測(cè)試分析[J].絕緣材料，2020，53（3）：89-93.

[20]葉日新，趙新志，竇小晶，等.基于紅外測(cè)溫技術(shù)的±500 kV換流站平波電抗器套管缺陷診斷分析與處理[J].電網(wǎng)與清潔能源，2021，37（7）：65-72.

（責(zé)任編輯：蘇幔，平海）