一种基于红外热像图的输变电设备状态分析方法与流程

本发明涉及一种基于红外热像图的输变电设备状态分析方法，属于电力设备检测技术领域。

背景技术：

随着我国智能电网的推进,越来越多的变电站采用巡检机器人来对变电站进行智能监控。巡检机器人能够按照预设的运行路线，对变电站设备进行准确定位检测。红外热像图利用红外成像技术探测目标物体的红外辐射，然后通过光电转换、信号处理等手段生成目标物体的温度分布图像。作为故障检测的一种有效手段,红外热像检测技术得到了广泛应用。搭载红外热像的仪巡检机器人用来监测电气设备的温度，能够及时发现变电设备的发热点，进而及时清除早期的故障，提高供电的可靠性。

目前红外热像诊断技术选取的温度特征有热点温度、温差、相对温差和温升，将以上的温度特征与历史图库中的故障图谱的特征进行匹配，进而判断设备的状态。这种方法可以发现设备出现比较明显的故障，对于设备出现的早期局部温度分布不均匀，同时温升还没有达到相关规定时就不能发现，对于这类情况，如果不加以处理，设备会进一步恶化，出现较为严重的故障。

当前机器人与红外热像检测技术相结合的监控系统大大提高了电力系统的故障检测水平,但现有利用红外热像的评价方法主要是按照相关规程，方法比较单一，对于故障不能提前预警，往往发现问题时，此时问题已经比较严重。现有的方法往往是只关注红外热像图的最高温度和环境温度等特征，对于较明显的某一点温升比较灵敏，但是对于红外热像图中存在局部温度分布不均匀，局部过热，但是又没有达到相关规程中的阈值时的问题还不能判断出来，往往这些问题不加以处理会进一步恶化为严重的问题。因此现有的方法中的特征还不足够，需要进一步的完善以提高红外热像的诊断水平。

现有的技术是采用所选取的温度特征与历史故障图库的匹配，进而判断设备的故障。这种以历史故障为基本的判断方法，对于设备处于早期缺陷时，不一定能够发现。例如，设备某一小块区域由于雾霾而出现表面积污，设备积污区域出现温度分布极度不均匀，但是设备温升处于较低水平，对于以上问题，现有的方法显然不能解决。

因此本发明充分考虑局部温度分布不均匀，提取红外热像图中所测设备的所有点的温度，绘制温度的概率分布图，根据温度分布图提取图像的温度分布宽度，温度概率图上升沿和下降沿特征，利用这些特征可以发现温度局部分度分布不均匀的情况。

技术实现要素：

目的：为了克服现有技术中存在的不足，本发明提供一种基于红外热像图的输变电设备状态分析方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种基于红外热像图的输变电设备状态分析方法，包括步骤如下：

步骤一，红外热像图温度信息提取；

步骤二，温度分布图特征提取；

步骤三，电力设备状态评价分析。

所述步骤一包括如下步骤：

1a、利用现有的技术将红外热像图中感兴趣的区域切割出来；

1b、根据温标信息提取感兴趣部分的所有点温度信息。

所述感兴趣的区域为红外热像图ar1所选中部分的设备，包括设备边缘的部分，即设备边缘线内的部分。

所述步骤二包括如下步骤：

2a、画感兴趣部分所有点的温度分布图，横坐标为温度t，纵坐标为不同温度的概率，得出温度分布密度函数f(t)，其正态概率分布曲线为：

式中μ为温度平均值，σ²为温度方差；

2b、得出温度概率密度最大值fmax：

温度最大概率密度50％，f50％处，温度分别为tl50％和tu50％，将带入f(t)可得两个温度值，其中tl50％为小值，tu50％为大值；

同理可得，分别计算最大温度概率密度10％和90％处，温度分别为tl10％、tu10％和tl90％、tu90％。

所述步骤二还包括：

2c、计算tl50％和tu50％之间的温差δt1，计算tl10％、tl90％之间的差值δt2,计算tu10％、tu90％之间的差值δt3。

δt1＝tu50％-tl50％

δt2＝tl10％-tl90％

δt3＝tu10％-tu90％

所述步骤三包括：

3a、统计同类型设备的所有历史红外热像图δt1、δt2和δt3值，分别计算δt1、δt2和δt3的历史数据平均值和标准差δ1、δ2和δ3，然后利用三倍标准差的数值i＝1，2，3，分别计算δts1、δts2和δts3；

3b、分别比较δt1和δts1、δt2和δts2、δt3和δts3，如果三者中不存在δti>δtsi，其中i＝1，2，3，则设备处于正常状态，可以按照正常检修周期；若三者中只有1个δti>δtsi,则设备处于注意状态，需要对设备密切关注；若三者中有2个δti>δtsi,则设备处于异常状态，需要减小检修周期；若三者中有3个δti>δtsi,则设备处于严重状态，需要对设备进行立即检修。

有益效果：本发明提供的一种基于红外热像图的输变电设备状态分析方法，针对目前红外热像诊断技术在电气设备状态评价中不能全面发现设备的问题，特别是设备的早期故障，首先给出了将二维温度转为一维温度概率分布图，这种方法有效的利用了红外热像图中设备所有点的温度，更加全面的反映了设备的温度信息，然后给出了体现概率分布图特征的特征参数，这些特征参数反应了设备了上的主要温度区间和温度的变化的情况，接着针对温度分布图特征给出了评价设备状态的判断方法。

本发明有效的利用了设备的历史数据，需要注意的是本发明的方法并不需要建立历史设备图库，只需要保存历史图谱的几个特征数据。根据历史数据给出了评价标准，在以上基础上这种标准可以很准确的反应设备的变化情况，最后根据评价结果，给出了检修建议，方便工作人员采取相应的检修策略，为决策提供支撑。

本发明提供了一种全新的较为完整的评价方法，在保证准确度的同时简化了现有的评价步骤。

附图说明

图1为电力设备ar1部分红外热像图；

图2为本发明分析方法流程图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1、图2所示，一种基于红外热像图的输变电设备状态分析方法，包括：红外热像图温度信息提取、温度分布图特征提取和电力设备状态评价分析。

步骤一，红外热像图温度信息提取：

1a、利用现有的技术将红外热像图中感兴趣的区域切割出来，图1中红外热像图ar1所选中部分的设备，包括设备边缘的部分，即设备边缘线内的部分。

1b、根据温标信息提取感兴趣部分的所有点温度信息。

步骤二，温度分布图特征提取：

2a、画感兴趣部分所有点的温度分布图，横坐标为温度t，纵坐标为不同温度的概率，得出温度分布密度函数f(t)，其正态概率分布曲线为：

式中μ为温度平均值，σ²为温度方差。

2b、得出温度概率密度最大值fmax：

温度最大概率密度50％，f50％处，温度分别为tl50％和tu50％，将带入f(t)可得两个温度值，其中tl50％为小值，tu50％为大值。

同理可得，最大温度概率密度10％和90％处，温度分别为tl10％、tu10％和tl90％、tu90％。

2c、计算tl50％和tu50％之间的温差δt1，计算tl10％、tl90％之间的差值δt2,计算tu10％、tu90％之间的差值δt3。

δt1＝tu50％-tl50％

δt2＝tl10％-tl90％

δt3＝tu10％-tu90％

步骤三，电力设备状态评价分析：

3a、统计同类型设备的所有历史红外热像图δt1、δt2和δt3值，分别计算δt1、δt2和δt3的历史数据平均值和和标准差δ1、δ2和δ3，然后利用三倍标准差的数值分别计算δts1、δts2和δts3。

3b、分别比较δt1和δts1、δt2和δts2、δt3和δts3，如果三者中不存在δti>δtsi，其中i＝1，2，3，则设备处于正常状态，可以按照正常检修周期；若三者中只有1个δti>δtsi,则设备处于注意状态，需要对设备密切关注；若三者中有2个δti>δtsi,则设备处于异常状态，需要减小检修周期；若三者中有3个δti>δtsi,则设备处于严重状态，需要对设备进行立即检修。

第一，本发明将二维的温度点，变为一维的温度概率分布图。将红外热像图中的所有点的温度绘制成温度概率分布图，可以直观的体现设备上温度的情况。

第二，本发明选取温度概率分布图中的特征，这些特征反映了设备上的温度特点。选取的温度特征不仅可以反应设备的主要温度区间，而且可以反应设备上温度的变化情况。本发明对特征进行了详细的说明。

第三，本发明利用温度分布图的特征参数评价设备状态的方法。详细地介绍了利用本发明提出的特征评价设备状态的方法，并给出了检修的建议。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。