一种紫外成像与红外成像协同检测电力设备故障的方法及系统的制作方法
【技术领域】
[0001] 本发明涉及一种紫外成像与红外成像协同检测电力设备故障的方法及系统。
【背景技术】
[0002] 随着社会的发展，各行各业对电力的需求不断增加，对电网供电的稳定性和安全 性的要求也逐渐提高。电力设备是电力电网系统的重要组成部分，电力设备的安全稳定运 行是确保供电可靠性的重要因素。由于电力设备长期处于运行状态且受到环境因素的影 响，往往会出现各种各样的故障，通常的表现形式为整体或局部的异常发热和异常放电，如 设备绝缘性能劣化或绝缘故障导致介质损耗增大而引起的发热与放电、接头接触不良引起 的局部过热和设备漏磁引起的发热与放电等。因此对电力设备的热状态与放电情况进行检 测，并根据热状态与放电情况进行分析和诊断，是保障电力设备和电网可靠运行的重要手 段之一。由于电力设备分布面广、数量众多且运行时具有高温、高电压等特殊性，难以采用 常规的检测方式确定电力设备的热状态和放电情况。
[0003] 目前，现存的电力设备故障检测技术主要分为基于红外成像的电力设备异常发热 检测技术与基于紫外成像的电力设备异常放电检测技术，以上两种方法在电力工业领域都 以独立的形式得到广泛应用。随着研究的深入，发现电力设备在故障时会同时出现异常发 热状况与异常放电状况，紫外与红外成像协同检测技术会更加准确地对电力设备的故障状 态进行分析，但如何确定合适的协同匹配规则与定量分析方法是研究的难点，这也导致了 紫外与红外成像协同检测技术目前还不太成熟。
【发明内容】
[0004] 本发明的目的是针对现有技术的不足，提出一种紫外成像与红外成像协同检测电 力设备故障的方法，能够直观、准确地反映出电力设备故障点及故障程度。
[0005] 本发明的另一个目的是提供一种采用该方法的紫外成像与红外成像协同检测电 力设备故障的系统。
[0006] 本发明通过以下技术方案实现：
[0007] -种紫外成像与红外成像协同检测电力设备故障的方法，包括如下步骤：
[0008] (1)、采集电力设备的红外图像与紫外图像，分别对所述红外图像与紫外图像进行 降噪处理，得到降噪红外图像、降噪紫外图像；
[0009] (2)、对所述降噪红外图像进行快速区域生长计算，确定待检测区域；
[0010] (3)、计算所述待检测区域的像素平均值并根据红外温度标定数据，确定所述像素 平均值对应的温度，即为所述待检测区域的温度F。；
[0011] (4)、在所述降噪紫外图像上提取出所有的待检测区域，利用邻域灰度差投票算法 在所述待检测区域中分割出异常放电光斑，并计算所述异常放电光斑的面积I;
[0012] (5)、将当前待检测区域的温度F。与环境温度Fh的差值后作为异常发热评定参数 M，计算异常放电光斑面积I与当前待检测区域面积TD的比值，并将所述比值结合电力设备 环境数据进行修正后得到异常放电评定标准Q，根据公式F=kiM+k2Q确定电力设备故障定 量值F，并将检测结果存储至数据库中，其中，kpk2为权重系数，可在实际操作中根据情况 做适当调整。
[0013] 进一步的，步骤（1)包括以下步骤：
[0014] A、采集电力设备的红外图像与紫外图像；
[0015] B、利用中值滤波去除所述红外图像中的脉冲干扰与椒盐噪声，再利用数学形态学 中的腐蚀运算消除所述红外图像中连通域面积较小的异常发热噪声点；
[0016] C、利用数学形态学中的开启和闭合运算去除所述紫外图像中放电主光斑周围的 干扰光斑。
[0017] 进一步的，步骤（2)包括以下步骤：
[0018] A、在所述降噪红外图像的R通道图像中运用快速区域生长算法将电力设备轮廓 分割出来；
[0019] B、对所述降噪红外图像的G通道图像中进行阈值分割处理后，再运用快速区域生 长算法将异常发热区域分割出来，将所述异常发热区域中包含的所有单个连通域作为待检 测区域。
[0020] 进一步的，步骤（3)包括以下步骤：
[0021] A、提取所述降噪红外图像中各个待检测区域的位置信息，根据所述位置信息依次 确定各待检测区域在降噪红外图像的R、G、B三通道图像中的对应区域，计算所述对应区域 的像素平均值SR、SpSB;
[0022] B、调用存储的红外温度标定数据，获取每个待预测区域中像素平均值SR、SpSB对 应的温度，即为各待预测区域的温度。
[0023] 进一步的，步骤（4)包括以下步骤：
[0024] A、提取所述降噪红外图像中各个待检测区域的位置信息，按照所述位置信息依次 提取降噪紫外图像中的各待预测区域；
[0025] B、依次对所述待预测区域运用邻域灰度差投票算法分割出异常放电光斑轮廓；
[0026] C、对所述异常放电光斑轮廓进行孔洞填充，得到所有待预测区域的异常放电光 斑，取所述异常放电光斑的像素点数量之和作为异常放电光斑面积I。
[0027] 进一步的，步骤（5)包括以下步骤：
[0028] A、取当前待检测区域的温度F。与环境温度Fh的差值M=F^Fk作为电力设备当前 检测区域的异常发热评定参数；
[0029] B、统计当前待检测区域包含的像素点数量作为当前待预测区域面积TD，将当前待 检测区域的异常放电光斑面积I与当前待检测区域面积TD的比值N=T与当前电力设 备环境湿度S数据相结合，令Q=N-SN作为异常放电评定标准，Q的取值为0- 1之间；
[0030] C、将Μ做归一化处理Μ=M/M^，其中，M_为电力设备温度上限，Μ取值在 〇- 1之间，按照公式F=IqM+kjjQ确定当前检测区域的故障定量值F，其中kp1^2为 红外与紫外图像在故障评定中占的权重系数，根据当前相对湿度S调整kpk2，其中
[0031 ] D、依次完成所有待预测区域的故障检测。
[0032] 进一步的，所述快速区域生长方法在降噪红外图像的R通道、阈值分割后的G通道 图像中分别选取像素值靠前的10个像素点作为种子点同时向外生长。
[0033] 进一步的，所述邻域灰度差投票算法包括如下步骤：
[0034] a、计算待检测区域当前像素点与当前像素点四个方向相邻像素点的像素值差 值；
[0035] b、将所述差值依次与设定的阈值进行比较，若大于阈值，则当前像素点票数加1， 反之则保持原票数；
[0036] c、当前像素点的总票数大于1时，保留当前像素点像素值，反之则将其像素值置 为〇〇
[0037] 本发明还通过以下技术方案实现：
[0038] -种紫外成像与红外成像协同检测电力设备故障的系统，所述系统包括图像预处 理模块、异常发热区域检测模块、温度分析模块、异常放电分析模块、故障分析模块、数据库 模块，图像预处理模块、待预测区域检测模块依次连接，待预测区域检测模块输出端分别接 至温度分析模块及异常放电分析模块，温度分析模块及异常放电模块的输出端均接至故障 分析模块，数据库模块与温度分析模块及故障分析模块相连。
[0039] 所述图像预处理模块用于对获取的红外图像及紫外图像进行降噪处理，得到的降 噪红外图像、降噪紫外图；
[0040] 所述待检测区域检测模块用于对降噪红外图像进行快速区域生长计算，确定待预 测区域；
[0041] 所述温度分析模块依次计算各待预测区域的像素平均值，并根据数据库中的红外 温度标定数据，确定所述像素平均值对应的温度，即为各待检测区域的温度；
[0042] 所述异常放电分析模块根据在降噪紫外图像上提取出所有的待检测区域，利用邻 域灰度差投票算法在各待检测区域中分割出异常放电光斑，并计算异常放电光斑的面积；
[0043] 所述故障分析模块根据各待检测区域的温度以及异常放电光斑的面积，确定电力 设备故障定量值，并将检测结果存储至数据库中；
[0044] 所述数据库为温度分析模块及故障分析模块的计算提供相应的数据。
[0045] 进一步的，所述数据库包括红外温度标定数据、电力设备环境温度数据、电力设备 环境湿度数据。
[0046] 本发明具有如下有益效果：
[0047] 本发明通过对电力设备的紫外图像和红外图像进行协同分析，获得电力设备的异 常发热及异常放电的评定参数，结合电力设备环境信息选择合适的协同匹配规则，对电力 设备的故障进行定量分析，能够更为直