闞永庚，邵 莉，孫明權(quán)，闞建業(yè)

(1.江蘇省江都水利工程管理處，江蘇 揚州 225200；2.江蘇水利投資開發(fā)有限公司，江蘇 南京 210029；3.江蘇省水利科教中心，江蘇 南京 210029；4.揚州職業(yè)大學(xué)，江蘇 揚州 225009)

電氣設(shè)備作為動力能源的主要載體，在日常的生產(chǎn)生活中起到了較為重要的作用，設(shè)備的持續(xù)運行是人們生活的重要保證。但隨著電氣設(shè)備工作年限問題以及工作環(huán)境條件較差等因素的影響，使得電氣設(shè)備在運行的過程中存在一定的故障隱患，如果這些問題沒有被及時發(fā)現(xiàn)都會導(dǎo)致電氣設(shè)備出現(xiàn)過熱的問題，危害設(shè)備運行安全[1]。嚴重故障將導(dǎo)致整個電力系統(tǒng)出現(xiàn)癱瘓，造成經(jīng)濟損失，并提高電氣設(shè)備日常運維的費用，甚至危害工作人員的人身安全。因此，對電氣設(shè)備進行定期檢測是避免大中型泵站產(chǎn)生不必要損失的主要途徑。

隨著科學(xué)技術(shù)的高速發(fā)展，紅外線技術(shù)逐漸應(yīng)用到各類設(shè)備的故障診斷工作中，彰顯著其巨大的應(yīng)用潛力。紅外技術(shù)能夠在設(shè)備不停運、正常運行的條件下快速的完成設(shè)備檢測。在以往的研究中，大量的專家學(xué)者提出了一系列大中型泵站電氣設(shè)備故障紅外圖像識別方法，部分方法在一定程度上提升了電氣設(shè)備故障的識別效果，但此部分方法存在大中型號變壓器以及電動機碳刷等設(shè)備故障識別精度較差，導(dǎo)致故障識別準(zhǔn)確性不佳的問題[2-3]。針對此問題，本研究中提出基于邊緣計算的大中型泵站電氣設(shè)備故障紅外圖像識別方法，力求改善當(dāng)前電氣設(shè)備故障識別中的問題。

1 大中型泵站電氣設(shè)備故障邊緣計算環(huán)節(jié)設(shè)定

1.1 電氣設(shè)備故障邊緣計算設(shè)備優(yōu)化

通過文獻研究發(fā)現(xiàn)，邊緣計算是一種分散式運算，通過獲取物理數(shù)據(jù)邊緣的方式對數(shù)據(jù)進行計算、傳輸以及分析，使圖像或數(shù)據(jù)處理過程更為便捷，進一步節(jié)約計算資源。常見的紅外圖像采集設(shè)備均為單一設(shè)備圖像采集較為分散，在故障識別過程中存在相應(yīng)的難度。文獻研究結(jié)果表明，電氣設(shè)備故障紅外圖像識別的基礎(chǔ)為高質(zhì)量的紅外圖像。如果想提升識別準(zhǔn)確性與精度，需要從根源解決圖像質(zhì)量問題[4]。在比對多種紅外圖像采集設(shè)備后，此次研究中將構(gòu)建針對大中型泵站電氣設(shè)備的紅外成像系統(tǒng)，使用其獲取原始圖像以供后續(xù)圖像處理分析。

根據(jù)熱力學(xué)基本定律，完成電氣設(shè)備紅外圖像采集環(huán)節(jié)。根據(jù)大中型泵站電氣設(shè)備工作環(huán)境與運行特征，構(gòu)建紅外成像系統(tǒng)應(yīng)用到此次研究中。在對大量紅外設(shè)備進行分析后，將此系統(tǒng)的組成部分設(shè)定為紅外光學(xué)系統(tǒng)、紅外探測器以及信號處理器3部分。使用下述2類成像技術(shù)獲取電氣設(shè)備的紅外圖像。

(1)近焦平面探測器成像技術(shù)，以光機掃描設(shè)備作為基礎(chǔ)，直接獲取設(shè)備圖像；

(2)遠焦平面探測器成像技術(shù)，以探測器前端設(shè)備作為基礎(chǔ)，分別獲取設(shè)備元件圖像，并將其組合成全景圖像。

按照普朗克定律，對電氣設(shè)備進行紅外圖像采集，圖像紅外圖像生成定律設(shè)定如下：

(1)

式中，D—電氣設(shè)備發(fā)射的電磁輻射率；q1D—普朗克第一輻射常數(shù)；q2D—普朗克第二輻射常數(shù)；βD—電磁輻射發(fā)射角度。

對上述內(nèi)容進行整理，將公式(1)應(yīng)用到紅外成像系統(tǒng)中，并使用其獲取原始電氣設(shè)備紅外圖像。

1.2 構(gòu)建電氣設(shè)備故障邊緣計算模型

隨著物聯(lián)網(wǎng)技術(shù)的高速發(fā)展，電氣設(shè)備紅外診斷逐漸智能化發(fā)展，紅外圖像采集設(shè)備每天都會產(chǎn)生大量的圖像信息。應(yīng)用云計算對此部分數(shù)據(jù)進行分析遇到了困難，因此在此次研究中使用邊緣計算環(huán)節(jié)完成圖形的計算處理過程。通過構(gòu)建邊緣計算模型，在紅外圖像采集系統(tǒng)搭建新的軟件環(huán)境，使其可以直接對部分紅外圖像數(shù)據(jù)進行處理。與此同時，在其中增加云計算模塊，對此系統(tǒng)終端產(chǎn)生的數(shù)據(jù)進行處理。將邊緣計算模型結(jié)構(gòu)設(shè)定如圖1所示。

圖1 邊緣計算模型基礎(chǔ)結(jié)構(gòu)示意圖

在此模型的基礎(chǔ)上，對采集到的紅外圖像進行調(diào)用，并應(yīng)用紅外圖像處理結(jié)果，完成故障的識別與分析。根據(jù)邊緣計算要求，將電氣設(shè)備故障診斷過程設(shè)定如下。

假設(shè)紅外圖像的采樣時間間隔為T，紅外圖像采樣總數(shù)為N，連續(xù)紅外信號d(t)的離散采樣序列d(ηt)，則連續(xù)紅外信號d(t)的傅立葉變換可表示為：

(2)

式中，n—采樣點序號。

應(yīng)用公式(2)完成傅立葉變換循環(huán)計算，直至獲取故障紅外圖像分量。對上述設(shè)定內(nèi)容進行整理，將其作為此次電氣設(shè)備故障紅外圖像識別的基礎(chǔ)。

2 大中型泵站電氣設(shè)備故障紅外圖像識別方法設(shè)計

2.1 電氣設(shè)備紅外圖像增強處理

電氣設(shè)備紅外圖像在生成、傳輸以及處理的過程中，不可避免地會受到設(shè)備以及外界因素的干擾，導(dǎo)致圖像中夾帶著大量的噪聲，出現(xiàn)圖像模糊、質(zhì)量下降的問題[5]。因此需要對采集得到的原始圖像進行增強處理。對比多種圖像增強方法后，此次研究中選擇高密度脈沖噪聲圖像去噪方法完成圖像增強處理。經(jīng)過大量的圖像分析發(fā)現(xiàn)，離散脈沖噪聲是影響圖像質(zhì)量最為嚴重的因素之一。脈沖噪聲多為下述形式：

(3)

如果e>f，灰度值e將以亮點的形式在紅外圖像中出現(xiàn)，同時f將成為圖像的暗點。當(dāng)ae取值為0且af取值為0時，此時的脈沖噪聲被稱為單極脈沖噪聲。但當(dāng)上述2數(shù)據(jù)取值結(jié)果較為接近且不相同時，圖像中的脈沖噪聲被稱為雙極脈沖噪聲。利用像素同齡組平均原理實現(xiàn)圖像增強，針對灰度值位于0～255之間的可能為脈沖的像素點進行處理。當(dāng)脈沖過大時，借鑒PGA思想，對圖像中全部在指定區(qū)間內(nèi)的像素點進行檢索。選擇合適的像素點作為中心點，構(gòu)建像素點分析窗口。在此窗口對像素點進行判別，確定像素點是否為噪聲點，若此點為噪聲點，則剔除此像素點，完成圖像增強工作。上述圖像處理環(huán)節(jié)完成后，對圖像進行小波變換處理，進一步去除圖像中的噪聲。完成上述圖像處理環(huán)節(jié)后，匯總電氣設(shè)備圖像，將其作為后續(xù)處理環(huán)節(jié)的圖像基礎(chǔ)。

2.2 電氣設(shè)備故障識別與分析

在上文設(shè)定環(huán)節(jié)的基礎(chǔ)上，應(yīng)用處理后的圖像實現(xiàn)電氣設(shè)備故障紅外圖像的識別。但實際的電氣設(shè)備故障分為多種類型，采用一種識別方法是無法對全部設(shè)備故障進行識別分析的[6]，為此，在此環(huán)節(jié)中對不同類型的電氣設(shè)備故障進行細化分析。將邊緣計算模型作為基礎(chǔ)，利用云計算技術(shù)實現(xiàn)多種數(shù)據(jù)的同期處理，并將處理結(jié)果與紅外圖像分析結(jié)果融合處理，有效檢測出不同種類的故障。在此次研究中，將不同類型的電氣設(shè)備故障識別流程設(shè)定如圖2所示。

圖2 不同類型電氣設(shè)備故障識別流程

根據(jù)圖2所示內(nèi)容，將電氣設(shè)備故障識別結(jié)構(gòu)的節(jié)點設(shè)定為星形拓撲結(jié)構(gòu)，在每個節(jié)點中安裝不同的檢測設(shè)備與識別設(shè)備，應(yīng)用此部分設(shè)備獲取電氣設(shè)備運行信息，按照文中設(shè)定方法完成故障識別工作。為保證故障識別具有較高的可靠性，此次研究中增加識別結(jié)果修正環(huán)節(jié)，以此提取高質(zhì)量識別結(jié)果。對上文中內(nèi)容進行整理，將各個環(huán)節(jié)有序連接，至此，基于邊緣計算的大中型泵站電氣設(shè)備故障紅外圖像識別方法設(shè)計完成。

3 實驗論證分析

為驗證此次研究中提出的基于邊緣計算的大中型泵站電氣設(shè)備故障紅外圖像識別方法對紅外圖像的識別效果，選取1080×1080的大中型泵站故障電氣設(shè)備CT圖像，在Matlab環(huán)境中進行識別實驗，確定文中方法的圖像識別能力。

3.1 實驗準(zhǔn)備

此次實驗中，選擇大中型號變壓器及其電動機碳刷作為實驗對象。根據(jù)當(dāng)前實驗要求，選定三相干式隔離變壓器作為實驗對象。此設(shè)備運行參數(shù)設(shè)定如下：電壓比：380/220；工作溫度：-15～+45℃；輸入電壓：380V；額定電壓：380V；輸入頻率：50Hz。應(yīng)用紅外成像系統(tǒng)獲取此設(shè)備運行圖像。在獲取真實運行圖像后，在此部分圖像中增加1組大中型號變壓器故障紅外圖像(故障1)以及電動機碳刷故障紅外圖像(故障2)，并將此部分圖像劃分為7組，每組中均含有故障圖像，具體圖像劃分結(jié)果見表1。

表1 電氣設(shè)備實驗圖像劃分 單位：張

選取文中方法、機器學(xué)習(xí)識別方法以及機器視覺識別方法對實驗圖像組中的圖像進行識別分析，以此獲取不同方法的應(yīng)用效果，實現(xiàn)對文中方法應(yīng)用效果的判定。

3.2 電氣設(shè)備故障識別精度實驗分析

對實驗結(jié)果進行分析可以看出，文中方法的故障識別精度相對較高，應(yīng)用其可得到較為準(zhǔn)確的電氣設(shè)備故障識別結(jié)果，見表2。與文中方法相比，剩余2種實驗方法的應(yīng)用效果相對較差。此實驗結(jié)果表明：文中方法在應(yīng)用邊緣技術(shù)后進一步提升了故障識別精度，此紅外圖像識別結(jié)果可為電氣故障的診斷與維護提供有效信息，縮短故障搶修時間。

表2 電氣設(shè)備故障識別精度實驗結(jié)果 單位：%

3.3 電氣設(shè)備故障類型識別準(zhǔn)確性實驗分析

文中方法與其他兩種識別方法對不同類型的電氣設(shè)備故障識別準(zhǔn)確性存在較大的差異，見表3。文中方法對2種故障識別的準(zhǔn)確率均高于機器學(xué)習(xí)方法與機器視覺方法。說明此方法對于不同類型故障的敏感性相對較高，應(yīng)用此方法可對電氣設(shè)備故障進行針對性控制。整理上述2部分實驗結(jié)果可知，文中方法的故障診斷能力與故障分析能力均優(yōu)于其他兩種方法。

表3 電氣設(shè)備故障類型識別準(zhǔn)確性實驗結(jié)果 單位：%

4 結(jié)語

針對當(dāng)前大中型泵站電氣設(shè)備故障紅外圖像識別過程中存在的問題，此次研究中對故障類別識別準(zhǔn)確性不佳的問題進行了優(yōu)化。將邊緣計算應(yīng)用到故障識別中，進一步提升了識別結(jié)果的可靠性。在日后的研究中，應(yīng)將云計算技術(shù)等其他技術(shù)應(yīng)用到電氣設(shè)備的運維管理中，以此保證大中型泵站運行的安全性。