夏立偉 張楚謙 尹洪 吳啟進 劉春堂

摘 要： 單純以紫外光譜監(jiān)督的傳統(tǒng)方法無法檢測絕緣子內(nèi)部雜質(zhì)的含量和變化趨勢。為此提出基于紫外和紅外光譜聯(lián)合的低零值絕緣子狀態(tài)監(jiān)測技術，分別利用紫外光譜成像原理采集低零值絕緣子圖像，輔助紅外光譜檢測絕緣子內(nèi)部雜質(zhì)的含量和變化趨勢，并將二者采集到的光譜進行配準，獲取絕緣子紫外和紅外聯(lián)合光譜，提取低零值絕緣子的過熱特征、閃絡特征以及破損特征，并將提取的特征向量作為樣本輸入至SVM分類器中實施分類處理，以此達到對低零值絕緣子狀態(tài)實時監(jiān)測的目的。結果表明，這種聯(lián)合方法獲取到的低零值絕緣子圖像效果較好，并且能夠?qū)Φ土阒到^緣子的狀態(tài)作出準確判斷。

關鍵詞： ?光譜聯(lián)合；狀態(tài)監(jiān)測；低零值絕緣子；圖像去噪；破損特征；過熱特征；閃絡特征

中圖分類號： TP391.4

文獻標志碼： A ?文章編號： 1001-5922（2023）08-0180-05

Research on low zero insulator condition monitoring technology

based on combined ultraviolet and infrared spectroscopy

XIA Liwei，ZHANG Chuqian，YIN Hong，WU Qijin，LIU Chuntang

（State Grid Hubei Extra High Voltage Company，Wuhan 430060 China）

Abstract： The traditional method of simply using ultraviolet spectroscopy for monitoring cannot detect the content and trend of impurities inside insulators.Therefore，a low zero value insulator status monitoring technology based on the combination of ultraviolet and infrared spectroscopy is proposed.Using the principle of ultraviolet spectral imaging，images of low zero value insulators were collected to assist in infrared spectral detection of the content and trend of impurities inside the insulators.The spectra collected from the two were registered to obtain the combined ultraviolet and infrared spectra of insulators.The overheating，flashover，and damage features of low zero value insulators were extracted，and the extracted feature vectors were used as samples to input into the SVM classifier for classification processing，to achieve the goal of real-time monitoring of the status of low and zero value insulators.The experimental results showed that this joint method obtained good images of low zero value insulators and canld accurately judge the status of low zero value insulators.

Key words： spectral combination;condition monitoring;low zero value insulator;image denoising;damage characteristics;overheating characteristics;flashover characteristics

當前主要通過紫外光譜配合相關智能檢測算法進行低零值絕緣子狀態(tài)監(jiān)測，其主要利用紫外光譜的特性來判斷絕緣子受損程度和性質(zhì)。因為紫外光譜分析則可以檢測雜質(zhì)的化學成分和產(chǎn)生的反應物。可以獲得更全面的絕緣子狀態(tài)信息。該技術的優(yōu)點在于，它可以實現(xiàn)非接觸式自動檢測，無需拆卸絕緣子，減少人員的風險。此外，它還具有高精度和靈敏度，能夠及時檢測出絕緣子的問題，防止系統(tǒng)損壞帶來的人員死亡、物質(zhì)損失等事故。因此，該技術在電力系統(tǒng)中有著廣泛的應用前景和推廣價值。

李振華[1]等人 通過構建卷積神經(jīng)網(wǎng)絡對輸入信號實施預處理，實現(xiàn)信號的特征降維及提取，并對處理后的信號實施分類，以此達到絕緣子監(jiān)測的目的。 該方法具有較高的監(jiān)測反饋效率，但在進行低零值絕緣子狀態(tài)監(jiān)測的過程中，沒有提取低零值絕緣子的狀態(tài)特征，容易發(fā)生誤判。王博文[2]等人首先 通過無人機實現(xiàn)絕緣子的自動檢測，之后構建深度學習神經(jīng)網(wǎng)絡對獲取的絕緣子狀態(tài)實施分類，最后通過數(shù)據(jù)增強的方式防止圖像擬合過度，完成對絕緣子的監(jiān)測。該方法可以適應不同的監(jiān)測環(huán)境，但利用該方法采集的絕緣子圖像受噪聲影響較大，無法正確辨別絕緣子的狀態(tài)。張嘉偉[3]等人首先以復雜線路中的絕緣子為參考對象，設計絕緣子電流光纖傳感器，之后利用該傳感器光纖傳感、抗電磁干擾以及智能特性實現(xiàn)絕緣子的監(jiān)測。 該方法具有較高的靈敏度，但其無法對遠景內(nèi)的絕緣子圖像實施精確采集。

但是傳統(tǒng)方法無法檢測絕緣體內(nèi)部存在的雜質(zhì)以及其分布情況，如水分、氧化、硫化物等情況，為了解決上述問題，提出基于紫外和紅外光譜聯(lián)合的低零值絕緣子狀態(tài)監(jiān)測技術研究。

1 低零值絕緣子狀態(tài)監(jiān)測技術

1.1 ?低零值絕緣子紫外和紅外聯(lián)合光譜成像

1.1.1 低零值絕緣子紫外光譜圖像采集

低零值絕緣子紫外光譜圖像采集是一種將紫外光譜技術應用于低零值絕緣子檢測的方法。該技術通過采集絕緣子表面紫外光譜圖像，可以實現(xiàn)對絕緣子材料進行快速、準確的檢測。具體的采集過程是，將紫外光源對準絕緣子表面，通過高分辨率光學成像系統(tǒng)對絕緣子表面進行掃描，采集不同波長下的反射光譜數(shù)據(jù)。然后，根據(jù)采集的數(shù)據(jù)進行處理和分析，可以得出絕緣子的材料成分和結構信息，判斷絕緣子的質(zhì)量和耐久性，并及時修復或更換存在問題的絕緣子。經(jīng)研究發(fā)現(xiàn)，低零值絕緣子在工作過程中會根據(jù)經(jīng)過電流的變化而出現(xiàn)不同光譜發(fā)光的現(xiàn)象[4]；而光譜中所含光主要集中在紫外波段，因此可以直接通過紫外線掃射的方法對低零值絕緣子的工作狀態(tài)實施監(jiān)測。

開始檢測，在儀器上啟動檢測程序，并按照指示進行操作。儀器將自動采集絕緣子表面的紫外光譜圖像，并進行數(shù)據(jù)分析，輸出相應的結果。

結果解讀，根據(jù)檢測結果，可以判斷絕緣子的表面是否存在不正常的放電現(xiàn)象，以及其損傷程度和位置等信息。將結果與其他測試數(shù)據(jù)相結合，可以全面評估絕緣子的狀態(tài)，并制定相應的維修和更換策略。需要注意的是，紫外光譜檢測通常只能檢測到絕緣子表面的問題，而對于內(nèi)部問題需要用其他檢測手段來檢測。因此，在進行絕緣子狀態(tài)檢測時，需要綜合運用多種測試方法，以獲得準確、全面的檢測結果。

1.1.2 低零值絕緣子紅外光譜圖像采集

低零值絕緣子紅外光譜圖像采集是一種將紅外光譜技術應用于低零值絕緣子檢測的方法。該技術可以通過采集絕緣子表面的紅外光譜圖像，快速、準確地評估絕緣子材料的質(zhì)量和耐久性。具體的采集過程是，將紅外光源對準絕緣子表面，通過高分辨率紅外成像系統(tǒng)對絕緣子表面進行掃描，采集不同波長下的反射光譜灰體物質(zhì)數(shù)據(jù)。然后，根據(jù)采集的灰體物質(zhì)進行處理和分析，可以得出絕緣子的結構和化學成分信息，判斷絕緣子的健康狀態(tài)和是否需要維修或更換。

經(jīng)研究表明，低零值絕緣子的紅外輻射能量與波長無關且發(fā)射率小于1[5]，其也被稱之為灰體物質(zhì)。對于灰體物質(zhì)而言，其單位面積上的溫度U與輻射總功率（N）滿足斯蒂芬-波爾茲曼定律，其具體表現(xiàn)為：

N= γζU4 ??（1）

式中： U 代表絕緣子的熱力學溫度； γ 與 ζ 分別代表絕緣子的表面發(fā)射率以及斯蒂芬-波爾茲曼常數(shù)。

假定將待檢測低零值絕緣子單位面積內(nèi)的單位波長在波長 μ 附近的輻射功率記作 N μ ，且 μ 與 U 滿足普朗克輻射定律，由此可以得到：

N μ= D 1μ－5γN ?exp ?D 2/μU －1

（2）

式中： D 1 與 D 2 分別代表第一和第二輻射常數(shù)。

綜上所述，紅外與紫外光譜成像均存在一定的弊端，因此需要將二者采集到的低零值絕緣子圖像實施融合配準處理，以實現(xiàn)紫外和紅外光譜聯(lián)合成像的目的。

1.1.3 低零值絕緣子圖像的融合配準

為了精準的反映待監(jiān)測低零值絕緣子的真實情況，需要利用區(qū)域相關法對兩種圖像實施融合配準融合。

通過區(qū)域相關法可知，模板圖像 J （位于圖像 W 的局部圖像）在參考圖像 W ??y，z ?處的互相關測度（CC）通?？梢员憩F(xiàn)為[6]：

CC v，w = ∑ y∑ zJ y，z W y－v，z－w ??∑ y∑ zW2N μ y－v，z－w ?????（3）

通過對低零值絕緣子的紅外+紫外圖像 J 的一系列變換，可以將其與 W 中的相應位置重合，并且當CC達到最大值時，低零值絕緣子圖像配準融合完成，將紅外圖像與紫外圖像準確顯示在同一圖像中。至此完成對絕緣子紫外和紅外聯(lián)合光譜圖像的采集，為后續(xù)低零值絕緣子狀態(tài)監(jiān)測提供夯實的基礎。

1.2 低零值絕緣子光譜圖像去噪

在開展自適應子帶閾值去噪方法時，先需要通過Visu shrinkage方式選取閾值，但由于在實施去噪處理時會過濾很多有用信息，因此可以通過Sure shrinkage方法結合Bayes shrinkage的方式實施改善，由此可得到改進后閾值 μ 的函數(shù)表達式：

μ= CC v，w ζ o2 ζ t

（4）

式中： ζ t 表示信號標準差。

在實施低零值絕緣子紅外紫外聯(lián)合圖像去噪過程中，大尺度內(nèi)為低頻信息，噪聲較少，方差較小，而小尺度則相反。因此，可利用噪聲在不同尺度的分布情況構建噪聲方差函數(shù)，以獲取不同尺度所對應的噪聲方差 ζ ^ ?o2 m ?，并利用最大似然估計的方式計算 m 層 l 方向子帶內(nèi)的信號方差，其函數(shù)表達式為：

ζ ^ ?m，l2= max ?0， 1 NO ∑ N j=1 ∑ O k=1 μζ ^ ?o2 m +ξ j，k2 m，l ????（5）

式中： N 代表圖像長度， O 表示圖像寬度， ξ j，k 表示原始圖像經(jīng)過Contourlet分解后所呈現(xiàn)的第一層內(nèi)含有的高頻系數(shù)。根據(jù)上述計算結果，獲取各個系數(shù)的自適應閾值，其表達式：

μ m，l= ζ ^ ?o2 m ?ζ ^ ?m，l ???（6）

通過Contourlet分解的方式使得待監(jiān)測圖像中的幅值增大，但噪聲在該圖像中能量分布較為分散，并且幅值較??；由此可通過減小邊緣區(qū)域的閾值對其中的系數(shù)加以保留。經(jīng)研究發(fā)現(xiàn)，利用硬閾值函數(shù)對給定圖像實施去噪處理，雖然可較好的對圖像的邊緣特征實施保留，但其在閾值處存在缺乏連續(xù)性的問題，這也使得此方法獲得的重構圖像中的邊緣會產(chǎn)生一定的視覺失真效果；軟閾值較于硬閾值來說，其獲取的最終圖像處理效果平滑，視覺效果也更好。因此，對于噪聲區(qū)域則可通過軟閾值的方式去除低零值絕緣子圖像中存在的噪聲。由此可以得到：

ξ - ?j，k = 1 N ∑ ?n，o ∈T ?ξ n，o ?μ m，l ??（7）

式中： T 代表圖片分解后系數(shù) ξ n，o ?的鄰域; N 代表 T 內(nèi)系數(shù)總數(shù)[7-9]。

綜上所述，對低零值絕緣子圖像實施去噪處理的具體步驟為：

（1）對給定原始圖像展開Contourlet變換；

（2）利用Contourlet變換中的高頻系數(shù)分別計算自帶的噪聲方差和信號方差，以此獲取各個系數(shù)的自適應閾值；

（3）通過軟閾值函數(shù)對各個子帶內(nèi)含有的高頻系數(shù)展開處理；

（4）通過軟閾值函數(shù)對步驟3）中處理后的系數(shù)實施逆變換[10]，并對圖像實施重構，以此獲取去噪后的最終圖像。

1.3 ?絕緣子固定光譜圖像特征提取方法設計

本文根據(jù)預處理后的低零值絕緣子紅外紫外聯(lián)合圖像，通過顯著區(qū)域檢測的方式對圖像中的低零值絕緣子特征實施提取，以達到低零值絕緣子狀態(tài)監(jiān)測的目的。

1.3.1 過熱故障特征

首先計算超像素塊的協(xié)方差[11]，利用協(xié)方差對圖像展開低零度絕緣子過熱特征提取。通過SLIC算法對圖像的超像素展開分割處理，以此實現(xiàn)突出圖像中低零值絕緣子過熱特征的目的，經(jīng)研究表明，當像素塊顏色越深，表明此處的絕緣子出現(xiàn)過熱特征的可能性越大，其特征越明顯，且待檢測絕緣子圖像的分割效果與 k 值有關。

之后處理給定紅外紫外聯(lián)合光譜的 u 幀圖像，假定用編號為 b 的溫度超像素 B ub 表示四元組 ?a ub，o ub，ν ub，D ub ?，其中 a ub 與 o ub 分別代表 B ub 的中心溫度和超像素數(shù)量， ν ub 表示 B ub 中所有溫度超像素特征向量的平均值，而 D ub 則代表 B ub 的低零度絕緣子整體溫度的協(xié)方差矩陣，其具體函數(shù)表達式：

D ub= 1 o ubξ - ?j，k ?∑ o ub j=1 ?Y j－ν ub ?－ν ub+Y j U

（8）

式中： Y j= I j，T j，W j，y j，z j U 代表各像素點所具備的溫度特征; I j 代表紅外圖像顯示的溫度色調(diào)， T j 代表絕緣子整體顏色飽和度; W j 代表絕緣子反射亮度; y j 與 z j 代表溫度信息。

為了對各個低零值絕緣子溫度超像素之間加以區(qū)分，以超像素 B uj 與 B uk 為例，其區(qū)分度的函數(shù)為 T dis B uj，B uk ?，則獲取待監(jiān)測圖像中絕緣子的過熱特征 T B uj ?的數(shù)學函數(shù)：

T B uj =∑ n k=1 T dis B uj，B uk D ub

（9）

式中： n 表示以溫度為條件所劃分出的區(qū)域數(shù)量， B uj 代表非 B uj 的超像素。

1.3.2 破損光譜圖像特征提取

為了實現(xiàn)對低零值絕緣子實施精細化監(jiān)測，可以利用區(qū)域模塊化計算在已獲取的圖像中提取絕緣子的破損特征，并對此類區(qū)域?qū)崿F(xiàn)背景抑制處理，以達到精準獲取絕緣子破損特征的目的[12]。

首先對給定圖像中絕緣子所含破損區(qū)域?qū)嵤┨荻绕交幚?，以實現(xiàn)對低零值絕緣子破損特征的提取，梯度平滑處理函數(shù)：

U= arc min ∑ q ?T q－J q 2+ ?E z q ?φ+M z q ?+ E y q ?φ+M y q ??μ ???（10）

式中： T 與 J 分別代表絕緣子的破損區(qū)域和采集圖像； q 表示破損區(qū)域內(nèi)的超像素； μ 表示處理絕緣子破損區(qū)域所需的平滑系數(shù)，且其值與最終的平滑效果成正比； φ 表示接近0的正數(shù)； E y q ?與 E z q ?表示低零值絕緣子破損位置與 q 在 S q ?處所表現(xiàn)出的絕對空間差，其表達式為：

E y q =∑ r∈S q ?h q，h ???yT ?r E z q =∑ r∈S q ?h q，h ???zT ?r ?????（11）

式中： S q ?代表以中心位置 q 為中心的絕緣子破損區(qū)域； h q，h 代表破損絕緣子的加權函數(shù)，由此獲取的該絕緣子的破損特征具體表現(xiàn)為：

h q，h= exp ???y q－y r 2+ z q－z r 2 2ε2U · －1

（12）

1.3.3 絕緣子閃絡特征

低零值絕緣子紅外紫外聯(lián)合圖像反映出的信息可以通過其中各區(qū)域像素所對應熵的集代表，其所含有關絕緣子閃絡特征的信息越豐富，代表其閃絡特征越顯著。此處利用式（13）計算低零值絕緣子 圖像各區(qū)域熵值 SL 與平均值熵值 S - L - ?，提取低零值絕緣子的閃絡特征，若低零值絕緣子圖像中絕緣子所含熵大于 S - L - ?，則代表該圖像中絕緣子處于閃絡狀態(tài)，反之則代表該絕緣子處于正常狀態(tài)，表達式為：

SL=∑ y，z∈ Ω area ?R y，z ?1－χ +χ S - L - = SL ?Ω

（13）

式中： R y，z ?代表絕緣子的閃絡能量； ?Ω ?代表低零值絕緣子圖像區(qū)域， χ 代表非閃絡區(qū)域所含能量以及復雜度中熵，通常情況下 χ=0.3 。

1.4 ?基于SVM分類器的狀態(tài)監(jiān)測

將上述提取的低零值絕緣子特征向量作為樣本輸入至SVM分類器中實施分類處理，以此完成對低零值絕緣子的狀態(tài)監(jiān)測。

首先利用SVM支持向量機原理構建分類目標函數(shù)，選取分離超平面作為線性函數(shù)實現(xiàn)特征向量的訓練，其最優(yōu)分類的優(yōu)化函數(shù)表達式如下：

R b =∑ o j=1 b j－ 1 2 ∑ o j，k=1 b jz j ??（14）

式中： o 代表樣本個數(shù)； z j 表示類別編號； b j=1，2，…，o ，其代表Lagrange系數(shù)。根據(jù)上述最優(yōu)分類的優(yōu)化函數(shù)，建立最優(yōu)SVM分類器，將低零值絕緣子特征向量作為樣本輸入至SVM分類器中，輸出的結果即為最終低零值絕緣子特征分類結果，并通過分類結果，判斷低零值絕緣子狀態(tài)，以此完成低零值絕緣子狀態(tài)監(jiān)測，其表達式為：

E y = sgn ?T B uj +h q，h+S - L - ?R b ????（15）

經(jīng)研究發(fā)現(xiàn)，低零值絕緣子狀態(tài)共分為0～3級，共4類，若得到的輸出結果為0級，則代表待檢測絕緣子處于理想工作狀態(tài)，1～3級則分別代表絕緣子處于過熱狀態(tài)、破損狀態(tài)以及閃絡狀態(tài)。

綜上所述，通過將絕緣子的特征向量輸入至SVM向量機中，得到的絕緣子輸出結果便是其狀態(tài)反饋結果，以此實現(xiàn)低零值絕緣子狀態(tài)監(jiān)測的目的。

2 實驗與分析

為驗證基于紫外和紅外光譜聯(lián)合的低零值絕緣子狀態(tài)監(jiān)測技術研究的整體有效性，選取某低零值絕緣子作為實驗對象，并對其展開實驗測試。低零值絕緣子的參數(shù)設置如表1所示。

2.1 不同方法的圖像融合效果

在實施低零值絕緣子狀態(tài)監(jiān)測過程中，首先需要對絕緣子的圖像實施采集，因此可以對不同方法的圖像采集效果展開對比實驗。在天氣情況相同且對在絕緣子施加的直流電壓為5 000 V的實驗條件下，分別利用所提方法、文獻[1]、文獻[2]和文獻[3]方法，在近景及遠景下量程范圍0～1 999 MΩ的同一低零值絕緣子展開圖像采集，并將得到的采集結果實施對比，結果如圖1所示。[KH*2D]

由圖1可以看出，利用文獻[2]和文獻[3]方法融合后的低零值絕緣子近景和遠景圖像受噪聲影響較大，且成像均較為模糊，無法正確辨別低零值絕緣子的狀態(tài)；利用文獻[1]方法采集的低零值絕緣子近景和遠景圖像雖優(yōu)于文獻[2]和文獻[3]方法，但仍舊存在一定的噪聲干擾，其整體成像效果遠不及所提方法；而所提方法因在圖像采集過程中對其中噪聲展開去除操作，使其最終獲取的近景和遠景的低零值絕緣子圖像與理想圖像狀態(tài)一致，因此所提方法不僅獲取圖像融合效果好，而且能適應不同距離的低零值絕緣子圖像采集。

2.2 不同方法的監(jiān)測結果

在實驗環(huán)境相同的情況下，設定4個編號分別為1、2、3、4的低零值絕緣子，各絕緣子所處狀態(tài)分別為0～3級，即正常工作狀態(tài)、過熱狀態(tài)、破損狀態(tài)以及閃絡狀態(tài)，分別利用所提方法、文獻[1]、文獻[2]和文獻[3]方法對4個低零值絕緣子展開監(jiān)測，并將監(jiān)測結果與實際狀態(tài)進行對比，結果如下：

由圖2可以看出，利用文獻[1]、文獻[2]和文獻[3]方法分別對各個狀態(tài)的低零值絕緣子實施監(jiān)測，得到的監(jiān)測結果與絕緣子實際狀態(tài)有較大的差異，其誤監(jiān)測程度較高；利用所提方法獲取的低零值絕緣子監(jiān)測反饋結果因提前提取了低零值絕緣子各個狀態(tài)的特征，因此可以對低零值絕緣子狀態(tài)作出準確判斷。

3 結語

提出基于紫外和紅外光譜聯(lián)合的低零值絕緣子狀態(tài)監(jiān)測技術。該方法首先構建紅外紫外聯(lián)合圖像，再利用自適應閾值的方式對獲取圖像實施去噪處理，然后對絕緣子特征實施提取，最后根據(jù)絕緣子的狀態(tài)特征實現(xiàn)低零值絕緣子的狀態(tài)監(jiān)測。所提方法很好的解決了目前方法存在的問題，為低零值絕緣子的廣泛應用提供保障。

【參考文獻】

[1] ?李振華，李浩，黃景光，等.基于聲信號和一維卷積神經(jīng)網(wǎng)絡的絕緣子污穢度監(jiān)測方法研究[J].湖南電力，2022，42（4）：18-22.

[2] 王博文，劉興東.基于YOLOv2無人機高壓絕緣子實時檢測研究[J].電氣開關，2021，59（5）：80-82.

[3] 張嘉偉，葉子帆，王倩，等.基于F-P光纖泄漏電流傳感器的絕緣子狀態(tài)監(jiān)測[J].高電壓技術，2022，48（8）：2915-2923.

[4] 張美金，屈秋帛.基于GWO-SVM的紅外熱成像低零值絕緣子識別[J].紅外技術，2021，43（4）：397-402.

[5] 趙志彬，楊正偉，李胤，等.低速沖擊下碳/?；祀s復合材料紅外輻射特征[J].北京航空航天大學學報，2023，49（1）：177-186.

[6] 梁嘉怡，薛盼.一些二進制數(shù)列的族復雜度和互相關測度[J].蘭州理工大學學報，2022，48（4）：157-162.

[7] 郁明，李旺林，藍盾.基于優(yōu)化自適應閾值的非線性機電系統(tǒng)傳感器故障檢測和主動容錯控制[J].儀器儀表學報，2022，43（4）：26-37.

[8] 任彬，崔健源，李剛，等.基于自適應閾值的三維點云分段式去噪方法[J].光子學報，2022，51（2）：319-332.

[9] 張旭俊，張宇.Daubechies小波系數(shù)新解法[J].電測與儀表，2022，59（12）：89-95.

[10] ??徐景秀，張青.改進小波軟閾值函數(shù)在圖像去噪中的研究應用[J].計算機工程與科學，2022，44（1）：92-101.

[11] ?王樂洋，趙雄，許文斌，等.協(xié)方差陣非負約束的赫爾默特方差分量估計[J].測繪學報，2022，51（3）：351-360.

[12] ?楊金凱，王國中.基于融合多層卷積特征的顯著性區(qū)域提取[J].計算機應用研究，2021，38（12）：3835-3840.