穆文靜

（合肥職業(yè)技術(shù)學(xué)院機電工程學(xué)院，安徽合肥 230000）

0 引言

變電站由很多高壓電氣設(shè)備組成，其安全運行是電力系統(tǒng)穩(wěn)定的重中之重［1］.在高壓電氣設(shè)備故障當(dāng)中，最主要的就是絕緣故障，它是由于設(shè)備長時間的使用導(dǎo)致絕緣材料老化、污染和損壞等原因造成的，其直接后果就是產(chǎn)生局部放電現(xiàn)象［2］，如果不能及時處理就會導(dǎo)致嚴重的電力事故，所以對絕緣故障進行有效檢測可以有效避免事故的發(fā)生，減少經(jīng)濟損失，保證變電站的安全運行.

傳統(tǒng)的絕緣故障檢測方法是采用人工巡檢和離線實驗等方法，但是這樣不僅浪費資源，而且速度慢、效果差，導(dǎo)致很多絕緣故障不能得到及時有效地處理，從而引發(fā)事故［3］.所以，如何快速有效地實現(xiàn)變電站高壓電氣設(shè)備絕緣自動監(jiān)測就成了亟待解決的問題［4］.

趙慶生等人［5］采用BOF（Bag of features，BOF）圖像檢索算法分類電氣設(shè)備圖像，通過加速魯棒特征（SURF）算法尋找特征點位置，使用訓(xùn)練集圖像進行深度學(xué)習(xí)，從而分類電氣設(shè)備圖像，識別絕緣故障.趙歡等人［6］通過卷積神經(jīng)網(wǎng)絡(luò)進行圖像特征提取，使用邊框回歸算法，進行電氣設(shè)備絕緣故障的識別.但是這兩種方法都缺乏實時性，而且在圖像處理時受背景影響較大，導(dǎo)致絕緣故障的識別結(jié)果不準確，出現(xiàn)空洞現(xiàn)象.

我國近年來一直在發(fā)展智能電網(wǎng)，實現(xiàn)變電站高壓電氣設(shè)備絕緣檢測的實時性和工作人員的移動化是未來發(fā)展的必然趨勢，隨著智能視頻監(jiān)控技術(shù)的發(fā)展，研究人員也提出了電力系統(tǒng)智能檢測的概念［7］.同時機器視覺中的多軸平行攝影技術(shù)也被越來越多地應(yīng)用于電力系統(tǒng)無人機自動巡檢和測量方面，取得了很好的定位效果［8］，結(jié)合多軸平衡攝影探頭，將可見光、紅外光和紫外光三者結(jié)合，可以實現(xiàn)更加精確的測量［9］.

因此，本文提出了一種基于機器視覺的變電站高壓電氣設(shè)備絕緣自動監(jiān)測方法，結(jié)合機器視覺中的多軸平行攝影技術(shù)和智能視頻監(jiān)控技術(shù)，實現(xiàn)對電氣設(shè)備的絕緣故障進行遠程實時監(jiān)測，從而達到自動化、智能化、實時性等要求，能夠大幅度減少資源浪費，降低維護費用，具有極其顯著的經(jīng)濟效益.

1 變電站高壓電氣設(shè)備絕緣自動監(jiān)測

1.1 總體方案設(shè)計

本文將基于機器視覺的圖像采集和處理技術(shù)應(yīng)用于變電站高壓電氣設(shè)備絕緣自動監(jiān)測，通過在變電站現(xiàn)場安裝多軸平行攝影探頭，實時監(jiān)測各個部位高壓電氣設(shè)備的絕緣情況，并將采集到的異?，F(xiàn)象圖像發(fā)送至PC 端做進一步處理.當(dāng)發(fā)生絕緣故障時，攝像頭采集到的圖像會發(fā)生明顯的變化，這些局部異?，F(xiàn)象即為運動前景對象，利用四幀差分算法對采集到的異?，F(xiàn)象圖像進行前景目標檢測，經(jīng)Canny 邊緣檢測算法處理后識別絕緣故障，并儲存圖像數(shù)據(jù)，采用三點定位法計算絕緣故障的具體位置，輸出最終的計算結(jié)果，即絕緣故障發(fā)生時的準確圖像和定位，從而實現(xiàn)變電站高壓電氣設(shè)備絕緣自動監(jiān)測，具體流程用圖1表示.

圖1 絕緣自動監(jiān)測方法流程圖Fig.1 Flow chart of automatic insulation monitoring method

1.2 圖像采集和預(yù)處理

1.2.1 基于機器視覺的多軸平行攝影技術(shù) 本文采用機器視覺中的多軸平行攝影技術(shù)，運用平行軸鏡頭的方法，融合可見、紫外和紅外三種光源，通過CMOS感光元件進行結(jié)構(gòu)重組，能夠進行不同波普的圖像采集，從而更好地判斷絕緣故障的發(fā)生情況［10］.本文進行絕緣自動監(jiān)測時選用多軸平行攝影探頭，其設(shè)計原理是采用光軸平行的方法，將三個不同波段的攝影探頭進行組合，構(gòu)建成一個整體的攝像頭.其主要結(jié)構(gòu)用圖2表示.

圖2 多軸平行攝影探頭結(jié)構(gòu)圖Fig.2 Structure of multi-axis parallel photography probe

圖2中，可見光攝像頭需要采集高清圖像，所以需要很高的探頭解析度，需要達到頻率60幀/s、畫質(zhì)2K（1 920×1 080 像素）以上.紫外和紅外探頭選用頻率60 幀/s、640×480像素的設(shè)備即可，因為二者的畫面數(shù)據(jù)量較小，所以無需太高的探頭解析度.

嵌入系統(tǒng)有兩個計算功能：

（1）當(dāng)三個攝像頭捕捉到一項以上的異常現(xiàn)象時，即刻儲存實時單幀數(shù)據(jù)，并標定具體時間，發(fā)送到PC端進行分析處理.異?，F(xiàn)象包括：異常閃光、紫外輻射點和異常瞬時高溫.

（2）將可見光、紫外和紅外三個探頭的數(shù)據(jù)疊加處理，得出更加準確的異?，F(xiàn)象圖像.

1.2.2 圖像預(yù)處理 為了使圖像檢測更加快速和準確，過濾多余信息，減少待處理的數(shù)據(jù)總量，本文結(jié)合中值濾波和雙邊濾波兩種方法對采集到的異常圖像進行預(yù)處理.

（1）中值濾波

中值濾波是一種可以有效過濾非線性噪聲的濾波方法，它用像素點領(lǐng)域內(nèi)像素的中值替換像素點，讓鄰近的像素值與實際情況更加類似，從而去除個別特異的噪聲點，大幅度改善圖像細節(jié)不清的問題，對于校驗噪聲和脈沖干擾非常有效［11］，具有很好的除噪效果.

假設(shè)中值濾波的對象為一維序列x1，x2，x3，...，xn，從中依次選擇m個數(shù)，將其按照大小順序排列，提取出其序號中心點對應(yīng)的那個數(shù)，公式為：

（2）雙邊濾波

雙邊濾波與中值濾波類似，同屬于非線性濾波法，可以在濾波的同時更好地保護邊緣像素信息［12］.濾波后圖像點的灰度值公式為：

式中歸一化系數(shù)用k表示，其公式為：

式中，中心圖像點與鄰域圖像點分別用x、ζ表示，中心圖像點與鄰域點的灰度相似度為s，中心圖像點和領(lǐng)域點的空間相似度為c，通過高斯函數(shù)表現(xiàn)函數(shù)s和c：

其中，σ表示圖像方差.

1.3 絕緣故障自動監(jiān)測

1.3.1 四幀差分算法的絕緣故障前景獲取 本文采用四幀差分算法對預(yù)處理后的異常現(xiàn)象圖像進行分析，從中識別到絕緣故障前景目標.四幀差分算法解決了三幀差分算法中圖像出現(xiàn)空洞或者不完整現(xiàn)象的問題［13］，可以有效識別變電站高壓電氣設(shè)備在發(fā)生絕緣故障時產(chǎn)生的局部放電現(xiàn)象，并清晰地分辨局部區(qū)域的明暗變化.其具體運算步驟用圖3表示.

圖3 四幀差分算法應(yīng)用流程Fig.3 Application flow of four-frame differential algorithm

四幀差分算法分為以下三個步驟：

（1）從攝像頭采集并進行預(yù)處理后的異常現(xiàn)象圖像中選取四幀相鄰的像素，假設(shè)從第一幀到第四幀分別為Ik(x，y)、Ik+1(x，y)、Ik+2(x，y)、Ik+3(x，y)，將兩幀之間的差值分別進行運算，得出灰度圖像DFk，k+3和DFk+1，k+2，其公式如下：

（2）將攝像頭采集并預(yù)處理后的異?，F(xiàn)象圖像進行二值化處理，設(shè)定一個區(qū)間值X為參考閾值，得出的二值化圖像用Mk，k+3和Mk+1，k+2表示，其公式為：

（3）將Mk，k+3和Mk+1，k+2進行“與”操作，即可得出Mk，當(dāng)Mk=1 時，說明獲取到了變電站高壓電氣設(shè)備絕緣故障前景目標的最終運動軌跡，即為絕緣故障在圖像中的具體信息，公式如下：

1.3.2 基于Canny 邊緣檢測的絕緣故障前景邊緣檢測 通過四幀差分算法獲取絕緣故障圖像后，需要提取該圖像的邊緣輪廓，以便更加準確地提取局部放電現(xiàn)象的詳細信息［14］.本文采用Canny邊緣檢測算法提取絕緣故障前景目標的完整邊緣輪廓信息，得到邊緣輪廓準確清晰的絕緣故障圖像.Canny邊緣檢測的具體過程如下：

（1）平滑圖像，使用高斯濾波器.其公式為：

式中，原始圖像和平滑后的圖像分別為f(x，y)和g(x，y)，卷積為*，高斯平滑函數(shù)為h(x，y，σ).

（2）運算梯度的幅值和方向，采用一階有限差分2 × 2運算平滑后的g(x，y)圖像，分別求解出x，y偏導(dǎo)數(shù)的兩個陣列fx′(x，y)和fy′(x，y)，其公式如下：

為了讓圖像可以在同一點運算x，y的偏導(dǎo)數(shù)梯度，可以在2 × 2 的正方形內(nèi)求出差分的均值，并使用直角坐標轉(zhuǎn)化幅值和方位角的坐標：

其中圖像邊緣的強度和方向分別用幅值M(x，y)和方位角θ(x，y)描述，當(dāng)前者處于局部最大值的狀態(tài)時，后者就代表邊緣的方向.

（3）用非極大值抑制梯度幅值，保留局部梯度的最大值點，將其他非極大值點設(shè)置為0，保留邊緣點，去掉非邊緣點.

（4）將邊緣進行檢測和連接，通過設(shè)定一個高閾值獲取假邊緣較少的邊緣圖像，再設(shè)定一個低閾值連接邊緣，在輪廓端點處3 × 3領(lǐng)域中，找到一個適合的低閾值點提取新的邊緣信息，重復(fù)進行此步驟，直到邊緣輪廓完整為止.

完成以上步驟即可得出邊緣輪廓準確清晰地絕緣故障圖像，以便后續(xù)變電站工作人員進行檢修和維護.

1.4 絕緣故障定位

因為絕緣故障產(chǎn)生的局部放電現(xiàn)象在可見光、紫外光和紅外光三種攝像頭的各個光源頻譜上都有明顯的反映，所以根據(jù)傾斜攝影的定位原理，可以計算出局部放電現(xiàn)象發(fā)生的位置［15］.

基于絕緣故障圖像利用三點定位法對絕緣故障發(fā)生的具體位置進行定位.以外部空間比較寬松的擺桿式高壓斷路器為例，在四周不同的方位安裝3個多軸平行攝影探頭，與斷路器的距離在12～18 m 左右，通過三種攝像頭進行不同光譜的數(shù)據(jù)采集，同時利用三點定位法獲得絕緣故障發(fā)生的位置，其公式如下：

其中，絕緣故障定位點的三軸坐標用(x0，y0，z0)表示，三個多軸平行攝影探頭的三軸坐標分別用(x1，y1，z1)、(x2，y2，z2)、(x3，y3，z3)表示，根據(jù)光學(xué)原理取得的絕緣故障發(fā)生位置與三個探頭之間的距離分別用L1、L2、L3表示.

為了準確的定位絕緣故障發(fā)生的具體位置，需要獲得(x0，y0，z0)，因為可以直接取得三個攝像頭的坐標，分別求解出距離量L1、L2、L3，以每個探頭為圓點畫圓，其三個距離向量即為這三個圓的半徑，求得三個圓的交點即為絕緣故障的具體位置，從而達到定位效果.

最后將所獲得的絕緣故障圖像和具體位置發(fā)送到PC端，實現(xiàn)變電站高壓電氣設(shè)備絕緣自動監(jiān)測，以供工作人員后續(xù)對該高壓電氣設(shè)備進行檢修和維護.

2 實驗及分析

選擇某220 kV變電站作為實驗場所，該變電站占地面積為2 156 m2，全站采用GIS結(jié)構(gòu)，配備兩臺容量為240兆伏安的變壓器，220 kV 出線6回.由于在變電站實際運行過程中進行實驗具有很大的安全隱患和不確定性，所以本文選取變電站其中一部分高壓電器絕緣設(shè)備進行獨立實驗，設(shè)置絕緣故障觸發(fā)功能，進行5種不同規(guī)模和不同位置的異常放電實驗，每種10次.

2.1 放電實驗

本文方法主要是通過機器視覺中的多軸平行攝影技術(shù)對變電站高壓設(shè)備的絕緣故障進行檢測和識別，通過可見光、紫外光和紅外光等電磁輻射判斷是否發(fā)生異常放電現(xiàn)象，所以本文方法的判斷準確率是非常重要的一個分析指標.主要包括三個方面：一是敏感性，即判斷絕緣故障的正確率；二是特異性，即判斷非絕緣故障的正確率；三是絕緣故障的定位精度.具體實驗結(jié)果如表1所示.

表1 不同規(guī)模異常放電實驗結(jié)果對比Tab.1 Comparison of abnormal discharge test results of different scales

從表1中可以看出，在不同規(guī)模和不同位置放電的情況下，本文方法對于絕緣故障自動監(jiān)測識別的敏感性和特異性都比較高，定位的精度也很高，最低為91.38%，最高可達98.63%，而且放電規(guī)模越大、強度越高、識別的準確度就越高，說明本文方法判斷和定位的準確率較高，且穩(wěn)定性良好.

2.2 絕緣故障檢測結(jié)果對比

為了驗證本文方法在絕緣故障檢測中的效果，選用文獻［5］的基于BOF圖像檢索的絕緣故障識別方法和文獻［6］的基于邊框回歸的絕緣故障識別方法進行對比實驗，其中每種方法的視頻單幀處理速度小于1/25 s（45.2 ms），視頻在白天進行拍攝，使用1 280×720分辨率，在達到實時監(jiān)測的同時，提高檢測精度.實驗結(jié)果用圖4表示.

圖4 絕緣故障檢測結(jié)果對比Fig.4 Comparison of insulation fault detection results

從圖4 中可以看出，對于發(fā)生的絕緣故障局部放電現(xiàn)象，采用文獻［5］方法檢測的結(jié)果產(chǎn)生了大規(guī)模的誤檢現(xiàn)象，明顯受到了放電所產(chǎn)生強光的影響，檢測結(jié)果出現(xiàn)了很大偏差.文獻［6］方法只檢測到了故障區(qū)域的邊緣部分，內(nèi)部出現(xiàn)了很大的空洞.而本文方法由于采用了四幀差分算法，使得抗背景干擾能力強，能夠準確完整的檢測出故障發(fā)生的區(qū)域，并解決圖像空洞問題，具有良好的檢測性能.

為了進一步對比三種方法對絕緣故障放電現(xiàn)象的檢測準確度和檢測時間，本文共采集了10 個局部放電的有效視頻數(shù)據(jù)，每個視頻時長5min 左右，平均每段視頻會產(chǎn)生6 次放電現(xiàn)象，其實驗結(jié)果用表2來描述.

表2 三種方法絕緣故障檢測結(jié)果對比Tab.2 Comparison of insulation fault detection results of three methods

從表2當(dāng)中可以看出，三種方法的檢測準確度具有很大的差別，但在處理速度上基本達到合格水平.其中文獻［5］方法的準確率只有91.67%，單幀處理時間最長，雖然沒有漏檢情況，但是誤檢卻多達5 次.文獻［6］方法雖然沒有誤檢現(xiàn)象發(fā)生，但是也造成了3 次漏檢.而本文方法由于采用了四幀差分算法，表現(xiàn)十分優(yōu)異，不僅單幀處理時間僅為21 ms，而且也沒有出現(xiàn)誤檢現(xiàn)象，準確率可以達到98.34%.

實驗表明本文方法對于變電站高壓電氣設(shè)備的絕緣故障具有很好的檢測效果，不僅準確率高、速度快，還可以防止誤檢和漏檢的發(fā)生.

2.3 Canny邊緣檢測結(jié)果與分析

在得出準確的絕緣故障圖像之后，需要進行邊緣提取，本文選擇兩張絕緣故障的檢測結(jié)果圖片，使用Canny邊緣檢測算法進行處理，其實驗結(jié)果用圖5表示.

從圖5 當(dāng)中可以看出，使用Canny 邊緣檢測算法對絕緣故障圖像進行處理后，圖像中局部放電部位的輪廓細節(jié)都得到了很好地保留，與未處理的圖像有明顯區(qū)別，可以提取出完整的邊緣輪廓，以便工作人員后續(xù)的研究和維修.

3 結(jié)論

本文采用基于機器視覺的圖像采集和處理技術(shù)，通過四幀差分算法識別絕緣故障，結(jié)合三點定位法獲得絕緣故障發(fā)生的位置，實現(xiàn)變電站高壓電氣設(shè)備絕緣自動監(jiān)測.實驗表明：

（1）本文方法對于變電站高壓電氣設(shè)備的絕緣故障自動監(jiān)測，具有很高的判斷和定位準確率，且穩(wěn)定性良好，不僅檢測速度快，還可以防止誤檢和漏檢現(xiàn)象的發(fā)生.

（2）本文方法抗背景干擾能力強，能夠準確完整地檢測出絕緣故障發(fā)生的區(qū)域，還可以解決圖像空洞的問題，可以改善其他檢測方法的缺點.

（3）本文方法使用Canny 邊緣檢測算法對絕緣故障圖像進行處理，可以提取出完整的邊緣輪廓，以便工作人員后續(xù)的研究和維修.