陳秋菊，彭天昊，2，康萬杰，何國鋒

（1.茅臺學(xué)院釀酒工程自動化系，貴州 仁懷 564507；2.貴州大學(xué)計算機(jī)學(xué)院，貴州 貴陽 550025）

1 引言

經(jīng)濟(jì)快速發(fā)展的同時人們對電力等資源的需求量也逐漸升高，這使得電力行業(yè)步入全新的階段，電力行業(yè)不斷向超高壓以及自動化方向大力發(fā)展。電力系統(tǒng)提高電能資源運輸量的同時，電力系統(tǒng)的穩(wěn)定運行顯得尤為重要，一旦出現(xiàn)故障不僅會導(dǎo)致局部地區(qū)電力供應(yīng)不足，也會令電力機(jī)械設(shè)備過熱而發(fā)生安全事故，為社會帶來財產(chǎn)損失，給人民生活帶來不便。因此，對電力機(jī)械設(shè)備過熱故障進(jìn)行檢測具有一定的現(xiàn)實意義。

例如文獻(xiàn)[1]提出了一種基于比例-積分-微分控制的電氣設(shè)備局部過熱故障模擬試驗及檢測系統(tǒng)設(shè)計方法，采用比例-積分-微分控制方法設(shè)計故障檢測系統(tǒng)，對設(shè)備局部過熱故障進(jìn)行功率測試、溫度測控，并對過熱故障進(jìn)行模擬，實現(xiàn)故障檢測。實驗結(jié)果表明，該方法具有較好的溫度測控性能，但是由于需要對功率、溫度等多項指標(biāo)進(jìn)行模擬，加大了檢測復(fù)雜度，導(dǎo)致過熱故障紅外檢測時間較長。文獻(xiàn)[2]提出一種基于三相自搜尋比較法的電氣設(shè)備過熱故障識別檢測方法，該方法對三相設(shè)備的熱像圖進(jìn)行分離處理，并保證分離后的熱像圖規(guī)格一致。

通過對各個區(qū)塊是否出現(xiàn)異常溫升進(jìn)行有效判定，獲取設(shè)備熱故障判定結(jié)果。實驗結(jié)果表明，該方法能夠提升故障檢測的自動化程度，但是僅對熱像圖實施分離，并沒有考慮其中的背景噪聲等因素，缺少圖像去噪與增強(qiáng)環(huán)節(jié)，導(dǎo)致過熱故障紅外檢測結(jié)果誤差較高，影響過熱故障實際檢測效果。文獻(xiàn)[3]提出了一種基于OSG的機(jī)械故障檢測方法，該方法在故障檢測中無需使用機(jī)械速度傳感器，僅對自適應(yīng)OSG方法進(jìn)行穩(wěn)定性分析，即可實現(xiàn)機(jī)械變速故障檢測。根據(jù)實驗結(jié)果表明，該方法的檢測步驟較為簡單，但是檢測結(jié)果存在一定的誤差。

針對以上方法存在的過熱故障紅外檢測誤差高、過熱故障紅外檢測時間長以及過熱故障實際檢測效果差的問題。因此，提出一種新的特征融合下電力機(jī)械設(shè)備過熱故障紅外檢測方法，該方法的主要創(chuàng)新點如下：

（1）采用中值濾波法去除圖像中的背景噪聲，避免噪聲因素對檢測結(jié)果精度的影響，降低檢測結(jié)果誤差；同時，在多尺度Retinex算法中添加顏色恢復(fù)策略，避免圖像顏色失真問題，提升電力機(jī)械設(shè)備紅外圖像增強(qiáng)效果，以此提升過熱故障檢測效果。

（2）依靠紅外技術(shù)檢測精度較高的優(yōu)點，使用梯度方法定位圖像邊緣，劃分紅外圖像中高溫區(qū)域，得出故障的位置以及故障發(fā)生的范圍，實現(xiàn)電力機(jī)械設(shè)備過熱故障檢測。

2 電力機(jī)械設(shè)備紅外圖像預(yù)處理

2.1 顏色空間變換

紅外傳感器在采集電力機(jī)械設(shè)備作業(yè)圖像的過程中，需要將紅外圖像轉(zhuǎn)換到HIS顏色空間中再進(jìn)行相關(guān)操作，將圖像內(nèi)較為突出的高溫區(qū)域視為目標(biāo)對象，目標(biāo)對象在HIS顏色空間的S飽和度中顯示為黑色區(qū)域，因HIS顏色空間中目標(biāo)區(qū)域與其余區(qū)域之間的顏色差別較大，可清晰地識別出所要檢測的目標(biāo)對象。

因HIS 和RGB 的本質(zhì)相同，可通過RGB 空間分量計算出HIS的空間分量，HIS的空間分量轉(zhuǎn)換表達(dá)式為：

式中：H—HIS的色調(diào)分量；S—HIS的飽和度分量；I—HIS的亮度分量；R—顏色空間紅色分量；G—顏色空間黃色分量；B—顏色空間藍(lán)色分量；M、N、P—顏色分量之間的差值。

根據(jù)式（1）轉(zhuǎn)換處理后獲取電力機(jī)械設(shè)備紅外圖像矩陣P'，其中最亮的點就是HIS空間中的黑色區(qū)域。

2.2 圖像去噪

紅外傳感器采集的圖像具有高背景噪聲以及低反差的特性，所以在對紅外圖像進(jìn)行去噪處理[3]的過程中，需要確保圖像邊緣是十分尖銳的，為此基于顏色空間變換結(jié)果去除圖像背景內(nèi)的噪聲，以此加強(qiáng)圖像的整體信噪比，為了最大程度降低結(jié)構(gòu)以及空間領(lǐng)域信息的破壞情況，選用中值濾波法對圖像進(jìn)行去噪。

假設(shè)紅外圖像的矩陣P'的大小為m×n，在矩陣中任意提取出一個正方形矩陣C，提取出矩陣C的第一行向量將其視為全新向量，并將其標(biāo)記為e，正方形矩陣C中除去e以外的向量即為向量b，其中，向量e以及b的表達(dá)式分別為：

式中：a—向量矩陣中的特征向量。

根據(jù)式（2）即可得出向量b的值f，其表達(dá)式為：

由此得到去噪后的紅外圖像，其表達(dá)式為：

式中：pi—原始含噪圖像；σ2—加性高斯白噪聲。

紅外圖像經(jīng)過以上處理后，即可去除圖像中的噪聲因素，保留詳細(xì)的圖像邊緣信息，有利于劃分出紅外圖像各溫度區(qū)域。

2.3 紅外圖像增強(qiáng)處理

紅外圖像增強(qiáng)處理的大致步驟就是對去噪后的紅外圖像的反射以及入射分量進(jìn)行提取[4]，并獲取圖像相關(guān)細(xì)節(jié)信息，在信息融合的幫助下合并紅外圖像信息，即可完成紅外圖像增強(qiáng)。

2.3.1 反射和入射分量提取

選用Retinex算法對去噪后的紅外圖像進(jìn)行增強(qiáng)，Retinex算法分為單尺度和多尺度算法，由于單尺度算法無法兼顧圖像的壓縮能力和色調(diào)完整性，因此選取多尺度Retinex算法，但該方法會導(dǎo)致圖像顏色失真，為此在多尺度Retinex算法中添加顏色恢復(fù)策略，此時的圖像增強(qiáng)算法表達(dá)式為：

式中：Ri(x，y)—通道i中像素點(x，y)的反射分量；Ii(x，y)—通道i中像素點(x，y)的對應(yīng)值；Ci(x，y)—像素點(x，y)的色彩恢復(fù)值；Fn(x，y)—高斯卷積核函數(shù)；Wn—Retinex算法的尺度權(quán)重因子；m—Retinex算法的尺度數(shù)量。

其中，函數(shù)Fn(x，y)的計算公式為：

式中：s2—尺度系數(shù)。

在上述處理的基礎(chǔ)上，進(jìn)一步提高入射和反射分量的強(qiáng)度，可更好的增強(qiáng)紅外圖像效果，其中，入射分量的提取計算公式為：

式中：Li(x，y) —入射分量。

通常情況下，反射分量可呈現(xiàn)的內(nèi)容就是紅外圖像的主特征信息，而入射分量泛指原始紅外圖像內(nèi)的細(xì)節(jié)信息，根據(jù)式（7）即可得知入射分量，通過式（6）以及式（7）即可得知反射分量。

2.3.2 紅外圖像細(xì)節(jié)提取

因為反射和入射分量中帶有大量的細(xì)節(jié)信息，通過FOG算法提取出紅外圖像中的全部細(xì)節(jié)信息，在高斯核函數(shù)的基礎(chǔ)上，對反射Ri(x，y)與入射分量Li(x，y)進(jìn)行處理，其中由反射分量得到的模糊圖像表達(dá)式為：

式中：G1、G2、G3—不同圖像的高斯內(nèi)核。

由入射分量得到的模糊圖像表達(dá)式為：

分別對兩種分量的細(xì)節(jié)進(jìn)行提取，其中，由反射分量得到的細(xì)節(jié)信息計算公式為：

式中：DR1—高質(zhì)量的紅外圖像細(xì)節(jié)信息；

DR2—中等的紅外圖像細(xì)節(jié)信息；

DR3—低質(zhì)量的紅外圖像細(xì)節(jié)信息。

由入射分量得到的細(xì)節(jié)信息計算公式為：

式中：DL1—入射分量的高質(zhì)量細(xì)節(jié)信息；

DL2—入射分量的中等細(xì)節(jié)信息；

DL3—入射分量較差的細(xì)節(jié)信息。

將以上三張圖像進(jìn)行合并得出反射分量的細(xì)節(jié)圖像，其表達(dá)式為：

—三個模糊圖像中入射分量融合后的細(xì)節(jié)信息；

w—不同質(zhì)量圖像的常數(shù)項。

2.3.3 特征信息融合增強(qiáng)

經(jīng)過2.3.2節(jié)提取得到反射分量Ri(x，y)與入射分量Li(x，y)，其中，反射分量就是紅外圖像的高頻信息，通過CLAHE方圖（自適應(yīng)直方圖均衡）對原始高頻圖像進(jìn)行拉伸，以此升高紅外圖像的對比度，假設(shè)對比度增強(qiáng)后的紅外圖像為R'(x，y)，基于線性加權(quán)融合方法對紅外圖像的特征信息實施融合，信息融合計算公式為：

式中：I'—紅外圖像特征信息的融合結(jié)果；

l—加權(quán)系數(shù)。

3 電力機(jī)械設(shè)備過熱故障紅外檢測

3.1 紅外圖像高溫區(qū)域定位

以紅外圖像特征信息融合結(jié)果為基礎(chǔ)，選用梯度方法作為紅外圖像高溫故障邊緣檢測方法［5］，該方法的優(yōu)點是可詳細(xì)劃分出不同的灰度區(qū)域，從而精確定位出所需的高溫區(qū)域，紅外圖像梯度的正負(fù)值結(jié)果可直接描述圖像邊緣的走勢。利用直方圖［6］對去噪后的紅外圖像進(jìn)行增強(qiáng)處理，即可生成背景無污染的灰度圖像，為故障檢測奠定堅實的基礎(chǔ)。計算出圖像梯度值，獲取紅外圖像灰度值變化最明顯的區(qū)域，即紅外圖像高溫區(qū)域。假設(shè)標(biāo)量場為F，其中含有矢量g，矢量g的方向就是標(biāo)量場矢量g對應(yīng)點變化率的最大方向，即矢量g即為標(biāo)量場F的梯度，則圖像R'(x，y) 的梯度值?f計算表達(dá)式為：

式中：?—圖像坐標(biāo)的系數(shù)。

根據(jù)梯度值獲取紅外圖像高溫區(qū)域橫縱坐標(biāo)，表達(dá)式為：

由式（14）計算出灰度圖像的梯度值，獲取紅外圖像灰度值變化最明顯的區(qū)域，然后通過式（15）確定該區(qū)域的橫縱坐標(biāo)，即可定位紅外圖像的高溫區(qū)域。

3.2 過熱故障紅外檢測實現(xiàn)

電力機(jī)械設(shè)備過熱故障紅外檢測實質(zhì)上就是基于紅外圖像高溫區(qū)域定位結(jié)果提取高溫區(qū)域，完成高溫故障點的診斷，從而實現(xiàn)電力機(jī)械設(shè)備過熱故障紅外檢測。選用相對溫差法［7］對紅外圖像中的過熱故障進(jìn)行提取，該方法實際上就是獲取每兩個測試點溫差的設(shè)備狀態(tài)δt的運算百分比，得出的計算公式為：

式中：τ1、τ2—不同的變電站發(fā)熱點；

T0—外界環(huán)境溫度；

T1、T2—對應(yīng)發(fā)熱點的溫度。

根據(jù)電力系統(tǒng)溫度最大范圍可知，當(dāng)測試點的δt大于35%則該區(qū)域為高溫區(qū)，根據(jù)得出的紅外圖像高溫區(qū)域，即可計算出過熱故障區(qū)域的質(zhì)心，由此獲取過熱故障紅外檢測結(jié)果［8］，過熱故障區(qū)域的質(zhì)心坐標(biāo)計算公式為：

式中：p—變電器過熱故障區(qū)域；A—過熱故障區(qū)域的面積［9-10］。

4 實驗結(jié)果與分析

4.1 實驗方案設(shè)計

為了驗證所提方法的真實有效性，以某地區(qū)的變電站為實驗對象，測試其電力機(jī)械設(shè)備過熱故障檢測效果。首先，給出本次實驗的具體方案：

（1）紅外圖像樣本采集：采用基恩士（中國）有限公司生產(chǎn)的V2-G500MA紅外傳感器采集電力機(jī)械設(shè)備過熱故障紅外圖像，紅外傳感器的具體參數(shù)，如表1所示。

表1 IV2-G500MA紅外傳感器參數(shù)Tab.1 IV2-G500MA Infrared Sensor Parameters

（2）實驗圖像與數(shù)據(jù)處理：通過IV2-G500MA紅外傳感器采集電力機(jī)械設(shè)備過熱故障紅外圖像，為了保證圖像質(zhì)量與實驗結(jié)果可信度，將MATLAB仿真軟件作為實驗平臺，基于MATLAB仿真軟件的高效計算功能和計算結(jié)果可視化優(yōu)勢處理實驗結(jié)果，標(biāo)定過熱故障區(qū)域p，并通過計算得出過熱故障區(qū)域面積A，以保證實驗結(jié)果的準(zhǔn)確性。

（3）實驗對比方法與指標(biāo)：選取比例-積分-微分控制方法和三相自搜尋比較法作為對比方法，與所提方法進(jìn)行對比，具體實驗指標(biāo)為：過熱故障紅外檢測誤差、過熱故障紅外檢測時間以及過熱故障實際檢測效果。

4.2 結(jié)果與分析

4.2.1 過熱故障紅外圖像檢測像素誤差

利用三種方法對其進(jìn)行過熱故障診斷，計算出每種方法的檢測精度，如圖1所示。

圖1 三種方法的像素值誤差數(shù)量Fig.1 Number of Pixel Value Errors for the Three Methods

根據(jù)實驗結(jié)果可知，所提方法對電力機(jī)械設(shè)備過熱故障的診斷誤差幅度較小，證明所提方法的過熱故障檢測是真實有效的，反觀比例-積分-微分控制方法和三相自搜尋比較法的檢測誤差不甚理想，綜合以上分析得出所提方法是最優(yōu)的過熱故障診斷方法。這是因為所提方法利用紅外檢測技術(shù)對電力機(jī)械設(shè)備進(jìn)行檢測，進(jìn)行去噪以及圖像增強(qiáng)等預(yù)處理，保證圖像可更清楚的呈現(xiàn)出過熱故障的局部線路，方便故障檢測和診斷。

4.2.2 過熱故障紅外檢測耗時

若沒有及時發(fā)現(xiàn)電力機(jī)械設(shè)備的過熱故障，線路因長時間過熱會降低電力機(jī)械設(shè)備的使用壽命，嚴(yán)重時更會出現(xiàn)較大的安全事故，因此過熱故障的診斷必須保證其時間盡可能地少。在上述實驗環(huán)境下隨機(jī)選取15組不同程度的過熱故障，將其設(shè)置為編號1～編號15，分別計算出每種方法在不同實驗對照組下所需的過熱故障檢測時間，并對結(jié)果進(jìn)行對比，得出效率最高的檢測方法，如表2所示。

表2 三種方法的過熱診斷所需時間（s）Tab.2 Time Required for Three Methods of Overheat Diagnosis（s）

根據(jù)實驗結(jié)果可知，所提方法所需的檢測時間是三種方法用時最少的，其檢測時間平均值為28.19s，比例-積分-微分控制方法的檢測時間平均值為45.96s，三相自搜尋比較法的檢測時間平均值為63.99s，與兩種傳統(tǒng)方法相比，所提方法的檢測時間分別降低了17.77s和35.8s，由此可知兩種傳統(tǒng)方法的檢測時間均過高，長時間的檢測會提高局部線路損壞的程度，可能會出現(xiàn)安全故障等情況，不利于后續(xù)的檢修等，依據(jù)檢測時間再一次驗證所提方法是最優(yōu)的電力機(jī)械設(shè)備過熱故障檢測方法。

4.2.3 過熱故障實際檢測效果

為了更加明顯、直觀的展示所提方法的檢測效果，在上述環(huán)境下利用所提方法隨機(jī)對電力機(jī)械設(shè)備進(jìn)行過熱故障檢測，如圖2所示。

圖2 所提方法的紅外檢測效果圖Fig.2 Infrared Detection Effect Diagram of the Proposed Method

圖2中，目標(biāo)檢測結(jié)果中白色區(qū)域即為過熱故障區(qū)域p，根據(jù)實驗結(jié)果可知，所提方法通過紅外圖像可清晰獲取電力機(jī)械設(shè)備中出現(xiàn)過熱故障區(qū)域p，精確辨別溫度較高的部位，并且其檢測得到的故障區(qū)域面積與實際過熱故障區(qū)域面積A較為接近，說明該方法能夠及時、準(zhǔn)確診斷電力機(jī)械設(shè)備過熱故障，有利于保證電力安全。原因在于該方法通過提取紅外圖像的反射與入射分量，獲取圖像相關(guān)細(xì)節(jié)信息，在信息融合的前提下合并紅外圖像信息，增強(qiáng)紅外圖像，使得圖像細(xì)節(jié)更加清晰，便于過熱部位檢測。

5 結(jié)束語

電力資源是人們賴以生存的基本能源，現(xiàn)代電力系統(tǒng)不斷的更新?lián)Q代以此輸出更多的電力資源，但是電力系統(tǒng)在大力發(fā)展的同時經(jīng)常受電力機(jī)械設(shè)備過熱故障的干擾，為此提出特征融合的電力機(jī)械設(shè)備過熱故障紅外檢測方法，該方法的研究內(nèi)容如下：

（1）預(yù)處理紅外圖像，以此加強(qiáng)圖像的整體信噪比，最大程度降低結(jié)構(gòu)以及空間領(lǐng)域信息的破壞度。

（2）選用梯度方法檢測紅外圖像高溫故障邊緣，劃分出不同的圖像區(qū)域，提高高溫區(qū)域定位精度，實現(xiàn)電力機(jī)械設(shè)備過熱故障紅外檢測。

（3）根據(jù)實驗結(jié)果可知，與比例-積分-微分控制方法和三相自搜尋比較法相比，所提方法的檢測時間平均值分別降低了17.77s 和35.8s，解決了過熱故障紅外檢測時間長的問題，且該方法的檢測誤差較低，實際檢測效果較好，有助于提高電力系統(tǒng)的壽命。