图像型火灾检测在电力系统监控中的应用

张晔

摘 要：智能电网的發展对电力系统的安全提出了更高的要求，火灾防护是电力系统稳定运行的一个重要方面，传统的火灾检测在电力设备环境火灾检测中存在误报和漏报的情况，本文将图像型火灾检测引入到电力系统监控中，阐述了图像的分形特征、灰度共生矩阵等纹理特征，从原理上介绍了支持向量机智能分类算法，并给出了一种针对电力设备运行环境的火灾检测算法。

关键词：电力系统监控；火灾检测；图像处理

中图分类号：TP277 文献标识码：A 文章编号：1671-2064（2017）23-0092-02

1 引言

随着智能电网在我国的迅速发展，电力系统的安全运行面临着、越来越多的挑战，特别是电力系统的火灾防护关系着电力系统设备稳定运行以及社会经济的健康发展，已经越来越受到重视，在电力系统中，大量的电力设备和设施[1]，比如：主控通信室、变电站、蓄电池室、可燃介质电容器室、配电装置室、机房，这些场所存在大量的可燃物，并且设备的运行时间长、设备利用率高，一旦在运行中出现短路、过载等故障极易引发火灾，威胁到电力系统的安全，容易造成巨大的经济损失，给社会的生产生活造成严重影响。

传统的火灾探测器是基于传感器进行火灾现场采集的数据参数实现检测的[2]，常用传感器主要有感烟型、感温型、感光型、气体火灾探测器，参数指标分别为火灾环境下空气中的颗粒物浓度、温度变化、光的强弱、空气中特定气体浓度的变化，传统探测方式在火灾探测中有一定的局限性：火灾区域可能受自然风的影响，使得基于探测气体浓度的传感器失效，受探测器与火灾区域距离的影响，在距离远的情况下，无法及时感知温度，这些都影响了传统探测方法在电力系统中的实际应用效果。智能图像处理技术给电力系统火灾检测提供了新途径，基于图像处理的火灾检测系统可以部署在现有的电力监控系统上，通过监控摄像头及时探测火情，实现全方位的火灾自动检测，逐渐成为电力系统火灾检测的一个研究热点，视频火灾的检测可以分为针对火焰和烟雾的两类方法[3]，在火灾发生的初期，烟雾是最早的火灾信号，所以烟雾检测是电力系统火灾检测的有效途径，本文基于图像处理中的分形理论和图像纹理特征，结合支持向量机模型训练的方法，提出了一种可应用于电力设备运行环境火灾烟雾检测的算法，充分利用分形理论在处理非线性信号的优势，提取烟雾图像的分形特征和纹理特征，将特征输入支持向量机模型进行训练，进行电力设备运行环境中火灾烟雾图像的识别。

2 局部分形特征和纹理

2.1 图像的分形特征

在进行图像灰度分析时，可以根据灰度共生矩阵导出14种特征，常见的特征有能量、熵、对比度、相关性、均匀性、方差、相异性等[6]。在图像的特征提取时，并不是特征越多越好，对于烟雾检测算法，需要考虑计算速度和复杂度，本文在实验的基础上选择能量、熵、对比度三个特征和分形特征作为烟雾识别的特征。

3 支持向量机

在提取火灾图像的分形特征和纹理特征之后，如果想要对区域中的烟雾图像进行识别并作出是否有烟雾的判断，需要根据烟雾的图像特征对图像进行分类，并且要实现机器自动识别就需要事先提供包含火灾烟雾的样本图像和不包含烟雾的负例样本图像来训练，然后使用训练过的系统对不属于样本的图像进行识别，实现火灾烟雾检测。

支持向量机是Vapnik等人在1995年提出的一种基于统计学习的机器学习算法[7]。支持向量机能够较好解决非线性和小样本量的问题，目前已经成为智能处理领域的有效方法。设有两类不同的图像样本，H表示将两类样本正确有效分开的超平面，H1、H2分别表示两类样本中与另一类样本最接近的样本所在平面，两条平面相互平行，两者间的距离就是分类间隔，如果存在一个超平面使得两类不同的样本被有效分开而且不存在分类错误，并且此分类面到H1与H2的距离相等，则该分类面为最佳分类面。

对于非线性问题，通过非线性变换转为高维度的线性问题，在变换空间求取最佳分类面，也就是通过核函数对样本进行非线性变换，常用的核函数有多项式核函数、径向基核函数等。

4 基于图像特征提取的电力系统火灾检测算法

在上述理论和研究的基础上，本文提出了一种基于图像特征提取的电力系统火灾检测算法，首先选取电力设备环境中的烟雾图像和非烟雾图像作为样本，然后基于分数布朗运动模型，提取图像的分形特征，有效利用了分形理论在图像自相似和非线性处理中的优势，接下来提取基于灰度共生矩阵的图像纹理特征，包括能量、熵、对比度，将分形特征以及这三个纹理特征作为样本图像的特征向量， 输入到支持向量机模型中进行训练，得到训练好的系统，最后，针对电力系统视频监控系统实施实时的火灾烟雾检测。

5 结语

本文研究了图像型火灾检测在电力设备环境监控系统中的应用，分析了传统火灾检测存在的不足，将分形理论、灰度共生矩阵等纹理特征和支持向量机引入到电力系统火灾检测中，阐述了其原理，并给出了一种火灾检测方法。

参考文献

[1]汪书苹，李伟，武海澄，等.电力火灾安全防护技术体系研究[J].华东电力，2013， 41（3）：528-531.

[2]张剑驰，谢光斌.电力系统测温中光纤光栅的应用研究[J].湘潭大学自科学报，2013， 35（3）：106-110.

[3]李福鹏，梁国坚，杜鑫峰，等.基于图像处理技术的险情识别智能巡检机器人的研究[J].自动化与仪器仪表，2017，（6）：10-12.

[4]姚勋祥，张云峰，宁阳，等.多尺度有理分形的图像插值算法[J].中国图象图形学报，2016，21（4）：482-489.

[5]郑红，李钊，李俊.灰度共生矩阵的快速实现和优化方法研究[J].仪器仪表学报，2012，33（11）：2510-2514.

[6]袁洁，袁伟，贾阳，等.一种基于纹理特征的主动红外烟雾识别方法[J].安全与环境学报，2016，16（2）：86-89.

[7]薛浩然，张珂珩，李斌，等.基于布谷鸟算法和支持向量机的变压器故障诊断[J].电力系统保护与控制，2015，（8）：8-13.endprint