红外与紫外一体化变电设备故障的检测系统设计

潘瑾+高树国+陈志勇+刘宏亮+张建军

摘 要： 针对传统的检测方法在对电力设备实施非接触故障检测时需要靠人工手段实施，存在检测精度和自动化水平低的问题。提出并设计了红外与紫外一体化变电设备故障检测系统，采用适用于高压开关柜红外窗口环境下的红外与紫外图像配准算法，实现红外与紫外图像的配准。通过双线性插值算法融合红外热图像和紫外光图像，在紫外光背景上显示出目标发热部位的发热情况，以此为基础，对系统进行整体结构设计和模块化分析，给出系统的功能模块以及工作流程，采用三种工作模式完成变电设备故障检测。实验结果说明，所设计系统具有较高的检测精度和效率。

关键词： 红外与紫外； 一体化； 变电设备； 功能模块； 故障检测； 系统设计

中图分类号： TN21?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）01?0120?05

Abstract： The traditional detection methods rely on the manual means to implement non?contact fault detection of electric power equipment， and has the problems of low detection accuracy and automation level. Therefore， an infrared and ultraviolet integrated fault detection system for substation equipment is put forward and designed， in which the infrared and ultraviolet image registration algorithm suitable for infrared window environment of high?voltage switch cabinet is used to match the infrared and ultraviolet images. The infrared and ultraviolet images are fused with bilinear interpolation algorithm. The thermal position of the target is shown in the ultraviolet light background. On these basis， the overall structure design and modular analysis were performed for the system. The functional modules and workflow of the system are given. The three working modes are adopted to realize the fault detection of substation equipment. The experimental results show that the designed system has high detection precision and efficiency.

Keywords： infrared and ultraviolet； integration； substation equipment； functional module； fault detection； system design

0 引 言

随着科学技术的发展，人们生活质量的提高，电成为人们不可或缺的必需品。对刚产生的电源要进行变电处理，使其满足日常生活所需用电的大小。为了把发电厂发出来的电能输送到较远的地方，必须把电压升高，变为高压电，到用户附近再按需要把电压降低，这种升降电压的工作靠变电站来完成[1]。变电站的主要设备是开关和变压器，而对变电设备故障进行快速准确检测是确保电网线路正常运行的关键[2]。变电设备存在故障时会产生过热问题，使得出现各种故障，传统的检测系统主要针对设备的运行情况进行故障检测，忽略了运行时间过长及其使用环境等因素，导致检测精度低[3]。针对上述研究问题，设计红外与紫外一体化变电设备故障检测系统，可实现变电设备故障的高效、自主检测。

1 红外热图像与紫外光图像的配准分析

变电站中的开关柜处于常闭状态，需要透过红外窗口采集开关柜中变电设备的热图像，为了对开关柜中变电设备的发热部位状态进行准确显示，应先获取不同开关柜的红外热图像模板同紫外光图像模板，塑造模板图像库。再采用红外与紫外图像配准的算法进行红外热图像与紫外光图像间的配准，得到空间变换关系[4]，融合透过红外窗口拍摄的高压接开关柜内的红外热图像以及紫外光模块图像，最终对开关柜内部设备发热部位的详细情况进行直观显示。具体过程如图1所示，描述如下：

1） 通过已标定的红外热像仪和紫外光摄像机拍摄变电设备高压开关柜；

2） 手动在红外热图像模板中采集配准控制点，确保该控制点能够在紫外光图像模板中确定位置；

3） 基于各控制点，采用极线运算公式获取紫外光图像内对应的极线位置，为紫外光图像上的配置控制点的选择创造分析依据；

4） 在紫外光图像中选择合理的配置控制点，这些点都位于相应的极线上，按照配准控制点采用RANSAC算法，获取红外热图像到紫外光图像的变换矩阵[H；]

5） 向模板图像库中存入各开关柜的红外热图像、紫外光图像和空间变换矩阵[H；]

6） 采用紅外窗口对开关柜拍摄的红外热图像和模板图像库中相同开关柜的红外热图像实施SURF特征提取，通过BBF算法完成特征点的粗匹配；endprint

7） 采用RANSAC算法对粗匹配特征点集实施提纯处理，过滤掉其中的误匹配[5]，得到红外窗口图像与红外热图像模板的变换矩阵[H；]

8） 基于变换矩阵[H]以及[H]运算出红外窗口图像到紫外光图像模板变换矩阵[Hnew=HH，]实现红外窗口图像同开关柜紫外光图像的配准。

2 改进变电设备故障检测系统设计

2.1 系统整体结构分析

对变电设备进行故障检测的根本目的是为了保证变电设备在一定的工作环境中和一定的工作期限内可靠、有效地实现其功能。变电设备的检测过程事实上可以认为是一个模式识别的过程。因为不同的状态可以认为是不同的模式，而状态识别可认为是模式识别。通过系统对变电设备故障进行检测，可以保证变电设备发生故障时能检测出有关信号，并由此识别出故障产生的原因，变电设备故障检测系统的总体框架用图2描述。其中监控云平台由红外热像设备和紫外光摄像机组成，将两路监控云平台当成图像采集站，在变电设备的不同检测场区部署图像采集站[6]；开关柜中含有多个无线测温传感器，可将无线测温接收器当成无线测温数据采集站；采系统整体结构主要由客户端和服务端构成，服务端由硬件层、数据层以及方案层构成，其主要对系统底层硬件实施处理、对数据库进行访问以及完成系统的自主巡航处理[7]。服务端各层的主要功能如下所示：

1） 硬件层是服务端的基础，其采用网口和串口对前端硬件进行管理，为数据层提供硬件接口。硬件层可对相同设备规划统一管理接口，确保检测系统集成多种类的硬件设备。

2） 数据层主要通过数据访问接口与系统数据库进行交互处理，确保系统数据存储速度以及业务间的相互独立。通过OLEDB技术对象链接嵌入到数据库中，使系统数据访问扩展至其他数据库中，提升系统的使用性能。

3） 方案层的功能是同客户端进行通信，转发红外与紫外光视频信息及维护在线巡航。采用TCP/IP协议采集来自客户端的数据访问和硬件管理申请，将申请传递到数据层以及硬件层实施操作[8]，同时将数据处理结果反馈给客户端。方案层中的视频转发模块主要是为了转发红外热像仪与紫外光摄像机的视频流，确保不同客户端的用户都可观察到变电设备的红外与紫外光视频。基于规定的巡航规划表和规定的过程对相应变电设备实施检测[9]。

2.2 系统结构设计

系统在模块化集成设计原理的基础上，通过在线式红外热像仪、紫外光摄像机、红外窗口手持式红外热像仪以及无线测温等方式对变电设备的故障实施检测[10]，全面分析检测数据，为变电设备的检修提供基础。

2.2.1 功能模块设计

采用模块化方法设计系统功能，提升系统开发和维护效率，对变电设备故障检测时易出现故障点重复、特征不显著的部分实施模块化设计，获取的系统功能模块结构图如图3所示。

对图3中几个重要的功能模块进行介绍：

1） 云台控制模块主要对监控云台的方位选择，设置预存储位等进行控制操作。

2） 红外热像仪控制模块主要对红外热像仪的聚焦、抓图以及采集温度数据等进行控制操作。

3） 紫外光摄像机控制模块主要对紫外光摄像机进行变焦、截图以及录制视频等控制操作。

4） 无线测温数据接收模块可基于用户申请，接收无线测温接收器传递的无线测温数据。

5） 在线监控模块可调用不同硬件层模块，在手动运行情况下实时监控场区中的变电设备。

6） 紫外窗口检测模块对开关柜中变电设备的红外热图像进行故障检测。

2.2.2 系统运行流程分析

系统采用三种工作模式对变电设备故障进行检测：

1） 现场初始化模式，系统通过巡航预设子系统设置场区中待检测变电设备的云台预置位，同时输入相关信息、巡航时刻表和获取高压开关柜内部红外模板图像和紫外线模板图像，完成各模板间的配准分析；

2） 自动巡航模式可对变电设备进行自动巡航检测报警。巡航子系统自主收集待检测场区变电设备的红外图像，并分析获取的红外图像温度数据，基于设置的判断标准，分析相应变电设备的运行情况；

3） 手动控制模式采用手动控制分析不同电气设备的工作情况。

系统的检测流程如图4所示。

3 系统的性能测试与分析

通过实验对设计的红外与紫外一体化变电设备故障检测系统的性能实施检测。

3.1 离线式系统故障检测结果分析

在基于红外的变电设备监测与诊断的应用中，变电设备的故障诊断包括在线式和离线式两种类型。离线式的变电设备故障检测是对已采集的设備图像实施处理分析的过程。受到实验条件的限制，本文实验只进行离线式系统检测，对变电设备实施批量分类和检测，为了增强系统的鲁棒性，对未分类的变电设备图像和部分设备故障的检测实施人工复核。实验采用FLIR E40型号红外热像仪采集变电设备的红外图像，先将获取的RGB图像变换成灰度图像，再对灰度图像实施分割以及分类，系统的部分目录以及检测结果分别如图5～图7所示。

从图6中得到设备的最高温度是46.3 ℃，环境温度是22 ℃，数据库保存的电流互感器正常运行温度是30 ℃，则二者的相对温差是 67.7%，说明电流互感器存在一般故障，按照数据库内的设备种类以及故障种类，分析可能存在触杆接触不良故障。

图7中的电流互感器的最高温度是31.3 ℃，相对温差是15.66%，说明设备运行正常。实验统计10次检测过程中本文系统和人工复核温度的检测结果，用表1描述。

对比分析表1中对本文系统的检测结果和人工复核的结果可得，本文系统对变电设备故障检测时不仅具有较高的精度，同时也保持了较高的检测效率，满足变电设备故障检测的实时性检测需求。endprint

3.2 高压套管将军帽故障检测

通常将变电设备的高压套管顶部称为将军帽，其是变电设备内外部实施电能交换的关键部位，可对高压套管定位实施密封，避免变电设备中的绝缘油外泄。如果将军帽存在故障，则其会影响变电设备的绝缘能力，干扰变电设备的正常运行。本文系统获取的高压套管将军帽故障红外检测结果用图8描述。将图8a）内的彩色圈像采用加权平均法变换成灰度图像，对图像实施滤波操作，获取的结果用图8b）描述。

对图8中的实验结果进行量化分析，用表2描述。从中可以看出，本文系统同参考值相差为0.2%，说明本文系统具有较高的检测精度。

4 结 语

本文设计了红外与紫外一体化变电设备故障检测系统，实验结果说明，所设计系统具有较高的检测精度和效率。

参考文献

[1] 党宏社，史笑军.智能变电站在线监测系统设计[J].电脑知识与技术，2015，11（27）：142?144.

DANG Hongshe， SHI Xiaojun. Design of online monitoring of smart substation [J]. Computer knowledge and technology， 2015， 11（27）： 142?144.

[2] 徐康健.紫外成像技术在变电站带电检测中的应用[J].电世界，2016，57（1）：24?27.

XU Kangjian. Application of ultraviolet imagery technology in substation live line inspection [J]. Electrical world， 2016， 57（1）： 24?27.

[3] 滕超，王盛璋，孙维杰，等.远红外检测技术在变电站巡检中的应用[J].山东电力技术，2016，43（1）：71?73.

TENG Chao， WANG Shengzhang， SUN Weijie， et al. Far infrared detection technology application in substation inspection [J]. Shandong electric power， 2016， 43（1）： 71?73.

[4] 袁晓辉，孙林涛，李博，等.基于OpenCV的紫外成像检测量化参数提取方法[J].现代电子技术，2017，40（1）：45?48.

YUAN Xiaohui， SUN Lintao， LI Bo， et al. Extraction method of quantization parameter for OpenCV?based ultraviolet imaging detection [J]. Modern electronics technique， 2017， 40（1）： 45?48.

[5] 何碧漪，周国平，丁健强，等.一种基于WSN和GPRS的箱式变电站监控系统设计[J].现代电子技术，2016，39（17）：35?38.

HE Biyi， ZHOU Guoping， DING Jianqiang， et al. Design of WSN and GPRS based monitoring system for box?type substations [J]. Modern electronics technique， 2016， 39（17）： 35?38.

[6] 王佳林，崔昊杨，许永鹏，等.基于SOM神经网络的变电站设备红外热像诊断研究[J].上海电力学院学报，2016，32（1）：78?82.

WANG Jialin， CUI Haoyang， XU Yongpeng， et al. Infrared image diagnosis method of transformer substation equipment based on SOM neural network [J]. Journal of Shanghai University of Electric Power， 2016， 32（1）： 78?82.

[7] 罗军，张伟，刘家军，等.基于红外热像仪的接触网载流安全检测系统[J].电网与清洁能源，2015，31（8）：10?14.

LUO Jun， ZHANG Wei， LIU Jiajun， et al. The catenary current?carrying safety inspection system based on the infrared thermal imager [J]. Advances of power system & hydroelectric engineering， 2015， 31（8）： 10?14.

[8] 金立军，姜浩然，杨帆，等.基于紫外成像技术的接触网绝缘子污秽状态检测[J].高电压技术，2015，41（11）：3561?3568.

JIN Lijun， JIANG Haoran， YANG Fan， et al. Pollution status detection of insulators in contact net based on UV imaging [J]. High voltage engineering， 2015， 41（11）： 3561?3568

[9] 徐丽华，张龙.变电站电力设备红外智能巡检、诊断与高效预警系统的应用研究[J].四川电力技术，2016，39（5）：5?8.

XU Lihua， ZHANG Long. Study on application of electric power equipment of substation infrared intelligent inspection， diagnosis and effective early warning system [J]. Sichuan electric power technology， 2016， 39（5）： 5?8.

[10] 李剑，张劲，王灿，等.变电设备物联网一体化智能监测装置研究[J].高电压技术，2015，41（12）：3881?3887.

LI Jian， ZHANG Jin， WANG Can， et al. Research on integrated smart monitoring devices for Internet of power transformation equipment [J]. High voltage engineering， 2015， 41（12）： 3881?3887.endprint