Harris角点检测在电力设备状态监测中的应用

， ，

(上海工程技术大学 电子电气工程学院，上海 201620)

0 引言

大型电力设备一般是暴露在户外的条件下工作，因此其在运行过程中除了会受热的、电的、机械的负荷作用的影响外，还有自然环境(温度、气压、湿度等)的影响。长期在这种环境下工作，容易导致电力设备的性能下降且逐渐降低其用电可靠性。此外，一些电力设备的绝缘材料长期工作在在高压、高温的环境下，其结构和成分也会发生变化，导致介质损耗随之增大、绝缘性能逐渐下降甚至消失；还有一些绝缘子是工作在大气中的，极易受环境污秽的影响，导致其表面绝缘性能下降，从而引起电路故障[1]。

目前，根据调查了解到国内外常用到的对电力设备监测的方法主要包括以下几种：光谱法；紫外脉冲法；径向温度法；超声波检测法等。这些检测方法均取得了一定的效果，但分析文献之后发现很多研究方法依旧存在着危险性高、算法复杂等问题，均需要进一步深入研究。由于各个行业对电量需求的增加，电力系统规模也在不断扩大，电力设备的故障率也在不断增加[1]。因此，对电力设备可靠性的要求也越来越高，特别是在变电站逐渐普及的情况下，对电力设备的故障检测提出了更高的要求。目前，我国大部分变电站已建立了在线监测系统，部分变电站已实现无人工作。然而，变电站的电源设备种类繁多，结构复杂。无论是在常规变电站还是无人值班变电站，都需要使用在线监测或故障专家诊断系统作为辅助决策技术，以提高其监控系统的监控能力。为了实现无人值守的真正实现，必须增加电力设备在线监测系统和故障诊断。

因此，针对常见电力设备故障的特点，本文提出一种基于Harris角点检测的方法来实现对电力设备的监测，该方法将摄像头搜集的实时图像和正常运行时电力设备的图像进行比较，监测的工作人员根据两幅图像中角点的差异对比来判断电力设备是否发生故障，以便及时采取相应的处理措施，从而确保整个电力系统运行的安全性和稳定性[2]。

1 Harris角点检测算法

在图像处理的时候，角点是表现对象局部特征的关键因素, 它不仅可以保留处理对象的重要特征信息，还可以有效去除图像中的无关因素，大大提高了图像处理效率[2]。

Harris算法是以Moravec算法为基础的，Moravec算法计算的是以所取的点为基础，沿上下左右4个方向计算的窗口灰度变化值。与Moravec算法不同的是，Harris角点算法是通过计算窗口沿任意方向移动后的灰度变化值[3]。

该算法的步骤如下：

1)利用Harris角点检测算法检测模板图像并查找角点。

2)在检测到的Harris角点找到一阶特征点。在多个一阶特征点上，我们发现高阶特征点。无参考图像角点检测是因为参考图像通常较大，消耗更多的时间。

3)在参考图像中找到具有相同灰度值和一阶特征点的灰度值的所有点，并计算8个邻域的灰度值和灰度值的灰度值是否与一阶特征点相同，如果相同，则关键点是参考图像上的特征点的位置[4]。

模板图像上的点和参考图像上的对应点不是传统模板图像上的点，但是可以通过简单转换找到角点的位置和参考图像中的图像的位置[5]。

除此之外，作出改进的是，Harris算法用解析的形式进行表达：设以像素点(x,y)为中心的窗口沿X方向上移动u个单位长度，沿Y方向上移动v个单位长度[6]。据此，Harris给出了灰度变化度量的解析式:

Ax2+By2+2Cxy

(1)

E(x,y)为窗口内的灰度变化量；W为图像的窗口；I为图像的灰度。

在这个操作系统中，如果监测到图像的角点图像窗口的偏移，它的自相关函数E(x,y)也会相应改变。

其中：A、B、C是二阶方程方向微分的近似表达，也可用以下表达：

(2)

(3)

(4)

其中:h(x,y)表示的是高斯平滑滤波函数，X、Y表示的是一阶方向上的微分，图像灰度分别与x的差分算子，用|1 0 -1|和|1 0 -1|T表示[7]。

这样的话方程E(x,y)可转化为:

(5)

(6)

如果最终得到的系统M矩阵的两个特征值都是大的，则此时图像灰度自相关函数的两个正交方向的极值曲率较大，也就是说这个点是角点。本文基于Harris角点检测的图像定义了灰度值特征，并以灰度值特征作为匹配基准[8]。

Harris 角点检测算法虽然是一种经典的角点检测算法, 但该方法仍然存在以下不足:

1)在对角点测量中执行非极大值抑制。在确定局部极大值时，角点提取的效果取决于单个阈值的设置。

2)虽然采用了可调窗口的高斯平滑函数，但在实际应用中，高斯窗口则不易控制。

3)当平滑的高斯函数平滑图像时，由于过度平滑，会导致角信息将丢失。

总的来说，Harris角点算法是一种效率很高的图像角点提取的算法，其优点主要有以下两个方面:

1)提取的角点均匀而且合理[9]。Harris角点算法对图像中的所有出现的点都会计算出其响应值，然后在邻域内寻找最优的点。

2)提取的角点稳定可靠。在图像中，只要没有大的尺度变化，Harris算法都能提取出相对稳定的角点[10]。

2 算法的功能设计

根据角点监测流程图可知，首先要对首帧图像的角点进行提取：在摄像头固定的情况下，先由监测管理的工作人员调整摄像头的焦距，寻找最佳的图像监测位置。焦距固定之后，对首帧图像进行预处理并作出角点选取[11]。接下来，由工作人员选取出首帧图像中的角点作为目标角点，循环提取摄像头采集到的图像并按照同样的处理方式进行角点比对[12]。

图1 角点监测流程图

具体操作过程如下：

1)调整设备，建立通讯连接；

2)记录设备正常运行时的Harris角点检测处理结果；

3)平滑移动摄像头，调整焦距，当目标(电力设备)清晰地出现在设定位置时开始测量；

4)读取目标初始状态，并采集图像；

5)图像预处理；

6)获取图像中的目标信息；

7)利用Harris角点检测的方法对图像进行处理；

8)将处理后的图像与之前记录的图像进行对比，判断电力设备是否故障；

9)有故障及时上报，有工作人员维修；没有故障进入下一步；

10)一轮检测结束，继续监测[13]。

图2 正常运行的绝缘子串拍摄图

操作中的难点和注意事项：

1)建立通讯连接时，应当注意保证设备信号的稳定性，避免因外界信号干扰导致图像失真；

2)目标和背景的自适应分割：由于目标发热程度不同和范围各异等因素导致图像分割比较困难；

3)设备的类型较多，就要考虑多种颜色和亮度变化，并且目标本身的颜色、亮度也不是一成不变的(老化、光线因素)，这样也造成了光学图像的分割困难；

4)环境因素的影响：如大雾、雨雪天气会造成图像的整体噪声和亮度异常，也会加剧目标分割的困难[14]；

5)部位尺寸的估计：尺寸的估计依赖于图像分辨率，对于分辨率粗糙的图像还要做超分辨率处理，以提升图像的分辨质量；

6)光线的好坏会导致摄像头采集到的点的亮度不一，增加识别困难[15]。

3 实验结果与分析

图4为该监测系统从摄像头上传的图片中提取的某个时刻的绝缘子串状态的图片，经过Harris角点检测，通过对比发现图4中的角点相对图3增多，据此可以判断该绝缘子串发生故障，需要工作人员及时采取处理措施，避免发生用电事故[16]。绝缘子串故障如图5所示。

图3 正常角点监测 图4 故障角点监测

图5 绝缘子串故障图

当监测系统对比两帧图像时，一旦发现图像中角点变化，就会立马发出报警信号提醒工作人员进行及时检查并做出处理。此外，当设备没有发生故障时，工作人员可以通过该监测系统切换至实时监测界面，进而观测电力设备的具体信息和状态。

结果表明，该方法可以减少数据冗余，明显减少运算时间，极大地提高了角点检测的效率和精度[17]。该算法易于编程，能满足摄影测量等快速角点检测的需要。

Harris角点检测方法可以自适应地检测电力设备和边缘部分的细节，并通过与设备的标定边缘图像进行比较，可以识别电力设备运行的变化。例如，该方法用于绝缘子的红外图像和传输的计算。它还可以识别导线断开、绝缘子断裂、铁塔损坏和变形等故障，可以促使电力工作者及时排除隐患，保证电力系统的安全运行[18]。

通过该方法，基本实现了远程对电力设备的运行状态进行监控，大大减少了设备检修人员的工作负担且大大提高了电力设备检测的准确性和效率[19]。但是，该方法进行实践是发现以下几问题：

1)检修的电力设备不具有普适性：通过对该方法的介绍不难看出，对于一些精密度较高的电气设备是无法通过该方法对其进行质量监测的；

2)检修时受环境因素影响较大：由于该方法检测的依据是图像，对于图像的采集效果是检测结果的决定性因素。在图像采集时，极易受到光线，温度，湿度，气候等环境因素的影响[20]。

4 结语

由于人们对电力系统安全运行的要求，电力系统运行过程中的常见故障不仅会影响整个电力系统的安全稳定，还会严重影响人们的生活和企业生产。因此，电力相关人员必须了解和掌握电力系统运行中常见故障的诊断方法，然后采取有效措施加以解决，以保证电力设备运行系统的安全稳定运行，从而满足电力系统的需求。

随着电力设备运行时间的增长和消耗增加，其性能和可靠性也会逐渐下降，导致设备出现故障的概率也逐渐增大，这些都很有可能导致电力系统的崩溃。然而人工检测又太过繁琐，需要消耗大量的人力物力。本文提出的Harris角点监测的方法大大节省了时间，并大幅度提高了工作效率：通过对这些电力设备的运行状态进行监测，实时掌握它们的状态，一方面不会影响到系统的正常运行；另一方面又可以直接反映设备的运行状态，保障了整个电力系统安全有效地运行。

Harris角点检测在电力设备状态监测中的应用还存在许多不足，需要不断完善，今后需要进一步开展工作，可从以下两个方面进行：

1)在系统功能方面，需要研究图像处理在一些专业领域的实现。例如，可以将一些更成熟和简单的图像处理系统添加到软件中，如简单的指纹识别、车牌识别系统等，这使得用户更容易全面了解图像处理的完整系统。

2)算法的进一步优化。近年来，随着图像处理算法的快速发展，进一步研究更为优化和高效的电力设备快速维护算法具有重要意义。