电气设备预防性维护技术综述

刘志宏 刘艺林

摘要：电力设备在运行过程中难免会出现故障，这些故障不仅会影响到电力设备的安全性，更会给工作人员的生命带来威胁。为了保證现代化工厂的正常平稳运行，电气设备的维护工作成为了近年来的一个研究热点。该文总体对电气设备预防性维护技术进行了系统的综述。首先，分别介绍高压电气设备和低压电气设备，回顾电气设备维护方法的发展情况再进行总结;对于目前的技术，该文介绍了当今主流的几种预防性维护技术，如红外测温技术、航拍图像识别技术和多光路检测技术;最后，将预防性维护技术与传统方法进行比较，并对预防性维护的意义及重要性进行了阐述。

关键词：电气设备维护  红外测温  航拍图像识别  多光路检测

中图分类号：TM50    文献标识码：A   文章编号：1672-3791（2021）11（a）-0000-00

A Review of Preventive Maintenance Technology for Electrical Equipment

LIU Zhihong1 LIU Yilin 2

（1. Jihua ABS plant， China National Petroleum Corporation， Jilin City， Jilin Province， 132001 China; 2. Dongguan Power Supply Bureau， China Southern Power Grid Company Limited， Dongguan， Guangdong Province， 523000 China）

Abstract： During the operation of power equipment， it is inevitable that faults will occur. These faults will not only affect the safety of power equipment， but also threaten the lives of workers. So， in order to ensure the normal and stable operation of modern plants， the maintenance of electrical equipment has become a research hotspot in recent years. This paper systematically summarizes the preventive maintenance technology of electrical equipment. Firstly， the paper introduces high-voltage electrical equipment and low-voltage electrical equipment respectively， and then reviews and summarizes the the development of electrical equipment maintenance methods. For the current technology， this paper introduces several mainstream preventive maintenance technologies， such as infrared temperature measurement technology， aerial image recognition technology and multi-path detection technology. Finally， the preventive maintenance technology is compared with the traditional methods， and the significance and importance of preventive maintenance are described.

Key Words： Electrical equipment maintenance; Infrared temperature measurement; Aerial image recognition; Multi-optical path detection

从20世纪70年代起，我国逐渐建立完善的电力系统，培训专业的技术人员，加强电气设备的保养维护，但由于维护不当导致的事故时有发生，主要原因有以下几点：首先，设备不时会更新，操作复杂程度的提高使得技术人员的维护水平难以满足新型设备的要求;其次，维护方案缺乏科学性，难以掌握合适的使用周期;再者，技术人员在维护过程中可能会出现检查不仔细、误判漏判等操作，从而使设备仍有出现故障的可能性。所以，为了保证现代化工厂的正常平稳运行，电气设备的维护工作成为了近年来的一个研究热点。该文就从总体对电气设备预防性维护技术进行了系统的综述和探究。

电气设备维护是安全用电的重要步骤，本文主要综述电气设备的预防性维护技术。目前，常用的电气设备维护措施还是以人工为主，相比于近年来的红外测温技术、航拍图像识别技术与多光路检测技术，人工进行故障诊断并维修的效率较低，浪费人力资源。

1 工厂电气设备分类

根据国家电网公司发布的新版安规，电压等级在1 000 v以上的电气设备为高压电气设备，在1 000 v及以下则为低压电气设备。各企业应根据设备电压的高低来制订对应的维护方案。

由于高压电气设备具有高强电压，在操作时需要停电、验电等操作或保证一定的安全距离，具有较高的危险系数，并且维护技术要求相对较高，因此需要培养更专业的技术人员来操作，以避免电力事故，减少安全隐患[1]。

低压电气设备如低压断路器、自动空气开关、电磁接触器等，这些部件的维护都需要经常频繁检修或及时更新，但是也需要科学的维护制度，既要保持维护的频率又不能过度维护。

2  电气设备预防性维护技术

2.1  红外测温技术

红外测温技术可以较好地预测电气设备的过热故障，其主要通过捕捉温度远高于绝对零度的物体所放出的红外线来判断待测物体的温度。红外测温系统的主要组成部分有光电探测器、红外光学系统、信号放大器和信号处理器等[2]。

在20世纪70年代，瑞典国家电力局研制了检测电力设备的车载红外热像仪，并制订故障判断标准及解决方案[3];之后，我国也将自主研发的红外测温技术应用到电力设备的维护中，2008年国家发改委颁布了红外测温技术的应用规范[4]，推动红外测温技术在电力系统中的发展，从此红外测温广泛应用于电力系统中。近年来，结合深度学习的红外图像异常诊断也让红外测温技术有了新的突破，平均检测精度90%以上[5]。

红外测温技术通过辐射线的相关信息来判断某个物体的热量场分布情况，再通过信号传递到测温仪的屏幕上，以色彩变化的方式来展示物体内部的温度。

外部发热故障主要是由于局部负荷较大造成过载，从而导致热量不断地向四周辐射。在设备外部发热时，在红外热图上会表现为分布比较均匀的热量场，检测人员可以根据该项特征判断设备为外部发热故障，再根据温度的具体分布情况来确定故障部件以及位置。

2.2  航拍图像识别技术

1940年，国外已开始研究无人机巡航技术，直至21世纪初，计算机视觉与图像处理的出现使无人机航拍技术有了实质性的应用，在电力设备巡视方面实现了自动化、实用化和智能化。Katrasnik[6]提出的GSRIO技术使得无人机可以自主躲避障碍物，并且提高了续航和防抖能力;近年来，电网公司相继使用无人机航拍技术进行巡检，代替人工进行高危环境的故障诊断，目前无人机巡航技术的效率已经远超过人工[7]。

对于电气设备，一部分故障来源于设备及输电线上的异物，导致极限放电距离大幅缩短，危险性极大。对于异物识别问题，王海洋[8]将航拍视频中存在故障的具体帧定义为关键帧，通过提取该关键帧的方式提取关键信息，即是否有异物悬挂;陈瑞[9]提出基于直线检测分割算法及多特征约束的输电线异物搭挂识别方法和基于Harris角点检测及形态学处理的故障识别算法，对照片进行直线筛选、特征约束分割等处理，再通过轮廓寻找提取故障外框从而确定故障部位。

2.3  多光路检测技术

可见光融合检测装置总体分为紫外光学系统、ICCD及信号处理系统、红外机芯、可见光机芯等[10]。通过紫外光学系统提供的参考平面，双光路能够在同一个轴线上传送，并将同一个场景分别生成可见光图像和紫外图像。其中，紫外ICCD、可见光及红外机芯为故障检测的重要部分。

软件部分通过编程来设计多光路图像融合模块，从而实现三种光的图像的匹配融合。该部分通过调用OpenCV库函数进行图像处理，最后实现红外、紫外、可见光三光路集成检测，从而多维度检测设备故障信息，提高设备运行的安全性。

3  结语

该文主要研究电气设备的预防性维护技术及适用场景，旨在阐述防止电气设备出现故障的几种预防性方法，文中大致列出三种方法，分别如下。

（1）红外测温技术：对设备进行红外测温，若测温仪出现异常色彩，则表示设备温度异常，要立即断电，进行下一步措施。

（2）航拍图像识别技术：该方法在处理线路异物搭挂方面上有一定的优势，通过使用无人机航拍再使用计算机视觉与图像处理技术来识别异物，然后进行处理。

（3）多光路检测技术：该方法可以对电气设备进行温度异常、漏电等多维度检测，更方便、全面地对设备进行检查。

参考文献

[1] 王茂国，白锐.高压电气设备检修技术研究[J].科技创新与应用，2020（17）：156-157.

[2] 王耀志，李宏志.紅外测温设备在电气设备维护中的应用[J].科技传播，2012，4（15）：176，160.

[3] CHRIS A，LIDIA A.Unsupervised Process Monitoring and Fault Diagnosis with Machine Learning Methods[M].London：Springer，2013.

[4] 中华人民共和国电力行业标准带电设备红外诊断应用规范（DL/T664-2008）[M].北京：中国电力出版社，2008.

[5] 范鹏，冯万兴，周自强，等.深度学习在绝缘子红外图像异常诊断的应用[J].红外技术，2021，43（1）：51-55.

[6] KATRASNIK J，PERNUS F，LIKAR B.A Survey of Mobile Robots for Distribution Power Line Inspection[J].IEEE Transactions on Power Delivery，2010，25（1）：485-493.

[7] 马青岷.无人机电力巡检及三维模型重建技术研究[D].济南：山东大学，2017.

[8] 王海洋.基于图像处理技术的输电线路异物检测研究[D].吉林：东北电力大学，2017.

[9] 陈瑞.基于航拍图像的输电线路关键部件故障识别方法[D].北京：华北电力大学，2019.

[10] 史俊，刘兴涛，刘乐，等.基于红外、紫外和可见光融合检测输变电设备缺陷技术[J].工业安全与环保，2019，45（7）：28-30，48.

作者简介：刘志宏（1972—），男，本科，工程师，主要研究方向为电气设备故障诊断等。

刘艺林（1996—），男，硕士，主要研究方向为计算机图形学、图像处理等。

DOI：10.16661/j.cnki.1672-3791.2110-5042-4128