基于Census 变换的智能型防雷接地设备缺陷可视化系统设计

李瑾

（鄂州电力勘察设计院有限责任公司，湖北鄂州 436000）

智能型防雷接地设备是保护建筑物内电子设备和网络安全的重要设备之一。由于智能防雷接地设备多工作在复杂的工作环境中，存在着许多突发性故障因素，严重影响了配电网等系统的安全运行。因此，优化智能防雷接地设备缺陷位置检测模型是研究趋势之一[1]，众多学者结合智能防雷接地设备缺陷特征分析和智能信息分析，采用视觉特征分析方法，实现了防雷接地设备缺陷的可视化特征重构和定位分析，提高了防雷接地设备运行的稳定性。其中，文献[2]提出利用配电系统特征频带，基于EMD改进算法，将各线路区段特征零模电流波形相似度与幅值差度对比，结合设备信息交互，快速定位接地设备故障，但是其线路区段特征提取精度较低；文献[3]提出利用柔性开关设备改造交流配网，通过消弧线圈的过补偿作用，凸显了缺陷处的电感电流流通回路，简便地定位了设备缺陷处；文献[4]提出采用红外检测技术这一带电检测手段，及时发现防雷接地设备的潜在缺陷，但其进行防雷接地设备缺陷定位检测的准确性不高。

针对上述问题，该文提出基于Census 变换的智能型防雷接地设备缺陷可视化系统设计方法，通过构建智能型防雷接地设备缺陷可视化图像的边缘纹理特征分析模型，以及对智能型防雷接地设备缺陷可视化图谱重构，对设备缺陷可视化分析和视觉跟踪识别，展示了该方法在提高智能型防雷接地设备缺陷可视化分析方面的优越性能。

1 设备缺陷三维成像和特征分析

1.1 设备缺陷图像采集

为了实现基于Census 变换的智能型防雷接地设备缺陷可视化定位，首先，采用视频跟随扫描与控制方法实现对智能型防雷接地设备缺陷图像采集，采集过程如下：

首先，结合智能型防雷接地设备缺陷谱特征分析方法，通过电缆绝缘破损分析，设智能型防雷接地设备缺陷的谱特征为i[5]，其中，设非线性电阻特征为k，得到智能型防雷接地设备缺陷图谱分布为：

式中，λi(i=1，2，…，∞)为智能型防雷接地设备缺陷图谱采样序列，p为智能型防雷接地设备缺陷特征的可靠性融合参数。根据电流波形中的高频脉冲系数f判断防雷接地设备的断开点位，判断公式为：

式中，a表示智能型防雷接地设备缺陷图谱波束分布聚类，b表示智能型防雷接地设备缺陷分布的相似度属性。其次，以高斯噪声零均值为前提，分析智能型防雷接地设备缺陷的三维图像分布[6]，得到智能型防雷接地设备缺陷红外载波谱峰值表达式为：

式中，h为智能型防雷接地设备缺陷红外成像边缘轮廓检测的窗函数，x为智能型防雷接地设备缺陷故障特征分布的波形。选择特定的窗函数可能会影响智能型防雷接地设备缺陷的频率分辨率，因此，需要对电弧电流进行频谱分析[7]，得到智能型防雷接地设备缺陷红外成像的固定输出特征分辨率：

式中，t为智能型防雷接地设备缺陷的输出稳态参数特征量。

最后，引入电弧伏安特性经验公式，进行缺陷特征定位，得到智能型防雷接地设备缺陷三维高频成分衰减为：

式中，m为智能型防雷接地设备缺陷三维成像的灰度像素集，γ为智能型防雷接地设备电弧电场强度，n为防雷接地设备缺陷边缘轮廓特征分量。根据上述分析，以三维高频成分衰减程度为三维图像红外载波谱峰值约束条件，联合式（1）完成智能型防雷接地设备缺陷图像采集[8]。

1.2 设备缺陷特征可视化分析

采用视频跟随扫描与控制方法实现对智能型防雷接地设备缺陷图像采集后，结合CT 和红外传感识别方法对智能型防雷接地设备缺陷特征可视化分析。

设智能型防雷接地设备特征分布Mi满足：

式中，M是正整数，表示智能型防雷接地设备缺陷光谱稳态分布频率参数。以电流幅值增益控制需求为出发点[9]，设防雷接地设备的电极距离为：

式中，bk为智能型防雷接地设备缺陷谱分量，ϕ为电弧的频谱分布。以实际电弧辐射电磁信号检测结果为依据，联合防雷接地设备的断开点位判断结果，设智能型防雷接地设备缺陷的三维可视化特征点表示为(x，y)，此时的脉冲幅值为：

式中，τ为多参量检测的时延参数，ck为高频电压和电流脉冲分布，α为智能型防雷接地设备电弧产生电磁辐射的时间分布间隔，β为稀疏表示向量。

以脉冲幅值最大值为初始值，由此得到智能型防雷接地设备缺陷定位的高频特征分量为：

式中，[lmin，lmax]为智能型防雷接地设备缺陷定位的学习因子，一般取[1.5，2.0]。通过准确地模拟低压直流系统参数，得到智能型防雷接地设备缺陷定位的关联像素值为：

其中，Ix表示为智能型防雷接地设备缺陷的高频分量，Iy表示智能型防雷接地设备缺陷成像输出的特征状态分量。

2 设备可视化设计

2.1 设备缺陷可视化特征重构

对每个子频段重新组合，得到智能型防雷接地设备的缺陷可视化图像分布的灰度值r。通过归一化分割，提取智能型防雷接地设备的缺陷可视化图像的边缘轮廓特征量，得到智能型防雷接地设备缺陷的频率偏移特征量为：

式中，δ表示智能型防雷接地设备缺陷特征的多频段动态相量分布。智能型防雷接地设备缺陷定位的RGB 类特征表达式为：

式中，Wmin、Wmax为智能型防雷接地设备缺陷分布相量频段间解耦参数。通过图谱特征解析和差异性特征点标定方法，对智能型防雷接地设备缺陷可视化图谱重构[10]，得到小波重构输出函数表达为：

通过智能型防雷接地设备缺陷信息的多尺度融合和特征分解，联合关联像素值，得到接地设备缺陷定位的特征变换模型为：

式中，θ表示智能型防雷接地设备缺陷的偏移向量，k表示智能型防雷接地设备缺陷定位的模糊边缘尺度信息。计算智能型防雷接地设备缺陷像素点，将其表示为：

根据智能型防雷接地设备缺陷特征的多频段动态相量分布系数，得到缺陷定位输出为：

通过防雷接地设备缺陷可视化特征分析，结合智能型防雷接地设备参数分布，得到缺陷定位结果的表达为：

其中，ε为防雷接地设备缺陷可视化图像的灰度像素值，ρ表示防雷接地设备缺陷参数的融合特征集[11]。

2.2 设备缺陷可视化分析

通过图谱特征解析和差异性特征点标定方法，实现对智能型防雷接地设备缺陷可视化图谱重构，在三维视觉模型下，得到智能型防雷接地设备缺陷特征重组输出rj(j=1，2，…，∞)[12]，智能型防雷接地设备缺陷检测的模糊参数融合输出为：

其中，v为智能型防雷接地设备缺陷融合聚类分布值，η为动态相量的峰值信噪比。采用多维参数融合的方法[13]，进行智能型防雷接地设备缺陷的模糊定位识别，得到智能型防雷接地设备可视化定位输出为：

其中，σ为智能型防雷接地设备缺陷可视化特征辨识系数。采用多频端特征组合的方法，得到惯性融合参数为q，得到智能型防雷接地设备缺陷定位的迭代公式为：

其中，μ是智能型防雷接地设备缺陷定位的相关性参数；φ(k)是智能型防雷接地设备缺陷定位的灰度像素集。综上分析，采用Census变换实现对智能型防雷接地设备缺陷可视化分析和视觉跟踪识别[14-16]。

3 仿真实验与结果分析

为了验证该文方法在实现防雷接地设备缺陷可视化定位中的应用性能，进行实验测试分析，以某变电站为例，设防雷接地设备的负载功率为120 kW，防雷接地设备的有限频段组合参数为0.36，图像的边缘像素集为148×210，雷接地设备缺陷检测的频率分布范围为0～400 Hz，多频段动态IC相量解耦系数为0.58，根据上述参数设定，进行防雷接地设备缺陷可视化检测，得到防雷接地设备的硬件结构配置如图1 所示。

图1 防雷接地设备的硬件结构配置

根据图1 的结构配置，实现防雷接地设备缺陷的可视化图谱分析，得到输出电容电流如图2 所示。

图2 防雷接地设备的输出电容电流

将其转换为伏安特性曲线，如图3 所示。

分析图3 得知，该文方法对防雷接地设备缺陷检测，输出伏安特性拟合性能较好，测试对防雷接地设备缺陷定位的精度，得到对比结果如表1所示。

图3 伏安特性曲线

表1 设备缺陷检测精度对比

分析表1 得知，该文方法进行防雷接地设备缺陷定位的精度平均为0.976 5，高于其他方法，具有优越的防雷接地设备缺陷定位性能，这是因为该文方法结合CT 和红外传感识别方法实现智能型防雷接地设备缺陷可视化特征分析，有了可视化特征量化过程，提高了缺陷定位效果，保证了检测精度。

4 结束语

该文提出基于Census 变换的智能型防雷接地设备缺陷可视化系统设计方法，结合对智能型防雷接地设备的缺陷特征分析和智能信息分析，优化了智能型防雷接地设备缺陷定位检测模型，并对每个子频段重新组合，实现对智能型防雷接地设备缺陷的可视化分析和视觉跟踪识别，其缺陷识别精度较高，可为该领域的相关研究提供理论参考价值。