电力主变压器油位在线检测

许伟杰，邵 林

(安徽冶金科技职业学院 自动控制系，安徽 马鞍山 243000)

常规变压器油位检测主要采用巡检员定期巡视，通过人工经验定期获取变压器油位特征数据，以此判断变压器运行状态.此方式不仅存在人力资源浪费，还存在不能及时发现变压器油位异常而导致故障的可能. 人工方式无法真正满足系统安全、稳定运行的基本要求，因此，基于视频的变压器油位检测方法应运而生[1].目前，国内外学者针对变压器油位检测进行了深入研究[2-6]，但针对变压器油位的视频检测鲜有研究，尤其是不同气候条件下变压器油位实时检测少之又少.在雾天情况下，国内外学者先后提出了物理模型去雾算法、暗通道优先算法、维纳滤波等算法.此外，在雨天、夜间条件下，国内外学者也开展了卓有成效的研究工作.

但目前针对不同气候条件下的变压器油位视频检测研究，均还无法真正兼顾计算效率与视觉效果.因此，本文在学习归纳国内外学者研究成果的基础上，重点研究阴天条件下变压器油位视频图像特征，提出有针对性的油位视频检测算法，分析油位变化趋势，有效还原变压器油位现场状态，为变压器运行提供应用保障.

1 主变压器油位在线检测总体方案

主变压器油位在线检测总体方案如图1所示.

图1 主变压器油位在线检测总体方案

由图1可知：阴天条件下获取变压器油位视频后，先进行图像去噪预处理，再通过图像增强算法，提取油位视频图像特征，进行油位高度检测，分析油位变化趋势.若油位分析结果高于第一限值、低于第二限值，给出报警信号；若低于第一限值，则表示变压器发生严重故障.

2 主变压器油位图像检测

相较于正常光照条件下的变压器油位图像，阴天因为光照不足，导致实时获取的油位图像亮度降低.因此，根据图1，需要先进行油位图像去噪预处理，再进行图像增强处理，继而提取油位特征并进行分析.

2.1 变压器油位图像去噪预处理

通常，图像所含噪声主要是高斯噪声与椒盐噪声2大类，其对应的去噪处理主要采用滤波技术，常用的有中值滤波、高斯滤波以及双边滤波[7-8].

据统计，中值滤波对椒盐噪声具有更佳的滤除效果；高斯滤波对高斯噪声具有更佳的滤除效果；双边滤波既能有效滤除椒盐噪声或者是高斯噪声，又可以有效保留图像边缘信息[9-11].

因此，本文选用双边滤波进行阴天条件下主变压器油位图像去噪预处理，即

(1)

式(1)的定义可以分解为由像素空间距离决定的滤波器函数和像素颜色值决定的滤波器函数.

双边滤波去噪处理的效果主要取决于σs、σr.通过多次试验，双边滤波在σs=5、σr=1时对阴天条件下主变压器油位图像的预处理效果最好，如图2所示.

图2 双边滤波去噪预处理效果

2.2 变压器油位图像增强

图像增强算法主要分为2类：以直方图均衡化(HE)为基础的直接增强算法和图像间接增强算法.其中，直接增强算法目前常用的有双直方图均衡化(BBHE)、动态分块直方图均衡化(DSIHE)、基于特征点的直方图均衡化(NMHE)以及基于参数校正的直方图均衡化(PCHE)[12-14].

本文选用PCHE作为主变压器油位图像增强算法，其基本原理如下所述：

每个像素点的概率为

(2)

式中：l、nj、n分别为像素点灰度值、灰度值为l的像素点数目以及像素点总数量.

在已知灰度值l的最大概率Pdfmax、最小概率Pdfmin时，可以得到参数调整后的灰度值改进概率，即

(3)

那么，改进后灰度值l的累计概率分布为

(4)

所以，参数调整后每个像素点的增强值为

(5)

其中，

γ=1-Cdfnew(l) .

(6)

以主变压器油位图像的V分量为对象，选取DSIHE、NMHE与本文选用的PCHE进行增强处理比较，其增强效果如图3所示.

由图3可知：DSIHE算法仅仅增强了灰度值；NMHE算法也仅仅对特征点进行了灰度值增强，但出现了块效应；而PCHE有效地将灰度值集中于目标区域，避免了块效应.

(a) 原始图像V分量

(b) DSIHE增强效果

(c) NMHE增强效果

(d) PCHE增强效果图3 不同增强算法效果

这3种增强算法的增强效果及运行时间如表1所示.其中，增强误差计算的是油位图像增强后图像与原始图像的像素级误差.图像一般采用10幅1组，取均值.

表1 3种算法增强效果对比

PCHE增强算法既能满足计算效率的要求，又能够很好地兼顾图像自适应调整.因此，PCHE算法适合于变压器油位现场实时检测.

2.3 变压器油位特征提取与检测

2.3.1 油位区域特征提取

主变压器油位特征提取是针对通过增强算法处理后的油位图像，提取灰度值集中的目标区域及其特征值.目前主要有灰度阈值分割、颜色空间分割以及边缘检测分割等3种图像分割技术.

本文选用颜色空间分割(见式(7))进行油位增强后目标区域提取.颜色分割技术将油位增强图像的RGB颜色转换为由色调(h)、饱和度(s)、亮度(v)表示的HSV颜色空间，其基本原理为

(7)

式中：Hout为二值化的像素数值；h1、s1、v1分别表示色调、饱和度、亮度的阈值，其输出结果是二值图像.

本文取h1、s1、v1分别为160、140、120，经HSV颜色分割处理后的油位区域特征如图4所示.

图4 油位区域特征提取

2.3.2 油位高度检测

通过颜色分割获取油位区域特征图像后，计算连通区域属性便可获得有油区域像素点数量Nl.那么，在已知油位区域像素点总数量N时，计算可得有油区域的油位高度比值为

(8)

而油位实际比值h0可以通过油位实际高度H0与油位标准高度H求取，即

(9)

那么，平均误差E为

(10)

式中：M表示有油区域像素点提取数量.

取灰度阈值分割与HSV分割做比较，结果如表2所示.

表2 灰度阈值分割与HSV分割对比

HSV分割与灰度阈值分割具有相近的控制精度，但是HSV分割用时更短，因此，HSV分割算法适合于变压器油位现场实时检测.

3 主变压器油位在线检测分析

为了实现主变压器油位在线检测，开发了一个实时监控平台，该平台主要包括初始化模块、仪器连接模块、图像检测仪器模块、实时油位读取模块以及复位模块.根据图1，在软件开发中，设置第一下限为标准油位的20%，第二下限为标准油位的60%.

运行软件后，首先检测下位机工作状态，如图5所示.

图5 下位机正常工作状态

然后，点击图5中的“打开视频”按钮，实时读取主变压器油位视频图像.再点击“图像检测”模块中的“开始”按钮，软件按照预定程序对实时获取的主变压器油位图像进行去噪预处理、图像增强、目标区域特征提取以及油位高度检测分析，最终在界面上显示变压器实时油位比值.

当油位低于第一下限时，属于油位过低状态，发出“跳闸”信号，提醒运行人员当前变压器油位过低，如图6所示.

图6 主变压器油位实时在线检测(跳闸情况)

综上，软件集成了基于双边滤波的图像去噪预处理、基于参数校正的直方图均衡化图像增强算法处理、基于颜色空间分割的图像目标区域特征提取与检测分析，最终在平台上实时显示变压器油位比值，便于运行人员实时获取变压器油位状态，为变压器安全稳定运行提供依据.

4 结语

变压器油位检测常规方式为人工巡检，此方式既浪费人力又可能存在误差.基于此，在阴天条件下，本文以视频技术获取变压器油位实时图像，采用双边滤波器对油位视频图像进行去噪处理，选用参数校正直方图均衡化算法对去噪处理后的油位视频图像进行图像增强处理，对增强后的图像使用颜色空间分割算法提取有油目标区域，并通过油位比值参数分析变压器实际油位，将其显示于变压器油位在线检测平台，为工作人员提供判断依据.试验结果表明，本文构建的变压器油位检测算法具有一定的鲁棒性，能够将精度控制在1%左右，具有较高的计算效率.