基于红外热成像的油浸式变压器绕组过热故障检测方法研究

摘"要：在油浸式变压器的运行过程中，绕组由于多种因素导致过热，引发了Kappa值下降，进而影响了故障检测。因此，提出基于红外热成像的油浸式变压器绕组过热故障检测方法。利用红外热成像技术，捕获油浸式变压器外部热图像；针对图像质量参差不齐的问题，采用高斯滤波与直方图均衡化技术预处理红外热成像图像，并运用图像拼接技术生成完整的变压器信息图像；结合图像分割、增强的残差网络架构及相对温度差法，实现对变压器绕组过热故障区域的精准识别与检测。实验结果表明，研究方法的Kappa值显著高于对比方法，能够提升油浸式变压器绕组过热故障的检测性能，具有实际应用价值。

关键词：红外热成像"油浸式"变压器"绕组过热故障"温度异常检测

中图分类号：TM41

StudyontheOverheatingFaultDetectionMethodinOilImmersedTransformerWindingBasedonInfraredThermalImaging

LIUYan

SkillTrainingCenterofStateGridSichuanElectricPowerCompany，Chengdu，SichuanProvince，610072China

Abstract：Duringtheoperationofoilimmersedtransformers，thewindingoverheatsduetovariousfactors，whichleadstoadecreaseinKappavalueandsubsequentlyaffectsfaultdetection.Therefore，amethodfordetectingoverheatingfaultsinoilimmersedtransformerwindingsbasedoninfraredimagingisproposed.Usinginfraredthermalimagingtechnologytocaptureexternalthermalimagesofoilimmersedtransformers;Toaddresstheissueofunevenimagequality，Gaussianfilteringandhistogramequalizationtechniquesareusedtopreprocessinfraredthermalimagingimages，andimagestitchingtechniquesareemployedtogeneratecompletetransformerinformationimages;Bycombiningimagesegmentation，enhancedresidualnetworkarchitecture，andrelativetemperaturedifferencemethod，accurateidentificationanddetectionoftransformerwindingoverheatingfaultareascanbeachieved.TheexperimentalresultsshowthattheKappavalueoftheresearchmethodissignificantlyhigherthanthatofthecomparativemethod，whichcanimprovethedetectionperformanceofoverheatingfaultsinoilimmersedtransformerwindingsandhaspracticalapplicationvalue.

KeyWords：Infraredimaging;Oilimmersed;Transformer;Windingoverheatingfault;Temperatureanomalydetection;

变压器在长期运行中受负载波动、绝缘老化、设计缺陷及维护不足等因素影响，导致变压器绕组过热故障频发，严重威胁变压器寿命及电网安全。为此，研究准确、及时的故障检测方法尤为关键。近年来，众多学者开展研究，如李玮玮[1]提出基于改进支持向量机的配电电力变压器内部过热故障识别方法，通过采集变压器的电气参数和运行状态数据，构建故障特征向量，利用改进的SVM算法对特征向量进行训练和学习，建立故障识别模型。该模型通过有效地区分正常状态和过热故障状态，实现对变压器内部过热故障的准确识别。张丞鸣等人[2]提出一种变压器故障诊断方法，利用DGA技术检测变压器油中的溶解气体含量，通过五边形解释工具对气体数据进行解析，初步判断变压器的故障类型，利用QPSO算法优化SVM的参数提高模型的分类精度和泛化能力，最终，通过训练好的SVM模型对变压器的故障进行精确诊断。尽管上述方法在变压器故障检测方面取得了一定的成果，但这两种方法依赖于间接参数来推断绕组的温度状态，难以直接、实时地反映绕组局部过热的情况。鉴于此，本文提出基于红外热成像的油浸式变压器绕组过热故障检测方法。

1"变压器红外热成像图像采集及预处理设计

本次应用红外热像仪完成变压器图像采集，由于采集的红外热成像图像可能受到环境噪声、设备灵敏度差异以及变压器表面复杂结构等多种因素的影响，导致图像质量参差不齐，直接影响后续故障检测的准确性和效率[3]。为此，本文首先采用高斯滤波技术对原始图像进行处理，以提升图像质量并抑制噪声。高斯滤波后的变压器图像通过公式（1）进行表示：

公式（1）中：表示油浸式变压器原始图像；表示滤波器大小；表示高斯核标准差。

为了增强图像中不同温度区域的对比度，使高温异常区域更为显著，运用直方图均衡化技术。对于油浸式变压器灰度图像，均衡化后的像素值与原始像素值之间的关系由公式（2）所示的累积分布函数给出：

式（2）中：表示灰度级数；表示图像像素总数；表示灰度级的像素数。

面对油浸式变压器红外热成像检测中的分辨率挑战，采取局部精细化检测与全局图像重构的策略。通过集中拍摄关键或疑似过热区域，获取高分辨率的局部温度图像，确保数据的精准性。利用先进的图像拼接技术，结合高精度的图像配准算法，将多幅局部图像无缝融合成包含完整变压器信息的全局图像，如图1所示[4]。

图1"图像拼接过程示意图

如图1所示，拼接过程不仅能够保留各个局部区域的细节，还能从宏观上展示变压器的整体温度分布特征，为绕组过热故障的精确检测与诊断提供全面而精确的数据支持。

2"变压器绕组过热故障识别

为了准确识别出这些温度异常区域，并据此判断变压器绕组是否存在过热故障，本次利用图像分割技术，对预处理后的红外热成像图像进行有效区分，自动识别出高于正常温度范围的区域，即潜在的过热故障点[5]。识别出的温度异常区域公式为：

式（3）中：表示正常温度范围；表示红外图像中坐标处的温度值。

在识别出温度异常区域后，采用增强的残差网络架构进行深入分析。将预处理后的红外图像输入此网络，精确定位并输出过热区域的最高温度。同时，选定参考区域测量其最高温度，并利用公式（4）计算两者之间的温差：

式（4）中：表示残差网络输出最高温度。

为提升诊断的鲁棒性，引入相对温度差法作为辅助手段。通过比较同类型变压器在同一检测点上的温差与热测点温升的比值，作为判断存在故障的条件。的计算公式如下：

当超过35%时，判断变压器存在过热故障。以此，实现油浸式变压器绕组的过热故障检测。

3""实验

3.1"实验准备

为了验证本文方法的可行性，在实验准备阶段，准备专业设备，以确保实验过程的准确性和可靠性。表1列出了实验所需的主要设备及其关键参数，这些设备将用于测量和分析变压器绕组的电气性能及温度状态，从而有效识别并评估绕组过热故障的风险。

由于油浸式变压器绕组热点温度直接影响其绝缘能力和使用寿命，因此需采用高精度的温度检测系统进行实时监测。在检测过程中，应充分考虑变压器内部热量流动过程及散热机理，结合传热学知识，确保检测结果的准确性和可靠性。

3.2实验指标

在本文油浸式变压器绕组过热故障检测实验中，采用Kappa来评估检测方法的准确性。Kappa值越高，表示检测方法的预测结果与实际观测结果之间的一致性越好，即检测方法的准确性越高。通过计算观测一致性概率和期望一致性概率，得到Kappa值，从而量化地评价检测方法的性能。Kappa值计算公式如下：

这种方法不仅考虑了预测结果的正确性，还考虑了随机猜测对一致性的影响，因此能够更全面地反映检测方法的优劣。

3.3"实验结果及分析

为了验证本文方法的优越性，实验设计不同模拟场景，并与其他两种故障诊断方法进行对比分析。对比方法1为基于改进支持向量机的配电电力变压器内部过热故障识别方法，对比方法2为基于QPSO-SVM与DGA五边形解释工具的变压器故障诊断方法。记录3种方法在不同实验场景下的Kappa值，形成如表2所示的对比实验结果。

根据表2的实验结果可以看出，本文方法在多种模拟场景下均表现出色，其Kappa值显著高于对比方法。这一优势不仅体现在绕组局部过热和整体过热等典型故障场景中，即便在绕组与铁芯接触不良、冷却系统故障等复杂情况下，本文方法依然能够准确识别并量化故障程度。尤为值得注意的是，在负载突增导致的绕组瞬时过热场景中，本文方法展现出极高的灵敏度与准确性，这对于保障电网稳定运行具有重要意义。此外，绝缘老化引起的绕组长期过热检测中，本文方法也有效捕捉到了故障的早期迹象，为预防性维护提供了有力支持。

综上所述，本文方法不仅在故障识别准确率上实现了显著提升，更在复杂故障场景下的适应性、灵敏度和可靠性方面展现出独特的优越性。

4"结语

本文研究通过直接观测变压器绕组表面的温度分布，实现了对绕组过热故障的实时、非接触式检测。该方法不仅克服了传统方法依赖于间接参数、实时性差的缺点，还提高了故障检测的直观性和准确性。展望未来，将聚焦于两个核心方向以深化研究：一是不断优化红外热成像技术的测量精度，有效削弱环境因素对测量结果的影响；二是深度融合图像处理与先进的人工智能算法，增强对温度数据的解析与辨识能力，实现故障识别与定位的进一步精准化。希望通过持续的努力与探索，能够显著提升变压器绕组过热故障的检测能力，为电力系统的稳定运行贡献更加突出的力量。

参考文献

[1]李玮玮.基于改进支持向量机的配电电力变压器内部过热故障识别方法[J].电气开关，2024，62（3）：104-107.

[2]张丞鸣，谢菊芳，胡东，等.基于QPSO-SVM与DGA五边形解释工具的变压器故障诊断方法[J].高压电器，2021，57（12）：117-124.

[3]刘刚，郝世缘，朱章宸，等.基于动态模态分解-自适应变步长油浸式电力变压器绕组瞬态温升快速计算方法[J].电工技术学报，2024，39（12）：3895-3906.

[4]张弦亮，郝建，刘丛，等.变压器绕组热缺陷温度演化规律及其辨识方法[J].高电压技术，2024，50（4）：1548-1559.

[5]刘佳佳，李春雨.浅析变压器油色谱与电气试验相结合综合诊断过热故障[J].数字通信世界，2021（8）：171-172.