红外成像技术在电力系统后备电源热故障监测中的应用研究

针对目前电力系统后备电源在线监测系统的弊端和现状,通过对蓄电池充放电时的故障现象分析,采用红外成像技术以全新的视角对失效蓄电池以及处于亚健康状态的蓄电池进行了研究。结果表明以红外热图像为依据能及时有效发现故障蓄电池,同时还可以把红外热图像以及转化后的数字温度信息通过以太网进行远传,实现专家远程全视角会诊。该文的研究拓展了红外成像技术的应用领域,丰富了电力系统后备电源在线故障监测的手段和方法,具有一定的创新性及推广应用价值。     

基于深度学习的输变电设备异常发热点红外图片目标检测方法

随着红外热成像检测技术在变电站巡检机器人及输电线路无人机等检测平台的广泛应用,大量输变电设备红外异常发热故障的红外图片需要人工定期进行评估诊断,亟待需要智能算法对图片进行智能诊断。当前经典的机器学习算法难以有效识别输变电设备红外图像故障异常发热点。基于人工智能深度学习理论,本文采用了深度学习算法体系中基于区域建议网络的Faster RCNN算法实现对输变电红外图像发热故障的检测、识别及定位。本文以红外热成像仪采集到的输变电设备发热故障图像库为基础,对数据集进行人工标注包围框,通过交替训练构建网络共享参数,构建输变电设备异常发热红外智能检测模型。所描述的方法为输变电设备红外热成像智能检测提供了新思路。     

电力预防性试验的新宠—红外检测技术

我国电力设备采用的红外检测仪器主要有红外测温仪、红外热电视、红外热像仪等。红外测温仪的基本原理是以被测目标的红外辐射能量与温度成一定的函数关系而制的仪器 ;红外热电视是利用热电效应原理制成的热成像扫描装置 ;红外热像仪是利用红外探测器、光学成像物镜和光机扫描系统 (目前先进的焦平面技术已省去了光机扫描系统 )接收被测目标的红外辐射信号 ,最后通过电视屏显示红外热像图。在电力设备检测诊断中 ,通过红外诊断能及时发现载流的裸露接头及触头的连接部位因接触电阻增大造成的局部过热缺陷。红外诊断还可查找油浸设备缺油和高…     

基于改进RBFNN的变电站设备红外温度预测方法

<正>为了能够准确地获取变电站敞开式设备的表面温度信息,准确定位热异常区域并以此确定设备运行状态,提出了一种变电站设备红外温度预测方法。采用量子遗传(QGA)-正交最小二乘算法(OLS)优化了径向基神经网络(RBFNN),通过将红外热像图像素与温度作为该神经网络的输入和输出量,建立了从红外图像获取设备温度的理论模型。结合同一场景的红外图像与可见光图像配准技术,即可直接从可见光图像上获取对应位置的红外温度     

绝缘子污秽等级红外热像检测的视角影响分析

为了提高绝缘子污秽等级红外热像检测的准确性,提出利用绝缘子红外热像污秽等级分类特征的对比分析确定最佳成像角度的方法。该法采用直方图均衡化增强原始红外热像对比度,人工截取绝缘子盘面图像区域;基于盘面图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像;应用统计理论从绝缘子盘面图像提取最高温度、最低温度、平均温度、温度分布方差等10个红外热像污秽等级分类特征;运用Fisher准则对特征进行对比分析。瓷绝缘子人工污秽试验红外图像分析结果表明:成像角度变化显著的改变所得绝缘子表面热场;下盘面特征比上盘面特征有更好的分类性能。推荐绝缘子污秽等级红外成像检测应以下盘面为准。     

基于红外热成像多人体识别的智能监控系统

本文介绍了红外热成像的原理及特点,对复杂背景下的多人体红外热图像的识别、计数和相关特征值提取的研究进行概述。主要采用边缘检测和模板匹配算法对红外热图像进行处理,运用高级语言Visual C＋＋进行人机界面、信息管理和网络通讯功能的设计,开发了一套基于红外热成像的智能监控系统。     

基于方差分析的绝缘子红外热像特征选择方法

利用红外成像技术检测绝缘子污秽等级的关键在于获取分类性能优异的红外热像特征,文章提出了基于方差分析的红外热像特征选择方法。利用直方图均衡化增强原始热像图对比度,人工截取绝缘子盘面图像区域;通过平滑后的图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像和背景图像,提取2者的最高温度、最低温度、平均温度、温度分布方差以及盘面相对于背景的最大温升和平均温升共10个红外热像特征;应用单因素方差分析甄别特征优劣,实现特征选择。瓷绝缘子人工污秽试验结果表明：文中提出的红外热像特征选择方法和图像分割算法简单有效。     

红外检测技术在变电站热故障检测中的应用

基于红外检测与热成像原理,利用红外热像仪对变电站设备进行图像或视频的采集,采用高德红外图像分析系统通进行处理与分析,实现对发热故障点的检测,并通过对变电站的实例分析,进一步验证其检测的准确性.     

红外智能AI在线监测技术的应用

<正>电力行业采用的红外智能AI监测技术运用了红外热成像技术和计算机后台视觉算法,深度融合红外和可见光图像,可实现多设备温度同时监测和高温设备的自动识别追踪,并自动生成一目了然的热分布图像,帮助运维人员精准了解电力设备运转的状态信息,具有监测范围广、可靠性高等优势。由于我国当前的红外监测设备体积过大,实际的工作效果并不理想,因此,要积极扩展红外智能AI在线监测技术的应用,并对其发现的电力设备热缺陷进行有效处理。     

全天候车载驾驶员监控系统相机设计

为了监控驾驶员的异常驾驶行为,提升驾驶的安全性,设计了一款全天候车载驾驶员监控系统相机。对该相机涉及的RGB-IR CMOS图像传感器、双通道带通滤光片镜头、硬件电路及主动式红外照明等方面进行了研究。首先分析了RGB-IR CMOS图像传感器红外增强特性;其次根据应用场景及适配的图像传感器确定了镜头的设计参数,完成了镜头光学结构设计与优化,并选取了合适的双通道带通滤光片;接着完成了相机硬件电路的整体设计;最后评测了该相机的彩色、红外成像性能及图像在算法中的有效性。实验结果表明,该相机可以实现日间高清彩色成像和夜间高清红外成像,符合车规级性能标准,图像能实现10～15 m长距离传输,另外相机还具有成本低、稳定性高等优势。     

电气设备红外在线测温数据处理方法探讨与应用

为满足红外在线监控系统在变电站应用的要求,有必要研究一种最优的图像传输处理方法.比较了3种在线式红外热像仪测温数据处理方法：后端模拟信号处理方法、后端全数字测温处理方法以及智能带宽调节的前端处理方法,结果表明：智能带宽调节的前端处理方法优势明显.该方法具有测温精确、处理速度快、占用带宽小等优点,适合在电气设备红外在线监控系统中使用.     

基于图像融合技术的近红外热图像处理

电力设备的在线监测具有非常重要的意义。针对目前一般采用的电力设备监测仪器———红外热像仪,存在着结构复杂、功耗较大、价格昂贵、不能实现在线监测的问题,文章介绍了以黑白CCD传感器为核心的电力设备在线监测实验系统,并围绕近红外热图像因受物体低温影响,从而影响温度场计算精度的问题,详细阐述了应用基于拉普拉斯塔形分解的图像融合方法对近红外热图像进行处理。     

基于双重背景分离及自适应网格的电压致热型设备红外图像状态分析

针对发热量小、温度变化范围窄的电压致热型设备故障红外图像难以识辨的难题,提出一种基于双重背景分离及自适应网格划分的电压致热型设备红外图像运行状态分析方法。以电流互感器套管红外图像为例,首先提出红外图像双重背景分离及部件区域提取算法,即基于RGB和HSV颜色空间特点,转换红外图像颜色空间,分离出第一层背景区域。接着将Ostu算法与Hough变换相结合,提出基于Hough变换的Ostu改进算法,实现背景的第二重分离,得到部件区域。之后,导入红外图像温度,运用自适应网格方法划分部件区域,获得每一网格平均温度,提取温度特征向量,比较待分析图像与正常图像获取温差值,以此判断设备运行状态。最后,通过案例分析验证算法的有效性。同时,对避雷器本体、电压互感器电容单元、断路器支柱等电压致热型设备进行分析,说明算法具有良好的扩展性。     

基于红外检测的变电站设备热状态诊断

提出了一种基于红外检测的变电站设备热状态诊断方案。首先基于变电站设备的红外图像,采用局部方差映射函数和遗传算法阈值提取了变电站设备的热状态数据,以用于对异常区域进行分割。然后构建了红外图像灰度数与变电站设备温度两者之间的关系。最后采用改进的相对温差法达到了对设备热状态进行分类和诊断的目标,并捕获定位了变电站设备的热状态异常区域。实验结果表明,该方法提高了异常热区提取的精度和效率,提升了变电站设备热状态诊断的容错能力,进一步保证了变电站和整个电力系统的运行稳定性。     

一种低复杂度光伏系统太阳光斑位置检测算法

日光跟踪技术能明显提高光伏系统的效率,传统的光电检测日光跟踪技术的跟踪精度低,基于图像处理的日光检测跟踪技术精度虽高但算法复杂,系统成本高。通过图像处理进行太阳光斑检测跟踪的一般方法,包括太阳光斑图像的二值化、形心提取、差量计算等算法的分析,提出了一种简化的形心提取方法,通过与传统形心提取算法比较,误差很小并不足以对跟踪精度造成实质性的影响,最后用ARM-CortexM3内核的芯片作为载体实现了对太阳光斑图像的检测跟踪算法。     

Linux下基于Qt和OpenCV的红外图像伪彩色处理研究

为了便于进行户外设备故障检测工作,构建了基于嵌入式操作系统的便携式红外图像处理装置。针对红外图像灰度分布不均衡且对比度低的特点,首先提出了一种红外图像的伪彩色编码方法;其次进行了Linux下基于Qt和OpenCV的伪彩色处理程序的设计;最后对处理后的实验结果进行了分析。实验结果表明:此方法处理后的伪彩色图像能够较好地反映了物体温度变化,便于后续正确判断是否存在故障及故障的位置,此外在Linux下进行设计满足了基于嵌入式操作系统的应用需求。     

基于卷积递归网络的电流互感器红外故障图像诊断

电力大数据中日益增多的非结构化数据为以人工诊断为主的传统处理方式提出了新的挑战。红外故障图像作为一种典型的非结构化数据,对于电力大数据的研究有着至关重要的作用。为了达到自动处理海量红外故障图像的目的,提出了一种基于卷积递归网络的电流互感器红外故障图像诊断方法。对红外故障图像首先进行超像素分割并利用其色度信息提取温度异常区域;然后采用两级联合卷积-递归神经网络,对大量样本信息进行训练学习来指导设备故障部位识别;最后依据部位信息对故障进行分类。实验结果表明,该算法鲁棒性较强,准确性较高,有效地提高了红外检测效率,为非结构化数据的特征提取分析提供了坚实的基础。     

电力设备多光谱图像融合及多参量影响的故障渐变规律演化预测研究

不具备维修条件的情况下为保障重点区域供电的可靠性,允许故障设备在系统失稳前运行一段时间,演化预测当前故障渐变规律成为了安全预警亟待解决的核心问题.然而,现有演化预测方法所需的评估参量不仅获取困难,还会因参量之间融合不当,而使得预估时间偏差较大.为此,通过改进的全状态集成法模型,进行了电力设备多光谱图像融合及多参量影响的...