基于智能视觉物联网的变电站红外监测系统

变电站电力设备故障导致大面积停电时会造成巨大的经济损失和社会影响。根据电力设备故障会产生温度异常的特点,提出一种基于智能视觉物联网的变电站红外监测系统。该系统通过无线组网实现远程监控,对设备发热异常进行实时报警。利用基于空间位置约束和方向约束的红外图像与可见光图像配准方法实现异常发热区域的精确定位。对异常发热区域和温度较高区域打上视觉标签,分析温度变化情况,预防故障的发生和升级。实验结果表明,该系统能够准确、实时地检测和定位设备温度异常区域,对温度过高区域进行持续监测并对故障进行预警,为变电站设备异常监测提供了可靠保证。     

变电站巡检机器人研究现状综述

变电站巡检机器人是将移动机器人应用于变电站环境,基于红外、可见光相机等获取设备红外热图、图像信息,基于智能分析算法自动识别设备状态,代替人工实现变电站设备状态的自动检测与预警分析。目前,包括日本、中国、加拿大、巴西在内的多个国家开展了变电站巡检机器人的研究及推广应用,介绍变电站巡检机器人技术研究现状,以及各个国家在变电站巡检机器人方面的推广应用情况。     

变电站电气设备双通道图像在线监测方法

为了实现对电气设备的远程、实时、在线的红外温度图像和可见光图像监测,设计并实现了双通道系统。给出了以红外传感器和可见光电荷耦合器件(CCD)为核心器件的系统总体方案,描述了变电站端监测系统的具体硬件组成和工作原理,采用面向对象的思想和模块化程序设计开发了系统的服务器端软件及客户端软件,研究了基于傅里叶变换的红外与可见光图像的自动匹配方法及工程上易实现的手动匹配方法。该系统实现了对电气设备的双通道图像的远程、实时、在线监测,可及时发现设备外部问题以及过热、环境问题。现场运行表明,该系统稳定可靠、效果良好。     

基于红外与可见光图像信息融合的绝缘子污秽等级识别

绝缘子污秽等级的准确识别是污闪防治的有效途径。红外和可见光图像分别表征了污秽绝缘子的表面温度和色彩分布,可从不同角度反映绝缘子的污秽状态,该文提出了基于红外和可见光图像信息融合的绝缘子污秽等级识别方法。建立并求解了湿污绝缘子发热数学模型,得到了绝缘子表面温度分布;通过实验获取绝缘子红外及可见光图像,经图像分割后,提取了绝缘子盘面红外与可见光特征并用Fisher判别法进行选择;将选出的特征与环境湿度、照度组合成为特征向量,并使用贝叶斯决策理论对其进行特征级信息融合,识别绝缘子污秽等级;最后对现场样本进行了识别。实验结果显示,图像信息融合提高了绝缘子污秽等级识别准确率,现场测试结果准确,为准确识别现场绝缘子污秽等级提供了新方法。     

采用对象分割和图像配准方法的变电站红外预警系统

为了早期发现变电站事故隐患,建立了一个红外温度巡检与预警系统,该系统能够自动循环采集变电站电气设备的红外图像,通过提取目标设备的温度信息进行故障判别。为了解决机械传动造成的图像位置偏差导致系统难以对感兴趣设备进行定位监测的问题,提出了一种基于对象分割和图像配准的校正方法,首先对图像进行对象分割和组态定义,并将待测目标提取出来,然后采用基于相位相关和Harris角点匹配的图像配准方法对序列偏差图像进行配准。使用上述方法对某变电站中获取的15组电气设备红外遥视图像进行了实验,平均正确匹配率达到93.3%,并且配准精度较高,达到了亚像素级。实验表明该方法能够对偏差图像进行有效校正,使系统能够及时准确地获得设备部件的温度,保障监测系统的可靠运行。     

采用CT域HMT模型的变电设备红外和可见光图像融合

将变电设备的红外图像和可见光图像融合可大大提高热故障定位的准确度。鉴于小波变换缺乏方向信息,且不能为2维图像提供理想的稀疏表达,同时考虑到边缘特征在图像融合中的重要性,提出了一种基于轮廓波变换(contourlet transform,CT)域隐马尔可夫树(hidden Markov tree,HMT)模型的红外和可见光图像融合算法。利用所提出的算法,完成了某500kV变电站设备的红外和可见光图像融合。融合结果表明,该算法由于采用期望最大(expectation maximization,EM)算法对CT分解得到的高频系数进行HMT建模且设计了一种利用Canny算子进行边缘检测的融合规则,所以可在保留更多细节信息的同时,能得到更加光滑细腻的融合图像;融合结果的均值、标准差、平均梯度和信息熵等统计指标均有明显改善。该算法为变电设备的智能检测与识别提供了量化依据和指导。     

基于智能监测终端的可见光与红外图像配准融合方法

针对可见光图像与红外图像分辨率差异大和色彩差异大的问题,提出一种基于亚像素优化和局部强度特征不变描述的可见光和红外图像配准算法,从有限离散剪切波变换、迭代配准以及配准点领域亚像素优化方面对新方法进行分析,并通过实际应用证明新方法可以实现可见光与红外图像准确配准与融合分析,快速准确地定位设备过热点。     

模糊神经网络应用于巡检机器人路径规划及绝缘子视觉图像处理

目前变电站巡检机器人广泛应用于变电站巡检过程中,主要巡检高压电力设备绝缘子、均压环等外部配件。在巡检过程中,机器人配备红外成像仪、紫外成像仪存储高压电力设备光子分布图、温度分布图,建立设备红外与紫外图像数据库。一方面,机器人在巡检过程中应有效规避变电站较高电场强度区域,在巡检过程中应以最短距离遍历变电站典型高压电力设备,且机器人机械臂可有效进行图像多角度采集。另一方面,在图像采集过程中应实现机器人对设备绝缘子、均压环图像区域分割、聚焦和光子采集操作,且应用深度学习方法实现采集图片与原始图像库的自动匹配比较,判别高压电力设备运行状态进而发现潜伏性绝缘故障。其中最短低场强路径与遍历设备路线应用免疫蚁群算法自动实现,且图像数据库深度学习与自动匹配模块应用模糊神经网络实现。联合免疫蚁群算法与模糊神经网络应用于变电站巡检机器人路径规划及视觉图像后处理,对于变电站高压电力设备智能巡检具有一定理论和工程指导价值。     

基于NSST图像融合的变电站开关状态识别

针对变电站中开关状态图像识别易发生误判的问题,提出了一种基于非下采样剪切波变换(NSST)图像融合的变电站开关图像识别方法。该方法采用可见光和红外光双摄像模式,得到开关可见光图像和红外图像,根据两者的特点与互补特性,采用基于NSST的图像融合算法对可见光图像和红外图像进行融合,生成含有两种开关图像丰富细节信息和特征量的融合图像,采用改进加速稳健特征(SURF)算法对融合图像进行目标特征量提取和匹配,再采用基于混沌布谷鸟(CCS)算法的多阈值图像分割技术进行处理,最后基于霍夫变换得到开关臂和触点所在直线的斜率,根据两者角度差判别开关状态。仿真实验表明:所提方法对闭合与断开状态隔离开关的识别率分别为94.4%和100%,验证了所提方法的有效性。     

一种变电站电气设备温度在线监测新方法

为了实现对电气设备的远程、实时、在线的可见光图像和红外温度监测,设计并开发了具有红外检测与图像监控功能的系统。针对变电站电气设备在线监测的特点,从红外理论出发,构建了系统测温模型,分析了影响测温的一些因素及大气衰减的影响;完成了大气透射率的仿真计算并提出了温度修正算法以提高测温精度。开发了具有RS-485串口和激光瞄准方式的改进型红外测温仪,并将其红外测温功能与图像监控软件有效结合。该系统可以在图像监控画面上选择特定的电气设备对其进行远程红外测温,并将返回的温度值加以存储和分析。系统具有较高的经济效益和工程实际应用价值。     

基于BEMD的电力设备红外与可见光图像的配准研究

电力设备的红外图像和可见光图像从不同角度反映了设备的状态,对它们进行配准可以提高在线监测的准确性.将2维经验模态分解( BEMD)方法引入到电力设备的红外与可见光图像配准中.通过理论分析得出了基于BEMD的图像配准原理,把图像的配准问题转化成了BEMD分解后子图像的配准问题,并确定了原始图像、趋势图像及2维仿射变换在配准中的关系;基于此原理提出了一种红外与可见光图像配准方法.实验结果表明该方法可取得良好的配准效果,同时也验证了该配准原理的正确性和方法的先进性.     

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。     

基于温度概率密度的变电站高压设备故障热红外图像识别方法

针对变电站高压设备故障热红外图像的识别问题,提出一种基于温度概率密度特性的识别方法.首先,使用核函数估计实现对红外图像温度概率密度函数的提取;其次,根据热红外图像中的温度分布与背景组成所对应的物理特性,实现检测对象的初步分类;最后,基于温度概率密度进行先验分类的基础使用K均值聚类方法对热红外图像中故障部分进行提取.研究...     

基于BEMD的电力设备红外与可见光图像的配准研究

电力设备的红外图像和可见光图像从不同角度反映了设备的状态,对它们进行配准可以提高在线监测的准确性.将2维经验模态分解( BEMD)方法引入到电力设备的红外与可见光图像配准中.通过理论分析得出了基于BEMD的图像配准原理,把图像的配准问题转化成了BEMD分解后子图像的配准问题,并确定了原始图像、趋势图像及2维仿射变换在配...     

高压电气设备实时红外诊断系统设计方案

高压电气设备实时红外诊断系统采用轨道滑车移动红外摄像头,实现连续对高压电气设备进行温度状态采集,并与可见光系统融合实现双视,提高监测准确性、灵活性和全面性,以保证设备安全稳定运行。系统利用取得的温度状态数据进行智能对比和分析,在设备温度出现异常时进行报警;并将报警信号共享,为视频监控系统和智能辅助系统的报警提供数据。温度数据和报警状态分类记录和储存,在软件上实现红外监测系统与变电站智能辅助系统的整合,最终实现整个系统资源共享,对变电站运行环境、辅助设施、高压运行设备的监测,协同工作。     

红外测温在变电站远程图像监控系统中的实现

电力设备的热效应是引发变电站多种故障和异常的重要原因。为了加强对无人值守变电站的全貌监视，尤其是对其电力设备温度的在线实时监控，构建了具有红外测温功能的远程图像监控系统，实现了过热设备的报警联动。文章从红外测温技术、红外测温在图像监控中的实现两方面展开论述，介绍了该系统的技术原理与实现方法。     

动态实时红外热成像温度在线监测系统

针对传统的红外成像技术难以有效、及时、准确地检测出由于电压制热导致的变电站设备缺陷问题.本文对比分析了基于可见光与红外热成像技术的优缺点,设计了基于动态实时红外热成像技术的变电站设备在线监测系统,通过数字动态双通道红外热像仪及360°*n云台固定安装方式,配合光纤传输,能将所有监控到的数据实时传输到变电站的监控室,真正实现了有效、实时、准确的设备故障监测与数据传输。     

高压开关柜无线组网光纤测温系统研究

针对传统的红外成像技术难以有效、即使、准确地检测出由于电压制热导致的变电站设备缺陷问题,本文对比分析了基于可见光与红外热成像技术的优缺点,设计了基于动态实时红外热成像技术的变电站设备在线监测系统,通过数字动态双通道红外热像仪及360°*n云台固定安装方式,配合光纤传输,能将所有监控到的数据实时传输到变电站的监控室,真正实现了有效、实时、准确的设备故障监测与数据传输。     

基于深度学习的电力设备红外可见光图像智能配准方法研究

红外图像与可见光图像的融合分析是提升红外图像中电力设备定位精度和缺陷诊断准确度的有效途径。针对两种模态数据融合分析关键步骤中的红外图像与可见光图像配准问题进行研究。鉴于红外图像与可见光图像存在的模态差异,采用基于自监督学习的SuperPoint特征点提取与描述方法,提取具有模态不变性的稀疏特征点;采用基于深度图卷积的SuperGlue方法,结合全局特征点的空间及特征相关性信息,提升特征匹配的准确度;最后,采用渐近采样一致性的PROSAC方法对红外与可见光图像间的变换参数进行估计,实现配准。与传统算法对比表明,本文所提方法具有更高的模态鲁棒性,得到了更准确的配准结果。     

基于彩色可见光图像的绝缘子污秽等级判别

提出一种新的基于彩色可见光图像的高压绝缘子污秽等级判别方法。对深圳变电局所属多个变电站进行现场拍摄获取污秽绝缘子可见光图像,并实验获取其对应等值附盐密度,经图像灰度化、图像增强、滤波后,用两次最大类间方差法进行分割,得到盘面积污区域。提取积污区域的RGB、HSV空间共36个特征分量,并运用Fisher判别法进行特征量筛选。用筛选的特征量训练BP神经网络,建立可见光图像污秽等级判别网络。试验结果表明可见光污秽等级判别法具有较高准确率,是一种检验高压绝缘子污秽等级的可行方法。