基于红外热像的金属氧化锌避雷器故障检测技术研究

发布时间：2017-06-09 13:00

  本文关键词：基于红外热像的金属氧化锌避雷器故障检测技术研究，由笔耕文化传播整理发布。

【摘要】：避雷器是电力系统安全稳定运行的重要设备,是避免雷电冲击过电压和操作过电压危害电网安全的重要保障。金属氧化锌避雷器因为其优异的伏安特性和保护性能,取代了同类型产品,在电网中得到越来越广泛的应用。金属氧化锌避雷器存在故障,会影响到电力设备的运行,造成事故。目前金属氧化锌避雷器的在线监测技术主要是通过检测泄漏电流中阻性分量的大小来判断其是否发生故障。红外检测技术与现有的检测技术相比,具有不接触、操作方便、高协调性等优点。本文研究了金属氧化锌避雷器故障识别的新方法,能够高效、准确地判断避雷器是否存在故障和缺陷。本文对避雷器的故障特点以及红外热像仪的误差进行了分析,总结了红外检测需要满足的基本条件和红外检测的方法和原理。采集红外图像后采用中值滤波对采集红外图像进行预处理,用最大类间方差法提取出二值图像,通过氧化锌避雷器上下端的形状特征,分割避雷器下端底座和上端保护罩部分,提取出避雷器的位置。通过图像与处理和图像分割,确定了避雷器在图像中的位置后,本文提出两种金属氧化锌避雷器的故障诊断方法。1、提取避雷器在图像中的位置信息后,截取避雷器二值图像的内接矩形,舍弃避雷器边缘部分,然后通过内接矩形提取温度信息并计算温度最大值和平均值。以《带电设备红外诊断应用规范》为依据,提出一种最大温度和平均温度相结合的故障识别方法,该方法准确性高、操作方便,能够有效克服因为伞群的遮挡和表面温度差异过大而产生的误判。2、分割之后,选择图像纹理特征作为特征值。利用灰度-梯度共生矩阵提取13个特征值,通过K-L变换法筛选、去除冗余后,选择小梯度优势、梯度分布不均匀性、灰度分布不均匀性作为神经网络的输入。经过训练得到了BP神经网络的金属氧化锌避雷器识别模型,然后选择数据对模型测试。测试结果证明了该方法准确有效,是一种变电站避雷器状态检测的有效技术。
【关键词】：红外热像 故障检测 故障发热 纹理特征 BP神经网络 图像处理 老化和受潮
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM862
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-23
• 1.1 研究背景及意义11-12
• 1.2 概述12-18
• 1.2.1 避雷器概述12-15
• 1.2.2 红外热象仪概述15-18
• 1.2.3 红外检测基本原理18
• 1.3 国内外检测现状18-21
• 1.3.1 检测方法现状研究18-20
• 1.3.2 避雷器红外检测研究现状20-21
• 1.4 本文主要内容和创新点21-23
• 第2章 金属氧化锌避雷器红外检测原理23-31
• 2.1 红外成像误差分析23-27
• 2.1.1 被测物体表面发射率误差的影响23-24
• 2.1.2 大气透射率误差的影响24-25
• 2.1.3 大气温度误差的影响25-26
• 2.1.4 环境温度误差的影响26
• 2.1.5 太阳辐射的影响26-27
• 2.2 基本要求27-28
• 2.3 基于红外热像技术的金属氧化锌避雷器检测28-30
• 2.3.1 红外检测的方法28-29
• 2.3.2 红外热像技术对金属氧化锌避雷器内部故障的诊断29-30
• 2.3.3 红外热像技术对氧化锌避雷器外部故障的诊断30
• 2.4 本章小结30-31
• 第3章 图像预处理与图像分割31-49
• 3.1 避雷器红外图像特点31
• 3.2 灰度变换31-34
• 3.2.1 线性灰度变换31-32
• 3.2.2 分段线性灰度变换32-33
• 3.2.3 非线性灰度变换33-34
• 3.3 直方图均衡化34-36
• 3.3.1 直方图定义34-35
• 3.3.2 直方图均衡化35-36
• 3.4 图像去噪36-37
• 3.4.1 均值滤波36-37
• 3.4.2 中值滤波37
• 3.5 图像分割37-45
• 3.5.1 基于最大类间方差法的图像分割38-40
• 3.5.2 基于均值迭代法的图像分割40
• 3.5.3 基于边缘检测的图像分割40-45
• 3.6 图像提取45-48
• 3.6.1 形态学处理45-47
• 3.6.2 提取主体区域47
• 3.6.3 提取避雷器区域47-48
• 3.7 本章小结48-49
• 第4章 基于带电设备红外诊断应用规范的避雷器故障识别49-60
• 4.1 带电设备红外诊断应用规范49-50
• 4.2 提取内接矩形50-51
• 4.3 温度提取51-52
• 4.3.1 提取最大温度和最小温度51-52
• 4.3.2 提取平均温度52
• 4.4 故障识别52-56
• 4.4.1 局部发热故障识别53-54
• 4.4.2 整体发热故障识别54-56
• 4.5 识别结果56-59
• 4.6 本章小结59-60
• 第5章 基于BP神经网络的故障识别60-72
• 5.1 特征提取60-63
• 5.1.1 纹理分析概括60-61
• 5.1.2 灰度-梯度共生矩阵法初步提取纹理特征61-63
• 5.2 特征选择63-65
• 5.2.1 K-L变换64
• 5.2.2 特征提取结果64-65
• 5.3 神经网络介绍65-68
• 5.4 模型设计及有效性分析68-71
• 5.4.1 模型设计68-69
• 5.4.2 有效性分析69-70
• 5.4.3 错误率原因分析70-71
• 5.5 本章小结71-72
• 结论与展望72-73
• 参考文献73-78
• 致谢78-79
• 附录A 攻读学位期间所发表的学术论文目录79-80
• 附录B 攻读学位期间所参加的科研项目80

  本文关键词：基于红外热像的金属氧化锌避雷器故障检测技术研究，由笔耕文化传播整理发布。

，

本文编号：435475