基于红外图像的变电站设备故障精准定位方法的研究
发布时间：2021-04-13 12:58
随着我国社会经济的快速发展,工业生产和居民生活对电的需求量越来越大,为了适应日益增长的需求量,电网的规模也在不断扩大,一旦发生重大的停电事故影响的将是几百万人甚至上千万人,给经济带来极大的损失,甚至造成人员伤亡。因此,及时发现各种电气设备的故障,准确定位出故障的具体位置,以便工作人员及时排查故障,防止故障的扩大化具有十分重要的意义。传统变电站故障排查是将设备停电,通过工作人员进行巡线检修的方法,这通常需要花费大量的时间,造成能源浪费。本文设计了一套基于红外图像的变电站设备故障检测系统,能够在不停电、无接触、无损的情况下精确地定位出故障的位置,及时的发现并排查故障,防止人员伤亡,保证电力系统的可靠供电。论文的主要研究内容包括以下几个方面:（1）对国内外红外诊断技术的研究现状进行分析,论述了其发展史上几个重要的节点。通过对比研究了基于红外图像的分割算法在国内外的发展现状,论述了每种方法的优缺点,给出了故障检测系统的分割理论依据。（2）通过对红外图像的成像原理的分析,得出红外图像的噪声污染是不可避免的,并通过实验统计分析得出在影响红外图像的大量噪声中,脉冲噪声是最常见的噪声,同时也是造成红外...
【文章来源】：重庆理工大学重庆市
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图像的小波三层多分辨率分解图
图 2.4 灰度直方图（2）固定阈值分割固定阈值法的工作原理是通过一定的准则分析图像像素值，然后确定一灰度阈值，然后再将图像中的像素灰度值和该阈值比较，根据和阈值的相像中的像素值分为不同的类，达到分割的目的。令 f(x,y)表示处理前的图像，g(x,y)表示处理后的图像，T 为选取的灰度 ≤>=bfxyTafxyTgxy,(,),(,)( ,)上式表示用单个阈值将图像分割成目标和背景的过程。首先确定一个像，然后将图像中的所有的像素点灰度值和该阈值 T 进行比较，如果图像于 T，则该像素点标记为 a；如果灰度值小于 T，则将该像素点标记为 b点都比较完成后，整个图像就按像素灰度值分成了两类，达到了图像分割的，当式中 a=1，b=0 时，图像目标区域为白色，背景区域为黑色，这图像的二值化。
基于这个特点，在分割图像中的目标区域的时候，可以利用导数算子模板来检图像中灰度不连续的部分，从而准确的分割出图像的边缘[40]。当图形中的像素点被测标记为边缘时，根据标记时的处理情况，分为串行边缘检测技术和并行边缘检测术。如果判断该像素点是否为边缘的依据是通过先前像素点的检测结果决定的，就于串行边缘检测技术；如果依据的是当前像素点以及该像素点周围邻域的检测结，则属于并行边缘检测技术。（1）边缘检测的原理边缘是由图像中表示区域与区域之间不连续或突变的灰度值、颜色、纹理等特征像素点构成的，由于像素的灰度突变非常短促，所以可以用一阶微分和二阶微分来示。根据微分的原理，图 2.5(a)的一阶导数和二阶导数分别为图 2.5(b)、(c)所示形。从图 2.5 可以看出对于图像中变化较为平坦的区域，因为其像素灰度值变化不是大，所以其梯度幅值较小；而图像的边缘区域，因相邻灰度值变化剧烈，所以梯度值较大，因此用一阶导数的幅值的大小可以判断图像中是否有边缘以及边缘的位。同样的道理，二阶导数的符号可以用来判断一个边缘像素是在边缘亮的一边还是暗的一边，而且过零点的位置就是边缘的位置。
【参考文献】：
期刊论文
[1]智能变电站过程层故障诊断及定位技术研究[J]. 李兴美,尹文兆,段兰,王自宏,赵凤,韩斌. 科技创新与应用. 2018(32)
[2]基于OTSU和区域生长的电气设备多点故障分割[J]. 余成波,曾亮,张林. 红外技术. 2018(10)
[3]电力系统变电站实时故障诊断技术[J]. 单志鹏,张美勇. 科技与创新. 2018(17)
[4]2018年电力发展形势分析与展望[J]. 杨昆. 中国电力企业管理. 2018(10)
[5]智能变电站物理回路故障诊断方案设计及实现[J]. 刘清泉,郝晓光,刘勇,李铁成. 供用电. 2018(02)
[6]基于区域生长的图像分割研究进展[J]. 徐蔚波,刘颖,章浩伟. 北京生物医学工程. 2017(03)
[7]基于离散余弦变换的非局部均值图像去噪算法[J]. 沈萍萍,余勤. 计算机工程与设计. 2017(01)
[8]基于FAsT-Match算法的电力设备红外图像分割[J]. 邹辉,黄福珍. 红外技术. 2016(01)
[9]基于改进OTSU算法的红外图像分割[J]. 王星,蔡亮,黄杰,高文昀,鞠园. 火力与指挥控制. 2014(S1)
[10]改进OTSU算法和边缘检测的图像分割算法研究[J]. 孙欢欢,程耀瑜,冀钰. 山西电子技术. 2014(02)
硕士论文
[1]基于红外技术的变电站设备识别与热故障诊断[D]. 任新辉.西南交通大学 2016
[2]电气设备红外图像分析与处理[D]. 杨洋.北京交通大学 2015
[3]基于图像处理技术的电气设备故障诊断方法研究[D]. 熊芬芳.东华大学 2015
[4]基于红外测温技术的变电设备缺陷诊断分析[D]. 李鹏程.华北电力大学 2014
[5]变电站电力设备红外图像分割技术研究[D]. 王如意.西安科技大学 2011
本文编号：3135342
【文章来源】：重庆理工大学重庆市
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图像的小波三层多分辨率分解图
图 2.4 灰度直方图（2）固定阈值分割固定阈值法的工作原理是通过一定的准则分析图像像素值，然后确定一灰度阈值，然后再将图像中的像素灰度值和该阈值比较，根据和阈值的相像中的像素值分为不同的类，达到分割的目的。令 f(x,y)表示处理前的图像，g(x,y)表示处理后的图像，T 为选取的灰度 ≤>=bfxyTafxyTgxy,(,),(,)( ,)上式表示用单个阈值将图像分割成目标和背景的过程。首先确定一个像，然后将图像中的所有的像素点灰度值和该阈值 T 进行比较，如果图像于 T，则该像素点标记为 a；如果灰度值小于 T，则将该像素点标记为 b点都比较完成后，整个图像就按像素灰度值分成了两类，达到了图像分割的，当式中 a=1，b=0 时，图像目标区域为白色，背景区域为黑色，这图像的二值化。
基于这个特点，在分割图像中的目标区域的时候，可以利用导数算子模板来检图像中灰度不连续的部分，从而准确的分割出图像的边缘[40]。当图形中的像素点被测标记为边缘时，根据标记时的处理情况，分为串行边缘检测技术和并行边缘检测术。如果判断该像素点是否为边缘的依据是通过先前像素点的检测结果决定的，就于串行边缘检测技术；如果依据的是当前像素点以及该像素点周围邻域的检测结，则属于并行边缘检测技术。（1）边缘检测的原理边缘是由图像中表示区域与区域之间不连续或突变的灰度值、颜色、纹理等特征像素点构成的，由于像素的灰度突变非常短促，所以可以用一阶微分和二阶微分来示。根据微分的原理，图 2.5(a)的一阶导数和二阶导数分别为图 2.5(b)、(c)所示形。从图 2.5 可以看出对于图像中变化较为平坦的区域，因为其像素灰度值变化不是大，所以其梯度幅值较小；而图像的边缘区域，因相邻灰度值变化剧烈，所以梯度值较大，因此用一阶导数的幅值的大小可以判断图像中是否有边缘以及边缘的位。同样的道理，二阶导数的符号可以用来判断一个边缘像素是在边缘亮的一边还是暗的一边，而且过零点的位置就是边缘的位置。
【参考文献】：
期刊论文
[1]智能变电站过程层故障诊断及定位技术研究[J]. 李兴美,尹文兆,段兰,王自宏,赵凤,韩斌. 科技创新与应用. 2018(32)
[2]基于OTSU和区域生长的电气设备多点故障分割[J]. 余成波,曾亮,张林. 红外技术. 2018(10)
[3]电力系统变电站实时故障诊断技术[J]. 单志鹏,张美勇. 科技与创新. 2018(17)
[4]2018年电力发展形势分析与展望[J]. 杨昆. 中国电力企业管理. 2018(10)
[5]智能变电站物理回路故障诊断方案设计及实现[J]. 刘清泉,郝晓光,刘勇,李铁成. 供用电. 2018(02)
[6]基于区域生长的图像分割研究进展[J]. 徐蔚波,刘颖,章浩伟. 北京生物医学工程. 2017(03)
[7]基于离散余弦变换的非局部均值图像去噪算法[J]. 沈萍萍,余勤. 计算机工程与设计. 2017(01)
[8]基于FAsT-Match算法的电力设备红外图像分割[J]. 邹辉,黄福珍. 红外技术. 2016(01)
[9]基于改进OTSU算法的红外图像分割[J]. 王星,蔡亮,黄杰,高文昀,鞠园. 火力与指挥控制. 2014(S1)
[10]改进OTSU算法和边缘检测的图像分割算法研究[J]. 孙欢欢,程耀瑜,冀钰. 山西电子技术. 2014(02)
硕士论文
[1]基于红外技术的变电站设备识别与热故障诊断[D]. 任新辉.西南交通大学 2016
[2]电气设备红外图像分析与处理[D]. 杨洋.北京交通大学 2015
[3]基于图像处理技术的电气设备故障诊断方法研究[D]. 熊芬芳.东华大学 2015
[4]基于红外测温技术的变电设备缺陷诊断分析[D]. 李鹏程.华北电力大学 2014
[5]变电站电力设备红外图像分割技术研究[D]. 王如意.西安科技大学 2011
本文编号：3135342
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3135342.html
