基于红外成像技术的变电站电气设备热故障诊断研究

发布时间：2021-11-13 03:21

　　随着我国用电需求量的不断增加以及电网规模不断扩大,变电站电气设备的热故障识别在保证电网安全高效运行、预防事故发生中起着至关重要的作用。红外成像技术具有非接触、远距离、不停机工作的特点,可实现在不接触变电站设备的情况下,根据设备表面温度分布情况,识别出温度异常区域,在非停电状态下识别设备热故障。本文主要对实现基于红外成像技术识别变电站电气设备的热故障过程进行以下研究:对变电站内部电气设备进行红外图像采集,对采集到的样本图像进行图像预处理,其步骤包括灰度化、去噪声、图像增强。其中,首先采用加权平均法对彩色红外图像进行灰度化处理;采用将小波阈值去噪法与中值滤波法相结合的算法对红外图像做去噪声处理;采用直方图均衡化方法对红外图像做图像增强处理。对经过预处理的图像采用改进的K-means聚类算法对图像进行分割,将红外图像分成背景区域、正常区域以及过热区域三个部分。最终采用相对温差法识别电气设备热故障点。这种基于红外成像技术的变电站电气设备热故障识别是将红外非接触测温、快速识别各区域温度的优势用在了变电站电气设备热故障识别中,实现了电气设备热故障部位的快速精确定位,能够有效提高热故障点检测和判定的... 

【文章来源】：辽宁工程技术大学辽宁省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

黑体辐射亮度与波长关系

辽宁工程技术大学硕士学位论文6其公式如式（2.3）所示：40()()bbMTMTdT（2.3）表2.2斯蒂芬-波尔兹曼定律中各符号的表示意义Table2.2ThesymbolicmeaningofthesymbolsinStephenboltzmann"slaw斯蒂芬-波尔兹曼定律中各符号的表示意义符号表示意义TM)(b黑体的辐射度T黑体辐射亮度黑体辐射系数斯蒂芬-波尔兹曼常数式（2.3）中各符号含义由表2.2给出，其中，ε的值为1，σ为5.67×10-8W·m-2·K-4。（4）朗伯余弦定律朗伯余弦定律是指物体辐射强度在观测方向的入射角与辐射表面法线所成夹角之间成余弦关系[19]：cos0II（2.4）2.1.3红外热像仪简介图2.2红外热像仪Figure2.2thermalinfraredimager波长在0.38~0.78μm之间，人眼所能感知的电磁波谱部分即为可见光。但实际生产生活中物体所产生的温度辐射的波长并不在可见光的波长范围内，一般情况下实际物体的辐射亮度很低，人眼很难识别出来。因此为了更方便直观地获取物体能量辐射的情况，我们将借助红外热像仪来采集所需被测物体的温度信息。

辽宁工程技术大学硕士学位论文7红外热像仪获得红外热像图过程原理为：被测实物的红外辐射线通过光学成像物镜、红外探测器和光栅，与物体表面的热分布场相对应的红外辐射能量分布图形会在光敏元件上形成，红外热像图就是由这种红外辐射能量分布图形获得的。图2.3红外热像仪工作原理图Figure2.3Workingprinciplediagramofinfraredthermalimager简言之，红外热像仪所做的工作为：将物体发出的不可见红外能量转变为可见的彩色热图像。其中，彩色在热图像上为假彩色，不是物体的实际颜色，颜色的不同代表被测物体温度的不同。变电站电气设备红外图像可选用铁红色模式色板呈现图像，即温度的高低可以通过彩色由白到紫的顺序进行判断，温度越高颜色越白，红外热像仪拍摄的变电站电容器组支柱绝缘子图如图2.4所示。通过对热图像上颜色的直观查看，可以得到被测物体的整体温度分布信息，可对被测物体进行发热情况的分析，从而为进行下一步工作的判断做准备。图2.4电容器组支柱绝缘子可见光图（左）、铁红红外成像图（右）Figure2.4Capacitorgrouppostinsulatorvisiblelightdiagram(left),ironredinfraredimagingimage(right)根据上述实际情况要求，可选择的红外热像仪有SOFRADIR-ECIRCameraHD型非制冷焦平面热像仪(图2.5)和FLIRE60红外热像仪(图2.6):

【参考文献】：
期刊论文
[1]基于图形处理器的高速中值滤波算法[J]. 托乎提努尔,张海龙,王杰,王娜,冶鑫晨,王万琼.  吉林大学学报(工学版). 2019(03)
[2]小波变换和分数阶积分结合的OCT图像去噪算法[J]. 张晨曦,陈明惠,王帆,高乃珺,郑刚.  激光与光电子学进展. 2019(18)
[3]改进的小波域阈值算法在图像去噪中的应用[J]. 张瑞雪,沈小林.  现代电子技术. 2019(07)
[4]改进的曲率滤波强噪声图像去噪方法[J]. 汤成,许建龙,周志光.  中国图象图形学报. 2019(03)
[5]小波变换图像处理技术研究[J]. 关雪梅.  沧州师范学院学报. 2019(01)
[6]结合蚁群算法的改进粗糙K均值聚类算法[J]. 刘洋,王慧琴,张小红.  数据采集与处理. 2019(02)
[7]基于改进阈值函数的小波变换图像去噪算法[J]. 张绘娟,张达敏,闫威,陈忠云,辛梓芸.  计算机应用研究. 2020(05)
[8]红外热像仪的电力系统电气设备在线监测研究[J]. 贺如月,李云红,李禹萱,贾凯莉,何琛,王刚毅.  单片机与嵌入式系统应用. 2019(03)
[9]Otsu阈值分割法特点及其应用分析[J]. 袁小翠,黄志开,马永力,刘宝玲.  南昌工程学院学报. 2019(01)
[10]Sobel算子在医学图像边缘检测中的应用研究[J]. 肖雪梅.  计算机与网络. 2019(04)

硕士论文
[1]基于OTSU算法的图像阈值分割技术[D]. 曹爽.太原理工大学 2018
[2]基于直方图均衡的夜间图像增强算法研究[D]. 赵丽.兰州大学 2018
[3]红外热成像技术在电力系统设备故障检测中的应用研究[D]. 林群武.安徽理工大学 2016
[4]基于Pro/ENGINEER的CAD模型直接切层技术研究[D]. 景天佑.西安工程大学 2012
[5]红外诊断技术在电气设备状态检测中的研究与应用[D]. 李德刚.山东大学 2010



本文编号：3492216