[发明专利]一种基于红外图像聚类处理的电力电缆热故障诊断方法

说明书

技术领域

本发明涉及，尤其是涉及一种基于红外图像聚类处理的电力电缆热故障诊断方法。

背景技术

红外热成像技术具有快速、实时、非接触性等优点，多年来应用于电力电缆运行管理领域。借助便携式红外热成像仪或在线红外测温系统，对运行状态下的电缆设备进行温度数据采集，能够及时发现、诊断出大多数的过热故障，有效减少设备损坏和由此导致的电网大面积停电事故发生的次数。通常设备运行人员依据自身的经验知识，借助辅助的红外分析软件对图像进行人工分析、诊断，因采集的图像数量众多，且需要基于历史温度数据进行综合判断，故需要耗费巨大的人力。因此，实现对红外图像自动分析、设备故障诊断的智能化，正成为电力电缆运行管理的一种趋势。

目前，电气设备热缺陷分析判定方法主要有以下6种：(1)表面温度判断法；(2)同类比较法；(3)图像特征判断法；(4)相对温差法；(5)档案分析法；(6)实时分析法。其中除了方法(1)实质上都要基于进行比较的策略，需要同组三相设备、同相设备及同类设备对应部位的温差进行比较，建立电气设备红外档案或基于长时间连续观测。

FLIR公司的专业分析软件ThermaCAM Reporter Pro能够对红外图谱中选取的区域、点、线温度进行分析，作为诊断缺陷的参考。但此类软件也有不足之处：(1)没有对图像中的设备主体和背景进行分离，降低了数据分析的精度；(2)没有自动建立红外档案等功能，不利于后续对故障诊断的自动化处理。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种分离背景、提高诊断精度的基于红外图像聚类处理的电力电缆热故障诊断方法。

本发明的目的可以通过以下技术方案来实现：

一种基于红外图像聚类处理的电力电缆热故障诊断方法，该方法包括以下步骤：

1)获取待诊断的电力电缆设备的红外图像，并进行预处理；

2)对预处理后的红外图像通过K-means聚类算法提取目标设备，并对聚类结果进行标识，获取仅包含目标设备的红外图像；

3)获取仅包含目标设备的红外图像对应的RGB向量，根据RGB向量的欧氏距离与温差的关系获取仅包含目标设备的红外图像中每一点的温度，并结合聚类结果，并对目标设备的发热区域进行标识，形成目标设备各个区域的温度分布；

4)根据目标设备各个区域的温度分布获取相对温差，根据相对温差对目标设备进行热故障诊断，判断故障的类型和性质，并进行记录。

所述的步骤1)中，采用中值滤波对红外图像进行预处理，去除红外图像中的文字和图标。

所述的步骤2)中，通过K-means聚类算法提取目标设备时，选择的聚类结果为：

平均灰度值大小在前75％且聚类中心距离红外图像的竖直中轴线1/4图像宽度内。

所述的步骤3)中，所述的RGB向量的欧氏距离与温差的关系为线性关系。

所述的步骤3)具体包括以下步骤：

31)获取仅包含目标设备的红外图像对应的RGB向量的欧氏距离；

32)根据比色条获取仅包含目标设备的红外图像的最高温度和最低温度，并将最高温度与最低温度分别与RGB向量[255,255,255]和[0,0,0]对应；

33)结合线性关系获取仅包含目标设备的红外图像中每一点的温度；

34)根据通过K-means聚类算法提取目标设备时产生的聚类结果对目标设备的发热区域进行标识。

所述的步骤2)中，在仅包含目标设备的红外图像中包括目标设备的轮廓以及轮廓内部包含的红外图像和聚类结果。

所述的步骤4)中，故障的类型包括电流致热型和电压致热型，故障的性质包括一般缺陷、重要缺陷和紧急缺陷。

与现有技术相比，本发明具有以下优点：

本发明通过采用K-means算法先对电力电缆的红外图像进行聚类，将目标设备与背景分离并提取出来，提高了技术分析的精度，并且将红外图像的RGB向量的欧氏距离与温度看做是线性关系，对红外图像上所有点的温度进行精确获取，有利于提高故障诊断的准确度。

附图说明

图1为本发明的方法流程图。

图2为主变110kV电缆终端红外图像。

图3为聚类结果用不同色彩标识后的图像。

图4为从红外图像中提取的仅包含目标设备的图像。

图5为35kV接地变电缆发热缺陷的红外图像。

图6为中值滤波后的红外图像。

图7为各聚类结果用不同色彩标识后的图像。