[发明专利]一种基于红外图像温度分布规律和BP神经网络的绝缘子串故障检测方法

说明书

本发明提供一种基于红外图像温度分布规律和BP神经网络的绝缘子串故障检测方法。该方法将红外图像中的绝缘子串所在矩形目标区域通过手动方式和颜色空间转换提取，然后使用二值化、Hough变换和旋转等图像处理技术统计目标区域长度特征，以分别提取绝缘子钢帽和盘面区域；利用图像温度矩阵和分割结果计算每个钢帽和盘面区域的平均值作为特征量，并在计算过程引入K‑means聚类算法剔除背景像素；按照绝缘子从低压端到高压端的顺序，分别形成钢帽和盘面温度特征向量；以绝缘子串温度分布规律为参考准则，建立基于BP神经网络的绝缘子串故障诊断模型。本发明提供的检测方法具有较高的识别准确率。

技术领域

本发明涉及输变电设备运行状态检测技术领域，更具体地，涉及一种基于红外图像温度分布规律和BP神经网络的绝缘子串故障检测方法。

背景技术

绝缘子串作为一种特殊的绝缘控件，肩负机械支撑和电气绝缘的作用，对变电站和输电线路的正常运行具有重要的影响。工作于户外条件下的绝缘子串，长期受风、雨、雪等自然环境影响，绝缘状态发生老化，形成低值和零值绝缘子；或受空气中微粒与自然环境的综合影响，表面积聚污秽，造成闪络放电；或因生产过程中的质量问题等，引发绝缘子故障，影响电力系统正常运行。

绝缘子故障检测主要包括低零值绝缘子的识别和表面污秽程度判定。目前，用于故障检测的方法主要有以绝缘电阻和等值盐密参数测定为代表的的传统检测方法、红外检测和图像处理相结合的在线检测技术和以人工神经网络为代表的人工智能技术等。

应用于低零值绝缘子检测的传统方法有短路叉法、小球放电法、绝缘电阻法、激光多普勒振动法和电压分布法等，污秽检测的传统方法有测量等值盐密或灰密，测量绝缘子表面电导和测量泄露电流，这些方法的优点是准确性较高，但存在工作量大，或安全性低，或成本较高，或不能带电检修的问题。红外检测技术是一种非接触式的被动测量技术，具有不停运、速度快的优点，在各类电气设备状态检修中已有广泛应用，如变压器套管发热和缺油故障检测、导线连接处发热故障检测、隔离开关和断路器接触不良故障诊断等，但红外检测技术在目前实际应用中存在的问题是对电压致热型故障较难准确判断，主要依靠运维人员的主观经验，可靠性和准确性较低。

人工神经网络模拟人脑思维、记忆方式，实现对信息的相关处理，具有较强的适应性和学习能力，在信号处理、模式识别和故障诊断领域具有广泛的应用，其基本思想是采用学习算法对样本集进行训练从而获得样本规律或故障诊断知识和规则，国内外学者在利用神经网络进行电气设备故障诊断方面进行了深入广泛的研究，如提出以区域温度分布方差等特征参数的BP网络绝缘子故障诊断模型，以背景平均温度和盘面最高温度为特征参数的径向基网络绝缘子故障诊断模型等。

绝缘子的运行状态可以由其表面温度反映，其中低零值故障可通过钢帽温度反映，而污秽故障可通过盘面温度反映，并且正常运行状态下的绝缘子温度分布呈现一定规律，从低压端至高压端，温度曲线呈不对称马鞍形。目前应用此规律进行绝缘子故障诊断研究较少，并且大部分研究集中于使用红外热像仪分析软件分析绝缘子串中轴线温度曲线，难以确定故障类型和故障位置。

发明内容

本发明的目的在于克服现有技术的至少一个缺点与不足，提供一种基于红外图像温度分布规律和BP神经网络的绝缘子串故障检测方法，该方法利用图像技术技术、绝缘子串温度分布规律和BP神经网络实现绝缘子串故障的检测和定位。

为解决上述技术问题，本发明采用的技术方案是：一种基于红外图像温度分布规律和BP神经网络的绝缘子串故障检测方法，其中，包括以下步骤：

S1.通过手动取点和颜色空间转换提取红外图像中绝缘子串所在矩形目标区域；

S2.基于Otsu’s算法对目标区域进行二值化，分割目标区域，并通过绝缘子盘面和钢帽的交点确定特征点，将图像坐标系的计算中心从图像左上角移动至图像矩阵中心，基于Hough变换，将绝缘子竖直旋转；