CN105004972A - 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法 - Google Patents

Abstract

一种基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法，所述方法通过计算紫外视频中连续图像帧的光斑面积获得光斑面积序列，采用统计分析法提取面积序列的光斑面积平均值、光斑面积均方差和大光斑面积频度三个量化参数，采用模糊聚类算法得到较好、较差、差、很差四种绝缘状态的聚类中心，然后基于最小距离准则划分待判别绝缘子的绝缘状态。本发明将光斑面积序列的三个特征参数作为特征量，采用FCM算法获得四类绝缘状态的聚类中心，根据未知样本到各聚类中心的欧氏距离来判断其绝缘状态，该方法很好地解决了紫外成像检测结果的量化问题，可为污秽绝缘子的维修或更换提供可靠依据。

Description

基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法

技术领域

本发明涉及一种基于日盲紫外成像光斑面积统计特征参数和聚类分析的瓷绝缘子绝缘状态评估方法，属电力技术领域。

背景技术

绝缘子是电力***中使用量最大的电气元件之一，运行在户外的绝缘子表面会沉积污秽。干燥状态下污秽对绝缘子的绝缘能力没有太大影响，污秽绝缘子基本不放电。在雾、毛毛雨、小雨、融雪、凝露等天气状况时，污秽物中可溶性电解质吸收水分，会形成一层导电水膜，从而降低瓷绝缘子的绝缘性能，增加闪络发生的概率。由于一个地区内的环境因素基本一致，绝缘子积污情况相似，一旦一个绝缘子发生闪络，同一地区将有成千上万个绝缘子处于闪络的边缘，容易引起大面积停电，造成不可估量的损失。特别是在21世纪初，大气环境不断恶化，降雨酸化日益严重。大面积污闪事故频发，严重威胁着电网的安全运行。

2001年12月，中国华北平原北部出现大雾，辽宁中部电网、河北电网、河南北部电网发生污闪事故，此次事故涉及200多条35-500kV线路，140余座变电站。2004年1月，中国长三角地区发生污闪事故，连接上海、浙江和江苏的500kV线路发生多次污闪。2005年1月，南方电网广东地区的15条500kV线路、7条220kV线路发生共计85次污闪。目前污闪事故已经成为电力***的主要灾害之一，对绝缘子进行绝缘状态评估和闪络预警，以便在发生污闪事故之前，对污秽绝缘子进行及时维修或更换，是确保电力***安全稳定运行的关键。

污秽绝缘子放电是污秽的种类、累积量、绝缘子的材质、伞裙外形、风力、湿度以及运行电压共同作用的结果。污秽瓷绝缘子从放电到闪络过程中释放了包含了声、热、光、电磁波等大量信息，对这些信息进行处理分析，可以得到表征瓷绝缘子绝缘状态的相关特征量，恰当特征量的选择可以提高评估绝缘子运行状态的准确性，进而在危险来临前实现提前预警。目前电力***中检测放电的主要方法有泄漏电流法、超声波法和超高频法。泄漏电流法是目前应用最为广泛的一种方法，在临近闪络时，泄漏电流的最大值和脉冲个数快速增加，脉冲个数和泄漏电流的幅值常用来表征绝缘子的运行状态。泄漏电流法在电力行业得到了广泛应用，但是一套检测泄漏电流的装置只能检测到一串绝缘子的放电情况，现场安装传感器时需要对绝缘子的结构做一定的改动，另外检测装置的供电、数据采集以及信号传输等装置的安装和维护工作量都较大。超声波法和超高频法在现场容易受到干扰，难以定位到放电位置，且这两种方法的探测灵敏度有限，随着电网输电等级的提高，绝缘子串离地面的高度越来越高，上述两种方法在工程实际中难以应用。

绝缘子串放电过程中还伴随有紫外光信号的辐射，其中部分的紫外光信号能量位于240-280nm的日盲紫外波段，随着技术的进步和发展，原本用于军事目的的日盲紫外成像检测技术开始应用于高压设备的放电检测，它将放电过程中产生的紫外光信号变成可在紫外成像仪上显示的图像信号，其操作方便简单，易于判别放电位置，在电力***中有良好的发展前景。但由于紫外成像法在电力***中的应用时间较短，对于如何量化紫外成像的检测结果，如何提取特征参数，污秽放电的紫外图像特征以及绝缘状态评估问题的相关研究还很不深入，有待于进一步研究。

发明内容

本发明的目的在于针对现有技术之弊端，提供一种基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法，以便对污秽绝缘子进行及时维修或更换，确保电力***安全稳定运行。

本发明所述问题是以下述技术方案解决的：

一种基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法，所述方法通过计算紫外视频中连续图像帧的光斑面积获得光斑面积序列，采用统计分析法提取面积序列的光斑面积平均值、光斑面积均方差和大光斑面积频度三个量化参数，采用模糊聚类算法得到较好、较差、差、很差四种绝缘状态的聚类中心，然后基于最小距离准则划分待判别绝缘子的绝缘状态，所述方法包括以下步骤：

a.图像灰度化

将紫外成像仪输出的原始RGB彩色图像转换为灰度图像，其灰度变换的公式如下：

Y＝0.299R+0.587G+0.114B，

其中Y为灰度值，其范围为0-1；R、G、B分别为原始彩色图像的红、绿、蓝三个颜色的分量值；

b.图像分割

采用阈值分割算法将灰度图像变换为二值图像，其算法为：

$g(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&GreaterEqual;T\\ 0& f(x,y)<T\end{array}\right.,$

式中T为像素点灰度值的阈值；g(x,y)为二值化后的灰度值,范围在0和1之间；f(x,y)为二值化前的灰度值；

c.数学形态学滤波

采用数学形态学的开启、闭合运算构成级联滤波器对图像进行滤波处理，其运算定义如下：

$A\&CenterDot;B=(A\&CirclePlus;B)\mathrm{\&Theta;}B,$

其中A为待处理的图像，B为结构元素，符号Θ和分别代表腐蚀和膨胀运算，符号ο和·分别表示开运算和闭运算；

d.小区域面积消除

首先对图像中各个白色的连通区域进行标记，将每个连通区域内的像素点赋予相同的标签值；然后统计各连通区域内所包含的像素点的个数；再将各连通区域所包含的像素点的个数与设定的面积阈值进行比较，大于面积阈值的区域内的各像素值保持不变，而小于面积阈值的区域内各像素值设置为0(置黑)；

e.光斑面积序列的提取

定义光斑面积s为放电光斑区域内所包含的像素点“1”的个数，计算式如下：

$s=\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}B(x,y),$

式中，M和N分别为二值图像矩阵的行和列的数值，B(x,y)为小区域面积消除后后的二值图像。

利用上式对紫外视频中各帧图像中的放电光斑面积进行计算，得到所需的光斑面积序列；

f.提取放电光斑面积特征参数

采用统计分析的方法从光斑面积序列提取三个特征参数，分别为：

①「斑面积平均值S_av，计算公式如下：

$Sav=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{s}_i,$

式中：s_i为第i帧紫外图像的光斑面积，n为紫外放电图像的帧数；

②光斑面积的均方值S_std，计算公式如下：

$S_{std}=\sqrt{\frac{\underset{i-1}{\overset{n}{\&Sigma;}}{(s_i-s_{av})}^2}{n}},$

③大光斑面积频度S_f：表示n帧紫外放电图像中，光斑面积超过1.5倍光斑面积平均值的帧数与n的比值；

g.将绝缘子的安全状态划分为四个等级，分别为：“较好”、“较差”、“差”和“很差”，采用FCM聚类算法求得四个等级样本的聚类中心坐标V1，V2，V3和V4；

h.依次计算未知样本Xi到各聚类中心的欧氏距离：

$d(x_i,v_j)=\sqrt{\frac{1}{m}\underset{k-1}{\overset{m}{\&Sigma;}}|x_{ik}-v_{jk}{|}^2},$

式中，d(x_i,v_j)为未知样本Xi到聚类中心Vj(j＝1,2,3,4)的欧氏距离，m表示数据的维数，在此m＝3；

i.将计算出的四个欧氏距离进行比较，与未知样本距离最小的聚类中心所对应的安全状态即为未知样本的绝缘状态。

上述基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法，提取光斑面积序列时，从紫外视频中截取连续紫外图像的帧数为1000。

上述基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法，在图像阈值分割过程中，像素点灰度值的阈值T为0.784。

本发明将光斑面积序列的三个特征参数作为特征量，采用FCM算法获得四类绝缘状态的聚类中心，根据未知样本到各聚类中心的欧氏距离来判断其绝缘状态，该方法很好地解决了紫外成像检测结果的量化问题，可为污秽绝缘子的维修或更换提供可靠依据。

附图说明

下面结合附图对本发明作进一步说明。

图1是紫外图像处理框图；

图2是图像分割处理后的二值图像；

图3是形态学处理后的图像；

图4是小区域面积消除后的图像；

图5是人工气候室结构图；

图6a、图6b是湿度60％紫外放电图谱和光斑序列图；

图7a、图7b是湿度80％紫外放电图谱和光斑序列图；

图8a、图8b是湿度85％紫外放电图谱和光斑序列图；

图9a、图9b是湿度90％紫外放电图谱和光斑序列图；

图10a、图10b是盐密0.03mg/cm²的紫外放电图和光斑面积序列；

图11a、图11b是盐密0.05mg/cm²的紫外放电图和光斑面积序列；

图12a、图12b是盐密0.1mg/cm²的紫外放电图和光斑面积序列；

图13a、图13b是盐密0.2mg/cm²的紫外放电图和光斑面积序列；

图14a、图14b是盐密0.4mg/cm²的紫外放电图和光斑面积序列；

图15是光斑面积平均值随湿度的变化关系；

图16是光斑面积平均值随盐密的变化关系；

图17是光斑面积均方差对湿度的变化关系；

图18是光斑面积均方差随盐密的变化关系；

图19是大光斑面积频度随湿度的变化关系；

图20是大光斑面积频度随盐密的变化关系；

图21a、图21b是绝缘子电晕放电时的紫外图像和脉冲电流图；

图22a、图22b是绝缘子火花放电时的紫外图像和脉冲电流图；

图23a、图23b是绝缘子电弧放电时的紫外图像和脉冲电流图；

图24是单片绝缘子脉冲峰值与光斑面积值之间的关系；

图25是三维数据模糊聚类实例效果图；

图26是现场绝缘子污秽放电紫外图像。

文中与图中所用各符号的意义：Y为灰度值；R、G、B分别为原始彩色图像的红、绿、蓝三个颜色的分量值；T为像素点灰度值的阈值；g(x,y)为二值化后的灰度值；f(x,y)为二值化前的灰度值；A为待处理的图像；B为结构元素；符号Θ和分别代表腐蚀和膨胀运算；符号ο和·分别表示开运算和闭运算；s为光斑面积；M和N分别为二值图像矩阵的行和列的数值；B(x,y)为小区域面积消除后的二值图像；S_av为光斑面积平均值；S_std为光斑面积的均方值；S_f为大光斑面积频度；V1，V2，V3和V4分别为四个等级样本的聚类中心坐标；d(x_i,v_j)为未知样本Xi到聚类中心Vj(j＝1,2,3,4)的欧氏距离；m表示数据的维数。

具体实施方式

以下结合具体实施例对本发明做进一步详述。

1.光斑面积序列的提取统计特征参数计算

1.1光斑面积计算

绝缘子放电越强，产生的带电离子数越多，电离和流注区域在更大的空间内形成和发展，因而相应的光斑区域将扩大，本发明利用紫外放电图像大小来衡量绝缘子表面的放电强度，Open CV为开源的第三方计算机视觉处理工具库，包含有大量成熟的图像处理算法函数库，通过调用这些函数，可大大加快处理速度，且其功能强大，稳定性好。

紫外图像处理过程和量化参量的提取流程框图如图1所示。

本发明以提取瓷绝缘子的表面放电为例来简要说明本发明处理的基本原理。

1)图像灰度化

紫外成像仪输出的原始图像为RGB彩色图像，该图像矩阵包含了三个颜色分量，需处理的信息量较大，因此本发明首先对图像进行了灰度变换，其算法原理如式(1)所示：

Y＝0.299R+0.587G+0.114B                  (1)

式(1)中，Y为灰度值，其范围为0-1；R、G、B为原始彩色图像的红、绿、蓝的三个颜色的分量值。

在Open CV中cvCvt Color()可以实现上述灰度变换算法，cvCvtColor()的函数原型为：void cvCvtColor(const CvArr*src，CvArr*dst，int code)。

其中src为指向源图像数组的指针变量；dst为指向目的图像数组的指针变量；code为颜色变换形式，其值可以为：CV_BGR2GRAY表示转换为灰度图，CV_GRAY2RGB表示转换为彩色图。

2)图像分割

鉴于放电光斑区域的灰度值与背景图像的灰度值差异较大，本发明采用了阈值分割算法将灰度图像变换为二值图像，其处理原理如式(2)所示：

$g(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&GreaterEqual;T\\ 0& f(x,y)<T\end{array}\right.---\left(2\right)$

式中T为像素点灰度值的阈值；g(x,y)为二值化后的灰度值；f(x,y)为二值化前的灰度值。

OpenCV中cvThreshold()函数可以实现对灰度图像的二值化操作，其函数原型为：

void cvThreshold(const CvArr*src，CvArr*dst，double threshold，double max_value，int threshold_type)。

其中threshold为设定的阈值；max value为阈值最大值，本发明设为1；threshold_type为阈值类型，当threshold_type＝CV_THRESH_BINARY时，处理后的二值图像如图2所示。

3)数学形态学滤波

分析图2可知，灰度值接近于放电区域的图像经过二值化后仍保存在图像之中，上述图像可看成噪声图像，需对其进行滤波处理，鉴于噪声图像尺寸远小于放电区域图像的特点，本发明采用了数学形态学的开闭运算对图像进行了滤波处理。

形态学基本运算包括腐蚀与膨胀，其基本原理是定义一个结构元素，与原始图形进行集合运算，腐蚀运算会缩小对象轮廓，膨胀运算会扩大对象轮廓，若单纯对图像运用腐蚀或膨胀运算会改变放电光斑区域大小，进而对后续的参数计算造成误差，因而本发明采用了开启和闭合运算对图像进行了滤波处理。开启和闭合运算由腐蚀和膨胀运算级联构成，其处理定义如式(3)和(4)所示：

$A\&CenterDot;B=(A\&CirclePlus;B)\mathrm{\&Theta;}B---\left(4\right)$

式(3)和(4)中ο、·别表示开运算与闭运算。开运算可以用来消除比结构元素小的图像；闭运算可以用来填充图像内比结构元素小的细小空洞、连接邻近图像。

在Open CV中，实现开启和闭合运算前需要先定义结构元素，结构元素需自己定义的一个二值图像矩阵，可采cvCreateStructuringElementEx()创建结构元素，函数原型为：

IplConvKernel*cvCreateStructuringElementEx(int cols，int rows，int anchor_x，int anchor_y，int shape，int*values＝NULL)。

参数cols、rows为矩形的列行数目，鉴于光斑区域接近圆形，本发明定义结构元素为圆形，直径设置为5；anchor x、anchor y为参考点的相对水平、垂直偏移量，本发明固定为2；shape，本发明定为CV_SHAPE_ELLIPSE，表示圆形结构元素。

cvErode()、cvDilate()分别为腐蚀与膨胀运算函数，函数原型分别为：

void cvErode(const CvArr*src，CvArr*dst，IplConvKernel*element＝NULL，int iterations＝1)。

void cvDilate(const CvArr*src，CvArr*dst，IplConvKernel*element＝NULL，int iterations＝1)。其中element为结构元素函数指针变量。

利用以上三个函数对图2进行处理后的效果如图3所示，将图3与图2相比，消除了部分噪点，去除了细长的白色框架和时间数字信息。

4)小区域面积消除

从图3可知，采用数学形态滤波后，仍然有部分区域面积较大的干扰点留在图像之中，在此本发明采用了二值图像小区域消除实现了对其余噪声点的去除，该处理的基本步骤如下：

(1)对图3采用区域标记处理对各连通的图像区域进行标记，每一个连通区域内的像素点赋予相同的标签值；

(2)统计各连通区域内所包含的像素点的个数；

(3)设定一个阈值，依次比较各区域所包含的像素点的个数与设置的面积阈值的大小，大于该阈值区域内的各像素值保持不变，而小于该阈值的区域内各像素值设置为0(置黑)。

OpenCV实现小区域面积消除可用函数cvContour Area()求得各个光斑的面积。设置阈值为230，则经小区域消除处理后的图像如图4所示。

1.2量化参数的定义与计算

为表征各放电光斑区域大小需提取相关的参数，根据紫外图像的特点，本发明提取了光斑面积，由图4可知，放电区域为白色，各像素灰度值为“1”，而背景图像为黑色，灰度值为0，因而统计各区域内包含的像素点“1”的个数可量化光斑大小，本发明定义为“光斑面积”，计算式如下：

$s=\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}B(x,y)---\left(5\right)$

式(5)中，M和N分别为二值图像矩阵的行和列数值，B(x,y)为小区域面积消除后的二值图像。根据上述定义可知，光斑面积实际上是放电光斑区域像素点的个数，因此本发明在此定义其单位为像素(Pixel)

在利用函数cvFindContours()得到各个区域的轮廓序列后，以CvSeq的指针变量作为函数cvContourArea()的轮廓点数组参数，对指定序列进行面积计算，函数原型为：

double cvContourArea(const CvArr*contour，CvSliceslice＝CV_WHOLE_SEQ)。

其中contour为轮廓点的数组，因为计算整个区域的面积，其他参数默认。

函数cvGetSeqElem()可得到区域边界上的每一像素点的坐标，函数原型为：char*cvGetSeqElem(seq,index)。

其中seq为CvSeq的指针变量，指定轮廓对象，index为轮廓点数组的索引。

1.3光斑面积序列的提取

污秽绝缘子表面的放电具有随机性，仅利用一帧紫外图像难以有效表征污秽绝缘子的放电特性，本发明在此通过对紫外视频进行分析提取了光斑面积序列，方法是编写视频播放和图像截取软件从紫外视频中截取连续的紫外图像帧，本发明一般截取1000帧，将截取的紫外图像以数字编号依次命名存储在计算机硬盘。

打开紫外图像处理软件中的连续面积计算功能。选取文件的存储路经，文件夹前缀与上一步一致，填写提取面积的初始帧和终止帧。确定参数修改后，开始运行。

调用1.1的图像处理对每一帧紫外图像进行图像处理，然后根据1.2的方法计算光斑面积参数，被计算的各帧光斑面积序列被存储在数据库名称为mj表格中，分析该光斑面积序列可得到放电强度随时间的变化特性，采用统计算法可以得到描述光斑面积变化的相关参数。

1.4放电光斑面积特征参数提取

基于上述光斑面积序列在不同湿度和盐密状态下的变化特性，本发明采用统计分析的方法从光斑面积序列提取了三个特征参数，分别为：光斑面积平均值S_av，光斑面积的均方值S_std，大光斑面积频度S_f，三个参量的定义和提取过程如下所示。

①S_av为同等污秽和湿度的条件下1000张紫外放电图像光斑面积平均值，该值反映的是绝缘子表面放电强度的总体变化趋势，计算过程如式(6)。

$Sav=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{s}_i---\left(6\right)$

式中：s_i为第i帧紫外图像的光斑面积，n为紫外放电图像的帧数，本发明n取1000.

②S_std为光斑面积的均方差，该参数反应绝缘子放电强度的波动情况，计算式如(7)所示。

$S_{std}=\sqrt{\frac{\underset{i-1}{\overset{n}{\&Sigma;}}{(s_i-s_{av})}^2}{n}}---\left(7\right)$

③S_f：为超过大光斑面积出现的频度，表示1000帧光斑面积中，紫外放电图像超过1.5倍的光斑面积平均值的次数与1000的比值，该参数反映的是大脉冲出现的概率。

2.实验装置和实验方法

2.1实验装置

由于环境湿度对污秽放电有着明显影响，为此整个实验在雾室内进行，污秽实验变压器的型号为YDTW-1200/300，紫外成像仪为CoroCAM 504，泄漏电流信号采用了8欧精密无感电阻取样，由PCI8502数据采集卡进行采集，每秒保存一次数据。人工雾室长、宽、高分别为1.5×1.5×2.7m，其基本结构如图5所示：

雾室采用两台型号为SJC-3000工业用超声波冷雾加湿器进行加湿，冷雾经过风管由气候箱顶部设置的多个放气孔均匀出雾。由于冷雾的密度比空气大，为避免冷雾下沉在底部，在人工气候室的底部装设风扇来提高雾的均匀度。在雾室的一侧安装了一块长、宽分别为1.2m和0.6m透紫外玻璃，该玻璃在240-280nm波段紫外光信号的透光率可达95％以上。采用AZ8910五合一的温湿度计测量雾室内的湿度、温度、大气压强等环境参素。

2.2试验步骤和方法

实验中使用的瓷绝缘子为电力***中常用的XWP2-70，为避免不同批次绝缘子可能存在的影响，本发明选择的绝缘子为同一批次，无低值、零值现象。

(1)绝缘子涂污。染污采用定量涂刷法，使用等值附盐密度ESDD和等值附灰密度NSDD表征瓷绝缘子污秽程度，等值附盐密度分别为0.03mg/cm²、0.05mg/cm²、0.1mg/cm²、0.2mg/cm²来表示一级、二级、三级和四级污秽，用0.4mg/cm²模拟特别严重的污秽，灰密统一选取2mg/cm²。

(2)调整计算机和数字时钟的时间一致，时间同步到秒，便于确定紫外图片所对应泄漏电流，紫外成像仪距离绝缘子的观测距离为14米，将紫外成像仪视频输出端子和视频记录设备相连接。

(3)现场运行的绝缘子一般是运行在额定电压或最高的额定电压下，为了尽量与现场的实际情况一致，本发明采用了恒定电压法，单片绝缘子实验电压为10kV。

(4)打开超声波加湿器开始加湿，在上述不同的湿度和污秽度下，采集视频信号和电脉冲信号。

3污秽绝缘子随湿度和盐密变化的特性

3.1污秽绝缘子紫外图像随湿度变化的特性

随着放电从弱到强发展，本发明将放电划分为电晕放电、火花放电、小电弧放电和大电弧放电四个阶段。在此以ESDD＝0.4mg/cm²的XWP2-70单片污秽绝缘子为例来说明其放电现象。

(1)、湿度达到60％-70％左右时，绝缘子铁帽周围的小气隙最先出现电晕放电，紫外图像上可以看到分散的光斑点，随着湿度增加，放电逐步增强，光斑区域逐渐增加，但最大光斑面积值一般不会超过4000pixel。整个过程中光斑面积序列波动较小，没有明显的大面积出现，该阶段的典型紫外图像如图6(a)和图6(b)所示。

(2)、当湿度达到约80％后，肉眼可见铁帽周围开始出现蓝紫色的细丝状或刷状小火花放电，紫外视频中的光斑区域呈现不规则状态且变化剧烈，光斑面积时大时小，其大光斑对应于火花放电，而较小的光斑则对应于火花放电熄灭后的电晕放电。与电晕放电阶段比较，光斑面积整体上呈明显增大的趋势，光斑面积变化剧烈，频率增大。其典型的紫外图像和光斑面积如图7(a)和图7(b)所示。

(3)当湿度达到约85％左右时，绝缘子上开始出现小电弧放电，电弧主要还是集中在铁帽周围，但一般情况下电弧长度不超过2cm，从紫外放电图像可以看出放点区域已经遮盖了绝缘子的全部。与火花放电相比，放电光斑的波动性比火花放电阶更加剧烈，大光斑面积值一般不超过50000pixel，但电弧放电熄灭后，电晕放电的光斑面积与火花放电阶段相比变化不大。在其典型的紫外图像如图8(a)所示，光斑面积序列如图8(b)所示。

(4)当湿度达到90％后，绝缘子的上、下表面开始同时出现非常明亮的红色电弧。电弧燃烧时，紫外图像中的光斑面积急剧增加，可达到整个紫外成像仪屏幕的一半以上，电弧熄灭后，光斑面积急剧降低。与火花或小电弧放电相比，两次大电弧放电之间存在几秒甚至十几秒的电弧放电沉寂期，也即大光斑面积出现的频度反而降低。大电弧对应光斑面积一般在50000pixel到200000pixel之间，典型紫外图像如图9(a)所示，光斑面积序列如图9(b)所示。

3.2污秽绝缘子紫外图像随盐密变化的特性

挂网运行绝缘子的瓷绝缘子除受外界湿度的影响外，污秽度也是影响放电的一个重要因素，在此本发明还研究了不同盐密下的污秽绝缘子紫外图像的变化特性。湿度90％不同盐密下的紫外放电图谱如图10(a)、图11(a)、图12(a)、图13(a)和图14(a)所示，湿度90％下不同盐密下光斑面积序列图如图10(b)、图11(b)、图12(b)、图13(b)和图14(b)所示。

从紫外图像放电随湿度、盐密变化特性研究可知，不同的湿度和盐密下，三个光斑面积特征参量有明显的差别，本发明研究了单片绝缘子的光斑面积平均值S_av，光斑面积的均方值S_std，大光斑面积频度S_f随湿度和盐密的变化特性。

(1)光斑面积平均值随湿度和盐密的变化特性。

由图15可知光斑面积平均值随湿度的增大而增大，但具有一定的非线性。由图16看出光斑面积随盐密的变化关系近似为一条直线，在同一湿度下，盐密越大，绝缘子的放电越剧烈，光斑面积也越大。

(2)光斑面积均方值随湿度和盐密的变化特性

由图17和图18为光斑面积随湿度和盐密的变化特性曲线，由于污秽盐密为0.03mg/cm²和0.05mg/cm²的光斑面积均方差的数值较小，图中没有给出。湿度小于75％，整个绝缘子处于电晕放电状态，放电比较平稳，波动性不大。当湿度高于75％后，污秽严重的绝缘子放电状态开始剧烈变化，放电的性质由电晕放电转向火花放电，盐密越大放电的波动性越大。积污较轻的绝缘子仍处于电晕放电。随着盐密增加，光斑面积的均方差与盐密近似为线性变化。

(3)大光斑面积频度随湿度和盐密的变化特性

大光斑面积频度随湿度和盐密的变化特性于图19和图20所示。

由图19和图20可知，湿度较小时，放电为电晕放电，放电较弱，出现大光斑面积可能性较小，大光斑面积频度接近0。随着湿度的增加，放电逐渐增强，光斑面积变化剧烈，大面积光斑出现的概率增加。当污秽较严重时大光斑面积频度随湿度和盐密甚至表现出先增加后减小的趋势，如0.4mg/cm²，随着湿度的增加，出现放电大光斑面积频度，在出现大的放电之后，出现电弧放电间歇期，大光斑面积出现的概率减小。在放电不是特别严重时，电弧熄灭时间很短，对大光斑面积随盐密的增加的趋势影响不是特别严重。

4.绝缘状态划分

紫外成像法可供借鉴的判断标准还非常缺乏，为了后续进行绝缘状态的划分和进行闪络预警，本发明在此还研究了光斑面积与脉冲电流峰值的关系。图21(a)、图22(a)和图23(a)为不同阶段的紫外图像，图21(b)、图22(b)和图23(b)为对应的脉冲电流信号。

鉴于绝缘子表面的放电形式主要分为电晕、火花和电弧三种放电形态，不同放电类型下的光斑面积与脉冲的峰值关系如图24所示。

基于上述光电关系，本发明在结合肉眼观测到的放电现象、电脉冲信号大小和紫外图像的特征，以单片绝缘子为例将绝缘子的安全状态划分为4个等级，分别为：“较好”、“较差”、“差”和“很差”。其中“较好”大致对应于无放电或电晕放电阶段，而“较差”则对应于火花放电阶段，“差”则对应于小到中度的电弧放电阶段，而“很差”则对应于大电弧放电阶段，放电一旦进入了“很差”阶段，则意味着绝缘子的闪络风险较大，需采取相关的预防污闪措施，其具体的划分标准如表1所示。

表1绝缘子的绝缘状态划分

上表中的I为脉冲电流的峰值。

5.基于模糊理论的绝缘子绝缘状态评

污秽绝缘子在同一放电阶段，其紫外图像的光斑面积具有其相似的特性，而这种相似性可看出是某一类，基于此特性，本发明在此利用了模糊C均值聚类算法对绝缘子的绝缘状态进行了划分。

5.1紫外图像特征的聚类分析

采用统计分析的方法从光斑面积序列中提取了上述三个特征参数，以单片绝缘子为例，共提取不同绝缘状态下的面积序列82组，从每个面积序列提取上述3个特征参数，也即光斑面积平均值，光斑面积方差和大光斑面积出现的频度，这样可获得82组样本数据，其中的部分数据如表2所示。

表2放电特征参数

由于本发明需将绝缘子的安全状态划分为四个等级，聚类前设定聚类个数c＝4，加权指数m＝2，FCM算法在迭代32次以后就趋于收敛，满足聚类精度要求，收敛速度比较快，收敛效果好，相应的聚类结果如图25所示。

分析图23中的聚类中心可知，FCM算法能将样本数据有效聚类为四类，各类的聚类中心坐标如表3所示：

表3各绝缘状态聚类中心坐标

5.2未知样本的类别判断方法

为判断实际运行的绝缘子的绝缘状态的过程实际上是判断未知样本属于上述4类的哪一类的问题，本发明在此采用了距离法，方法是依次计算未知样本到各聚类中心的距离，样本离哪个聚类中心的距离最小，则该样本属于该类。设四个样本中分别表示为V1，V2，V3和V4，计算某样本点Xi与某聚类中心Vj的距离的计算式如(8)所示。

$d(x_i,v_j)=\sqrt{\frac{1}{m}\underset{k-1}{\overset{m}{\&Sigma;}}|x_{ik}-v_{jk}{|}^2}---\left(8\right)$

式中，m表示数据的维数，在此m＝3，计算得到的距离为欧氏距离。为验证上述评估方法的有效性，本发明对上述评估方法进行了验证。分别取25组样本数据和25组非样本数据，测试表明，对样本数据，其分类准确性为96％，对于非样本数据其分类的准确性为93％，即使出现了错分，一般也是将其错分到相邻状态。

5.3工程实际应用

本发明于2014年1月在对河北省某沿海地区变电站进行检测时，发现该变电站所有500kV瓷绝缘子串都存在较严重的放电，现场可听到明显的“啪啪”放电声，紫外视频中的光斑区域大小波动明显，图26为紫外视频中某一帧紫外图像。测试时的相对湿度为91％，温度接近0℃，测试时，观测距离为31.6m，紫外成像仪的增益为70％。

提取上述紫外视频中的1000帧图像可构成光斑面积序列，平均到单片绝缘子光斑面积的平均值、均方差和大光斑频度值分别为：{24558，5694，0.141}，计算其与四个聚类中心V1，V2，V3和V4的距离分别为：22866，5167，3260，14800，也即样本数据与绝缘状态“较差”的距离最近，也即该绝缘子的绝缘状态为“较差”。

Claims (3)

1.一种基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法，其特征是，所述方法通过计算紫外视频中连续图像帧的光斑面积获得光斑面积序列，采用统计分析法提取面积序列的光斑面积平均值、光斑面积均方差和大光斑面积频度三个量化参数，采用模糊聚类算法得到较好、较差、差、很差四种绝缘状态的聚类中心，然后基于最小距离准则划分待判别绝缘子的绝缘状态，所述方法包括以下步骤：

a.图像灰度化

将紫外成像仪输出的原始RGB彩色图像转换为灰度图像，其灰度变换的公式如下：

Y＝0.299R+0.587G+0.114B

其中Y为灰度值，其范围为0-1；R、G、B分别为原始彩色图像的红、绿、蓝三个颜色的分量值；

b.图像分割

采用阈值分割算法将灰度图像变换为二值图像，其算法为：

$g(x,y)=\left\{\begin{array}{cc}1& f(x,y)\&GreaterEqual;T\\ 0& f(x,y)<T\end{array}\right.$

式中T为像素点灰度值的阈值；g(x，y)为二值化后的灰度值；f(x，y)为二值化前的灰度值；

c.数学形态学滤波

采用数学形态学的开启、闭合运算构成级联滤波器对图像进行滤波处理，其运算定义如下：

$A\&CenterDot;B=(A\&CirclePlus;B)\mathrm{\&Theta;}B$

其中A为待处理的图像，B为结构元素，符号Θ和分别代表腐蚀和膨胀运算，符号о和·分别表示开运算和闭运算；

d.小区域面积消除

首先对图像中各个白色的连通区域进行标记，将每个连通区域内的像素点赋予相同的标签值；然后统计各连通区域内所包含的像素点的个数；再将各连通区域所包含的像素点的个数与设定的面积阈值进行比较，大于面积阈值的区域内的各像素值保持不变，而小于面积阈值的区域内各像素值设置为0(置黑)；

e.光斑面积序列的提取

定义光斑面积s为放电光斑区域内所包含的像素点“1”的个数，计算式如下：

$s=\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}B(x,y)$

式中，M和N分别为二值图像矩阵的行和列的数值，B(x，y)为小区域面积消除后的二值图像，

利用上式对紫外视频中各帧图像中的放电光斑面积进行计算，得到所需的光斑面积序列；

f.提取放电光斑面积特征参数

采用统计分析的方法从光斑面积序列提取三个特征参数，分别为：

①光斑面积平均值S_av，计算公式如下：

$Sav=\frac{1}{n}\underset{i=1}{\overset{n}{\&Sigma;}}{s}_i$

式中：s_i为第i帧紫外图像的光斑面积，n为紫外放电图像的帧数；

②光斑面积的均方值S_std，计算公式如下：

$S_{std}=\sqrt{\frac{\underset{i=1}{\overset{n}{\&Sigma;}}{(s_i-s_{av})}^2}{n}}$

③大光斑面积频度S_f：表示n帧紫外放电图像中，光斑面积超过1.5倍光斑面积平均值的帧数与n的比值；

g.将绝缘子的安全状态划分为四个等级，分别为：“较好”、“较差”、“差”和“很差”，采用FCM聚类算法求得四个等级样本的聚类中心坐标V1，V2，V3和V4；

h.依次计算未知样本Xi到各聚类中心的欧氏距离：

$d(x_i,v_j)=\sqrt{\frac{1}{m}\underset{k=1}{\overset{m}{\&Sigma;}}|x_{ik}-v_{jk}{|}^2}$

式中，d(x_i，v_j)为未知样本Xi到聚类中心Vj(j＝1，2，3，4)的欧氏距离，m表示数据的维数，在此m＝3；

i.将计算出的四个欧氏距离进行比较，与未知样本距离最小的聚类中心所对应的安全状态即为未知样本的安全状态。

2.根据权利要求1所述的一种基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法，其特征是，提取光斑面积序列时，从紫外视频中截取连续紫外图像的帧数为1000。

3.根据权利要求1或2所述的一种基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法，其特征是，在图像阈值分割过程中，像素点灰度值的阈值T为0.784。