CN106872523A - 一种基于无人机的电力设备缺陷智能诊断***及方法 - Google Patents

Abstract

本发明涉及一种基于无人机的电力设备缺陷智能诊断***及方法，该***包括无人机、红外热像仪和缺陷诊断处理器，所述的红外热像仪设置在无人机上，所述的缺陷检测处理器连接所述的红外热像仪；无人机在电力设备上方进行巡检，所述的红外热像仪拍摄电力设备表面的红外伪彩色图像并发送至缺陷诊断处理器，缺陷诊断处理器对红外伪彩色图像进行分析并确定电力设备的缺陷。与现有技术相比，本发明***简单、实现方便、诊断结果可靠、诊断效率高。

Description

一种基于无人机的电力设备缺陷智能诊断***及方法

技术领域

本发明涉及一种电力设备缺陷诊断***及方法，尤其是涉及一种基于无人机的电力设备缺陷智能诊断***及方法。

背景技术

随着我国国民经济的快速发展，电力电缆在电网中的应用越来越广，并且在现代化的城市中占有着重要地位。电力电缆的终端及中间接头是整个电缆***的薄弱环节，是电缆故障的高发部位，瓷套终端由于其一般处在较高的平台之上并且其内绝缘的不可见，如何对其进行有效的监测是我们现如今所要探讨的。

由于我国国土辽阔，地形复杂，平原少丘陵及山区较多，气象条件复杂，对于超高压和特高压电网等大型工程的初期规划建设，到建成后的日常巡查维护，现有的常规测试和检查手段已不能满足其快速高效的要求。而随着自动控制技术GPS导航技术航空遥感测绘技术及无线通信技术等的发展，无人机的使用已从军事领域拓展到许多民用领域，如地球物理探测、灾情监测、农作物监测等，其中利用无人机完成电力建设规划及巡查任务也在逐步实现。通常，电气设备的工作状态是否正常，特别是外部裸露部分的故障点的温度，参照GB 763—1990《交流高压电器在长期工作时的发热》、DL/T664—2008《带电设备红外诊断应用规范》来判别最高允许温度和允许温升，能做出大致的故障判断。然而，温度的测量受到很多因素的影响，进行准确判断往往比较困难，需要检测人员的经验，从而使得结果准确性不高。

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基于无人机的电力设备缺陷智能诊断***及方法。

本发明的目的可以通过以下技术方案来实现：

一种基于无人机的电力设备缺陷智能诊断***，该***包括无人机、红外热像仪和缺陷诊断处理器，所述的红外热像仪设置在无人机上，所述的缺陷检测处理器连接所述的红外热像仪；

无人机在电力设备上方进行巡检，所述的红外热像仪拍摄电力设备表面的红外伪彩色图像并发送至缺陷诊断处理器，缺陷诊断处理器对红外伪彩色图像进行分析并确定电力设备的缺陷。

所述的缺陷诊断处理器包括：

红外伪彩色图像转换单元：该单元用于将红外伪彩色图像转换为温度图像，每一个像素点对应一个温度值；

缺陷判定单元：该单元将温度图像中每一个像素点对应的温度与预先存储在数据库中的对应点的温度阈值进行对比并确定是否存在缺陷；

缺陷标记单元：该单元用于将缺陷判定模块中判定的缺陷所在的像素点在红外伪彩色图像中进行标记并将标记后的图像输出。

所述的红外伪彩色图像转换单元包括伪彩色值-热值转换模块以及热值-温度转换模块，伪彩色值-热值转换模块将红外伪彩色图像中的每个像素点的伪彩色值转换为热值，进而热值-温度转换模块将每个像素点的热值转换为温度值并输出温度图像。

所述的伪彩色值-热值转换模块具体通过如下公式进行转换：

I＝[(X-128)R/265]+L，

其中，I为红外伪彩色图像中伪彩色值对应的热值，X为伪彩色值，R为红外热像仪的热范围，L为红外热像仪的热平。

所述的热值-温度转换模块具体通过如下公式进行转换：

I₀＝I/(τξ)，

其中，I₀为电力设备表面的实际热值，τ为透射率，ξ为物体发射率，t为温度值，A，B为红外热像仪标定曲线常数，C为常数，对于短波***，C＝l。

一种基于无人机的电力设备缺陷智能诊断方法，该方法包括如下步骤：

(1)将红外热像仪设置在无人机上，无人机在电力设备上方进行巡检，红外热像仪拍摄电力设备表面的红外伪彩色图像；

(2)对红外伪彩色图像转换为温度图像，每一个像素点对应一个温度值；

(3)将温度图像中每一个像素点对应的温度与预先存储在数据库中的对应点的温度阈值进行对比并确定是否存在缺陷；

(4)将缺陷所在的像素点在红外伪彩色图像中进行标记并将标记后的图像输出。

步骤(2)中将红外伪彩色图像转换为温度图像具体通过下述方法实现：

获取红外伪彩色图像中每一个像素点的伪彩色值，计算每个像素点对应的热值，然后根据每个像素点对应的热值计算电力设备表面的温度值。

与现有技术相比，本发明具有如下优点：

(1)采用无人机携带红外热像仪拍摄电力设备的红外伪彩色图像并根据红外伪彩色图像进行缺陷诊断，可以提高巡检作业的质量和科学管理技术水平，可以增强电力生产自动化综合能力，创造更高的经济效益和社会效益。

(2)通过将红外伪彩色图像转换为温度图像，从而很方便得根据电力设备表面的温度进行缺陷诊断，诊断结果可靠；

(3)缺陷诊断处理器中的缺陷标记单元将缺陷点进行标记并将标记好的图像输出，便于后续进行人工辅助判断以及维修处理，方便高效。

附图说明

图1为本发明基于无人机的电力设备缺陷智能诊断***的结构框图。

图中，1为红外热像仪，2为缺陷诊断处理器，3为数据库，21为红外伪彩色图像转换单元，22为缺陷判定单元，23为缺陷标记单元。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，一种基于无人机的电力设备缺陷智能诊断***，该***包括无人机、红外热像仪1和缺陷诊断处理器2，红外热像仪1设置在无人机上，缺陷检测处理器连接红外热像仪1；

无人机在电力设备上方进行巡检，红外热像仪1拍摄电力设备表面的红外伪彩色图像并发送至缺陷诊断处理器2，缺陷诊断处理器2对红外伪彩色图像进行分析并确定电力设备的缺陷。

缺陷诊断处理器2包括：

红外伪彩色图像转换单元21：该单元用于将红外伪彩色图像转换为温度图像，每一个像素点对应一个温度值；

缺陷判定单元22：该单元将温度图像中每一个像素点对应的温度与预先存储在数据库3中的对应点的温度阈值进行对比并确定是否存在缺陷；

缺陷标记单元23：该单元用于将缺陷判定模块中判定的缺陷所在的像素点在红外伪彩色图像中进行标记并将标记后的图像输出。

红外伪彩色图像转换单元21包括伪彩色值-热值转换模块以及热值-温度转换模块，伪彩色值-热值转换模块将红外伪彩色图像中的每个像素点的伪彩色值转换为热值，进而热值-温度转换模块将每个像素点的热值转换为温度值并输出温度图像。

伪彩色值-热值转换模块具体通过如下公式进行转换：

I＝[(X-128)R/265]+L，

其中，I为红外伪彩色图像中伪彩色值对应的热值，X为伪彩色值，R为红外热像仪1的热范围，L为红外热像仪1的热平。

热值-温度转换模块具体通过如下公式进行转换：

I₀＝I/(τξ)，

其中，I₀为电力设备表面的实际热值，τ为透射率，ξ为物体发射率，t为温度值，A，B为红外热像仪1标定曲线常数，C为常数，对于短波***，C＝l。

一种基于无人机的电力设备缺陷智能诊断方法，该方法包括如下步骤：

(1)将红外热像仪1设置在无人机上，无人机在电力设备上方进行巡检，红外热像仪1拍摄电力设备表面的红外伪彩色图像；

(2)对红外伪彩色图像转换为温度图像，每一个像素点对应一个温度值；

(3)将温度图像中每一个像素点对应的温度与预先存储在数据库3中的对应点的温度阈值进行对比并确定是否存在缺陷；

(4)将缺陷所在的像素点在红外伪彩色图像中进行标记并将标记后的图像输出。

步骤(2)中将红外伪彩色图像转换为温度图像具体通过下述方法实现：

获取红外伪彩色图像中每一个像素点的伪彩色值，计算每个像素点对应的热值，然后根据每个像素点对应的热值计算电力设备表面的温度值。

Claims (7)

1.一种基于无人机的电力设备缺陷智能诊断***，其特征在于，该***包括无人机、红外热像仪(1)和缺陷诊断处理器(2)，所述的红外热像仪(1)设置在无人机上，所述的缺陷检测处理器连接所述的红外热像仪(1)；

无人机在电力设备上方进行巡检，所述的红外热像仪(1)拍摄电力设备表面的红外伪彩色图像并发送至缺陷诊断处理器(2)，缺陷诊断处理器(2)对红外伪彩色图像进行分析并确定电力设备的缺陷。

2.根据权利要求1所述的一种基于无人机的电力设备缺陷智能诊断***，其特征在于，所述的缺陷诊断处理器(2)包括：

红外伪彩色图像转换单元(21)：该单元用于将红外伪彩色图像转换为温度图像，每一个像素点对应一个温度值；

缺陷判定单元(22)：该单元将温度图像中每一个像素点对应的温度与预先存储在数据库(3)中的对应点的温度阈值进行对比并确定是否存在缺陷；

缺陷标记单元(23)：该单元用于将缺陷判定模块中判定的缺陷所在的像素点在红外伪彩色图像中进行标记并将标记后的图像输出。

3.根据权利要求2所述的一种基于无人机的电力设备缺陷智能诊断***，其特征在于，所述的红外伪彩色图像转换单元(21)包括伪彩色值-热值转换模块以及热值-温度转换模块，伪彩色值-热值转换模块将红外伪彩色图像中的每个像素点的伪彩色值转换为热值，进而热值-温度转换模块将每个像素点的热值转换为温度值并输出温度图像。

4.根据权利要求3所述的一种基于无人机的电力设备缺陷智能诊断***，其特征在于，所述的伪彩色值-热值转换模块具体通过如下公式进行转换：

I＝[(X-128)R/265]+L，

其中，I为红外伪彩色图像中伪彩色值对应的热值，X为伪彩色值，R为红外热像仪(1)的热范围，L为红外热像仪(1)的热平。

5.根据权利要求4所述的一种基于无人机的电力设备缺陷智能诊断***，其特征在于，所述的热值-温度转换模块具体通过如下公式进行转换：

I₀＝I/(τξ)，

$t=\frac{B}{log\[\frac{(A/I_0)+1}{C}\]}-273.15,$

其中，I₀为电力设备表面的实际热值，τ为透射率，ξ为物体发射率，t为温度值，A，B为红外热像仪(1)标定曲线常数，C为常数，对于短波***，C＝l。

6.一种基于无人机的电力设备缺陷智能诊断方法，其特征在于，该方法包括如下步骤：

(1)将红外热像仪(1)设置在无人机上，无人机在电力设备上方进行巡检，红外热像仪(1)拍摄电力设备表面的红外伪彩色图像；

(2)对红外伪彩色图像转换为温度图像，每一个像素点对应一个温度值；

(3)将温度图像中每一个像素点对应的温度与预先存储在数据库(3)中的对应点的温度阈值进行对比并确定是否存在缺陷；

(4)将缺陷所在的像素点在红外伪彩色图像中进行标记并将标记后的图像输出。

7.根据权利要求6所述的基于无人机的电力设备缺陷智能诊断方法，其特征在于，步骤(2)中将红外伪彩色图像转换为温度图像具体通过下述方法实现：

获取红外伪彩色图像中每一个像素点的伪彩色值，计算每个像素点对应的热值，然后根据每个像素点对应的热值计算电力设备表面的温度值。