CN111179213A - 一种套管故障诊断方法及*** - Google Patents

一种套管故障诊断方法及*** Download PDF

Info

Publication number
CN111179213A
CN111179213A CN201911192585.0A CN201911192585A CN111179213A CN 111179213 A CN111179213 A CN 111179213A CN 201911192585 A CN201911192585 A CN 201911192585A CN 111179213 A CN111179213 A CN 111179213A
Authority
CN
China
Prior art keywords
casing
sleeve
image
temperature
fault
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911192585.0A
Other languages
English (en)
Inventor
黄强
李建生
杨小平
蔚超
刘洋
江军
谢天喜
陶风波
林元棣
吴益明
魏旭
邓洁清
吴鹏
王胜权
廖才波
李栋
尹康涌
别一凡
陈钜栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Nanjing University of Aeronautics and Astronautics
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd, Wuxi Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201911192585.0A priority Critical patent/CN111179213A/zh
Publication of CN111179213A publication Critical patent/CN111179213A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种套管故障诊断方法及***，将采集的套管红外图像进行预处理滤除非发热部分；对滤除了非发热部分的图像进行分割得到单个套管图像；根据分割的单个套管图像对套管故障进行诊断，本发明通过对变变压器套管的红外图像进行预处理和分割，从而得到单个套管的红外图像，再将单个套管的红外图像的灰度图中个像素的灰度转换成对应的温度值，从而方便的得到套管各个部位的温度，此方法虽然简单，但却十分巧妙，能快速的对故障套管以及故障区域进行定位，从而判断出具体的故障类型，方便快捷。

Description

一种套管故障诊断方法及***
技术领域
本发明属于电力设备质量监测技术领域，尤其涉及一种套管故障诊断方法。
背景技术
套管作为变压器的重要组件，起着将绕组引出线引出油箱，并连接到电网的作用。保证其保持良好的绝缘性能以及使电流良好导通的作用，对保证变压器的可靠供电和安全运行至关重要。近年来，根据各种研究和电力设施的数据，由套管引起的变压器故障占变压器故障总数的5％到50％。同时套管故障也是变压器起火的最常见原因，该故障会对电力***造成巨大的影响。需要特别引起注意的是，随着电压等级的提高，套管事故所占比例不断增加。
而有关统计资料表明，电力***中超过半数以上的电气设备故障都是连接松动、接触不良、泄露电流、漏磁等造成的发热引起的。而发热类的故障可以通过红外图像很好地进行观察。在现有工作模式下，红外图像故障识别主要以人工识别为主，对人员的专业素质要求高，存在着人为因素影响大、工作效率低等缺陷等问题。随着智能变电站和变电站巡检机器人的进一步发展和普及，海量的红外故障图像涌入等待分析，此时仅依靠人工分析显然已经不能满足需求。而采用计算机的辅助分析手段对采集到的红外图像进行自动提取、识别、分析，可以减轻劳动强度、减少对技术人员的依赖；更有利于实现图像的数据化，便于进行横向和纵向的统计分析。
但目前的基于红外图像诊断套管故障的方式并未不具备对复杂背景的套管图像的处理能力。
发明内容
针对现有技术存在的问题，本发明提供了一种套管故障诊断方法，能够从红外图像中提取出单个套管进行诊断找出故障。
本发明所采用的技术方案如下：
第一方面，提供了一种套管故障诊断方法，所述方法包括如下步骤：
将采集的套管红外图像进行预处理滤除非发热部分；
对滤除了非发热部分的图像进行分割得到单个套管图像；
根据分割的单个套管图像对套管故障进行诊断。
结合第一方面，进一步的，所述将采集的套管红外图像进行预处理滤除非发热部分具体为：
对套管红外图像进行K-means聚类计算并将结果中灰度值最低的一类视为非发热部分进行滤除；
将滤除了非发热部分的套管红外图像中的噪点去除。
结合第一方面，进一步的，对滤除了非发热部分的图像进行分割得到单个套管具体为：
对滤除了非发热部分的套管图像通过SLIC算法预处理，将图根据温度分割成不同的区域；
对分割后的各区域的图像通过OTSU算法再次进行分割，提取出其中的套管部分；
将各套管部分再次进行分割，分离出单个套管。
结合第一方面，进一步的，根据分割的单个套管图像对套管故障进行诊断具体为：
将单个套管图像通过灰度-温度矩阵，转化为温度信息；
根据温度信息找出故障套管；
根据故障套管的温度分布确定故障类型。
结合第一方面，进一步的，所述根据温度信息找出故障套管具体为：
设定绝对温度和相对温度，当单个套管的灰度-温度矩阵中的最大温度值大于绝对温度或者单个套管的灰度-温度矩阵中所有温度值的平均值大于相对温度时即视为该套管为故障套管。
结合第一方面，进一步的，所述根据故障套管的温度分布确定故障类型具体为：将单个套管的灰度-温度矩阵中的温度值与绝对温度进行比较，若温度值大于绝对温度，则将该温度值所对应的套管区域确定为故障区域，根据故障区域确定故障类型。
第二方面，提供了一种套管故障诊断***，包括：
预处理模块：用于将采集的套管红外图像进行预处理滤除非发热部分；
套管分割模块：用于对滤除了非发热部分的图像进行分割得到单个套管图像；
诊断模块：用于根据分割的单个套管图像对套管故障进行诊断。
结合第二方面，进一步的，所述预处理模块包括:
背景过滤模块：用于对套管红外图像进行K-means聚类计算，并将结果中灰度值最低的一类视为非发热部分作为背景进行滤除；
降噪模块：用于将滤除了非发热部分的套管红外图像中的噪点去除。
结合第二方面，进一步的，所述套管分割模块包括：
区域分割模块：用于对滤除了非发热部分的套管图像通过SLIC算法预处理，将图根据温度分割成不同的区域；
套管分离模块：用于对分割后的各区域的图像通过OTSU算法再次进行分割，提取出其中的套管部分；
将各套管部分再次进行分割，分离出单个套管。
第三方面，提供了一种套管故障诊断***，包括存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1~6任一项所述方法的步骤。
有益效果：本发明能够在较为复杂的红外图像中识别出单个套管，并且通过灰度-温度矩阵对套管中的故障加以定位从而做出故障诊断。
附图说明
图1是本发明所述的一种套管故障诊断框图；
图2是本发明所述的一种套管故障诊断方法流程图；
图3是本发明处理实例的套管红外图像原图；
图4是本发明处理实例的套管红外图像处理结果图。
具体实施方式
下面结合说明书附图，对本发明作进一步的说明。
在实施本发明前，首先需要采集现场含有变压器套管的红外图像，可以通过高清摄像头等相关设备采集。
具体的套管故障诊断方法，包括如下步骤：
步骤一、将采集的套管红外图像进行预处理滤除非发热部分；
1.1对套管红外图像进行K-means聚类计算，并将结果中灰度值最低的一类（这里根据经验将聚类数量设定为3）视为非发热部分（背景等一些非发热部分）进行滤除；
1.2对套管图像进行图形学运算（开运算或者腐蚀算法），将图像中的噪点滤除。
步骤二、对滤除了非发热部分的图像进行分割得到单个套管图像；
2.1对滤除了非发热部分的套管图像通过SLIC（simple lineariterativeclustering，超像素分割）算法预处理，将图根据温度分割成不同的区域；
2.2对分割后的各区域的图像通过OTSU（大津法）算法再次进行分割，提取出其中的套管部分；SLIC根据位置把温度近似的区域划分开来并等效为一个平均值，接下来再根据OTSU算法，对上面划分的不同区域进行分割处理，划分出来的图像即为套管。
2.3然后将各套管部分再次进行分割，分离出单个套管。
步骤三、根据分割的单个套管图像对套管故障进行诊断；
3.1将单个套管图像通过灰度-温度矩阵（红外图像在电脑当中储存的格式可以将它理解为每个像素用一个值来代表，例如，一张480*640的图像也就可以理解为一个480*680的矩阵，可以通过转换矩阵将每个像素的颜色值转换为一个具体的温度），转化为温度信息；
3.2根据温度信息找出故障套管；
设定绝对温度和相对温度，当单个套管的灰度-温度矩阵中的最大温度值大于绝对温度（设定绝对温度为55度）或者单个套管的灰度-温度矩阵中所有温度值的平均值大于相对温度（相对温度为单个套管与所有套管平均温度的温差，这里设定为10度）时即视为该套管为故障套管。
3.3根据故障套管的温度分布确定故障类型。
按故障区域的坐标，也就是在套管中温度最高点在套管的相对位置进行划分，不同的区域代表不同的故障类型，目的是进一步对故障类型进行判断
将单个套管的灰度-温度矩阵中的温度值与绝对温度进行比较，若温度值大于绝对温度，则将该温度值所对应的套管区域确定为故障区域，根据故障区域确定故障类型。例如，在矩阵中温度值的超过绝对温度位于套管的接头部位，则该故障类型被定义为接头故障，若套管的整体温度都超过绝对温度，则将其定义为介质故障，若套管的整体温度都超过绝对温度，且最高温度在套管的下部，则将其定义为漏油故障（漏油的常见现象），若套管有多个分散的部位温度值超过绝对温度，则将其定义为局部故障。
本发明提供的套管故障诊断***，可用于加载执行上述套管故障诊断方法，包括：
预处理模块：用于将采集的套管红外图像进行预处理滤除非发热部分；
套管分割模块：用于对滤除了非发热部分的图像进行分割得到单个套管图像；
诊断模块：用于根据分割的单个套管图像对套管故障进行诊断。
具体而言，预处理模块包括:
背景过滤模块：用于对套管红外图像进行K-means聚类计算，并将结果中灰度值最低的一类视为非发热部分作为背景进行滤除；
降噪模块：用于将滤除了非发热部分的套管红外图像中的噪点去除。
套管分割模块包括：
区域分割模块：用于对滤除了非发热部分的套管图像通过SLIC算法预处理，将图根据温度分割成不同的区域；
套管分离模块：用于对分割后的各区域的图像通过OTSU算法再次进行分割，提取出其中的套管部分；
将各套管部分再次进行分割，分离出单个套管。
本发明提供的套管故障诊断***，还可以是：包括存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行前述套管故障诊断方法的步骤。
本发明通过对变变压器套管的红外图像进行预处理和分割，从而得到单个套管的红外图像，再将单个套管的红外图像的灰度图中个像素的灰度转换成对应的温度值，从而方便的得到套管各个部位的温度，此方法虽然简单，但却十分巧妙，能快速的对故障套管以及故障区域进行定位，从而判断出具体的故障类型，方便快捷。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (10)

1.一种套管故障诊断方法，其特征在于，包括：
将采集的套管红外图像进行预处理滤除非发热部分；
对滤除了非发热部分的图像进行分割得到单个套管图像；
根据分割的单个套管图像对套管故障进行诊断。
2.根据权利要求1所述的一种套管故障诊断方法，其特征在于，
所述将采集的套管红外图像进行预处理滤除非发热部分具体为：
对套管红外图像进行K-means聚类计算，并将结果中灰度值最低的一类视为非发热部分进行滤除；
将滤除了非发热部分的套管红外图像中的噪点去除。
3.根据权利要求2所述的一种套管故障诊断方法，其特征在于，
对滤除了非发热部分的图像进行分割得到单个套管具体为：
对滤除了非发热部分的套管图像通过SLIC算法预处理，将图根据温度分割成不同的区域；
对分割后的各区域的图像通过OTSU算法再次进行分割，提取出其中的套管部分；
将各套管部分再次进行分割，分离出单个套管。
4.根据权利要求1所述的一种套管故障诊断方法，其特征在于，根据分割的单个套管图像对套管故障进行诊断具体为：
将单个套管图像通过灰度-温度矩阵，转化为温度信息；
根据温度信息找出故障套管；
根据故障套管的温度分布确定故障类型。
5.根据权利要求4所述的一种套管故障诊断方法，其特征在于，所述根据温度信息找出故障套管具体为：
设定绝对温度和相对温度，当单个套管的灰度-温度矩阵中的最大温度值大于绝对温度或者单个套管的灰度-温度矩阵中所有温度值的平均值大于相对温度时即视为该套管为故障套管。
6.根据权利要求5所述的一种套管故障诊断方法，其特征在于，所述根据故障套管的温度分布确定故障类型具体为：将单个套管的灰度-温度矩阵中的温度值与绝对温度进行比较，若温度值大于绝对温度，则将该温度值所对应的套管区域确定为故障区域，根据故障区域确定故障类型。
7.一种套管故障诊断***，其特征在于，包括：
预处理模块：用于将采集的套管红外图像进行预处理滤除非发热部分；
套管分割模块：用于对滤除了非发热部分的图像进行分割得到单个套管图像；
诊断模块：用于根据分割的单个套管图像对套管故障进行诊断。
8.根据权利要求7所述的一种套管故障诊断***，其特征在于，所述预处理模块包括:
背景过滤模块：用于对套管红外图像进行K-means聚类计算，并将结果中灰度值最低的一类视为非发热部分作为背景进行滤除；
降噪模块：用于将滤除了非发热部分的套管红外图像中的噪点去除。
9.根据权利要求7所述的一种套管故障诊断***，其特征在于，所述套管分割模块包括：
区域分割模块：用于对滤除了非发热部分的套管图像通过SLIC算法预处理，将图根据温度分割成不同的区域；
套管分离模块：用于对分割后的各区域的图像通过OTSU算法再次进行分割，提取出其中的套管部分；
将各套管部分再次进行分割，分离出单个套管。
10.一种套管故障诊断***，其特征在于，包括存储器和处理器；
所述存储器用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1~6任一项所述方法的步骤。
CN201911192585.0A 2019-11-28 2019-11-28 一种套管故障诊断方法及*** Pending CN111179213A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911192585.0A CN111179213A (zh) 2019-11-28 2019-11-28 一种套管故障诊断方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911192585.0A CN111179213A (zh) 2019-11-28 2019-11-28 一种套管故障诊断方法及***

Publications (1)

Publication Number Publication Date
CN111179213A true CN111179213A (zh) 2020-05-19

Family

ID=70657120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911192585.0A Pending CN111179213A (zh) 2019-11-28 2019-11-28 一种套管故障诊断方法及***

Country Status (1)

Country Link
CN (1) CN111179213A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444317A (zh) * 2020-09-23 2021-03-05 国网江苏省电力有限公司电力科学研究院 一种高压套管的红外在线监测方法
CN113239731A (zh) * 2021-04-12 2021-08-10 国网吉林省电力有限公司电力科学研究院 断路器热故障红外热像谱的图像数字特征提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217425A (zh) * 2014-08-15 2014-12-17 国家电网公司 一种基于超像素的输变电设备红外故障图像分割方法
CN107103598A (zh) * 2017-03-28 2017-08-29 国网上海市电力公司 一种基于红外图像聚类处理的电力电缆热故障诊断方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217425A (zh) * 2014-08-15 2014-12-17 国家电网公司 一种基于超像素的输变电设备红外故障图像分割方法
CN107103598A (zh) * 2017-03-28 2017-08-29 国网上海市电力公司 一种基于红外图像聚类处理的电力电缆热故障诊断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾鑫等: "双监督信号深度学习的电气设备红外故障识别", 《红外与激光工程》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112444317A (zh) * 2020-09-23 2021-03-05 国网江苏省电力有限公司电力科学研究院 一种高压套管的红外在线监测方法
CN112444317B (zh) * 2020-09-23 2022-04-15 国网江苏省电力有限公司电力科学研究院 一种高压套管的红外在线监测方法
CN113239731A (zh) * 2021-04-12 2021-08-10 国网吉林省电力有限公司电力科学研究院 断路器热故障红外热像谱的图像数字特征提取方法
CN113239731B (zh) * 2021-04-12 2022-06-14 国网吉林省电力有限公司电力科学研究院 断路器热故障红外热像谱的图像数字特征提取方法

Similar Documents

Publication Publication Date Title
CN107103598A (zh) 一种基于红外图像聚类处理的电力电缆热故障诊断方法
CN111179213A (zh) 一种套管故障诊断方法及***
WO2020252574A1 (en) Artificial intelligence-based process and system for visual inspection of infrastructure
CN110836696A (zh) 适于调相机***的远程故障预测方法和***
CN110715736B (zh) 一种电缆终端异常发热缺陷等级划分方法
CN111639579B (zh) 一种基于红外图像的电力变压器套管智能油位识别方法
CN113222949B (zh) 一种电力设备导体插接位置的x射线影像自动检测方法
CN103164775A (zh) 一种电网设备状态自动评价平台及方法
CN111798405B (zh) 一种基于深度学习的套管红外图像的故障诊断方法
CN104091290A (zh) 一种变电站监控信息智能诊断分析方法
CN114236309A (zh) 输变电故障确定方法
CN113034450A (zh) 一种变压器过热故障诊断方法
CN112132811A (zh) 一种电缆使用状态综合评估***
Xuan et al. Intelligent identification method of insulator defects based on CenterMask
CN102866158B (zh) 面向隧道巡检的输配电线缆检测方法
CN105447862A (zh) 一种高压直流换流站远程故障诊断方法、装置及***
CN111898872A (zh) 一种基于微服务架构的电网故障诊断方法及存储介质
CN109492617A (zh) 基于K-means聚类算法的电力电缆诊断方法
CN114494186B (zh) 一种高压输变电线路电气设备的故障检测方法
CN117031201A (zh) 一种配电网多场景拓扑异常识别方法及***
CN112734637A (zh) 一种导线温度监测的热红外图像处理方法和***
CN116170283A (zh) 基于网络通信故障体系的处理方法
KR20210037199A (ko) 자동 분할 태깅 장치 및 이를 이용하여 학습된 손상영역 검출 장치
CN116106656A (zh) 一种基于移动应用终端的电力设备缺陷辅助识别方法
CN109344974A (zh) 电气设备开关量记录快速纠错方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200519