宮政 西日艾力·吾斯曼 羅俊 尹迪暉 閆書佳
摘要:絕緣子故障會引起表面溫度的上升,造成局部區(qū)域高溫。因此,準(zhǔn)確識別絕緣子的高溫區(qū)域是故障檢測的有效途徑。本文提出了基于灰度共生矩陣的絕緣子高溫特征提取方法。紅外圖像經(jīng)過圖像分割后,提取紋理特征,選取能量、熵、慣性矩和相關(guān)性作為特征值。試驗結(jié)果驗證該方法準(zhǔn)確性高,可為絕緣子高溫區(qū)域的識別提供參考。
關(guān)鍵詞:紅外圖像;絕緣子;高溫;灰度共生矩陣
中圖分類號:G642.0 文獻(xiàn)標(biāo)志碼:A 文章編號:1674-9324(2019)01-0104-02
針對絕緣子的故障檢測問題,在國內(nèi),已有不少對零值識別模型的研究。關(guān)石磊等人提出相對溫度特征與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的方法,利用單因素方差分析法篩選出對模型結(jié)果影響顯著的特征參數(shù),測試結(jié)果表明該模型確實有效,對于今后的研究很有借鑒價值[1];張彥等人提出一種Logistic回歸分析法,從13個紋理特征中篩選模型輸入,再結(jié)合污穢等級完成對零值情況的判別[2]。但是,對絕緣子高溫檢測的研究相對較少,只停留在對其異常發(fā)熱現(xiàn)象的探討,沒有形成系統(tǒng)的識別方法或抑制發(fā)熱的措施。但縱觀各類故障,除了零值現(xiàn)象,其他基本都會引起發(fā)熱,所以急需一種方法識別高溫絕緣子。絕緣子表面溫升與電壓分布密切相關(guān),正常電壓分布破壞會導(dǎo)致局部溫度異常[3]。
一、絕緣子紅外圖像預(yù)處理
紅外圖像為基于RGB顏色空間的彩色圖像,為了降低數(shù)據(jù)量,提高計算速度,將RGB彩色圖像按照式(1)轉(zhuǎn)化為灰度圖像[4],以減少數(shù)據(jù)維數(shù)。
Gray=0.299R+0.587G+0.114B (1)
式中,Gray為灰度轉(zhuǎn)化后各像素點的灰度值,R、G、B分別為紅色、綠色和藍(lán)色分量值。
二、絕緣子高溫特征的提取
為了能夠準(zhǔn)確識別紅外圖像中絕緣子的高溫區(qū)域,高溫特征提取是關(guān)鍵。
(一)迭代式閾值分割
選取一個合適的初始閾值,代入迭代計算公式中得出一個新閾值,通過新舊比較,若兩者差值不在誤差范圍內(nèi),則需將新閾值代回算式重新計算,更新閾值需要符合兩點:第一點迭代結(jié)果要能迅速收斂,第二點是在每一次迭代后,新閾值的分割準(zhǔn)確度要比舊閾值的分割準(zhǔn)確度高,直到滿足要求。算法步驟如下。
S1:取一個初始閾值,一般選用灰度中值。
S2:采用閾值Ti將整幅圖分成兩個部分(Q1和Q2),再計算兩部分的灰度平均值μ1和μ2:
(二)圖像紋理特征提取
絕緣子高溫區(qū)域與正常區(qū)域有較大溫差,在圖像中表現(xiàn)為兩個亮度值對比明顯的區(qū)域。因此,將兩部分的邊界信息作為分類、識別的參數(shù)。本文利用灰度共生矩陣對邊界信息的靈敏性,對絕緣子紅外圖形進(jìn)行紋理提取。
三、實驗結(jié)果
為了使輸入數(shù)據(jù)之間的數(shù)值差距減小,本文統(tǒng)一選取上述四個特征的標(biāo)準(zhǔn)差,對多個紅外樣本進(jìn)行實驗,提取后的結(jié)果示例參見表1。
四、結(jié)論
本文采用灰度共生矩陣和紋理特征進(jìn)行絕緣子紅外圖像中高溫區(qū)域的特征研究。采用迭代閾值選擇方法來確定合適的閾值,再通過灰度共生矩陣描述分割區(qū)域內(nèi)的每個像素,計算能量、熵、慣性矩、相關(guān)性作為紋理特征值。在多張紅外樣本上進(jìn)行實驗,結(jié)果表明,本文提出的方法能夠體現(xiàn)絕緣子的高溫特征,證明了該方法的正確性和可靠性,可作為電力系統(tǒng)中異常高溫絕緣子識別的參考。
參考文獻(xiàn):
[1]關(guān)石磊.基于紅外熱像的零值絕緣子識別方法研究[D].湖南大學(xué),2012.
[2]張彥.高壓輸電線路絕緣子紅外監(jiān)測方法的研究[D].湖南大學(xué),2013.
[3]金光熙,高壓絕緣子串分布及其表面溫升的理論研究[J].北華大學(xué)學(xué)報,2011,6(12):733-736.
[4]李文杰,姚建剛,毛李帆,等.基于中值濾波法及小波自適應(yīng)擴(kuò)散法的絕緣子紅外熱像去噪[J].電網(wǎng)技術(shù),2010,34(8):160-164.
[5]徐劼.基于神經(jīng)網(wǎng)絡(luò)和不變矩的絕緣子裂紋類型識別[D].江蘇大學(xué),2008.