基于改進(jìn)YOLOv4的智能變電站二次設(shè)備穩(wěn)態(tài)AR紅外測(cè)溫技術(shù)

摘"要：研究了基于改進(jìn)YOLOv4的智能變電站二次設(shè)備穩(wěn)態(tài)AR紅外測(cè)溫技術(shù)，實(shí)現(xiàn)智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別。在分析紅外測(cè)溫原理的基礎(chǔ)上，利用AR紅外測(cè)溫眼鏡采集智能變電站二次設(shè)備溫度的紅外圖像，通過(guò)改進(jìn)加權(quán)引導(dǎo)濾波增強(qiáng)算法對(duì)采集智能變電站二次設(shè)備溫度的紅外圖像實(shí)施圖像增強(qiáng)處理，將處理后的紅外圖像輸入改進(jìn)YOLOv4網(wǎng)絡(luò)中，實(shí)現(xiàn)智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別。實(shí)驗(yàn)表明：該方法可準(zhǔn)確采集智能變電站二次設(shè)備8個(gè)保護(hù)屏柜的內(nèi)部溫度，且接近設(shè)備實(shí)際運(yùn)行溫度；同時(shí)有效降低智能變電站二次設(shè)備的紅外圖像的噪聲，對(duì)智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別的應(yīng)用效果較好，能準(zhǔn)確識(shí)別出智能變電站的二次設(shè)備異常狀態(tài)，助力智能變電站運(yùn)維管理員針對(duì)設(shè)備異常狀態(tài)做出對(duì)應(yīng)維修方案。

關(guān)鍵詞：改進(jìn)YOLOv4；智能變電站；二次設(shè)備穩(wěn)態(tài)；AR紅外；測(cè)溫技術(shù)；損失函數(shù)

中圖分類(lèi)號(hào)：TN271""""""文獻(xiàn)標(biāo)識(shí)碼：A

Steady"State"AR"Infrared"Temperature"Measurement"

Technology"of"Secondary"Equipment"in"Intelligent"Substation"

Based"on"Improved"YOLOv4

LIU"Hao，MA"Qiang，F(xiàn)U"Qiang，CHEN"Yuan，ZHAO"Tonghan

（Guyuan"Power"Supply"Company"of"State"Grid"Ningxia"Electric"Power"Co.，"Ltd.，Guyuan，Ningxia"756000，China）

Abstract：The"steady"state"AR"infrared"temperature"measurement"technology"of"secondary"equipment"in"intelligent"substation"based"on"improved"YOLOv4"is"studied"to"realize"the"steady"state"identification"of"secondary"equipment"in"intelligent"substation."On"the"basis"of"analyzing"the"principle"of"infrared"temperature"measurement，"the"AR"infrared"temperature"measuring"glasses"are"used"to"collect"the"infrared"image"of"the"temperature"of"the"secondary"equipment"in"the"intelligent"substation，"and"the"infrared"image"of"the"temperature"of"the"secondary"equipment"in"the"intelligent"substation"is"enhanced"by"the"improved"weighted"guided"filter"enhancement"algorithm."The"processed"infrared"image"is"input"into"the"improvednbsp;YOLOv4"network"to"realize"the"steady"recognition"of"the"secondary"equipment"in"the"intelligent"substation."The"experiment"shows"that"this"method"can"accurately"collect"the"internal"temperature"of"8"protection"panels"of"the"secondary"equipment"in"the"intelligent"substation，"and"is"close"to"the"actual"operating"temperature"of"the"equipment;"At"the"same"time，"it"can"effectively"reduce"the"noise"of"the"infrared"image"of"the"secondary"equipment"of"the"intelligent"substation，"and"has"a"good"application"effect"on"the"steadystate"identification"of"the"secondary"equipment"of"the"intelligent"substation."It"can"accurately"identify"the"abnormal"status"of"the"secondary"equipment"of"the"intelligent"substation，"and"help"the"operation"and"maintenance"administrator"of"the"intelligent"substation"to"make"corresponding"maintenance"plans"for"the"abnormal"status"of"the"equipment.

Key"words：improved"YOLOv4;"intelligent"substation;"steady"state"of"secondary"equipment;"AR"infrared;"temperature"measurement"technology;"loss"function

智能變電站是國(guó)家電網(wǎng)的基礎(chǔ)設(shè)施，智能變電站設(shè)備穩(wěn)態(tài)運(yùn)行對(duì)電網(wǎng)安全運(yùn)行至關(guān)重要[1-3]。智能變電站二次設(shè)備是智能變電站系統(tǒng)的核心部分，主要包括保護(hù)裝置、通信裝置、智能終端等，對(duì)智能變電站一次設(shè)備起到保護(hù)的作用[4]。智能變電站二次設(shè)備的狀態(tài)識(shí)別作為智能變電站二次設(shè)備檢修的關(guān)鍵，迫切需要針對(duì)智能變電站二次設(shè)備狀態(tài)識(shí)別展開(kāi)研究，這對(duì)電網(wǎng)安全運(yùn)行具有深遠(yuǎn)的意義[5，6]。但是以往智能變電站二次設(shè)備狀態(tài)識(shí)別方法非常局限，如葉遠(yuǎn)波等[7]研究多模型融合集成學(xué)習(xí)的狀態(tài)評(píng)估方法，利用雙層基學(xué)習(xí)器實(shí)現(xiàn)對(duì)智能變電站二次設(shè)備狀態(tài)的評(píng)估。該方法評(píng)估過(guò)程非常復(fù)雜，導(dǎo)致智能變電站二次設(shè)備狀態(tài)識(shí)別效果不佳。鄔小坤等[8]研究一種智能變電站二次設(shè)備狀態(tài)評(píng)價(jià)方法，通過(guò)紅外測(cè)溫槍采集智能變電站二次設(shè)備溫度紅外圖像，利用云模型求出隸屬度值明確二次設(shè)備運(yùn)行狀態(tài)。但紅外測(cè)溫槍采集圖像階段的工作量大，測(cè)溫容易出現(xiàn)漏測(cè)、誤測(cè)及磁療存放不方便等問(wèn)題，導(dǎo)致識(shí)別精度較低。簡(jiǎn)學(xué)之等[9]在變電站二次設(shè)備運(yùn)檢中，結(jié)合聚類(lèi)分析和點(diǎn)集驗(yàn)證的算法，構(gòu)建了包含標(biāo)準(zhǔn)化作業(yè)指導(dǎo)庫(kù)和運(yùn)檢資源庫(kù)的二次設(shè)備運(yùn)維系統(tǒng)，改善重復(fù)性強(qiáng)、人員效率低且易出錯(cuò)等問(wèn)題，但是外源干擾因素過(guò)多，分析過(guò)程不穩(wěn)定。律方成等[10]基于誤差、識(shí)別準(zhǔn)確度和訓(xùn)練速度，研究了算法設(shè)計(jì)過(guò)程對(duì)自建數(shù)據(jù)庫(kù)的標(biāo)注值寬高數(shù)據(jù)聚類(lèi)效果及檢測(cè)結(jié)果的影響，分析了光譜成像電氣設(shè)備運(yùn)行狀態(tài)的現(xiàn)場(chǎng)診斷效果，但是電氣設(shè)備相關(guān)網(wǎng)絡(luò)參數(shù)處理過(guò)程較為繁雜，生成的維修方案較為普通。

深度學(xué)習(xí)的改進(jìn)YOLOv4網(wǎng)絡(luò)在設(shè)備圖像識(shí)別方面具有優(yōu)勢(shì)，能有效提高圖像識(shí)別精度。增強(qiáng)現(xiàn)實(shí)（augmented"reality，AR）技術(shù)是實(shí)際物體通過(guò)計(jì)算機(jī)生成虛擬影像展示出來(lái)的視覺(jué)技術(shù)。該技術(shù)已經(jīng)在各領(lǐng)域得到廣泛應(yīng)用并取得較好的應(yīng)用效果。創(chuàng)新性地將改進(jìn)YOLOv4網(wǎng)絡(luò)和AR紅外測(cè)溫技術(shù)結(jié)合，采用Focal"loss函數(shù)替換YOLOv4網(wǎng)絡(luò)的分類(lèi)交叉熵?fù)p失函數(shù)，并反復(fù)確認(rèn)歐氏距離，更新置信度，二次明確目標(biāo)出現(xiàn)后的紅外定位具體位置，賦予其穩(wěn)態(tài)屬性，可以有效地實(shí)現(xiàn)智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別。

1"智能變電站二次設(shè)備穩(wěn)態(tài)AR紅外測(cè)溫技術(shù)

1.1"智能變電站二次設(shè)備穩(wěn)態(tài)紅外圖像采集

為實(shí)現(xiàn)智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別，變電站二次設(shè)備穩(wěn)態(tài)紅外圖像采集是前提，研制智能二次設(shè)備測(cè)溫系統(tǒng)1套，包含紅外探頭、AR紅外測(cè)溫眼鏡及其連接配件1套，數(shù)據(jù)傳輸服務(wù)器1臺(tái)，服務(wù)器內(nèi)置數(shù)據(jù)處理軟件1套。其中采用具有AR紅外測(cè)溫技術(shù)的AR眼鏡采集智能變電站二次設(shè)備紅外圖像，將采集圖像作為基礎(chǔ)，結(jié)合改進(jìn)YOLOv4網(wǎng)絡(luò)實(shí)現(xiàn)智能變電站二次設(shè)備狀態(tài)的識(shí)別。

紅外測(cè)溫原理為采用紅外光溫度效應(yīng)實(shí)現(xiàn)對(duì)物體的測(cè)溫[11]。當(dāng)物體溫度大于熱力學(xué)零度溫度時(shí)，物體會(huì)發(fā)出紅外光波，其波長(zhǎng)區(qū)間一般在0.77"μm至1000"μm。紅外測(cè)溫技術(shù)以普朗克分布定律為理論依據(jù)，其表達(dá)式為：

Qδ=o1δ－5/（eo2/δT－1）（1）

其中：黑體光譜輻射通量密度用Qδ描述；光譜波長(zhǎng)用δ描述；絕對(duì)溫度用T描述；第1輻射常數(shù)用o1描述，o1=3.7415×10-12W·cm2；第2輻射常數(shù)用o2描述，o2=1.43879"cm·K。

相關(guān)研究表明，黑體輻射光譜和溫度成正比，峰值較長(zhǎng)的波段處，測(cè)溫效果最佳。AR紅外測(cè)溫眼鏡以紅外測(cè)溫技術(shù)為基礎(chǔ)，由接口拓展電路、冷焦平面紅外熱成像傳感器、終端服務(wù)器、AR顯示器、電源端組成AR紅外測(cè)溫眼鏡。AR紅外測(cè)溫眼鏡利用冷焦平面紅外熱成像傳感器采集智能變電站二次設(shè)備溫度紅外數(shù)據(jù)，并經(jīng)接口拓展電路傳輸至AR顯示器，投影出設(shè)備圖像和視頻，并呈現(xiàn)在終端服務(wù)器，智能變電站管理員在終端服務(wù)器查看智能變電站二次設(shè)備狀態(tài)圖像及視頻。電源端為AR紅外測(cè)溫眼鏡提供續(xù)航電源。AR紅外測(cè)溫眼鏡內(nèi)部具備AI矯正糾偏算法，確保在不同范圍內(nèi)，溫度數(shù)據(jù)采集準(zhǔn)確。2"m以?xún)?nèi)溫度數(shù)據(jù)偏差小于或等于0.3℃，4"m內(nèi)溫度偏差小于或等于0.5℃，測(cè)溫范圍最遠(yuǎn)可達(dá)6"m，對(duì)6"m以?xún)?nèi)的設(shè)備精確測(cè)溫，同時(shí)可以通過(guò)語(yǔ)音功能調(diào)節(jié)測(cè)溫距離，提高測(cè)溫速率。眼鏡上的紅外熱成像傳感器可以實(shí)時(shí)捕捉二次設(shè)備發(fā)熱點(diǎn)，將熱力圖呈現(xiàn)在鏡片上，同時(shí)具備截圖功能，可以將留存的二次設(shè)備熱力圖進(jìn)行截圖，當(dāng)圖片內(nèi)二次接線(xiàn)過(guò)多、紅外成像未精確定位時(shí)，自動(dòng)校對(duì)底片與紅外成像點(diǎn)，在底片上自動(dòng)標(biāo)注，清晰呈現(xiàn)具體發(fā)熱的線(xiàn)纜。測(cè)溫?cái)?shù)據(jù)可以通過(guò)RestApi接口發(fā)送至數(shù)據(jù)管理系統(tǒng)，數(shù)據(jù)管理系統(tǒng)將相關(guān)告警及測(cè)溫?cái)?shù)據(jù)自動(dòng)生成報(bào)表，存儲(chǔ)至數(shù)據(jù)傳輸終端服務(wù)器中方便調(diào)閱。

1.2"智能變電站二次設(shè)備穩(wěn)態(tài)紅外圖像增強(qiáng)

采用改進(jìn)加權(quán)引導(dǎo)濾波增強(qiáng)算法對(duì)AR紅外測(cè)溫眼鏡采集智能變電站二次設(shè)備的紅外圖像實(shí)施紅外圖像增強(qiáng)處理，有效降低智能變電站二次設(shè)備的紅外圖像的噪聲，保留紅外圖像中有價(jià)值的數(shù)據(jù)，為智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別提供數(shù)據(jù)支持。改進(jìn)加權(quán)引導(dǎo)濾波算法實(shí)施紅外圖像增強(qiáng)的第一步是構(gòu)建引導(dǎo)圖像。對(duì)AR紅外測(cè)溫眼鏡采集智能變電站二次設(shè)備的紅外圖像原圖u在橫縱坐標(biāo)方向上實(shí)施一階求導(dǎo)后得出原圖邊緣數(shù)據(jù)SymbolQC@

u，同時(shí)和原圖疊加生成引導(dǎo)智能變電站二次設(shè)備的紅外圖像S。SymbolQC@

u的表達(dá)式為：

SymbolQC@

u=（u/x）2+（u/y）2（2）

其中：橫縱坐標(biāo)分別為x、y。

引導(dǎo)智能變電站二次設(shè)備的紅外圖像S表達(dá)式為：

S=（1－g1）SymbolQC@

u+g1u"（3）

式中：疊加系數(shù)用g1描述。

采用改進(jìn)加權(quán)引導(dǎo)濾波算法對(duì)構(gòu)建引導(dǎo)圖像實(shí)施濾波處理，通過(guò)在引導(dǎo)濾波算法中添加Canny算子修正正則化和邊緣權(quán)重等因子。

修正正則化因子公式如下：

φ′=φ/B（i）"（4）

其中：正則化因子用φ描述；邊緣權(quán)重因子用B（i）描述。

邊緣權(quán)重因子公式如下：

B（i）=（1/N）∑Ni=1［α（i′）×σ2（i′）+λ］/［α（i）×

σ2（i）+λ］（5）

其中：常量用λ描述；方差用σ2（·）描述；引導(dǎo)圖像像素點(diǎn)用i′描述；Canny算子用α（·）描述；總像素用N描述。當(dāng)B（i）gt;1時(shí)，權(quán)重比較高，此時(shí)像素點(diǎn)位于邊緣像素處；當(dāng)B（i）lt;1時(shí)，權(quán)重比較低，此時(shí)像素點(diǎn)位于平滑像素處[12-14]。通過(guò)邊緣權(quán)重因子可增強(qiáng)智能變電站二次設(shè)備的紅外圖像邊緣效果。

在對(duì)智能變電站二次設(shè)備的紅外圖像的邊緣實(shí)施濾波處理后，通過(guò)模糊集算法增強(qiáng)智能變電站二次設(shè)備的紅外圖像的細(xì)節(jié)信息，滿(mǎn)足人眼視覺(jué)觀測(cè)需求。該算法包括以下三種函數(shù)。

隸屬度函數(shù)表達(dá)式為：

W=sin"{［1－（xmax"－xi）/128］×（π×0.5）}（6）

其中：像素最大值用xmax"描述；待增強(qiáng)圖像像素用xi描述。

模糊增強(qiáng)函數(shù)表達(dá)式為：

Wen=

（1－W）×（1－W）×（－2），η≤Wlt;1W×W×2，0≤Wlt;η（7）

其中：增強(qiáng)閾值用η描述。

反模糊化函數(shù)表達(dá)式為：

νmo=1－（2/π）×sin"－1Wen×xmax"（8）

采用三維塊匹配法對(duì)通過(guò)模糊集算法增強(qiáng)后智能變電站二次設(shè)備的紅外圖像實(shí)施降噪處理，提取有價(jià)值數(shù)據(jù)[15]。采用塊匹配參數(shù)搜索全部和圖像相似塊，相似塊大小公式如下：

d（ΨxR，Ψx）=‖ζ′×ΨxR－ζ′×

Ψx‖22/（ρht1）2（9）

其中：搜索塊用Ψx描述；閾值用ζ′描述；目標(biāo)塊用ΨxR描述；搜索塊規(guī)格用ρht1描述。

通過(guò)硬閾值參數(shù)估計(jì)智能變電站二次設(shè)備的紅外圖像相似塊集合，其公式為：

ε=ψ－13D（ζ）×ψ3D"（10）

其中：硬閾值參數(shù)用ζ描述；1維小波變換與2維余弦變換用ψ3D描述。

依據(jù)變換后系數(shù)求解維納收縮系數(shù)的加權(quán)最后估計(jì)，其表達(dá)式為：

=ψ－13Dι×ψ3D（11）

其中：ι表示維納收縮系數(shù)。

通過(guò)指數(shù)運(yùn)算計(jì)算出去噪后智能變電站二次設(shè)備的紅外圖像，其表達(dá)式如下：

1=log"2－1"（12）

1.3"改進(jìn)YOLOv4的智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別

將經(jīng)過(guò)圖像增強(qiáng)處理后智能變電站二次設(shè)備的紅外圖像輸入改進(jìn)YOLOv4網(wǎng)絡(luò)中，實(shí)現(xiàn)智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別。YOLOv4網(wǎng)絡(luò)基本結(jié)構(gòu)，如圖1所示。

由圖1可知，YOLOv4網(wǎng)絡(luò)基本結(jié)構(gòu)包括輸入層、主干網(wǎng)架層、頸部層和輸出層。其中，輸入層負(fù)責(zé)接收?qǐng)D像信息，主干網(wǎng)架層訓(xùn)練集中信息并提取信息特征，由頸部層對(duì)提取信息實(shí)施融合后，利用輸出層輸出識(shí)別目標(biāo)狀態(tài)和置信度。

在YOLOv4網(wǎng)絡(luò)的主干網(wǎng)架層增加多尺度卷積模塊，其中卷積核規(guī)格分別為3×3、5×5、7×7，通過(guò)該模塊有效提取智能變電站二次設(shè)備紅外圖像的多尺度特征數(shù)據(jù)。

YOLOv4的損失函數(shù)表達(dá)式為：

L=Lclass+Lconf+Lloc"（13）

其中：Lclass表示分類(lèi)誤差；Lconf表示置信度誤差；Lloc表示位置損失。

采用Lclass損失函數(shù)明確預(yù)測(cè)框的種類(lèi)即智能變電站二次設(shè)備狀態(tài)種類(lèi)概率，利用交叉熵求解Lclass，其求解公式如下：

Lclass=∑Z×Zi=0Iobjij∑c=Cclass［log"（1－P）×

（1－）+log"P］（14）

其中：輸入智能變電站二次設(shè)備的紅外圖像被劃分的網(wǎng)格數(shù)用Z×Z描述；預(yù)測(cè)框中存在識(shí)別目標(biāo)用Iobjij描述；網(wǎng)絡(luò)中的一個(gè)類(lèi)別用c描述；C表示網(wǎng)絡(luò)中全部種類(lèi)；預(yù)測(cè)框類(lèi)別概率用P描述；真實(shí)框類(lèi)別概率用描述。

圖1"YOLOv4網(wǎng)絡(luò)基本結(jié)構(gòu)

采用Lconf損失函數(shù)明確預(yù)測(cè)框里是否有檢測(cè)目標(biāo)概率，通過(guò)交叉熵求解Lconf，其求解公式如下：

Lconf=［log（1-E）×（1-）+logE］×

∑Z×Zi=0∑Aj=0（λnoobj×Inoobjij+Iobjij）（15）

其中：預(yù)測(cè)框置信度用E描述；誤差權(quán)重用λnoobj描述；真實(shí)框置信度用描述；預(yù)測(cè)框數(shù)量用A描述；預(yù)測(cè)框中不存在識(shí)別目標(biāo)用Inoobjij描述。

采用Lloc損失函數(shù)明確目標(biāo)出現(xiàn)具體點(diǎn)，通過(guò)CIOU損失求解Lloc，其求解公式如下：

Lloc=∑Z×Zi=0∑Aj=0Iobjij［1－RIoU+［2（a，agt）］/d2+

β×μ］（16）

其中：真實(shí)框與預(yù)測(cè)框交互比用RIoU描述；預(yù)測(cè)框中心點(diǎn)坐標(biāo)用a描述；真實(shí)框中心點(diǎn)坐標(biāo)用agt描述；兩個(gè)框中心點(diǎn)的歐氏距離用2（a，agt）描述；對(duì)角線(xiàn)距離用d描述；權(quán)重參數(shù)用β描述；長(zhǎng)寬比參數(shù)用μ描述。

長(zhǎng)寬比參數(shù)μ的表達(dá)式為：

μ=4/π2×［arctan"（mgt/hgt）－

arctan"（m/h）］2（17）

權(quán)重參數(shù)β表達(dá)式為：

β=μ/（1－RIoU）+μ"（18）

其中：預(yù)測(cè)框?qū)挾戎涤胢描述；預(yù)測(cè)框高度值用mgt描述；真實(shí)框?qū)挾戎涤胔描述；真實(shí)框高度值用hgt描述。

采用Focal"loss函數(shù)替換YOLOv4網(wǎng)絡(luò)的分類(lèi)交叉熵?fù)p失函數(shù)，用于智能變電站二次設(shè)備的紅外圖像分類(lèi)，提高分類(lèi)效率并增強(qiáng)網(wǎng)絡(luò)泛化能力，實(shí)現(xiàn)智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別。

Focal"loss函數(shù)表達(dá)式為：

LE=－χ×（1－q′）κlog"q′"（19）

其中：預(yù)測(cè)值用q′描述；調(diào)節(jié)參數(shù)用χ描述；調(diào)節(jié)損失函數(shù)權(quán)重用κ描述。

改進(jìn)后YOLOv4網(wǎng)絡(luò)的總損失函數(shù)表達(dá)式為：

L′=LE+Lloc+Lconf（20）

改進(jìn)后的YOLOv4網(wǎng)絡(luò)，以增強(qiáng)處理后智能變電站二次設(shè)備的紅外圖像輸入，完成智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別。

2"實(shí)驗(yàn)分析

實(shí)驗(yàn)選取某地500"kV全室內(nèi)智能變電站作為實(shí)驗(yàn)對(duì)象，該智能變電站線(xiàn)路共40"km，共有750"MV變壓器，500"kV出線(xiàn)4回，為該地周邊縣市提供電源。

采用本文方法對(duì)該智能變電站的二次設(shè)備進(jìn)行穩(wěn)態(tài)識(shí)別，測(cè)試本文方法的應(yīng)用效果。

2.1"溫度測(cè)量測(cè)試

采用本文方法測(cè)量該智能變電站二次設(shè)備的8個(gè)保護(hù)屏柜內(nèi)部溫度，并和溫度計(jì)（實(shí)際測(cè)量）測(cè)試結(jié)果對(duì)比，溫度測(cè)量測(cè)試結(jié)果如圖2所示。

分析圖2可知，分別采用本文方法和溫度計(jì)測(cè)量方法測(cè)量智能變電站二次設(shè)備的8個(gè)保護(hù)屏柜內(nèi)部溫度，兩個(gè)測(cè)試結(jié)果之間誤差在2"℃以?xún)?nèi)，說(shuō)明本文方法利用AR紅外測(cè)溫眼鏡可準(zhǔn)確采集智能變電站二次設(shè)備的8個(gè)保護(hù)屏柜內(nèi)部溫度，且接近實(shí)際智能變電站的二次設(shè)備保護(hù)屏柜運(yùn)行溫度。

考慮不同測(cè)量環(huán)境對(duì)智能變電站的二次設(shè)備的8個(gè)保護(hù)屏柜內(nèi)部溫度的影響，將測(cè)試環(huán)境分為室內(nèi)和室外，設(shè)置環(huán)境溫度為-4～24℃，分別采用本文方法和溫度計(jì)測(cè)量方法在不同測(cè)量環(huán)境下測(cè)量6次溫度，結(jié)果如表1所示。

分析表1可知，在不同測(cè)量環(huán)境下，采用本文方法測(cè)量溫度的平均相對(duì)誤差為1.86%，說(shuō)明本文方法對(duì)智能變電站的二次設(shè)備溫度檢測(cè)精度高，能有效測(cè)試保護(hù)屏柜內(nèi)部溫度，提高設(shè)備運(yùn)行安全性。

2.2"圖像增強(qiáng)效果測(cè)試

本文方法采用改進(jìn)加權(quán)引導(dǎo)濾波算法對(duì)AR紅外測(cè)溫眼鏡采集智能變電站二次設(shè)備（電容）的紅外圖像實(shí)施圖像增強(qiáng)處理后的效果，如圖3所示。

分析圖3可知，本文方法采用改進(jìn)加權(quán)引導(dǎo)濾波增強(qiáng)算法對(duì)AR紅外測(cè)溫眼鏡采集智能變電站二次設(shè)備的原始紅外圖像實(shí)施圖像處理，有效降低智能變電站二次設(shè)備的紅外圖像的噪聲，圖像中設(shè)備輪廓清晰，保留紅外圖像中有價(jià)值數(shù)據(jù)，圖中紅色標(biāo)記框?yàn)樵O(shè)備異常狀態(tài)，綠色標(biāo)記框?yàn)樵O(shè)備穩(wěn)態(tài)運(yùn)行狀態(tài)，為智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別提供數(shù)據(jù)支持。

2.3"應(yīng)用效果分析

智能變電站運(yùn)維管理員采用本文方法對(duì)智能變電站的二次設(shè)備繼電保護(hù)終端進(jìn)行穩(wěn)態(tài)識(shí)別。該智能變電站的二次設(shè)備繼電保護(hù)終端共有5個(gè)主要的電流繼電器，電流繼電器穩(wěn)態(tài)運(yùn)行溫度一般在40～50℃之間，本文方法的電流繼電器識(shí)別結(jié)果如圖4所示。

分析圖4可知，采用本文方法對(duì)智能變電站的二次設(shè)備繼電保護(hù)終端進(jìn)行穩(wěn)態(tài)識(shí)別的應(yīng)用效果較好，準(zhǔn)確識(shí)別出D號(hào)電流繼電器溫度高達(dá)75℃。智能變電站運(yùn)維管理員通過(guò)本文方法直觀了解到D號(hào)電流繼電器存在異常狀態(tài)，需要更換新的電流繼電器，其余4個(gè)電流繼電器運(yùn)行溫度正常，并趨于穩(wěn)態(tài)運(yùn)行。

3"結(jié)"論

因智能變電站二次設(shè)備類(lèi)型和設(shè)備狀態(tài)數(shù)據(jù)量比較多，導(dǎo)致智能變電站二次設(shè)備識(shí)別工作難度大。本文研究了基于改進(jìn)YOLOv4的智能變電站二次設(shè)備穩(wěn)態(tài)AR紅外測(cè)溫技術(shù)，可提高智能變電站二次設(shè)備識(shí)別效果，保障智能變電站安全運(yùn)行。實(shí)驗(yàn)結(jié)果表明，本文方法對(duì)智能變電站二次設(shè)備穩(wěn)態(tài)識(shí)別效果較好，能準(zhǔn)確識(shí)別出智能變電站二次設(shè)備異常狀態(tài)，為智能變電站運(yùn)維管理員提供理論依據(jù)。

參考文獻(xiàn)

［１］"唐志軍，李澤科，陳建洪，等.考慮設(shè)備相關(guān)性的智能變電站二次系統(tǒng)可靠性分析[J].福州大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，49（6）：782-789.

[2]"周凱，唐瞾，胡志堅(jiān)，等.基于NSST圖像融合的變電站開(kāi)關(guān)狀態(tài)識(shí)別[J].高壓電器，2021，57（10）：50-58.

[3]"吳添權(quán)，郭競(jìng)，茍先太，等.基于改進(jìn)高斯卷積核的變電站設(shè)備紅外圖像檢測(cè)方法[J].紅外技術(shù)，2021，43（3）：230-236.

[4]"姚艷秋.基于趨勢(shì)分析的變電站設(shè)備異常檢測(cè)方法[J].吉林大學(xué)學(xué)報(bào)（理學(xué)版），2021，59（3）：649-652.

[5]"任博，鄭永康，王永福，等.基于深度學(xué)習(xí)的智能變電站二次設(shè)備故障定位研究[J].電網(wǎng)技術(shù)，2021，45（2）：713-721.

[6]"肖發(fā)龍，吳岳忠，沈雪豪，等.基于深度學(xué)習(xí)和知識(shí)圖譜的變電站設(shè)備故障智能診斷[J].電力建設(shè)，2022，43（3）：66-74.

[7]"葉遠(yuǎn)波，黃太貴，謝民，等.基于多模型融合集成學(xué)習(xí)的智能變電站二次設(shè)備狀態(tài)評(píng)估[J].電力系統(tǒng)保護(hù)與控制，2021，49（12）：148-157.

[8]"鄔小坤，趙武智，牛靜，等.一種智能變電站二次設(shè)備狀態(tài)評(píng)價(jià)方法[J].電子器件，2021，44（3）：664-669.

[9]"簡(jiǎn)學(xué)之，劉子俊，文明浩，等.AR增強(qiáng)現(xiàn)實(shí)技術(shù)在變電站二次設(shè)備運(yùn)檢中的應(yīng)用[J].電力系統(tǒng)保護(hù)與控制，2020，48（15）：170-176.

[10]律方成，牛雷雷，王勝輝，等.基于優(yōu)化YOLOv4的主要電氣設(shè)備智能檢測(cè)及調(diào)參策略[J].電工技術(shù)學(xué)報(bào)，2021，36（22）：4837-4848.

[11]范新南，黃偉盛，史朋飛，等.基于改進(jìn)YOLOv4的嵌入式變電站儀表檢測(cè)算法[J].圖學(xué)學(xué)報(bào)，2022，43（3）：396-403.

[12]梁文武，朱維鈞，李輝，等.基于粗糙集的智能變電站保護(hù)設(shè)備仿生故障診斷方法[J].電力系統(tǒng)保護(hù)與控制，2021，49（21）：132-140.

[13]張宸滔，鄭永康，盧繼平，等.基于圖神經(jīng)網(wǎng)絡(luò)的智能變電站二次回路故障定位研究[J].電力系統(tǒng)保護(hù)與控制，2022，50（11）：81-90.

[14]章劍光，陳曉宇，朱松濤，等.基于GIM模型的智能變電站二次回路三維可視化系統(tǒng)設(shè)計(jì)[J].電力系統(tǒng)保護(hù)與控制，2022，50（19）：179-186.

[15]李學(xué)生，張尊揚(yáng).基于數(shù)據(jù)流檢測(cè)技術(shù)的電氣設(shè)備狀態(tài)監(jiān)測(cè)仿真[J].計(jì)算機(jī)仿真，2022，39（7）：433-436+506.