本發(fā)明涉及，尤其是涉及一種基于紅外圖像聚類處理的電力電纜熱故障診斷方法。

背景技術(shù)：

紅外熱成像技術(shù)具有快速、實(shí)時、非接觸性等優(yōu)點(diǎn)，多年來應(yīng)用于電力電纜運(yùn)行管理領(lǐng)域。借助便攜式紅外熱成像儀或在線紅外測溫系統(tǒng)，對運(yùn)行狀態(tài)下的電纜設(shè)備進(jìn)行溫度數(shù)據(jù)采集，能夠及時發(fā)現(xiàn)、診斷出大多數(shù)的過熱故障，有效減少設(shè)備損壞和由此導(dǎo)致的電網(wǎng)大面積停電事故發(fā)生的次數(shù)。通常設(shè)備運(yùn)行人員依據(jù)自身的經(jīng)驗(yàn)知識，借助輔助的紅外分析軟件對圖像進(jìn)行人工分析、診斷，因采集的圖像數(shù)量眾多，且需要基于歷史溫度數(shù)據(jù)進(jìn)行綜合判斷，故需要耗費(fèi)巨大的人力。因此，實(shí)現(xiàn)對紅外圖像自動分析、設(shè)備故障診斷的智能化，正成為電力電纜運(yùn)行管理的一種趨勢。

目前，電氣設(shè)備熱缺陷分析判定方法主要有以下6種：(1)表面溫度判斷法；(2)同類比較法；(3)圖像特征判斷法；(4)相對溫差法；(5)檔案分析法；(6)實(shí)時分析法。其中除了方法(1)實(shí)質(zhì)上都要基于進(jìn)行比較的策略，需要同組三相設(shè)備、同相設(shè)備及同類設(shè)備對應(yīng)部位的溫差進(jìn)行比較，建立電氣設(shè)備紅外檔案或基于長時間連續(xù)觀測。

flir公司的專業(yè)分析軟件thermacamreporterpro能夠?qū)t外圖譜中選取的區(qū)域、點(diǎn)、線溫度進(jìn)行分析，作為診斷缺陷的參考。但此類軟件也有不足之處：(1)沒有對圖像中的設(shè)備主體和背景進(jìn)行分離，降低了數(shù)據(jù)分析的精度；(2)沒有自動建立紅外檔案等功能，不利于后續(xù)對故障診斷的自動化處理。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種分離背景、提高診斷精度的基于紅外圖像聚類處理的電力電纜熱故障診斷方法。

本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：

一種基于紅外圖像聚類處理的電力電纜熱故障診斷方法，該方法包括以下步驟：

1)獲取待診斷的電力電纜設(shè)備的紅外圖像，并進(jìn)行預(yù)處理；

2)對預(yù)處理后的紅外圖像通過k-means聚類算法提取目標(biāo)設(shè)備，并對聚類結(jié)果進(jìn)行標(biāo)識，獲取僅包含目標(biāo)設(shè)備的紅外圖像；

3)獲取僅包含目標(biāo)設(shè)備的紅外圖像對應(yīng)的rgb向量，根據(jù)rgb向量的歐氏距離與溫差的關(guān)系獲取僅包含目標(biāo)設(shè)備的紅外圖像中每一點(diǎn)的溫度，并結(jié)合聚類結(jié)果，并對目標(biāo)設(shè)備的發(fā)熱區(qū)域進(jìn)行標(biāo)識，形成目標(biāo)設(shè)備各個區(qū)域的溫度分布；

4)根據(jù)目標(biāo)設(shè)備各個區(qū)域的溫度分布獲取相對溫差，根據(jù)相對溫差對目標(biāo)設(shè)備進(jìn)行熱故障診斷，判斷故障的類型和性質(zhì)，并進(jìn)行記錄。

所述的步驟1)中，采用中值濾波對紅外圖像進(jìn)行預(yù)處理，去除紅外圖像中的文字和圖標(biāo)。

所述的步驟2)中，通過k-means聚類算法提取目標(biāo)設(shè)備時，選擇的聚類結(jié)果為：

平均灰度值大小在前75％且聚類中心距離紅外圖像的豎直中軸線1/4圖像寬度內(nèi)。

所述的步驟3)中，所述的rgb向量的歐氏距離與溫差的關(guān)系為線性關(guān)系。

所述的步驟3)具體包括以下步驟：

31)獲取僅包含目標(biāo)設(shè)備的紅外圖像對應(yīng)的rgb向量的歐氏距離；

32)根據(jù)比色條獲取僅包含目標(biāo)設(shè)備的紅外圖像的最高溫度和最低溫度，并將最高溫度與最低溫度分別與rgb向量[255,255,255]和[0,0,0]對應(yīng)；

33)結(jié)合線性關(guān)系獲取僅包含目標(biāo)設(shè)備的紅外圖像中每一點(diǎn)的溫度；

34)根據(jù)通過k-means聚類算法提取目標(biāo)設(shè)備時產(chǎn)生的聚類結(jié)果對目標(biāo)設(shè)備的發(fā)熱區(qū)域進(jìn)行標(biāo)識。

所述的步驟2)中，在僅包含目標(biāo)設(shè)備的紅外圖像中包括目標(biāo)設(shè)備的輪廓以及輪廓內(nèi)部包含的紅外圖像和聚類結(jié)果。

所述的步驟4)中，故障的類型包括電流致熱型和電壓致熱型，故障的性質(zhì)包括一般缺陷、重要缺陷和緊急缺陷。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

本發(fā)明通過采用k-means算法先對電力電纜的紅外圖像進(jìn)行聚類，將目標(biāo)設(shè)備與背景分離并提取出來，提高了技術(shù)分析的精度，并且將紅外圖像的rgb向量的歐氏距離與溫度看做是線性關(guān)系，對紅外圖像上所有點(diǎn)的溫度進(jìn)行精確獲取，有利于提高故障診斷的準(zhǔn)確度。

附圖說明

圖1為本發(fā)明的方法流程圖。

圖2為主變110kv電纜終端紅外圖像。

圖3為聚類結(jié)果用不同色彩標(biāo)識后的圖像。

圖4為從紅外圖像中提取的僅包含目標(biāo)設(shè)備的圖像。

圖5為35kv接地變電纜發(fā)熱缺陷的紅外圖像。

圖6為中值濾波后的紅外圖像。

圖7為各聚類結(jié)果用不同色彩標(biāo)識后的圖像。

圖8為分離背景后的接地變紅外圖像。

圖9為接地變發(fā)熱部位識別圖像。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。

實(shí)施例

本文首先應(yīng)用k-means聚類算法對紅外圖像中的目標(biāo)設(shè)備進(jìn)行提取，克服了圖像背景引起的誤差，然后對目標(biāo)設(shè)備的溫度場進(jìn)行了數(shù)據(jù)分析，初步實(shí)現(xiàn)了紅外圖像的自動分析。后續(xù)可以結(jié)合紅外圖像特征的識別和缺陷的診斷判據(jù)，理論上可以確定缺陷類型及性質(zhì)，最終的目標(biāo)是生成合適的消缺建議。整個紅外圖像的故障診斷流程如圖1所示。

使用k-means聚類算法對紅外圖像中的目標(biāo)設(shè)備進(jìn)行提取是分析的基礎(chǔ)。k-means聚類算法是一種使用最廣泛的聚類算法。該算法的主要思想是將各個聚類子集內(nèi)的所有數(shù)據(jù)樣本的均值作為該聚類的代表點(diǎn)。通過迭代過程把數(shù)據(jù)集劃分為不同的類別，使評價聚類性能的準(zhǔn)則函數(shù)達(dá)到最優(yōu)，從而劃分的每個聚類最為緊湊。輸入聚類的數(shù)目k和包含n個數(shù)據(jù)樣本(設(shè)p為數(shù)據(jù)對象)，輸出k個聚類xi(i＝1～k)。算法步驟如下：

(1)為每個聚類確定一個初始聚類中心mi(i＝1～k)；

(2)將各個樣本按照與聚類中心的最小距離原則分配到最為鄰近的聚類，此處使用歐式距離作為計算數(shù)據(jù)樣本之間的距離，見式(1)。歐式距離反映了數(shù)據(jù)樣本間的相似性度量。對于紅外圖像而言，樣本xi、xj為任意兩個像素點(diǎn)的rgb向量，故d＝3，xik、xjk為r、g或b值。

(3)重新計算每個聚類的樣本均值作為新的聚類中心；

(4)迭代過程，重復(fù)步驟(2)、步驟(3)直到準(zhǔn)則函數(shù)最小化，此處采用平方誤差和作為準(zhǔn)則函數(shù)，見式(2)；

(5)獲得k個聚類。

該算法的難點(diǎn)在于：(1)聚類數(shù)目k的選??；(2)初始聚類中心的選??；(3)選取哪些聚類作為目標(biāo)設(shè)備、哪些作為背景分離。

如圖2所示為兩張典型的110kv電纜室內(nèi)終端的紅外圖像，通過matlab軟件應(yīng)用k-means算法進(jìn)行圖像分割試驗(yàn)。選取初始聚類中心使其在圖像上均勻分布，設(shè)置k＝13時對背景的分離效果較好，處理后的各聚類用不同色彩標(biāo)識出來，如圖3所示。紅外圖像中目標(biāo)設(shè)備通常溫度高于環(huán)境溫度，同時運(yùn)行人員拍攝時會使目標(biāo)設(shè)備盡量位于圖像的中央，基于以上兩個事實(shí)，選取滿足平均灰度值排序前9(優(yōu)先選取代表溫度較高區(qū)域的聚類)、聚類中心距離豎直中軸線1/4圖像寬度內(nèi)的聚類，作為目標(biāo)設(shè)備提取出來，如圖4所示，背景基本被分離，證明該算法對目標(biāo)和背景對比度較高的圖像有很好的分割效果。

電氣設(shè)備紅外圖譜的缺陷診斷主要依據(jù)《帶電設(shè)備紅外診斷應(yīng)用規(guī)范(dl/t_664-2008)》(以下簡稱規(guī)范)以及《電力設(shè)備紅外檢測作業(yè)指導(dǎo)書》。電氣設(shè)備的熱缺陷類型可分為電流致熱、電壓致熱、綜合致熱和電磁致熱缺陷，前文所述的6種熱缺陷分析判定方法針對不同類型的缺陷各有優(yōu)劣?，F(xiàn)將《規(guī)范》中與超高壓電力電纜有關(guān)的電流致熱型、電壓致熱型設(shè)備缺陷診斷判據(jù)列于表1和表2。

由表可知，對缺陷性質(zhì)(一般、重要、緊急缺陷)的判定通常要依據(jù)溫差和相對溫差，相對溫差δ反映了兩個對應(yīng)測點(diǎn)之間的溫差與其中較熱點(diǎn)的溫升之比的百分?jǐn)?shù)，即：

式中：τ1，t1——發(fā)熱點(diǎn)的溫升和溫度；τ2，t2——正常相對應(yīng)點(diǎn)的溫升和溫度；t0——環(huán)境參照體的溫度。環(huán)境溫度參照體是用來采集環(huán)境溫度的物體，它不一定具有當(dāng)時的真實(shí)環(huán)境溫度，但具有與被測物相似的物理屬性，并與被測物處于相似的環(huán)境之中。

表1電流致熱型設(shè)備缺陷診斷判據(jù)

表2電壓致熱型設(shè)備缺陷診斷判據(jù)

上述步驟通過matlab驗(yàn)證了k-means算法對于紅外圖像的目標(biāo)設(shè)備提取的可行性，并介紹了紅外診斷依據(jù)，下面通過一個缺陷案例來講解溫度數(shù)據(jù)分析、診斷的整個流程。圖5為某35kv接地變電纜發(fā)熱缺陷的紅外圖像。首先將圖像進(jìn)行預(yù)處理，對圖像進(jìn)行了中值濾波(如圖6所示)，主要是為了減少圖像上文字及圖標(biāo)的干擾。運(yùn)行matlabk-means聚類算法程序，得到的各聚類用不同色彩標(biāo)識(如圖7所示)，分離背景后即為接地變的主體部分(如圖8所示)，圖9標(biāo)識了溫度最高的一類聚類，它對應(yīng)接地變的發(fā)熱部位。

溫度計算過程：將rgb向量的歐氏距離(式2)與溫差近似視為線性關(guān)系，已知比色條(如圖5右側(cè)所示)的最高溫度(34.6℃，rgb向量＝[255,255,255])和最低溫度(30.5℃，rgb向量＝[0,0,0])，便可以求得圖像上處在溫寬范圍內(nèi)任意一點(diǎn)的溫度。通過程序搜索出最高溫度點(diǎn)，容易得到目標(biāo)設(shè)備的最高溫度tmax＝33.7℃，發(fā)熱部位(深顏色區(qū)域)的平均溫度為tmax＝33.2℃，還可以做出各溫度區(qū)間的點(diǎn)數(shù)統(tǒng)計以輔助分析。

如果知道正常相對應(yīng)點(diǎn)的溫度和環(huán)境參照體的溫度，進(jìn)而計算出相對溫差，結(jié)合表1及表2，便可以診斷出故障的類型與性質(zhì)。實(shí)際該設(shè)備為電壓致熱型缺陷，是由于上方電纜接頭與支架距離過短，趴電距離不足，導(dǎo)致放電造成的。