红外热成像技术对高压电气设备的诊断与分析

李 祉 豪

(沈阳工程学院 电力学院， 沈阳 110136)

红外热成像技术对高压电气设备的诊断与分析

李 祉 豪

(沈阳工程学院 电力学院， 沈阳 110136)

针对红外热成像诊断技术存在的相关问题，设计并研发了以专家系统为核心的红外热成像诊断技术，再根据诊断结果规定了热故障等级和处理措施，用以对高压电气设备进行红外热成像，并对其故障进行自动识别与故障分析。通过对某220 kV变电站的三相刀闸进行对比热成像试验，并分析可知：基于专家系统的红外热成像诊断技术可以较为准确地找到电气设备的故障位置、区域温差，并分析其故障原因。实现了对输变电设备的在线状态检测，为电力运维人员提供了参考。

高压电气设备； 红外线； 专家系统； 故障分析

0 引 言

电力设备在长期运行中，发热现象通常会是非常严重的故障隐患。设备在过热状态下持续运行，将造成设备材料的机械、电气、物理、化学等各方面性能劣化，从而损坏设备[1]，危害电网的稳定可靠运行。

针对大部分的电气设备的故障发生情况都是阶梯式出现，本文设计了一种以专家系统为基础的红外热成像诊断技术，不仅可以对高压设备温度进行实时全方位监控，还能准确可靠地判断出设备出现过热的故障类型，并解决电力设备的过热问题。基于红外热成像的高压电气设备故障分析系统，对于及时发现和处理设备缺陷，预防重大设备故障的发生起到了非常关键的作用，同时在未来电力系统状态监测和设备状态检修中也将发挥着重要作用。

1 红外热成像图诊断技术

1.1 红外热成像技术原理

文献[2]中所定义的红外热成像是根据热传感器所收集的物体热辐射能后，进行后期PC制作、收纳成像的一种非接触式红外热成像技术[3]，随着热力学技术在电力系统中的推广，红外热成像技术也被用来对高压一次电气设备进行实时在线状态监测以及热故障的诊断[4]。该技术拥有可操作性强、使用安全、测量准确度高、诊断效率高以及能提供计算分析功能的优点，红外热成像技术还能从安全距离测量高压设备的温度值将其转换生成红外热像值并把被测设备的热量值精确量化。

一切超过绝对零度的物体都对外进行红外辐射，实际物体的辐射度除了与波长和温度有关，还和物体的材料表面状态有关[4]。根据文献[5]中所述：被测物体表面上的任意一点都能够被红外热成像技术找到其二维温度场，并通过红外热像图上将物体的二维温度场显示出来，以便于诊断分析。本文采用了斯蒂芬-波尔兹曼红外辐射定律可得：被测电气设备表面的绝对温度与其向外辐射红外线功率的关系：

P=εσT4

(1)

式中：P为物体向外辐射红外线功率；T为物体的绝对温度(K)；ε为物体表面的红外发射率；σ为斯蒂芬-波尔兹曼常数，σ=(5.670 32±0.000 71)×1012。

由式(1)可知，在测得物体表面的绝对温度后，就可求得物体的红外辐射功率。

1.2 噪声滤除

对红外辐射数据影响的因素较多，例如：太阳热能、临近高压设备的热辐射、被测高压设备的周围物理环境、被测物体的红外热发射率等[6]。为了获得准确的辐射数据，降低前述的影响噪声，第一是保证操作人员正确使用红外热像仪，并正确设置技术参数；其次是需要对噪声进行后期处理，可在时域或频域内对图像进行数据运算，如采用邻域平均、中值滤波等算法，但是这些滤波算法只适合滤除一种或几种噪声信号。为了获得更准确的高压设备红外特征信息，本文采用基于小波分析理论在时域-频域范围内进行局部噪声滤除。

1.3 红外热成像分割与特征提取

针对不同的高压电气设备，其故障的特征也相差较大。因此，在获得红外图像并滤除噪声信号后，对红外图像进行分割与特征提取。目前，图像分割基本理论包括小波变换、数学形态学、模糊数学、遗传算法、神经网络等。为了大范围对数据进行降噪处理，决定采取小波变换、模糊数学、神经网络算法相结合的方式。经过图像分割后，再对电气设备的热像图进行部分特征量的获取，这些特征量包括：被测物体所在环境的温度、同类电气设备的平均温度、最高热点温度、发热区域分布等特征参数，采用式(1)可以计算出设备的红外辐射功率，并配合系统软件就可以判断设备运行状态及故障类型。

高压设备的热图像和普通可见光热图像相比，其热信号不强，受噪声影响大，因此被测图像往往模糊，可辨析度较低, 图像凸点的复杂度、纹理等受物体表面红外辐射场的分布影响较大；现场电力设备种类较多, 大部分热图像混杂与各种设备的局部温度场, 其他设备的红外辐射场不可避免地影响被测高压设备；当把红外热成像测量系统安放在不同的距离、方向以及周围其他环境因素时，所测量到的同一设备的红外热图像差别较大。

为了减少以上因素的影响，获得较为准确的热图像数据，选取同一类型高压设备的图像周长与面积之比以及偏心度这两个特征量。以此为参考量，被测设备红外热图像的特征向量空间公式为:

Pi={mi1,mi2}T,i=1,2,…,N

(2)

式中：N为设备类别数；mi1、mi2为第i类样本两个特征的平均值。通过式(2)就可以计算出每类样本两个特征的平均值，同时也减少各因素的影响。

1.4 故障识别

在对红外热图像处理后，对实时图像进行电力设备故障识别。①把红外热成像图以列为单元找出每个连通区域；②计算这些连通区域的特征向量:

ξ={ω1,ω2}T

(3)

式中：ω1、ω2为待测连通区域样本中的特征值。

再利用邻近法则[6]

(4)

进行判别, 式(4)成立，则ξ∈Ω(v∈[1,N]),同时设一阈值θ，若

(5)

则判定为拒绝识别。

针对拒绝识别的区域将利用人机交互法进行目标区域的求解, 然后通过PC终端确定此区域中出现过热现象的是什么高压设备，最后进行自动识别和标注。

1.5 故障分析技术

在识别和标注后对此红外热像图进行故障分析。红外热像图的故障分析主要有表面温度、图像特征、同类比较、相对温差、档案分析等技术手段[7]，最后PC终端将根据不同的工况，选择最适宜的判断手段。

表面温度判断法的原理是通过被测高压设备的表面温度值；图像特征判断法主要适用于电压致热型设备，根据同类设备的正常与异常状态的红外热像图分析，判断设备是否正常；同类设备比较判断法是比较同类型设备或设备不同相，对比相应的温度，判断设备是否存在异常；相对温差法，即根据相对温差判定的方法,相对温差判断法主要适用于电流致热型设备；档案分析法更有利于对结构复杂的设备进行诊断，但是要首先建立设备技术档案，要有基础的红外图谱或原始检测数据[8]。

2 红外热像处理专家系统

所谓专家系统就是采取人工智能程序开发的近似解法，作为一种智能的计算机程序运用相关知识和推理过程来解决一些专家型复杂问题[9]。

通过该系统，首先对待测设备在不同特殊环境条件下运行状态热像图进行获取，再经图-数编码转换后编入PC终端，用以建立高压设备实时运行状态温度数据库；收集相关专家处理类似事件的经验[10]，再结合数据库进行分析，采用最小二乘法求出高压设备故障征兆的阈值和事故趋势；以数字编码为PC终端识别语言，建立高压设备在线监测专家系统库；通过比对热像图的专家系统，判断其运行状态[11-12]；通过公式解出需要检测高压设备的最高温度。利用试验确定设备的红外发射率，需要达到热图像数据库的两个条件:① 该热图像是二维点阵图, 其大小为128×100×8bit。② 对此热图像的说明包括以下内容：设备型号、设备故障类型、设备的红外发射率、设备可正常运行的最低和最高温度, 图像拍摄时间等[13-14]。

3 故障的自动诊断

表1所示是热故障等级及其处理措施。进行故障诊断，首先通过传感器测得被监测高压设备中的最高温度，然后利用式(1)得到其红外线发射率，再由温度和发射率的计算结果，快速判定该设备的发热故障等级[15]。与此同时，通过人机交互的方式从热图像专家数据库中获得该设备的红热数据，以此数据来判断该设备的诊断结果。

表1 热故障等级和处理措施

4 专家系统设计

通过分析目前红外热成像技术的劣势，并研究高压设备发热与红外热像图的关系，通过红外热图像技术和专家系统判别方法，设计了基于专家系统的红外热成像技术来诊断高压电气一次设备。该诊断流程如图1所示，首先将采集到的被测高压一次设备红外热像图进行图像去噪声预处理，然后通过目标识别和温度计算进行判断该设备的发热缺陷等级，同时通过专家数据库系统对该设备的温度和红外发射功率数据进行对比。

专家系统有如下功能：

图1 高压设备故障自动诊断系统流程图

(1) 根据高压一次设备在不同的工作环境，选取最佳的红外热图像算法，该算法具有速度快，且数据处理结果准确、可靠等优点。然后对红外热图像进行初期降噪、图像分割和特征提取。

(2) 用Java编写应用程序，将红外成像图录入PC终端，专家系统就可判断设备是否发生故障和类型。

(3) 收集了在不同运行环境下，高压一次设备的红外热图像信息，并归集近年来高压设备运行、检修等基本信息，计算出高压设备故障征兆的阈值和事故趋势，建立设备状态识别与故障分析的专家系统。

(4) 将红外热成像专家系统在电力系统逐步进行应用，通过大量试验和现场测试，不断完善专家系统。

5 试 验

5.1 红外热成像试验

对一220 kV变电站的母线侧三相刀闸进行试验，将正常状态与故障发热状态(线路过电流导致发热型和过负载导致发热型)的红外热像图进行检测。并将测得的红外图像与设计的专家系统做对比，再通过系统对高压设备的故障进行判断、识别和分析。

5.2 试验结果与分析

图2所示为国家电网某一220 kV变电站中220 kV母线连接的A、B、C三相刀闸的红外热成像图。由图中可以看出，A、B、C三相刀闸接口连接点的温度分别为21.3 ℃、19.3 ℃和45.5 ℃，此时的环境温度是16 ℃。经温差计算，C和B相刀闸的温差为26.2 K，其相对温差为86%，最后认定C相刀闸的发热性质为严重缺陷。

图2 母联三相刀闸红外热像图

经过本系统分析可知，该试验刀闸的缺陷是由电流过大导致的发热，其根本原因是刀闸处的接触电阻过大，而引起了其连接处过热。在通常情况下，刀闸处的接触电阻较大，主要是在安装施工时，螺丝拧的松紧程度不达标准，从而刀闸的接触头部不够平整和光滑。由以上试验可知，本文设计的基于红外热成像的故障分析系统不仅能快速地找到电气设备发生故障的位置，测出故障设备的周边温度，还能准确分析设备出现故障原因。

6 结 语

设计的红外热成像专家系统实现了非接触、准确、实时测得高压电气设备状态情况，并且该系统还具有红外热成像图分辨率高、受周围强电磁干扰影响较小、安全可靠、效益-投资比高等优点。其不仅是未来开展输电网电力设备状态检修的重要检测手段，而且也是智能电网的发展趋势。

[1] 程玉兰．红外诊断现场实用技术[M]．北京:机械工业出版社，2002.

[2] Whittington H W，Flynn B W．High reliability condition monitoring systems[J]．Non-Destruct Testing,2008，35(11): 25-30.

[3] 杨风健,刘 军,貌程浩，等.基于MLX90620的低成本红外热成像系统设计[J]. 传感器与微系统,2015,11(3):109-115.

[4] 蒋震东,李向新.分布式电源并网逆变器控制策略与仿真研究[J].现代电子技术,2013,36(3):142-144.

[5] 汪 晨,邓 松,张 涛,等.智能电网环境下用户行为可信数据安全交换研究[J].现代电子技术,2014,37(1):75-79.

[6] PAL N R，PAL S K．A review on image segmentation techniques[J]．Pattern Recognition,1993，26(9):73-79.

[7] 张维力. 红外热像仪在电力工业中的应用[J]. 激光与红外,1996,26(2):105-111.

[8] 林 楠,孙建红. 红外学习型实验室环境远程智能调控系统设计[J]. 实验室研究与探索,2015,(12):277-282.

[9] 高怀平,吴 平,张立帅. 探测条件对红外热成像系统MRTD影响的研究[J]. 激光与红外,2016(1):67-71.

[10] 孟祥笙. 高性能微型红外热成像系统关键技术的研究[D].成都:电子科技大学,2014.

[11] Palmer D J，Dickens P G，Tungsten dioxide: Structure refinement by powder neutron diffraction[J]．Acta Cryst，2009，35(9):2199-2201．

[12] 胡银全,伍小兵,范奇恒. 电力传动系统的转矩控制器优化设计与实现[J]. 现代电子技术,2016(12):139-142.

[13] 汪 晨,邓 松,张 涛,等.智能电网环境下用户行为可信数据安全交换研究[J].现代电子技术,2014,37(1):75-79.

[14] 何恒,白廷柱.红外热成像系统作用距离预测方程计算误差探析[J]. 红外技术,2016,13(3):65-69.

[15] Dutta A K，Maji S K，Srivastava D N，etal． Synthesis of FeS and FeSe nanoparticles from a single source precursor: A study of their photocatalytic activity，peroxidase-like behavior，and electrochemical sensing of H2O2[J]． Appl Mater Interfaces，2012，4(4): 19-27．

The Diagnosis and Analysis for High Voltage Electrical Equipment Based on the Infrared Thermal Imaging

LIZhihao

(School of Electric Power, Shenyang Institute of Engineering, Shenyang 110136, China)

This paper designed and developed an infrared thermal imaging diagnostic device with the core of expert system. in order to solve the problems existing in the infrared thermal imaging diagnostic techniques. The device can be used to produce infrared thermal image for high voltage electrical equipment and the identify and analyze fault. According to the diagnostic results, the thermal fault level and countermeasures are provided. Finally, a comparative test is carried out for a three-phase disconnecting link in a 220 kV substation, the results show that the system can accurately identify equipment failure location, the difference of regional temperatures, and the cause of the fault. The actual measurement of dielectric loss has verified the convenience and practicability of the device, so it is useful for operators.

high voltage electric equipment; infrared ray; expert system; failure analysis

2016-10-29

李祉豪(1993-)，男，辽宁营口人，助理工程师，研究方向：农业电气化。E-mail：bingyuhg@126.com

TN 219

A

1006-7167(2017)04-0037-04