变电站自动化红外检测系统探究

王思宇

引言

电力事业作为现代社会发展的基石，在居民生活中扮演着重要角色。随着社会电力需求量的不断增加，为确保供电质量与稳定性，避免电力事故的发生成为电力企业的重要使命，而变电站作为核心成员，它的运行质量将直接影响到电力用户的使用体验。其中，变电站内电力设备的温度是变电站运行状况的重要表征参数，在现阶段，红外测温技术是对设备温度进行检测的主要安全手段。然而，随着变电站规模的扩大、数量的增加，在变电运维人员工作过程中单纯基于人力对变电站中各电力设备的温度进行检测，以及数据记录管理的方法逐渐暴露出了许多弊端。在此，本文提出了一种变电站自动化红外检测系统，并对其各环节具体时候方法进行了探究。

一、变电站设备故障特点

变电站中通常包含着大量需要承受高温、高压、大电流的电力设备，此类设备在长期不间断运行过程中难免会因为环境因素以及寿命老化等原因，性能退化，乃至突然故障，进而造成停电、爆炸、火灾等严重电力事故。表1对变电站中部分主要设备的故障类型及原因进行了阐述。然而，表1中所述故障的产生初期往往都伴随着可察觉的温度变化，如变压器的温升变高、局部放电等；开关设备及导线因接触不良、接触面氧化、老化等原因产生了更多电阻损耗，形成局部热点。因此，对变电站中电力设备进行温度检测，可以及时有效地发现和诊断出电力设备的事故隐患和故障先兆，进而减少和避免由于电力设备故障引发的电力事故。

表1 变电站部分主设备故障类型及原因

二、红外测温在变电运维中的运用

（一）红外测温原理

红外测温作为一种可靠、实用且易操作的温度测量技术，被广泛应用于变电站电力设备的温度检测，其测温原理如图1所示。由于在非绝对零度下任何物体的原子和分子都会做无规则运动，进而向外辐射红外线，并且辐射能量的大小与物体自身的温度呈正相关。然而，红外线的波长处于0.76μm到1000μm的可见光范围之外，因此必须借助专业的红外测温仪对物体表面的红外辐射能量进行捕捉和测量，最后经综合处理可呈现物体表面的红外能量分布图，即热像图像[1]。

图1 红外测温应用方法

（二）变电运维应用

现阶段，手持式红外测温仪由于其界面友好、体积小方便携带、测量精度高等特点被广泛应用于变电运维的巡视当中。下面举例两种最常用红外测温技术的变电站巡视场景：

1.日常巡视——带电检测

变电站设备一旦通电后，无特殊情况将不会再断开，因此带电检测成了变电运维人员在日常巡视过程中的重要任务之一。而红外测温，由于其远距离非接触式的测量特点，成了重要的安全测温手段。在巡视过程中，检测人员会对变电站内的电力设备——变压器、断路器、隔离开关、金属导线等，逐一进行测量并记录数据及热像。在记录完成后，会进一步对比以往的检测数据和热像，判断当前的设备运行状态。如果热像存在异常，会及时对不同类型的设备采用相应的方法和依据，分析设备的缺陷特征，判断设备的缺陷类型，并及时报备检修。

2.特殊巡视—保电

随着现代社会发展的进步，城市经常会举行一些例如运动会、晚会等等的大型活动，这时为了确保活动能够顺利召开举行，需要供电公司进行保电，而红外测温则是经常使用的一种即时观测变电站异常情况的有力工具。在特殊巡视时，针对需要保电的线路进行一日多次测温，特殊加强对个别线路的巡视与关注，及时、敏锐地发现任何异常情况，并做出处理。

三、变电站自动化红外检测系统

红外测温无疑是提高变电站运维管理效率必不可少的重要部分，然而伴随着其覆盖率越来越高，缺点也逐渐显现：（1）在单次巡视过程中，红外测温仪所拍摄图像都会存储在仪器内，需要巡视结束后人工传输至电脑中，如遇到缺陷录入时，则还需要对每份热像生成报告，无形之中增加了班组员工的工作量，耗时且容易出错。（2）变电站内的电力设备类型较多，不同类型设备都存在着各自典型的缺陷特征。有时，由于温差太小，特征不明显，人眼很难准确辨别，即使是经验丰富的设备检测人员也有可能存在疏忽和遗漏，造成安全隐患。（3）即使是使用了手持式红外测温仪，由于运维人员水平的参差不齐，当需要巡视的目标对象过多时，也有可能因为体力不支等问题，无法做到详尽的数据记录及热像拍摄，变相造成了安全隐患。（4）伴随着温度及热像数据增多，简单按时间或地点进行分类保存的数据存储方式，容易造成数据的冗余堆积，无法清晰地对设备的历史运行状态进行观测，以及对潜在的设备缺陷进行及时的判断。在此，提出一种变电站自动化红外检测系统，其整体架构如图2所示，下面就其每个环节的具体实施方法进行探究。

图2 基于大数据的红外监测系统架构图

（一）数据自动采集与上传

首先，变电运维人员对于变电站中各类设备的温度检测大致可分为两大类：日常巡视和实时监测。针对第一种场景，可通过在每个变电站内预先放置装有红外测温仪的机器人，规划好其巡视路线及拍摄角度，最大化实现站内所有电力设备的热像拍摄。此外，对于位置较为隐蔽，机器人难以到达的位置，可以通过提放置固定式红外测温仪的方式进行测温，最终达成日常巡视过程中对于站内电力设备100%温度检测的目的。对于第二种场景，可通过远程控制的方式，将机器人运行至指定地点及位置，对重点关注设备的温度状态进行实时监测。

其次，在变电站现场通过红外摄测温仪采集的电力设备热像图，可能会由于环境干扰和硬件缺陷等因素，造成热像中存在噪声和畸变，甚至不清晰等情况。尤其是在缺少人为校准的全自动化拍摄过程中，更容易导致拍摄图片质量差。因此，在机器人巡视拍摄热像过程中，需要对图像质量进行实时判断，确保所拍摄的热像能够传递出的信息准确。在此，可利用人工智能图像识别、小波阈值降噪、中值滤波等方法来提升热像的质量与准确度[2]。

最后，将自动拍摄到的可靠热像上传至云端数据库。

（二）大数据存储与智能处理

热像图中物体的识别与温度信息的提取是至关重要的环节，其准确度是系统可靠性的一个重要衡量标准。在此，对于热像的处理大致可以分为三个部分：

1.图像识别

由于单一热像图中一般都会包含多个设备的温度信息，因此，对于热像图中的设备进行识别就显得尤为重要。现阶段可采用的方法大致可分为两类：图像分割与深度学习。图像分割往往无法适应复杂背景，且对于发热不明显的热像图的适应性较差[3]。深度学习则需要借助大量的热像图进行模型训练来提升识别准确率[4]。

伴随着计算机技术的高速发展，基于深度学习的红外热像图识别必然会成为未来重要的发展方向。

2.故障判断

基于识别出来的设备温度信息，一般可采用如下三种办法对设备是否故障进行判断[5]：

（1）表面温度判别法：通过对比相关标准中对于各设备材料温度与极限温升的规定，结合测温得到的环境温度与当前负荷来判断当前设备是否存在故障风险。

（2）相对温差判断法：通过对比各设备与另一台类型、负荷、所处环境等多方面都基本相同的正常运行设备，对应测温位置的温度差是否超过阈值来判断是否存在故障风险。

（3）历史温度判别法：结合当前电力负荷，通过对比各设备与历史相同工况下的温度来判断是否存在故障风险。

以上三种判断方法在实际使用中可以选取其中一种，或同时使用，多维度提升系统判断的准确度。

3.数据存储

对于数据的存储可以根据变电站与设备类型进行分类，然后将识别得到的各设备热像，以“时间_设备名称_负荷_环境温度_判断结果”进行命名存储，便于后期的故障回溯以及设备历史运行状态的统计。

（三）结果展示与故障预警

通过开发PC端上位机以及手机APP的方法，对该自动化检测系统中各环节的运行状态进行实时显示，如各变电站中巡视机器人的运行状态、热像图质量，以及所有设备是否都完成了温度检测等。并且，根据故障判断结果，对存在潜在故障风险的设备进行预警或报警。此外，也可对各设备的历史运行状态形成图表与报告，方便变电运维人员了解设备的健康状态。

总结

变电站作为电力行业的重要基础设施之一，其安全稳定运行尤为重要。本文从变电站巡视过程中对电力设备进行红外测温存在的问题点出发，进行了探究与思考，同时结合当下对于智能变电站的推动与发展，提出了一种变电站自动化红外检测系统，并对其中各环节的具体实施方法进行了较为详细的探究，为变电站中电力设备温度的检测与管控提供了一套有效可行的方案。