基于红外图像的变电站设备识别与热状态监测系统研究

作     者：尹阳 

作者单位：西安科技大学 

学位级别：硕士

导师姓名：王媛彬;马学童

授予年度：2018年

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：红外图像 变电站设备 智能监测 设备识别 热状态诊断 

摘      要：目前,随着智能电网建设的不断推进,作为保证电网运行安全性和可靠性的重要环节,变电站设备的运行状态监测与诊断的智能化已然步入发展进行时。近年来,基于红外图像的检测技术正在不断被开发与应用。但是,该类检测技术仍然存在抗干扰性差、检测容错率较低和智能化程度低等不足。因此本文针对这些不足对基于红外图像处理的变电设备的识别,设备区域热状态诊断的算法进行了针对性的研究与改进,并设计了配套的系统软硬件框架,最后使用初步搭建的设备智能监测软件平台进行了测试。一方面,针对目前红外背景给设备识别带来的干扰较大的问题进行了相应的算法改进。利用Retinex理论增强和改进的直方图均衡化方法进行设备区域增强,利用改进的区域生长方法提取出完整的设备区域,然后提取并构造出以三阶颜色矩和形状不变矩组成特征向量,采用基于径向基核函数的支持向量机进行特征融合与判定。另一方面,针对设备区域热状态诊断中存在的容错率较低的问题进行了分析和改良。使用以局部方差映射为核心的红外弱目标提取方法分割出设备区域中热状态异常的区域,建立图像灰度参数与设备区域温度参数的联系,利用改良的相对温差法完成了设备热状态分类与诊断,并同时完成了热状态异常区域的捕捉和定位。最后充分研究了智能监测系统的原理机制和应用要求,对硬件系统中的图像数据压缩与传输单元的功能模块进行重点分析与设计,然后基于MATLAB-GUI的环境模拟搭建了监测软件平台并完成了功能调试,最后对所研究的算法进行了初步测试。研究与测试结果显示,本文改良后的算法较大程度上弥补了现有算法的不足,对监测系统的初步设计也具有较强的参考性,这对优化与提升变电设备的智能化监测水平具有相当程度的引导意义。