Page 64 - 无损检测2022年第十期
P. 64
李明轩,等:
基于时间序列算法的变电站设备故障红外识别
温度是表征变电站设备运行状态的重要参数, 各设
备发生故障时, 其温度往往表现出升高态势 [ 2 ] 。利
用红外热成像技术获取各设备的红外视频图像, 通
过比色条采集其温度数据, 实现各设备的故障识别
是当下行之有效的技术手段 [ 3 ] , 既不会对变电站设
备的正常运行造成干扰, 又能满足故障检测的实时
性要求。
变电站设备红外视频图像具有数据规模大的特
图 1 变电站设备红外遥视与故障缺陷识别框架
点, 如何在红外视频图像中提取设备故障帧图像并
检测到故障发生时间是识别故障的关键。红外视频 测温图像及环境视频图像的采集; 然后采用滑动时
图像各帧间的图像信息满足时间序列特性 [ 4 ] , 在时 间窗口筛选设备的可疑故障缺陷视频图像并进行标
间间隔很小时, 变电站设备的温度信息不会发生大 记。在对其进行去噪、 分割的基础上, 一方面获得变
幅度改变, 通过时间序列算法可实现变电站设备可 电站设备的特征温度信息, 通过对其进行分析处理,
疑红外视频图像的筛选及标记, 有效提升故障识别 实现变电站设备的故障诊断; 另一方面根据变电站
效率。 设备所处环境的视频图像, 实现对变电站设备区异
刘黎等 [ 5 ] 利用改进的 Faster-RCNN 目标检测 物、 刀闸状态、 套管与顶盖状态、 烟火的检测, 并识别
方法获取视频图像中的各尺度语义信息, 实现了变 设备区的车辆违停现象。
电站异物识别, 该方法对亮度较高区域具有较好的 1.2 基于时间序列和滑动窗口的设备可疑故障缺
识别效果, 但在暗区域存在细节丢失问题; 姚艳秋 [ 6 ] 陷图像筛选
提出利用时序数据的趋势分析方法识别变电站设备 1.2.1 变电站设备可疑故障缺陷图像筛选
的绝缘性故障缺陷, 该方法可完成绝缘性故障缺陷 令 X 为时间序列, 即包含一系列元素的有序图
的时序性选择, 但通过最小二乘法拟合无法获取其 像帧集合, 各元素由帧图像存储时间t 及记录值x
全部特征值, 特征数据丢失严重, 直接影响识别结果 构成 [ 8 ] , 表 示 为 X = {( t 0 x 0 , ),…,( t i ,
, ),( t 1 x 1
的精准度。因此, 笔者提出基于时间序列算法的变 x i ),…}。由于变电站设备视频图像在实际运行中,
其运行状态随着时间的变化呈动态性改变, 满足时
电站设备故障缺陷识别, 旨在有效提升各设备的故
间序列特点, 因此, 设定图像帧 X 与时间密切相关,
障缺陷识别效果。
通常当选择的时间间隔很小时, X 基本不会发生较
1 变电站设备故障缺陷识别 大改变, 在当下时间窗内, 对各 X 值取平均值得到
1.1 变电站设备红外遥视与故障缺陷识别框架 X av g , 各 X 基本均位于 X av g 周围, 对于图像帧 B , 若
时, 则 B 发生故障缺陷的概率很
变电站红外遥视与故障缺陷识别框架如图 1 所 其 X 值远离 X av g
高。因此, 文章采用固定大小的滑动时间窗口, 实现
示, 其中包含混合探测器、 云台、 数据通信设备、 转发
中心、 监控中心等主要单元 [ 7 ] 。检测时, 将由红外、 变电站设备的时间序列视频图像的可疑图像帧选择
可见光摄像头组成的混合探测器布置于云台上, 并 及标记。
对于获取的任意一个变电站设备视频图像, 令
安装于变电站内各设备上, 红外摄像头负责对变电
[
站各设备的红外测温图像进行采集, 可见光摄像头 S W t-w∶t ] 为其滑动窗口, w 为采样时间间隔, t
[
为时间, 且t>w 。在 S W t-w∶t ] 内, 各图像帧可
负责采集变电站设备周围环境视频图像信息; 采集
表示为
的各视频图像信息经数据通信设备传输至 转发中
( ( w ) = , ,…, x t - 1 x t
, } ( 1 )
心, 再远程传输至监控中心, 然后由监控中心对接收 S W x t ) { x t - w x t - w+ 1
作为B , 对 B 进行故
的各类视频图像信息进行分析处理, 完成变电站设 将时间点为t 的图像帧x t
障模式判别, 具体分为以下 5 个步骤。
备的故障缺陷识别。
( 1 )对变电站设备的任意时间序列视频图像进
变电站红外遥视与故障缺陷识别原理为: 首先
监控中心通过上位机操控混合探测器及云台组合, 行选择, 将t 作为开始时间点, 设定滑动窗口为 S W
( w ) ), 时间间隔为 w 。
对变电站各设备进行自动巡检, 完成各预置位红外 ( x t
( 2 )在滑动窗口范围内, 求解各帧图像像素点
0
3
2022 年 第 44 卷 第 10 期
无损检测
