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：

紅外熱成像技術具有快速、實時、非接觸性等優(yōu)點，多年來應用于電力電纜運行管理領域。借助便攜式紅外熱成像儀或在線紅外測溫系統(tǒng)，對運行狀態(tài)下的電纜設備進行溫度數(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，有效減少設備損壞和由此導致的電網(wǎng)大面積停電事故發(fā)生的次數(shù)。通常設備運行人員依據(jù)自身的經(jīng)驗知識，借助輔助的紅外分析軟件對圖像進行人工分析、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)進行綜合判斷，故需要耗費巨大的人力。因此，實現(xiàn)對紅外圖像自動分析、設備故障診斷的智能化，正成為電力電纜運行管理的一種趨勢。

目前，電氣設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)實時分析法。其中除了方法(1)實質(zhì)上都要基于進行比較的策略，需要同組三相設備、同相設備及同類設備對應部位的溫差進行比較，建立電氣設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、線溫度進行分析，作為診斷缺陷的參考。但此類軟件也有不足之處：(1)沒有對圖像中的設備主體和背景進行分離，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。

技術實現(xiàn)要素：

本發(fā)明的目的就是為了克服上述現(xiàn)有技術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方案來實現(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備的紅外圖像，并進行預處理；

2)對預處理后的紅外圖像通過k-means聚類算法提取目標設備，并對聚類結果進行標識，獲取僅包含目標設備的紅外圖像；

3)獲取僅包含目標設備的紅外圖像對應的rgb向量，根據(jù)rgb向量的歐氏距離與溫差的關系獲取僅包含目標設備的紅外圖像中每一點的溫度，并結合聚類結果，并對目標設備的發(fā)熱區(qū)域進行標識，形成目標設備各個區(qū)域的溫度分布；

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

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

所述的步驟2)中，通過k-means聚類算法提取目標設備時，選擇的聚類結果為：

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系為線性關系。

所述的步驟3)具體包括以下步驟：

31)獲取僅包含目標設備的紅外圖像對應的rgb向量的歐氏距離；

32)根據(jù)比色條獲取僅包含目標設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；

33)結合線性關系獲取僅包含目標設備的紅外圖像中每一點的溫度；

34)根據(jù)通過k-means聚類算法提取目標設備時產(chǎn)生的聚類結果對目標設備的發(fā)熱區(qū)域進行標識。

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

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)有技術相比，本發(fā)明具有以下優(yōu)點：

本發(fā)明通過采用k-means算法先對電力電纜的紅外圖像進行聚類，將目標設備與背景分離并提取出來，提高了技術分析的精度，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系，對紅外圖像上所有點的溫度進行精確獲取，有利于提高故障診斷的準確度。

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為聚類結果用不同色彩標識后的圖像。

圖4為從紅外圖像中提取的僅包含目標設備的圖像。

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為各聚類結果用不同色彩標識后的圖像。

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。

具體實施方式

下面結合附圖和具體實施例對本發(fā)明進行詳細說明。

實施例

本文首先應用k-means聚類算法對紅外圖像中的目標設備進行提取，克服了圖像背景引起的誤差，然后對目標設備的溫度場進行了數(shù)據(jù)分析，初步實現(xiàn)了紅外圖像的自動分析。后續(xù)可以結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設備進行提取是分析的基礎。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。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則函數(shù)達到最優(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，重復步驟(2)、步驟(3)直到準則函數(shù)最小化，此處采用平方誤差和作為準則函數(shù)，見式(2)；

(5)獲得k個聚類。

該算法的難點在于：(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設備、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軟件應用k-means算法進行圖像分割試驗。選取初始聚類中心使其在圖像上均勻分布，設置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識出來，如圖3所示。紅外圖像中目標設備通常溫度高于環(huán)境溫度，同時運行人員拍攝時會使目標設備盡量位于圖像的中央，基于以上兩個事實，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，作為目標設備提取出來，如圖4所示，背景基本被分離，證明該算法對目標和背景對比度較高的圖像有很好的分割效果。

電氣設備紅外圖譜的缺陷診斷主要依據(jù)《帶電設備紅外診斷應用規(guī)范(dl/t_664-2008)》(以下簡稱規(guī)范)以及《電力設備紅外檢測作業(yè)指導書》。電氣設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的電流致熱型、電壓致熱型設備缺陷診斷判據(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反映了兩個對應測點之間的溫差與其中較熱點的溫升之比的百分數(shù)，即：

式中：τ1，t1——發(fā)熱點的溫升和溫度；τ2，t2——正常相對應點的溫升和溫度；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，它不一定具有當時的真實環(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電流致熱型設備缺陷診斷判據(jù)

表2電壓致熱型設備缺陷診斷判據(jù)

上述步驟通過matlab驗證了k-means算法對于紅外圖像的目標設備提取的可行性，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。首先將圖像進行預處理，對圖像進行了中值濾波(如圖6所示)，主要是為了減少圖像上文字及圖標的干擾。運行matlabk-means聚類算法程序，得到的各聚類用不同色彩標識(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標識了溫度最高的一類聚類，它對應接地變的發(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)任意一點的溫度。通過程序搜索出最高溫度點，容易得到目標設備的最高溫度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)間的點數(shù)統(tǒng)計以輔助分析。

如果知道正常相對應點的溫度和環(huán)境參照體的溫度，進而計算出相對溫差，結合表1及表2，便可以診斷出故障的類型與性質(zhì)。實際該設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，導致放電造成的。