红外热成像技术对高压电气设备诊断与分析.docVIP

红外热成像技术对高压电气设备诊断与分析 　　摘 要：红外热成像诊断技术是在专家系统为核心基础上发展起来的，并按照相关的诊断结果规范了热故障处理措施与等级，之后达到红外热成像处理高压电气设备的目的，实现自动识别和处理故障的目的。文章以高压电气设备诊断与分析中红外热成像技术应用的相关内容进行了探究。 　　关键词：红外热成像；高压电气；设备诊断 　　DOI：10.16640/j.cnki.37-1222/t.2018.14.138 　　随着长时间运行电力设备，发热一般是十分严重的故障。如果在过热状态下运行电力设备，将引起设备材料的电气、物理、化学和机械等反面的恶化，进而使得设备被损坏，影响电网的可靠、稳定运行质量、所以，采用先进的红外热成像技术诊断与分析高压电气设备中存在的问题，从而确保电力系统安全、稳定的运行。 　　1 红外热成像诊断技术 　　1.1 技术原理分析 　　热传感器所采集的物体热辐射能是红外成像的核心技术，从而实现吸纳成像以及后期PC制作的红外非接触式热成像技术，随着在电力系统中广泛的应用了热力学技术后，在状态监测以及诊断故障时，也广泛的应用了红外热成像技术。此技术具有应用安全、测量精度高、诊断效率优越以及操作性强的优点。该技术还可以在安全的范围内对设备的温度值进行测量，把它转变为红外热成像值，然后精确量化处理被测设备的热量值。 　　1.2 具体的诊断操作流程分析 　　1.2.1 滤除噪声 　　有较多的因素会影响到红外辐射数据，比如，所测高压设备的四周物理环境、所测物体的红外热发射率、临近高压装置的热辐射以及太阳热能。为了将精确的符合数据获取出来，把一些带来影响的噪声降低。首先，确保操作人员科学的应用红外热像仪，并把技术参数科学的设置出来；其次，后期处理噪声，能够在频域或者时域范围内实现图像的运算分析，例如通过中值滤波以及邻域平均等算法，然而，所谈及的滤波算法只适用于几种噪声或者一种噪声的信号。为了将十分精确的高压设备红外特征数据信息获取出来，可以通过小波法滤除频域―时域范围内的噪声。 　　1.2.2 红外热成像特征提取以及分割 　　就多种高压电气装置而言，也有一定差异性存在于故障特诊中。所以，在获取红外图像并将噪声信号滤除后，然而提取红外图像特征以及分割图像。现阶段，模糊数学、遗传算法、神经网络以及数学形态学以及小波变换等是图像分割的基本原理。为了降噪处理大范围的数据，选择模糊数学、神经网络算法以及小波变换相融合的方法，通过分割图像，然后再获取电气装置的热像图，特征量主要涵盖这样几个方面：热点最高温度、发热去城市分布情况以及同型号电气设备的平均温度。 　　对比一般可见光热图像，高压设备的热图像有着一定的独特性，它具有较弱的热信号，噪声对其带来的影响较大，所以，所测的图像通常比较模糊，而且，具有较低的可辨析度，此外，物体表面红外辐射场的分布对图像凸点的纹理以及复杂度影响较大；现场内有较为复杂的电力设备种类，因此，会呈现出多种设备局部温度场以及大量热图像混杂的情况，而且，被测高压设备不可避免的受到其他设备红外射场的影响，当在不同方向、周围环境因素以及距离内安放红外热成像测量系统后，因此，就会有较大的差异出现在所测相同设备的红外热图像中。 　　为了将上述因素的影响缩减，把更加精确的热图像数据获取出来，而且，必须要把控把偏心度、图像周长和面积之间的比值，然后基于此，用以下公式表示被测设备红外热图像特征向量： 　　在这个式子中，设备类别数用N表示，第i类样本两个特征的平均值用m1和m2表示。利用这个公式，能够将各类样本两个特点的平均值计算出来，而且，也会把各个因素的影响减少。 　　1.2.3 故障分析处理 　　通过识别与标注，然后分析红外热像图，其中，档案分析、温差、同类对比以、表征特征以及图像特点是常用的红外热图像故障分析技术。最后按照不同的工况制定最后PC终端，将最佳的判断方案?x择出来。 　　判断表面温度的原理为基于所测高压装置的表面温度值；而且，在电压致热型设备中比较适合应用图像特征判断法，按照同型号设备的异常与正常状态的红外热图像处理技术，分析设备是否可以科学运行；相同设备对比判断技术时比较设备不同相或者比较同类型设备，与相应的温度相对比，分析是否有异常问题出现在设备中，与温差法相比，也就是按照相对温差判断的技术，而且，在电流致型设备中比较适合应用这种方法；对应的，在分析判断结构复杂的设备时比较适合应用档案分析法。然而，首先要把设备技术档案构建起来。但是要求具备原始的检测数据或者基础的红外图谱。 　　2 专家系统分析 　　2.1 基本运行原理 　　就专家系统而言，主要是通过人工智能程序将相近的解法开发出来，这种计算机程序属于智能型的，而且主要通过推理过程与相关知识处理很多专