摘要：本文以图像识别技术为研究对象，对其在电力系统在线监测工作中的应用条件进行分析。在简要说明总体性技术方案的同时，在图像处理、二值化阈值选择、电力设备识别、故障判断分析内容中，说明此项技术的应用共条件与具体技术细节。由此为相关技术领域的应用研究，提供参考材料。
关键词：图像识别；电力系统；在线监测
引言：电力设备运行状态，是保证电网功能性的基础条件，因此也是电网开展内部监控管理工作的重要对象。在具体电力设备的监测工作中，由于高压设备在运行状态下，难以与电信号形成兼容性转化，因此，在进行此类设备的监控工作中，就产生了一系列的技术问题，为了克服这一困难，并保证电力系统的监测工作执行状态，需要将图像识别技术作为基础条件，以形成在线化的总体监测方案。
一、总体方案说明
为了提高电力设备的自动化监测水平，需要在现有视频监测技术的基础上，增设图像识别、分析功能，通过对整体系统框架的优化调整，将电荷耦合器作为图像监测的传感器设备，并安装在电力设备附近适当的位置上。通过仪器对于设备运行状态数据的采集，将其具体信息内容转化为光信号数据，以此转入到用于监控的计算机设备体系中，通过计算机对于数字图像的采集与分析，定位现场设备可能存在的异常变化情况，实现对于故障问题的识别与定位。而在此技术分析模式下，需要对电力设备的图像资料进行进一步采集，通过核心程序发出的实时图像连续采集信号，保证对具体图像资料收集的连续性[1]。尤其在GPRS无线网络技术中，可以通过计算机中的报警系统，对收到的实时图像作出反应，以此保证图像采集与预处理工作的有效性，进而加强故障判断的时效性。
二、在线图像识别技术
（一）图像预处理
设备附近的图像采集设备，在完成设备图像资料的采集之后，会将图像数据进行灰度化处理，并使用较为平滑的滤波条件，消除图像中的噪声信息。在这一预处理技术内容中，可以引入加权系数的平滑模板对图像进行处理，并抑制噪声条件产生的干扰问题。通过图像平滑控制，使其处于低通滤波状态，在信号的低频部分，可以顺利通过，并在分析处理中完成对于高频部分噪声信号的识别，以此降低噪声的影响条件。由于对于图像的边缘也进行了平滑处理，但受到其高频部分的影响，会造成图像界面边缘模糊的问题。为了克服这一情况带来的负面影响，需要在收到具体图像数据资料之后，在计算机程序中，进行相应的取值均衡处理，以此保证整体图像的平整度状态。
（二）二值化阈值选择
为了在图像的识别与计算中，降低对于内存的占用条件，尽可能地提升计算机的运算速率，使图像分析处理能力得到提升，并保证电气元件图像带灰度处理的同时，将其转化为有效地二值数据信号。而在图像的二值数据信号中，主要可以分为全阈值、局部阈值、动态阈值这三种方式[2]。
第一，全阈值二值法在应用中，表现出明显的便捷化特征。然而，在技术手段的应用中，受到噪音的干扰较为明显且光照效果不均匀的问题一直存在。另外，在直方图中，也没有形成双峰分布曲线，且二值化效果明显相对较低。
第二，在动态阈值法的应用中，对于这几技术模式的选择，主要受到像素坐标位置的影响，而不仅受像素灰度这一单因素的限制。在动态阈值的特征像素分析过程中，可以有效地突出背景环境，并在展现目标边界上，表现出明显的技术优势，可以对噪声条件有极强的抵抗能力。也正是由于其良好的抗性条件，导致这一方法的转化，受到实践与空间的较为复杂的限制，使其处理能力与速率水平大打折扣。
期刊文章分类查询,尽在期刊图书馆
第三，最大间方差与之分割法，是作为经典的分析模式，可以在没有参数、监督条件的前提下，形成技术的自适应状态，并在完成独立分割处理的过程中，省去所有经验知识内容的累积，仅凭借图像灰度直方图数据，就可以实现对于阈值数据的分割处理。在这一技术条件下，通过全局阈值法二值化的图像处理，在Ostu法阈值化处理后，可以形成良好的分析力效果，并在一定程度上，适应不同的对比度图像，以此保证分析的有效性。
（三）电力设备识别
经过以上技术手段的系列化处理，可以在系统结构中，获得干扰水平相对较低，且带有平滑二值图状态的图像。由此，能够完成对于电力设备元件的细节分析，并在传统模板的匹配计算中，省去大量的无用计算条件，直接提升整体图像处理的速率水平。而在实践应用中，序贯相似性检测算法的应用条件最为突出，可以完成以上效率化计算目标的同时，保证设备识别的有效性。
具体计算分析的数据模型中，可以进行子图图像数据的搜索，并在图像信息上，设置独立的参考点。在确定了具体子图坐标系统的前提下，定义绝对值的误差数据。由此，在求取不变阈值的同时，在子图结构中，随机性的选取取像点，然后将这一取像点的数据信息计算出来，与之前计算的点位误差相加，就可以在累积多次误差计算的前提下，获取到最终的工序管相似性检测算法曲面数据[3]。
在以上的计算的分析中，可以定位匹配点的基准点条件，并在图像处理中，将其范围缩小到一定的区域中，通过分割单个元件的二值化图像，形成图像信息矩阵。由此，在识别单元元件完成转化之后，可以提取出具体的模糊矩阵，并在消除其它“污点”干扰条件的前提下，保证模糊处理图形的应用条件。在模糊矩阵转化模型矢量的基础上，完成电力设备元件的标准矩阵矢量化处理。
通过这一系列化的元件矢量计算，可完成对于末班图像的模糊化处理，并以此形成标准化的图像资料。然后，将计算分析中，预估出的绝缘子区域进行标注，以此保证处理结果的精确度，并提升模糊化末班的操作有效性。而对于模糊化的标准图接受，可以在接近程度计算中，保证对于各种设备元件的计算分析，以此在简化SSDA算法的同时，提升模糊矩阵计算方式中的抗干扰能力。
（四）故障判断分析
图像的识别与理解中，需要保证计算机视觉处理图像系统目标的明确性，并在判断电力设备运行状态正常条件的前提下，保证设备图像与数据存储图形的比较条件。执行这一比对分析方式，可以将当前状态下的设备图像信息，与历史数据库系统中的图像资料进行比较，并在“差帧法”的比对分析中确定是否存在肉眼可见的故障问题。在技术管理中，如果电力设备外观上，出现机械损伤、结构放电、设备漏油等问题，都可以在图像的对比分析中，之间通过系统的自动比对分析出来。同时，如果在电气设备中存在突变、毛刺、边缘凸起、轮廓新增等表面问题，则说明在设备的内部结构中可能存在故障问题。对此，要通过软件系统，对图像的差异化程度作出判断，并在电力设备的类型条件下，确定设备内故障问题的危险程度，并向整体数据系统释放劲爆信号为故障的及时处理，提供警示信息。通过这种帧数上的图像系统自对比，可以有效地定位在外观上肉眼不易识别的变化，并将其进行量化定位取值，以此保证整体警告信号系统的指示性作用。
总结：综上，将图像处理技术作为基础，在落实智能识别技术的基础上，可以在电力设备的图像识别与分析中，形成创新性的技术应用条件。尤其在高压、高危、恶劣环境的负面影响下，可以在减少调度人员负担的基础上，形成智能化的自动监测系统，以此实现对于大多数故障问题的监测分析。以此，保证整体电力系统的监测工作的应用升级，并在无人化电站技术发展上获得突破。
参考文献：
[1]张宇航,邱才明,杨帆,等.深度学习在电网图像数据及时空数据中的应用综述[J].电网技术,2019,43(06):1865-1873.
[2]刘云鹏,许自强,李刚,等.人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述[J].高电压技术,2019,45(02):337-348.
[3]戴彦,王刘旺,李媛,等.新一代人工智能在智能电网中的应用研究综述[J].电力建设,2018,39(10):1-11.
论文作者:周林波
论文发表刊物:《中国电业》2019年17期
论文发表时间:2019/12/17
标签：图像论文; 阈值论文; 技术论文; 条件论文; 并在论文; 设备论文; 电力设备论文; 《中国电业》2019年17期论文;