摘要：近年来，随着我国科技的快速发展，图像识别技术发展的也十分迅速。而现如今很多学者将图像识别技术应用于视频监控中，将视频监控与图像识别结合成为了目前研究的热点。电力设备的视频监控与图像识别技术的研究刚刚起步，该技术不仅可节省大量的人力资源，还可实时监控变电站设备的运行状态及进行故障诊断，具有很广阔的研究及应用前景。本文介绍了电力设备监测与分析总体方案、图像处理技术，并且结合无人值守变电站的电力设备异常状态进行分析，结果表明该技术能很好地判断电力设备的运行状态
关键词：图像识别技术;电力设备监测;故障诊断
引言
以电力设备在线监测为论述对象，以图像识别和处理技术为论述手段，基于理论知识的学习和实践经验的应用，从电力设备监测和总体方案分析、监测图像识别和分析以及基于图像识别技术的电力设备异常状态监测三个方面实施了专业论述。所述内容具有一定的参考性，以期为我国智能化电力系统的发展和应用提供技术支撑。
1电力设备监测与分析总体方案
随着计算机技术的快速发展，图像处理技术日趋成熟，其在电力设备运行状态在线监测工作中所发挥的作用越来越突出。随着图像处理技术和计算机视觉技术的快速发展和日趋成熟，计算机视觉识别电力设备、分析电力设备运行状态在电力系统监测工作中所发挥的作用越来越重要。电力设备的运行状态直接关系到电网的安全可靠运行，因此，对电力设备运行状态的实时监测来保证变电站的安全可靠运行至关重要。当前，电网调度自动化系统、高压设备绝缘检测以及继电保护装置等在保障变电站安全可靠运行方面发挥着重要的作用。从当前电力设备在线监测系统运行的状况来看还存在缺陷，其中高压电场的存在对数据的传输可靠性产生了较大的影响。另外，部分运行参数及征兆信号很难通过接触测量转换为电信号，甚至难以利用微机监测获取。当前，电网已经建立了多套遥视系统用于电力设备运行状态的在线监测中，为保障电力系统的安全可靠运行提供了重要的支持。由于电网中变电站数量的不断增加，须监测的目标对象数量不断增加，这也使得系统传输的数据量不断上升。对此，大量学者对远程图像的采集、数据的压缩和传输进行了集中深入研究。如何降低调度人员的工作强度，同时快速准确地确定变电站的运行状态是当前研究的重点内容。为了使电力设备自动监测水平进一步提高，本文提出了基于图像识别技术的电力设备在线实时监测分析方案。该方案以现有电力设备视频监测系统为基础，结合图像分析和识别技术，不须对原有系统进行更换，能够在增强系统功能的同时，具有较高的经济性。
2电力设监测图像识别和分析
2.1图像预处理
为消减图像噪声，在灰度化处理原图后，所得灰度图还需进行平滑滤波处理。而引入加权系数的平滑模板对噪声消减效果良好，图像质量提升明显。通过低通滤波的运用，平滑滤波处理灰度图可将其中的高频噪声信号进行有效过滤。但是需要注意，在采用该方式减少图像噪声时，由于同时也会过滤掉图像边缘部分的高频噪声，因此会使图像整体质量因边缘化模糊而受到影响。鉴于此，为使图像噪音消减和图像边缘模糊化问题均得到解决，在用平滑滤波处理完图像后，可进一步实施直方图均衡化处理，以实现图像处理质量的整体提升。
2.2图像分割
图像分割是指将图像分成若干个特定的、具有独特性质的区域，以形成具有物理意义的多连通区域集合。具体地，在分析图像特征信息（亮度、颜色与纹理等）后，以各自差异为依据进行图像分割，该操作可对图像进行很好的识别和分析。由于分割准确性对后续工作的有效性影响重大，故此在具体分割时应注意控制好精度。在图像分割过程中，主要以图像颜色、灰度和几何性质为依据分隔不同含义的区域，这些区域各自均具有可满足特定区域的一致性，彼此之间互不相交。
期刊文章分类查询,尽在期刊图书馆例如，在对统一物体图像的分割，一般是从背景图像中将属于和不属于该物体的像素点分离出来，而所分割出的区域，应同时满足以下条件：（1）在某一方面，相邻区域间差异性应表现明显；（2）分割区域边界完整且边缘空间拥有较高的定位精度；（3）分割完成的区域连通性和均匀性应表现良好，其中连通性是指该区域内任意两点均存在连接路径，均匀性指区域内所有像素在色彩、纹理、灰度特征等方面具有一定的相似性。在使用基于阀值的分割方法时，为提升分割结果的精确度和图像分析效率，对灰度图还需进一步实施二值化处理，具体方法主要包括动态阈值法、局部阈值法和全局阈值法。第一，动态阈值法。在图像二值化处理过程中，对于阀值应综合分析后进行选取，结合该图像像素及其坐标，还需考虑周围像素的灰度值。由于动态阈值法充分考虑了每个相邻域的特征，因此对目标边界和背景图像表现更清晰，抗噪声能力更强，虽然在空间和时间方面表现出较高的复杂度。但是，随着计算机性能的日益优化，对于实际处理中的各种需求已可完全满足。第二，局部阈值法。该方法可有效克服光照不均匀问题，但因转换速度较慢而难以保证目标区域的连通性。第三，全局阈值法。该方法对噪音敏感，且在光照不均匀时直方图呈现为非双峰的图像二值化效果极差。但是，操作过程相对简单，易于上手。此外，作为一种经典的分割方法，最大类间方差阈值法无需参数和监督动态阈值，不涉及其他先进技术，只需以图像灰度直方图和该阈值为依据便可实现图像分割。相比之下，采用最大类间方差阈值法对灰度图实施二值化处理，其分离效果比全局阈值法更好，并且在一定程度上能够很好地适应不同对比度的图像。
3电力设备异常状态检测
3.1变电站的图像监测
无人值守是变电站未来发展的主要趋势，虽然当前已经建立了多套变电站遥视系统，但是简单地采集和传输无人值守变电站的图像信号难以满足当前电网快速发展的需求。所以，首先应对变电站实时采集的图像进行分类，然后对这些分类图像进行分析，根据分析结果判断是否须对这些图像进行传输。当设备处于正常运行时，不传输监测图像，只传输分析结果；而当变电站设备运行状态发生畸变时，则将特定的图像信号和报警信息传送给调度端。调度员在确认报警信号之后，再结合系统发出的提示找到对应的变电站图像进行观察和处理。通过这种方式，能够大幅度减轻调度员的工作强度，同时不须考虑在通信信道拥挤时对数据的压缩问题。
3.2电力设备状态检测和分析
在预处理设备图像过程中，为提升图像处理质量，便于目标设备的识别，对于图像噪声的去除应合理选择算法和方法。对于电力设备图像的处理，计算机视觉处理的主要目标为图像识别和理解。而识别过程以设备图像的颜色、纹理特征以及模板匹配方法为主要依据。在将目标设备从图像中准确识别后，为了对电力设备实际运行状态进行有效判断，还需进一步处理设备图像，然后与原数据库中的保准图像进行对比。对于电力设备运行状态变化的监测，以减法运算为对象进行分析，其计算原理如式1所示。ΔPi(x,y)=Pi(x,y)-P(x,y)其中，Pi(x,y)为目前有待判别处理的图像；P(x,y)为存储于数据库中的标准图像。当计算结果ΔPi(x,y)=0时，表明电力设备运行状态正常，对应图像无异常情况；当ΔPi(x,y)≠0时，表明设备运行状态异常，对应图像中部分存在毛刺和边缘突起等畸变情况。
结语
图像处理技术在电力设备在线监测中的应用，不仅能够有效替代人工巡检，提升工作效率和自动化程度，还能在高压、危险和恶劣环境下，通过对电力设备运行状态的实时获取，有效保证电力系统运行的安全性和可靠性。
参考文献:
[1]朱秀昌.数字图像处理与图像通信[M].北京：北京邮电大学出版社，2018.
[2]龚声蓉，刘纯平，王 强，等．数字图像处理与分析[M].北京：清华大学出版社，2017．
[3]张浩，王玮，徐丽杰，等．图像识别技术在电力设备监测中的应用[J].电力系统保护与控制，2018，38（6）：88-91.
论文作者:王鹏宇1,王慧娟2,燕书全1
论文发表刊物:《电力设备》2019年第1期
论文发表时间:2019/6/21
标签：图像论文; 电力设备论文; 阈值论文; 变电站论文; 灰度论文; 运行状态论文; 技术论文; 《电力设备》2019年第1期论文;