利用径向温度分布特征检测绝缘子污秽等级①

陈华林，姚建刚，李佐胜，黄诗文，李文杰

(1.湖南大学电气与信息工程学院，长沙 410082;2.湖南省电力公司超高压管理局，长沙 410014;3.湖南湖大华龙电气与信息技术有限公司，长沙 410012)

绝缘子上沉积的污秽在湿度较大的气象条件下容易发生污闪，严重影响了供电系统的可靠性。通过调整爬电距离、更换防污型绝缘子、采用合成绝缘子以及室温硫化硅橡胶RTV(room temperature vulcanized silicone rubber)涂料、对绝缘子进行定期清洗等措施[1]，在实际运行中都起到过积极作用，但效果都不理想。原因之一是不能及时准确地掌握绝缘子污秽状况。为了解决这个问题，通过在线获取泄漏电流，文献[2～4]通过建立泄漏电流时域、频域特征以及环境参数与污秽程度的映射关系，实现等值附盐密度预测或污秽分级。文献[5～7]通过监测绝缘子表面放电的声和光现象，判断绝缘子污秽状态。文献[8]通过测量污秽导致的光能损耗程度检测等值附盐密度。文献[9]利用污秽对绝缘子微波辐射特性的改变来检测污秽程度。泄漏电流可以表征污秽程度的变化，其热效应也受到了研究人员的关注。文献[10]利用红外线温度计测量了均匀污秽绝缘子的帽部、栓部和盘面的顶部、中部、底部的一些点的温度，得出不同污秽时运行绝缘子出现不同的温升变化。通过10 kV模拟试验，文献[11]利用红外成像技术，结合图像处理与神经网络研究了单片绝缘子的污秽等级检测。这些在线检测方法各有利弊，但离实际应用尚有不小的差距。

本文提出通过图像处理抑制成像过程的噪声干扰、获得统一规范的绝缘子盘面特征图像;再利用特征图像的相对温度提取径向温度分布特征表征污秽程度;最后采用最近邻湿度条件下的最小距离分类器评定污秽等级。试验结果表明该方法可以实现绝缘子串的污秽等级检测，且具有高准确性。

1 红外热成像检测绝缘子污秽等级的原理

文献[12]指出，湿度和温度等气象因素中，湿度与泄漏电流的关联度最大(＞0.9)，对泄漏电流的影响最大，环境温度的改变往往会引起环境湿度的改变。对非劣化绝缘子而言，表面污秽程度和环境湿度是影响其绝缘性能的两个重要因素。在运行电压作用下，当绝缘子污秽干燥时，绝缘子的发热以介质损耗发热为主;当污层受潮时，表面电阻急剧下降，表面泄漏电流增大，绝缘子的发热以表面泄漏电流发热为主。

在湿污状态，绝缘子串的电压分布主要受表面绝缘电阻的影响。同串绝缘子污湿状态相似，各绝缘子绝缘电阻差别较小，因此各绝缘子承载电压基本一致、发热情况也基本相同。电流流过污层产生热效应，引起绝缘子表面的温升。绝缘子为轴对称结构，瓷件表面沿爬电方向具有不同的盘径，流过瓷盘面污层的泄漏电流在小盘径处比大盘径处密度大，产生的热效应也不同。绝缘子表面污秽越严重，环境湿度越大，表面泄漏电流越大，电流流过瓷盘面污层产生的热效应差异也随之增大。因此，可利用瓷盘面径向温度分布特征来表征污秽的变化。

红外热像仪接收被测目标的红外辐射信号，经红外探测器转换成相应电信号，通过信号处理后，将被测物体表面温度分布转变为二维可视图像(热像图)，热像图的灰度值正比于物体表面的温度，灰度值越大，温度值越高。

利用红外热像仪获取运行绝缘子的表面温度场信息，本文提出一种基于盘面径向温度分布特征的绝缘子污秽等级检测方法。首先从采集的热像图中截取单片绝缘子热像图，采用复小波GCV阈值方法消噪;然后分割图像，通过水平扫描二值图像采样绝缘子盘面边缘点坐标，应用最小二乘拟合盘面边缘椭圆方程，提取椭圆内长轴以上图像区域作为盘面特征图像;再利用特征图像的相对温度提取径向温度分布特征作为表征污秽程度的红外特征量;最后通过大量样本建立不同湿度条件下各污秽等级绝缘子红外特征库，采用最近邻湿度条件下的最小距离分类器识别检测样本的污秽度等级。

2 绝缘子污秽等级检测新方法

2.1 红外图像去噪

红外成像过程中受多种噪声的影响，表现出明显的高噪声、低对比度的特点。从染噪图像中恢复绝缘子表面温度场信息是实现绝缘子污秽等级准确检测的前提条件。Kingsbury提出双树复小波变换[13]不仅具有平移不变性和良好的方向选择性，还具完全重构性、有限的数据冗余和较小的计算量等优点，特别适合高噪声场合的信号处理。本文采用复小波GCV阈值去噪算法进行消噪处理，GCV阈值趋近于理想阈值，不需要对噪声方差进行估计。实验表明该方法噪声去除彻底，并能有效保留细节特征。

复小波GCV阈值去噪过程如下:

(1)原始图像复小波正变换。确定Q-shift滤波器组("qshift_06")和分解层数(L=3)，变换后得到低频子带小波系数V(t，1)和高频子带小波系数，t代表分解树序号 ，t ∈{A ，B}，l代表分解层数，l ∈ {1 ，2，…，L}，o 代表高频子带方向，o ∈{LH ，H L，HH}。

估计GCV阈值[14]的公式为

式中:N为待处理的小波系数个数;N0为被阈值t处理后置为0的系数个数;w和wδ分别表示带噪小波系数和阈值处理后的小波系数。

采用软阈值函数对系数进行处理，将绝对值大于阈值的系数变为该系数与阈值的差，其他系数置零，用函数表示为

(3)利用处理后的系数进行复小波反变换，得到去噪后图像。

2.2 红外图像分割

绝缘子图像区域的灰度分布在较高的值上，而背景灰度分布在较低的值上，可采用阈值分割方法将绝缘子区域与背景区域分离。单片绝缘子热像直方图低灰度区呈多峰态，高灰度区呈平坦的拖尾。实验分割尝试表明，阈值在直方图第1个波峰后的波谷，由于直方图波峰不规则，本文先对直方图进行平滑，然后提取直方图包络线，再以包络线第1个波峰后的波谷作为阈值进行图像分割。其具体算法流程如下。

(1)统计图像中各灰度值出现的概率为

式中:k为灰度级，k∈[0，255];nk为灰度级k的像素个数;Ntol为总像素个数。

(2)对p(i)序列首尾扩延2个零值，以每5点取平均平滑直方图，可得

(3)计算pf(i)一阶前向差分序列dpf(i)，求取dpf(i)的符号序列spf(i)，搜索spf(i)序列中1→0、0→1和1→1的变化点，记录相应的位置及pf值(即包络点信息)。

(4)搜索包络点信息的第1个极大值，搜索第1个极大值之后的第1个极小值，即为所求阈值kopt。

(5)以kopt为阈值分割图像，得到绝缘子盘面二值图为

式中 fb(i，j)为图像中任意点的像素值。

2.3 盘面特征图像提取

绝缘子红外成像能保证完整的摄取到瓷盘面区域的一半，瓷盘面轴向成像是一个圆，在倾斜角度成像时是一个椭圆。只要能确定椭圆方程，就能通过沿长轴平分椭圆得到感兴趣的那一半瓷盘面区域。

平面任意位置理想椭圆方程为

若已知椭圆曲线上若干点坐标，至少5点，可以采用最小二乘来估计椭圆方程参数[15]。同时可求得圆心坐标(x0，y0)，长轴半径a，短轴半径b，长轴倾斜角度θ。

长轴所在直线方程为

瓷盘面边缘点可以通过水平扫描的方式得到。将图像水平方向8等分，并取中间3条等分线，分别从左向右扫描像素点的变化，记录每条等分线上第1个由0转变为1，且后续9个像素点均为1的像素点坐标，同时记录继续扫描得到的第1个由1转变为0，且后续9个像素点均为0的像素点坐标。扫描得到6个瓷盘面边缘点坐标，利用最小二乘拟合瓷盘面图像边缘椭圆方程，取椭圆内长轴以上图像区域即为需要的特征图像。此时的像素点坐标满足条件

2.4 红外特征提取

在提取红外特征量时，应尽量减少成像设备差异、成像设备参数设置以及拍摄条件等因素对特征的影响，采用相对温度，避免提取极值[16]，提高特征的抗干扰能力。由于绝缘子瓷盘面的热效应随盘径变化，本文以相对温度提取盘面特征图像的径向温度分布特征表征污秽程度，先将特征图像分割为5个部分，分割边缘的椭圆方程与瓷盘面边缘椭圆方程有相同的圆心坐标和长轴倾斜角度，对应的长、短轴半径依次为(a，b)/4、(a ，b)×3/8、(a ，b)/2、(a，b)×3/4;然后由外向内依次计算前4个图像区域的相对温度平均值，此平均值序列构成径向温度分布特征(Faver1，Faver2，Faver3 ，Faver4)，即红外特征量。盘面任一点的相对温度是指该点红外热像测量温度与盘面测量温度最低值的差值。

2.5 污秽等级评定

环境湿度便于测量，可以采用比较最相近湿度条件下的检测样本与不同污秽等级绝缘子参考样本的相似程度，再通过一定的评定准则确定检测样本的污秽等级。评定准则本质上是一个相似度分类器，相似程度可以用距离来衡量，距离越小，相似性越大。适应环境湿度的变化，本文建立一个动态的最小距离分类器来评定污秽等级。红外特征具有相同的量纲，相似程度选用欧氏距离度量。在检测应用前，通过大量样本建立不同湿度条件下各污秽等级绝缘子红外特征库。检测时，依据检测样本的环境湿度，将最相近湿度条件下的参考绝缘子按照污秽等级分组，然后计算各污秽等级参考绝缘子红外特征的算术平均值，用均值作为该污秽等级的代表，计算检测样本与各均值的欧氏距离，选取欧氏距离最近的均值所代表的污秽等级作为检测样本的污秽等级。

3 实验室试验及结果分析

3.1 试验装置

本次试验包括单片绝缘子和3片串绝缘子模拟运行试验。试验接线原理如图1所示，绝缘子放置于湿度可调的人工雾室。变压器次级额定电压为50 kV，调压器和变压器容量均为100 kVA。

图1 实验的接线示意Fig.1 Connecting diagram of experiment

3.2 试验方法

试验选用XP-160瓷绝缘子，共100片。试验样本在试验前先用自来水清洗干净，除去污秽物，自然阴干。采用固体涂层法对阴干后绝缘子瓷表面均匀染污，人工涂刷各污秽等级试验样本的灰密统一取为1 mg/cm2，0、Ⅰ 、Ⅱ、Ⅲ、Ⅳ级试验样本对应的盐密范围分别为 0～0.03 mg/cm2、0.03～0.06 mg/cm2、0.06 ～ 0.1 mg/cm2、0.1 ～ 0.25 mg/cm2、0.25 ～0.35 mg/cm2，自然阴干24 h后试验。

鉴于相对湿度超过75%才对泄漏电流产生比较显著的影响、红外热像仪的使用环境要求相对湿度小于95%，试验模拟相对湿度范围为78%～92%。户外110 kV输电线路一般采用7片串绝缘子，在湿污状态，单片绝缘子的平均压降约为10 kV，模拟运行对单片试验样本加载工频电压 10 kV，3片串为30 kV。每次选择同污秽等级但盐密值不同的5个试验样本，垂直并联悬挂于模拟导体与地之间，在不同湿度条件下运行3 h，依据文献[10，17]，绝缘子已处于热平衡状态。距离2.5 m、成像角度45°，对每片绝缘子利用美国FLIR公司S65红外热像仪采集红外热像。

3.3 试验结果及分析

单片绝缘子试验样本620个，拍摄绝缘子红外图像1 860幅;3片串绝缘子试验样本50个，拍摄绝缘子红外图像450幅。先从采集的热像图中截取单片绝缘子热像图，共计2 310幅，然后依次执行图像去噪、图像分割、盘面特征图像提取、红外特征提取操作。图 2、图 3分别为单片 Ⅳ级污秽样本(79%)和3片串Ⅱ级污秽样本(79%)的图像处理过程。

图2 单片绝缘子图像处理Fig.2 Image processing of the single insulator

图3 绝缘子串图像处理Fig.3 Image processing of insulator string

单片试验样本用于建立不同湿度条件下污秽绝缘子的红外特征库。由于试验中可能存在异常样本，在建立红外特征库之前应将其排除，提高系统的可靠性。排除异常样本的方法是:先计算相同湿度条件下同污秽等级试验样本之间的欧氏距离，求取平均值μ和标准差σ，然后应用3σ准则判定欧氏距离异常数据，即欧氏距离大于μ+3σ的数据确定为异常，再利用异常数据涉及的样本进行分析，通常一个异常样本导致它与其他样本的欧氏距离变大，容易确定需要剔除的异常样本。实验数据中共发现3个异常样本。

为了验证本文方法的可行性和有效性，选择全部可用单片绝缘子试验样本数据建立红外特征库，对3片串绝缘子试验样本数据进行测试，每串随机抽检一片，检测的准确率为92%，部分数据的期望结果与测试结果的比较如表1所示。

由表1可得出如下结论。

(1)在相对湿度相近时，红外特征数值随着污秽程度的加重而增大，比较容易区分，采用径向温度分布特征可在不同湿度条件下有效表征绝缘子污秽程度。

(2)通过图像处理获得了统一规范的绝缘子盘面，很大程度上消除了人为因素和外界噪声的影响，提取的红外特征客观真实，采用最近邻湿度条件下最小距离分类器能准确识别绝缘子污秽等级。

(3)本文方法能适用于绝缘子串的检测，准确率高，具有可推广性。

表1 绝缘子串测试结果Tab.1 Test results of insulator strings

4 结语

(1)通过图像处理抑制噪声干扰，获取统一规范的绝缘子盘面，以相对温度提取盘面径向温度分布特征，该特征可以有效表征绝缘子污秽程度。

(2)利用径向温度分布特征，通过最近邻湿度条件下的最小距离分类器能准确检测绝缘子污秽等级。在自然污秽样本充足的情况下，该方法可推广用于户外绝缘子污秽检测，对绝缘子污闪的预防具有积极意义。

[1] 关志成，王绍武，梁曦东，等(Guan Zhicheng，Wang Shaowu，Liang Xidong，et al).我国电力系统绝缘子污闪事故及其对策(Application and prospect of polymeric outdoor insulation in China)[J].高电压技术(High Voltage Engineering)，2000，26(6):37-39.

[2] Suda Tomotaka.Frequency characteristics of leakage current waveforms of a string of suspension insulators[J].IEEE Trans on Power Delivery，2005，20(1):481-487.

[3] 李日隆，李雄刚(Li Rilong，Li Xionggang).高压直流输电合成绝缘子耐污闪性能的研究(A research in-to anti pollution flashover property of HVDC transmission composite)[J].电力系统及其自动化学报(Proceedings of the CSU-EPSA)，1999，11(2):37-43.

[4] 姚陈果，李璟延，米彦，等(Yao Chenguo，Li Jingyan，Mi Yan，et al).绝缘子安全区泄漏电流频谱特征提取及污秽状态预测(Abstracting frequency spectrum characteristics of insulators leakage current in safety zone to forecast the contamination condition)[J].中国电机工程学报(Proceedings of the CSEE)，2007，27(30):1-8.

[5] Tsuji Toshinori，Matsumoto Shingo，Sakata Takatoshi，et al.Basic study on acoustic noise of polluted insulator and waveform analysis method[C]∥International Symposium on Electrical Insulating M aterials，Kitakyushu，Japan:2005.

[6] 肖猛，文曹(Xiao Meng，Wen Cao).一种新型绝缘子带电检测方法—紫外成像法(New method to detect insulation on line-ultraviolet image method)[J].高电压技术(High Voltage Engineering)，2006，32(6):42-44.

[7] 何为，陈涛，杨帆，等(He Wei，Chen Tao，Yang Fan，et al).基于紫外脉冲法的绝缘子污秽状态监测(Faulty insulator on-line monitoring system based non-touching UV pulse method)[J].高电压技术(High Voltage Engineering)，2006，32(10):39-42.

[8] 万德春，蔡炜，宋伟，等(Wan Dechun，Cai Wei，Song Wei，et al).光技术盐密在线监测系统的研究(Investigation on ESDD on-line measurement system using optical technology)[J].高电压技术(High Voltage Engineering)，2005，31(8):33-35.

[9] 高强，马鹏飞，李环媛(Gao Qiang，Ma Pengfei，Li Huanyuan).绝缘子污秽的微波辐射特性研究(Research on the pollution of the insulators based on the properties of microwave radiation)[J].高电压技术(High Voltage Engineering)，2006，32(7):25-28.

[10] Reddy B S，Nagabhushana G R.Study of temperature distribution along an artificially polluted insulator string[J].Plasma Science&Technology，2003，5(2):1715-1720.

[11] 何洪英，姚建刚，蒋正龙，等(He Hongying，Yao Jiangang，Jiang Zhenglong，et al).利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级(Contamination grades recognition of insulators under different humidity using infrared image features and RBPNN)[J].中国电机工程学报(Proceedings of the CSEE)，2006，26(8):117-123.

[12] 张建兴，律方成，刘云鹏，等(Zhang Jianxing，Lǜ Fangcheng，Liu Yunpeng，et al).高压绝缘子泄漏电流与温湿度的灰关联分析(Relationship among leakage current of insulators on HV lines temperature and humility based on the grey relational analysis)[J].高电压技术(High Voltage Engineering)，2006，32(1):40-41，73.

[13] Kingsbury N.Complex wavelets for shift invariant analysis and filtering of signals[J].Applied and Computational Harmonic Analysis，2001，10(3):234-253.

[14] Weyrich N，Warhola G T.Wavelet shrinkage and generalized cross validation for image denoising[J].IEEE Trans on Image Processing，1998，7(1):82-90.

[15] 李海锋，梁远升，王钢，等(Li Haifeng，Liang Yuansheng，Wang Gang，et al).基于模拟退火-最小二乘混合的故障测距新方法(Fault location scheme for transmission line based on simulated annealing and least square algorithm)[J].电力系统及其自动化学报(Proceedings of the CSU-EPSA)，2008，20(3):36-40.

[16] 李佐胜，姚建刚，杨迎建，等(Li Zuosheng，Yao Jiangang，Yang Yingjian，et al).基于方差分析的绝缘子红外热像特征选择方法(feature selection method of insulator infrared thermal image based on variance analysis)[J].电网技术(Power System Technology)，2009，33(1):92-96.

[17] El-Arabaty A，Nosseir A，El-Debeiky S，et al.Application of infra-red thermography to the study of temperature distribution on energized polluted insulators[J].IEEE Trans on Electrical Insulation，1979，EI-14(5):278-280.