基于紫外联合红外热像的三通道便携式变电站监测装置

褚磊++郭文勇++高洁

摘 要本文设计了一种基于紫外联合红外热像的三通道便携式变电站监测装置，该装置采用紫外成像监测扫描、红外测温扫描、摄像和图像处理技术，利用紫外通道的电弧放电进行成像检测，诊断变电站设备的早期故障，利用红外通道的热像原理找出对应位置点的温度，结合可见光确定故障位置的优点确定中后期故障的具体位置，将设备的局部放电和温度分布数据，通过图像融合处理技术置入由摄像头获得的设备可见光图像，建立与设备图像的对应关系，同步采集同一设备同一时刻三种成像的结果，不但能以图像方式直观地显示出放电位置和温度分布，而且能定量表示放电程度及放电发展状况，从而及时发现电力设备的故障情况，可对电气设备有效的进行状态监测、故障诊断和危险预警，且不易受到周围环境、气象等条件的影响，操作简单易行准确率高，体积小重量轻便于携带，具有非常广阔的应用前景。

【关键词】紫外成像 红外测温 可见光成像 三通道

1 引言

随着我国电力工业事业的突飞猛进，现代电力系统正朝着大电网、大机组、超高压、大容量的方向发展，为保障电力系统的稳定性、可靠性，对电力设备的绝缘水平也提出了更高的要求。气体绝缘组合电器（GIS）设备结构紧凑、整个装置的占地面积比传统敞开式设备大大减少，而且不受外界环境的影响，运行可靠性高，在变电站中得到广泛应用。然而，由局部放电导致的电气绝缘缺陷直接影响到 GIS 设备运行的安全性和系统的稳定性。主流的红外热成像技术是利用物体发出的不可见红外能量转变为可见的热图像，并通过热图像的温度分布找出设备的异常发热点。针对设备放电的情况，当很容易就可以观察到电晕放电的红外图像时，电气设备的绝缘状态已经极度恶化。

因此，为诊断GIS设备的早期故障，及时预报该局部放电的发展趋势和预测相关设备的绝缘劣化程度，采用紫外成像技术能很好的解决这一问题；另外，为灵敏地检测设备的中后期问题，仍需利用红外热成像监测技术的优势；再利用原始的可见光成像能直观找出故障位置的优点，采用这三种成像技术的优点，统一的监测电气设备，能保障线路与设备的正常运行，有效避免事故发生。

鉴于此，本实用新型提供一种基于紫外联合红外热像的三通道便携式变电站监测装置，利用紫外成像诊断早期故障、红外热像利于发现中后期故障、可见光确定故障位置的优点，同步采集同一设备同一时刻三种成像的结果，可對电气设备有效的进行状态监测和故障诊断。

2 装置检测的基本原理

2.1 紫外检测原理

由电力设备的放电机理可知，在放电的不同阶段，伴随分子的激发、电离、复合、电荷交换、电子附着和辐射的不断发生，可以观察到不同光谱的发光现象。由于局部放电产生的光主要集中在紫外波段，因此，检测放电发出的紫外线，可以判断放电强弱，从而确定电力设备的运行状态。采用高灵敏度的紫外传感器，能对设备的绝缘下降、裂伤、污秽发展等做出早期预报，保证设备的安全运行。

本文的紫外检测技术基于紫外成像仪进行设计，紫外成像仪的构成原理图如图1所示。

如图1 所示，信号源被背景光照射后产生的混合光进入到成像设备，通过紫外光束分离器分成两部分：一部分经过信号增强放大后进入到可见光镜头，在可见光相机中形成可见光图像；另一部分则通过“日盲”滤镜，过滤掉日盲区以外的光线，进入紫外镜头，并在紫外相机中形成紫外图像。最后采用特定的图像预处理和融合方法，形成最终输出影像。

日光下的紫外放电检测是利用280nm以下光谱段的太阳盲区实现对放电设备的检测，对检测装置的灵敏度要求较高。高压系统的早期放电十分微弱，发射的紫外光很少，其中位于日盲区的紫外光信号更是微弱。通过紫外成像仪难以捕获这种微小放电信号的变化，且要等到出现较为明显的局部放电才能检测到[1]。因此，本文采用紫外成像与红外检测相结合的方法实现对电力设备放电信号的检测。

2.2 红外检测原理

红外检测的基本原理就是通过探测物体的红外辐射信号，获得物体的热状态特征，并根据这种热状态特征及相应的判断依据判断出物体的状态。由于红外检测技术具有远距离、不接触、实时、快速等特点，因而对实现电力设备的在线监测和故障诊断具有重要的意义[2]。电力设备主要采用红外成像和红外点温测量两种红外检测技术，本文中采用的是红外点温测量技术。该技术具有结构简单、成本低廉等优点。

任何高于绝对零度的物体都会向外辐射能量，这一能量主要与物体的温度和红外波长相关。对于灰体物质而言，也就是发射率小于1且与波长无关的物体（一般工程材料可用灰体来近似表示），在单位面积上发射的所有波长的总辐射功率M与温度T之间满足斯蒂芬-波尔兹曼定律[3]，即：

M =εσT4 （1）

式中：ε为被测物体的表面发射率，σ为斯蒂芬-波尔兹曼常数，T为物体的绝对温度。

一个绝对温度为T的灰体，单位表面积在波长λ附近单位波长间隔内发射的辐射功率Mλ，与波长λ、温度T 满足普朗克辐射定律，即：

（2）

式中：C1为第一辐射常数，C2为第二辐射常数。

由式（1）、式（2）可以看出，红外测温与被测物体的温度和表面发射率相关。在实际测量中，由于被测物体温度不同，所测量的波长范围也就不同，因而需采用不同的测量方法和测温探头。

2.3 可见光图像配准的原理

可见光图像配准的多路信号之间在拍摄角度和距离等方面存在差异，为了将多路信号准确地显示在一个视频中，必须对图像进行配准和融合。本文采用了一种较早用于图像配准的方法——区域相关法。对于参考图像V和模板图像I（通常要求模板图像I对应于参考图像V中的某个局部区域）来说，在图像V的位置（x，y）处，两者的互相关（Cross Correlation，CC）测度被定义为[4]：

（3）

当模板I经过一系列的坐标转换、缩放和位移之后，I与图像V中的对应区域重叠；当互相关测度达到最大值时，即可完成对图像的配准。最终，利用信号融合技术将已经配准的两路图像流显示在一个图像中。

3 基于紫外成像的电晕放电监测算法

基于紫外成像的电晕放电监测算法，通过三个步骤完成对放电区域和放电程度的检测。首先对紫外成像仪所拍摄的图片进行滤波去噪，采用的方法是利用形态学算子对紫外图和可见光图的灰度图直接进行处理，然后再进行阈值分割，这样可以在减少噪声影响，使检测准确率更高，同时提前去除面积较小的放电区域，使检测集中在故障主区域；其次对滤波后的图像进行自适应的阈值分割，以分离出图像的目标和背景；最后对分割后的图像使用Canny算子实现边缘检测，并标注出发生故障的区域（即放电区域），计算故障区域面积，以衡量故障的严重程度。

3.1 基于形态学算子的图像滤波

滤波去噪部分，由于紫外双光谱检测系统获得的图像是通过微光像增强器和CCD数据采集系统形成的，增强器和CCD在提高亮度和采集数据过程中都会产生噪声。因此，要先对图像进行预处理以降低噪声。近年来，由于数学形态学具有并行快速易于硬件实现的特点，已在计算机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了极为广泛的应用。本文采用形态学算子直接对紫外图和可见光图进行滤波，并在此基础上与中值滤波相结合，能够更有效地去除图像中的随机噪声。

对于灰度图像，滤除噪声就是形态学平滑，本发明采用腐蚀和膨胀综合组成的开启和闭合运算对图像进行处理，相比于其他空域滤波方法，可以保留原图像中的大部分信息。具体运算公式为：

设f（x，y）是输入图像，b（x，y）是结构元素，并且b（x，y）本身就是一个图像函数，Df和Db分别是原图像f（x，y）和结构元素b（x，y）的定义域，则用b（x，y）对函数f（x，y）进行的灰度膨胀表示为，定义为：

灰度腐蚀表达式为：，其定义如下：

开运算和闭运算的定义分别为：

经过开运算的图像含有更少的细节，轮廓变得光滑，细长的部分和小的孤岛被去除，目标像素变成背景，图像整体来说变得更规则化。再使用闭运算消除图像区域内的一些空洞，与原图相比，含有较少的细节，狭窄的尖端被填充，背景像素变成目标像素。

图1展示了灰度图开运算和闭运算的效果，选取的结构元素尺寸为5*5，形状为正方形的扁平结构元素。图（b）开运算的结果表明：开运算有去除尺寸小于结构元素明亮细节的作用，相当于去除图像信号中的尖峰（白色明亮部分，尺寸小且灰度值为255）。比如原图中摄影机支架的白色部分，经过开运算后消失了。图（c）闭运算的结果表明：闭运算有去除尺寸小于结构元素的灰暗细节的作用，相当于填平图像信号的低谷部分（黑色部分尺寸且灰度值为0），比如图片中人的眼睛，经过闭运算处理后消失了。

经过膨胀腐蚀的开闭运算后，图像中还存在少量的随机噪声，为进一步改善图像质量，本文对形态学算子滤波后的图像采用中值滤波算法进行去噪，主要针对由图像传感器，传输信道产生的椒盐噪声，且在滤除噪声的同时又不会对边缘信息造成破坏。其基本思想如图2所示。

图2假设选取的模板尺寸为3×3，中值滤波就是将图像在某一点的领域（模板中心对应该点，领域即为模板窗口的内部）中的像素按照灰度级大小排列，取其中值代替中心点的像素值，逐行依次对图像中的每个像素点执行该操作，即可完成图像的中值滤波。

3.2 基于自适应的图像阈值分割

图像分割部分采用基于自适应的图像阈值分割。紫外成像系统分别得到可见光图像和紫外图像，其中紫外图像的特点为：吸收电晕辐射的紫外光强的区域，表现为紫外图中高灰度值，即白色或灰色；吸收紫外光弱的区域，表现为低灰度值，即黑色。根据紫外图的这一特点，本发明对滤波后的紫外图像采用自适应的阈值分割，灰度值大于阈值的像素点赋1，即白色；小于阈值的像素点赋0，即黑色。这样就得到放电区域和背景的二值图。传统的阈值分割是人为地选取一个固定的灰度值作为阈值，而对于不同的采集系统选取的阈值应不同，因此本文选择了一种自适应的阈值分割方法，具体选取公式为：

其中，m（n）表示序列图像中第n帧的灰度值，σ（n）为第n帧的灰度标准差，SNR为图像信噪比，为加权系数，一般选择能取得较好的结果。fmax（n）为序列图像第n帧的最大灰度值。T（n）为序列图像中第n幀所选取的阈值T。定义输出图像如下：

3.3 基于Canny算子的二值图像边缘检测

图像边缘检测部分采用基于Canny算子的二值图像边缘检测。经过阈值分割以后的紫外图是一个二值图，其中的白色区域即可认为是放电区域，黑色区域为不相关的背景。采用Canny算子对二值图像进行边缘检测，同时记录边缘点的坐标。根据边缘检测结果，求得每个闭合区域的面积，确定故障区域。可以选取一个阈值，当闭合区域的面积超过该阈值时才被认为是故障区域，当面积很小时，可以忽略。面积大小可表示故障程度。根据边缘检测得到的边缘点坐标，就可以在紫外成像仪最后输出的双光谱图像中对故障区域进行定位。

3.4 紫外电晕放电检测的算法流程

紫外电晕放电检测的算法流程如图4所示。

如图4所示，算法首先通过紫外成像仪获取得到可见光图像和紫外图像，这两个图像均为RGB类型，需要转换成灰度图，然后分别对可见光图像和紫外图像的灰度图先经过数学形态学滤波，再进行中值滤波，之后采用合适的图像融合技术将二者融合为一张双光谱图像。紫外成像技术电晕放电检测的部分，是基于经过滤波的紫外图像的，先对其进行自适应的阈值分割，再使用Canny算子实现二值图像的边缘检测，获取到边缘点坐标，进而可以计算出故障面积，判断故障程度，并在融合后的双光谱图像中对故障区域进行精确定位。

4 基于紫外联合红外热像的三通道便携式变电站监测装置的设计与实现

4.1 装置的结构设计

基于紫外联合红外热像的三通道便携式变电站监测装置由数据接入模块、数据处理模块、多模通信模块和声光报警器构成，如图5所示。

数据接收模块由温度湿度测量模块和三通道探测模块组成，为状态监测设备提供数据接口，可接收监测设备输入的数据，包括检测设备的电晕位置、强度、温度、湿度等多种状态监测信息。温度湿度测量模块用于检测环境的温度和湿度。三通道探测模块由紫外成像监测模块、红外测温模块、可见光成像模块、三维旋转云台和摄像头构成。可获取被监测电力设备的可见光图像，以及各点的紫外脉冲数据和红外温度数据，然后由数据处理模块进行图像处理，将可见光图像与紫外脉冲数据和红外温度数据对应融合，得到设备三通道状态图像，并将三通道状态图像、检测数据和报警信息等通过多模通信模块传送给声光报警器。

數据处理模块，可检测当前接收到的数据是否与规定的设备监测状态相符，若不符合，则对其进行数据转换，再对统一后的数据进行数据判决。多模通信模块可实现与数据处理模块的双向通信，声光报警器通过多模通信模块接受到数据处理模块处理得出的数据判决，声光报警器接收到无线警报信号后，开启并进行报警，提示检测人员变电站的高压设备电气放电值已接近强电，请注意危险。

4.2 装置的硬件实现

装置的整体硬件结构图如图6所示。数据接收模块由温度湿度测量模块和三通道探测模块组成。

温度湿度测量模块主要基于温湿度传感器，采用SENSIRION 公司生产的数字式温湿度传感器SHT75，它是一款含有已校准数字信号输出的温湿度复合传感器，默认提供12位湿度数据和14位温度数据[6]。SHT75具有响应速度快、抗干扰能力强等优点，可通过I2C串行总线实现与嵌入式系统模块的PXA270处理器连接。

三通道探测模块由紫外成像监测模块、红外测温模块、可见光成像模块、三维旋转云台和摄像头五部分构成。紫外成像监测模块选用紫外光敏管UV-R2868作为检测传感器，其灵敏度可以达到5000cpm，仅响应185-265nm波段的紫外信号，可实现对设备放电产生的紫外光脉冲信号的探测[7]。本模块将紫外和可见视频数据传送至A/D转换器TLV1543进行图像融合与配准，从而实现利用紫外成像检测局部放电的目的。红外测温模块采用双波长测温法和8.0～14.0μm波段的红外测温探头，可见光成像模块采用A/D转换器TLV1543，三维旋转云台选用曼比利PC-360全景云台，摄像头采用分辨率640×480的可调焦摄像头。可见光成像模块结合紫外成像监测模块，由日盲滤光镜、摄像头、紫外增强型电荷耦合器件以及A/D转换器TLV1543等几部分组成。该模块可以在全天内对局部放电所产生的紫外信号进行检测。

数据处理模块采用Atheros AR7161嵌入式处理器，该CPU为MIPS架构，运行在680MHz主频，功耗不超过1W。基于嵌入式Linux操作系统，实现全系列符合国家电网相关技术规范的状态监测系统通信协议和数据打包。

多模通信模块包括3G无线通信模块、WiFi模块以及WiMax模块，其中3G通信模块选用中兴公司的MC2718模块，WiFi模块选择台湾Realtek公司RTL8188CUS-U芯片，WiMax模块选用SyChip公司的WIMAX9芯片模块。声光报警器选用HX-100B。

5 测试结果

对正在运行的带电设备的进行监测，获得设备放电的紫外定位灰度图如图7（a）所示。

由图7（a）中可以看出，滤波前的紫外图像含有大量噪声，因此首先对紫外定位图进行滤波。仅使用中值滤波的效果图如图7（b）所示，可以看出中值滤波后的图像中虽然已经去除了大部分的随机噪声，但图片中仍然存在面积很小的离散放电区域，这些放电区域对故障区域的判断没有太大作用，反而会使Canny算子边缘检测效率更低。

因此，为解决上述问题，本文算法在中值滤波的基础上添加了形态学滤波，基于紫外成像的电晕放电监测算法的形态学滤波与中值滤波结合的滤波效果图如图7（c）所示。由图7（c）可以看出中值滤波的图像再经过形态学滤波噪声更少，效果更佳。在阈值分割和边缘检测之前就将大部分的随机噪声和面积很小的不重要的离散放电区域去除，减少了后续工作的计算量和复杂度，同时对于有缺口的目标区域会有补齐作用，使目标区域更清晰，提高检测效率。另外，形态学滤波通常用于二值图像中，本文将其应用在了灰度图中，可在提高紫外图放电区域检测精度的同时，实现对可见光图像噪声的滤除。

固定阈值的图像分割效果图如图8所示，可以看出图8（a）所示未经分割的滤波原图的目标区域，灰度值比其他目标区域的灰度稍低，在经过阈值分割后，被判断为背景区域，得到图8（b）。但图8（b）中判断区域仍包含非目标区域的噪点。

因此，针对于这一现象，本文采用了一种基于图像均值、方差和信噪比的自适应阈值分割方法，可以有针对性地对某一幅特定图像选择特定的阈值，使得分割更加智能化，准确度更高。采用自适应阈值分割方法的效果图如图8（c）所示，可以看出图（c）中灰度值稍低的非目标区域，在自适应阈值分割后的图（c）中被去除，仅保留了目标区域，证明其分割效果能够更好地区分目标和背景。

在实验中用装置分别对红外、紫外定位信号进行了测试，结果如图9、10所示。

本文装置在距放电源3m处对局部放电进行了检测，图9和图10分别为红外和紫外测试结果的定位图像。图11所示为这两种定位图像的可见光合成结果。如图所示，本文装置不仅能够将紫外、红外信号分别与图像融合，而且还能将这两种信号合成于同一图像背景之中。由于两路信号的分辨率不同，我们选取分辨率较小的紫外信号（320×240）作为基准，分别对两种信号和可见光图像信号进行了像素的叠加融合。随后在可见光图像上分别进行滤波、分割图像目标标定，结果如图12、13所示。

测试结果表明，本文系统可以快速检测出局部放电，并可对其进行准确定位。同时，为了准确判断检测点是否带电，可以延长其检测时间，从而判断被检测线路设备是否带电。

6 结论

本文介绍了一种基于紫外联合红外热像的三通道便携式变电站监测装置。文章首先阐述了研究背景及装置的基本原理，提出了紫外、红外与可见光相结合的三通道检测方法，提出了基于紫外成像的电晕放电监测算法，介绍了装置的内部结构和硬件组成，并对装置进行了实验。该装置可解决红外成像仪和紫外成像仪探测设备放电存在灵敏度不足、对早期放电危险难以预报和不能定量表示放电程度等弱点，以及现有紫外脉冲检测技术无法准确定位设备放电故障点的不足，能满足电力系统绝大多数应用的需要，并且成本低廉，能够对设备的放电进行有效的检测，具有行业推广和示范效益。

参考文献

[1]张继军.高压放电紫外检测技术与应用[M].北京：中国电力出版社，2009.

[2]陈衡，侯善敬.电力设备故障红外诊断[M].北京：中国电力出版社，1999.

[3]葛绍岩，那鸿悦.热辐射性质及其测量[M].北京：科学出版社，1989：89-95.

[4]Rosenfeld A，Kak AC.Digital Picture Processing[M].Orlando：Academic Press，1982.

[5]张占龙，王科，唐炬等.变压器电晕放电紫外脉冲检测法[J].电力系统自动化，2010，34（02）：84-88.

[6]杨武，王小华，荣命哲等.基于红外测温技术的高压电力设备温度在线监测传感器的研究[J].中国电机程学报，2002，22（09）：113-117.

[7]何为，陈涛，刘晓明等.基于紫外脉冲法的非接触式低值（零值）绝缘子在线监测系统[J].电力系统自动化，2006，30（10）：69-74.

作者单位

国网陕西省电力公司渭南供电公司 陕西省渭南市 714000