电力设备状态检测预处理方法研究

何祥桢 张峻豪 刘力友 勾中益

摘  要：随着用电需求增长，电力系统运行压力越来越大。为维护设备安全，必须加大对系统的监控力度，实现电力设备智能化检测。电力设备状态检测通过对图像预处理、特征提取、故障识别等完成对电力系统设备的状态检测。其中，图像预处理质量将直接决定检测结果。因此，该文主要讨论图像去噪预处理。该检测方法灵活，稳定性好，符合未来智能化检测系统的发展趋势。

关键词：电力设备   智能检测   图像处理   小波变换

中图分类号：TP391.4                       文献标识码：A文章编号：1672-3791（2021）07（b）-0022-03

Research on Preprocessing Method of Power Equipment State Detection

He Xiangzhen   Zhang Junhao   Liu Liyou   Gou Zhongyi

（School of Electrical Engineering and Electronic Information， Xihua University， Chengdu， Sichuan Province， 610039  China）

Abstract： With the growth of power demand， the operation pressure of power system is increasing. In order to maintain equipment safety， we must strengthen the monitoring of the system and realize the intelligent detection of power equipment. Power equipment state detection completes the state detection of power system equipment through image preprocessing， feature extraction and fault recognition. Among them， the quality of image preprocessing will directly determine the detection results. Therefore， this paper mainly discusses image denoising preprocessing. The detection method is flexible and stable， which is in line with the development trend of intelligent detection system in the future.

Key Words： Power equipment; Intelligent detection; Image processing; Wavelet transform

隨着图像处理技术和计算机视觉技术的快速发展，计算机视觉识别电力设备、分析电力设备的运行状态在电力系统监测中发挥着越来越重要的作用。电力设备的状态是电网安全可靠运行的关键因素，所以实时监测电力设备的运行状态对变电站安全可靠运行至关重要。基于图像处理技术的电路设备状态检测，具有算法简单、识别稳定性好、识别能力强等特点[1]，能够及时发现问题，为解决问题提供了很大的帮助，是电力系统安全运行的重要保障。图1为电力设备状态检测流程图。

在图1中，系统采用基于图像处理技术的电力设备状态检测方法，通过对图像预处理、特征提取、故障识别等完成对电力系统设备的状态检测[2]。目前，电力设备运行状态监测系统还不够完善，尤其是外界噪声对监测系统的影响研究较少。而图像预处理质量的高低直接决定检测结果，因此有必要对电路设备图像去噪预处理进行详细分析，以便更好地实现对电力设备的状态检测[3]。

1  电力设备图像去噪预处理

图像采集过程中，会产生不同程度的干扰。这种干扰会对图像处理产生不可预见的影响，降低图像质量，这对人的视觉和计算机的识别分析带来了严重的影响。为了减小图像的降质，就要对采集到的图像进行必要的去噪预处理。常见的图像去噪方法有小波变换、提升小波变换以及超小波变换等方式[4]。

小波变换去噪就是对小波分解系数进行处理，然后图像重构，从而实现对噪声的控制[5]。由图2、图3以及图4可知，小波变换能有效地对图像进去去噪处理。特别是第二次图像去噪，效果比第一次去噪效果好。衡量图像去噪效果指标分别如表1、表2、表3所示。

电力设备的良好状态是电力系统稳定运行必要条件。为了保证电力系统设备正常工作，该文设计了一种基于图像处理技术的电力设备检测方法。此外，为了提高检测效果并提高检测算法的适用性，可采用基于深度学习的卷积神经网络算法对电路系统故障进行识别[6]。这对于提高电力系统故障检测效率和准确率有着重要现实意义。

2  结语

将图像处理技术和故障识别技术应用于电力设备图像的识别和分析中，是监测电设备运行状态的一种新方法。该方法具有以下特征。

（1）全数字化，实时对图像进行识别和处理，快速检测故障并预警，极大地避免因电力系统故障而带来的损失。

（2）无接触、成本低、减轻工作人员工作、提高工作效率。

（3）不影响电力设备正常运行，受外界环境因素影响小。

图像处理对电力设备状态的检测涉及范围广泛，该文所做的工作只是检测工作中的一部分，其余部分需要做更进一步的研究。

参考文献

[1] 肖健.电力设备在线监测中的图像识别技术[J].农村电气化，2016（4）：38-39.

[2] 唐芳莉.图像识别技术在电力设备监测中的应用[J].通信电源技术，2019，36（1）：94-95.

[3] 刘逸飞，李向群，陈后全，等.基于二进小波变换的图像增强技术研究[J].电子元器件与信息技术，2021，5（4）：158-160.

[4] 魏金玉.图像处理技术和神经网络在电力设备识别中的应用分析[J].通信电源技术，2020，37（4）：88-89.

[5] 梁利利，高楠，李建军.基于小波变换和均值滤波的图像去噪方法[J].计算机与数字工程，2019，47（5）：1229-1232.

[6] 邢珍珍.卷积神经网络在图像处理中的应用研究[J].软件工程，2019（6）：5-7.