闫晋晋
身份证号码：41270219860909****
摘要：针对智能电网中电气设备发生故障的问题，可以引入红外热成像技术，通过非接触的方式快速准确地检测电气设备的故障位置及状态，然而传统的技术人员手持式红外设备故障检测方式相对落后，有必要采用基于深度学习的红外图像异常检测系统，形成智能化、自动化的电气设备智能检测系统，实现对电气设备图像的自动分析和处理，自动准确地判断电气设备的故障状态和类型，提高电网监测效率，确保电网平稳运行。
关键词：电气设备；智能检测；系统设计；应用
引言
电气设备系统的全面检测和故障测试日益重要，能够针对异常发热等现象，具体检测故障点。因此本文的设计采用红外热成像技术，检测系统是否存在漏磁、漏油、接触电阻过大、设备锈蚀、部件松动和断裂等现象。在传统电气设备中，技术人员手持红外设备进行检测，检测过程依赖经验，效率降低，容易存在误区，加之红外图像数据的逐渐增多，必须要带智能设备代替传统人工设备，结合神经网络技术，基于图像分类技术，建立红外图谱库，实现电气设备故障检测的自动化和智能化。
1电气设备智能检测技术
1.1红外热成像技术
由于物体向外热辐射会产生红外线，这时候就可以借助红外测温仪对物体温度进行测量，所得物体温度不同，辐射能量也存在较大差异，传感器所接收到的信号大小也不尽相同，为此所得红外图像颜色也存在较大变化，实际操作中对图像中设备温度进行计算，可以通过比色条提取信息和传感器数据计算温度实现，前者主要是对比色条像素值与温度值之间关系准确把握以后，可以将所得红外图像转变成为温度图像，后者则是利用完整红外图像数据，对传感器参数、目标距离、反射率等信息进行获取，并使用热力学公式对温度进行计算。
1.2图像识别
采用模板匹配算法进行测试，设计一个相似性函数，进行匹配。其次，采用卷积神经网络方法，建立基于统计学和信息学的数学模型，引进由卷积核构成的卷积层，在模拟的过程中不断提升其精确性。通过局部感知、权值共享、池化等方式降低参数数目。
1.3图像预处理技术
将图像各个颜色分量依照一定比例变换为灰度图像，极大地缩减了存储空间。同时，还要进行图像的去噪处理，避免噪声对图像检测结果的影响，在进行图像处理的去噪过程中，也即进行图像平滑处理，包括均值滤波、中值滤波、高斯滤波等。在图像去噪处理之后，图像边缘变得模糊，增大了边缘提取和识别的难度，为此要进行目标边缘的图像增强处理，采用如下增强方式：微分方法、Butterworth高通滤波、高低帽变换等。还要进行图像的分割和提取，剔除图像中的背景，避免其他物体对图像的干扰，常用的图像提取算法包括有：基于阈值的提取算法、基于边缘的提取算法、基于区域的提取算法等
1.4图像分割
利用域内相似性和域间差异性，根据图像的纹理特征提取内容中的重点目标，比如某设备的某个部位因为温度一致而具有相同颜色，而另一个部位因为温度差异显示出不同的颜色。此时可以将一致的部分分割出去，减少干扰，一般的提取方法有基于阈值的提取算法、基于边缘的提取算法、基于区域的提取算法。除此之外，还可以利用非经典方法，即基于Ｋ－ｍｅａｎｓ聚类算法的电气设备红外图像提取方法，该方法需要大量实验确定统计的Ｋ值。
2电气设备智能检测系统的设计与应用分析
2.1设计目标
对电气设备智能检测系统进行设计，需要满足以下要求。（1）安全性。为保障数据信息的安全和可靠，需要系统具备较高的安全性和保密性，针对不同用户相应权限也存在差异，并且为实现系统长久稳定运行，还需要对涉及到关键数据和程序进行备份处理，系统容错能力也要进一步加强。（2）适应性。在对该项系统进行设计时，需要对系统扩增加以考虑，以为后期系统组件升级改造提供便利，同时，在系统平台方面需要体现出兼顾性特征，以达到windows、linux等操作系统兼容效果。（3）维护性。整个系统在操作和维护上要简单方便，并且需要紧跟时代发展步伐，对现代先进信息科学技术进行有效应用，使系统具备自检自测功能。（4）扩展性。在电网事业不断发展背景下，电气设备检测系统功能也会得到延伸和拓展，这对系统可扩展性也提出了更高的要求，需要与内部其他系统进行互联互通。
2.2系统需求
满足电网等电气设备的检测需要，采集巡检机器人、无人机等先进设备拍摄的照片，降低人力查看的消耗量，提升智能化水平。同时通过图像灰化处理降低存储空间，改变过去定时巡检任务工作效率较低以及没有完善的设备红外信息数据库的局面。系统的功能性需要主要包括以下几个方面：红外诊断功能描述、红外图像数据管理功能描述、红外数据统计分析功能描述、红外任务安排功能描述、用户权限管理功能描述等。系统涉及的岗位主要包括巡检、维修、管理员模块管理、普通用户图像上传等。软件方面能够适用于Ｗｉｎｄｏｗｓ、麦金塔、Ｌｉｎｕｘ系统，采用ＰＨＰ开发环境，使用ＴｅｎｓｏｒＦｌｏｗ和ｋｅｒａｓ深度学习框架，使用ＭｙＳＱＬ数据库进行存储。系统硬件采用ｗｅｂ服务器，内存６４ｇ，ｃｐｕ采用因特志强系列，硬盘空间至少１０Ｔ以上，客户端的配置要求较低，一般机器皆可以满足。
2.3功能模块
结合电气设备智能检测功能需求，进行系统设计将系统功能划分以下模块。（1）红外图像识别，在该模块中又包含了图像预处理、温度提取、设备识别、异常检测等子模块，可以促进红外图像预处理、温度提取、识别分析等重要功能更好地实现。（2）巡检任务管理，通过该模块不仅可以对巡检任务进行周期性安排，还能够对疑似异常设备进行复检安排，针对存在异常情况的电气设备也能及时发出警告信息，使故障处理更加及时。（3）图像数据管理，通过充分发挥图像数据库作用，使用者可以直接通过网络进行图像样本传输，涉及的电气设备运行状态及数据也能随时查看。（4）人员管理，通过该功能模块可以对工作人员和系统使用权限实施有效管理。
2.4系统实现
比较不同滤波器的滤波效果，提升传感器的性能，抑制噪声，提升其清晰度。在设备出现异常时，系统不仅要能够向工作人员发出警告，及时提醒维修，而且要具有继电保护功能，在发生故障时，切换到备用工作的线路和设备。同时系统要能够识别多种故障模式，实施对电气设备的故障进行诊断。
结束语
本文是基于对电气设备智能检测系统应用的思考，伴随着社会经济和科学技术不断发展，人们的生活水平得到显著提高，电力需求也急剧提升，并对电网安全运行和供电质量提出了更高的要求，而电网运行故障发生多与电气设备损坏存在密切联系，为保障电网运行安全和稳定，就要通过电气设备运行实时检测和故障预警实现，将智能检测系统应用到其中，可以充分发挥红外热成像、图像预处理等技术优势，针对设备存在潜在缺陷也能及时发现，并保障设备运行稳定和提高供电质量，电力事业也会获得更进一步的发展。
参考文献
[1]尹相国,张文,路致远,侯峰,王乐挺.面向智能变电站二次设备的故障诊断方法研究[J].电测与仪表,2020,57(03):39-45.
[2]谢佳益,陈一明,曹健,张杉杉,任川.电力设备智能检测系统研究与应用[J].东北电力技术,2019,40(12):16-19+28.
[3]朱新宇.电气设备智能检测系统的设计与实现[D].山东大学,2019.
[4]杜瑜.智能化电力设备状态监测初探[J].电气化铁道,2018,29(S1):32-35.
[5]罗长,李劲,毛帅,徐超,何涛.智能变电站二次设备在线监测及故障诊断技术[J].中国新通信,2018,20(14):221.