摘要：由于智能电网的在线监测和安全预警成为关注焦点,红外监测诊断技术作为高效的在线监测技术应用于电网智能化领域,能够通过在线检测发现缺陷,实现电力故障的准确定位和检测。采用一种基于深度学习的红外图像异常检测系统,进行闸刀、电容器、电压互感器等电气设备的精准识别和故障判断,为电气设备检修提供帮助。
关键词：电气设备；智能检测；系统设计应用
?引言
近几年，随着电力事业地不断发展，人们开展生产生活对电网系统运行安全性和可靠性也提出了更高的要求，尤其是电网系统中涉及的电气设备比较多，实际运行中出现故障问题，需要耗费大量人力财力和物力，对系统长久运行稳定和可靠造成了极大影响，需要利用电气设备智能检测技术，满足电网系统在线监测和安全预警功能需求，并推动电力事业朝着自动化和智能化方向发展。本文结合电气设备智能检测技术，对设备智能检测系统设计、功能及应用进行细致分析。
1电气设备智能检测技术
1.1图像预处理技术
由于传统彩色图像为RGB图像模型，所占用的空间比较大，为减少存储空间和加快运算速度，就需要对图像进行灰度转换处理，实践中需要按照一定比例，对图像各颜色进行灰度转换，无论是数组大小，还是储存空间都得到了极大减少。而针对图像中存在的噪音干扰因子，会对图像检测结果产生极大影响，这时候就可以采取图像裁剪措施，仅对中心区域进行保留，涉及的其他图像噪声，则可以使用均值滤波、中值滤波等方法达到图像平滑效果。另外，在完成图像去噪处理后，边缘区域会出现模糊的情况，导致边缘提取和识别存在一定难度，这时候可以采取微分、高低帽变换等方法，以凸显原图暗处目标，实现图像增强。
1.2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。
2电气设备智能检测系统设计
2.1设计目标
2.1.1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。
2.1.2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。
2.1.3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。
2.1.4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。
2.2功能模块
2.2.1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。
2.2.2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。
2.2.3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。
2.2.4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。
2.3系统架构
2.3.1数据层
在该层次中包含宫外图像图库、警告日志图库等数据内容，进行历史数据查询十分方便，实际操作中，也会对使用者ID和权限等级进行准确记录。
2.3.2基础设施层
依赖现有主机和红外检测设备，不需要添加其他硬件在其中，使系统设计成本得到极大降低。
2.3.3平台层
在对大量红外图像进行处理时，可以采用HDFS、Mysql进行储存，可以促进数据快速读取、搜索等功能实现，并且依托于keras学习框架对电气设备进行有效识别，不仅代码简单，进行后期维护也十分方便。
2.3.4应用层
简单来说，通过该层次可以促进图像上传、异常识别、问题告警等功能更好实现，并且可以进一步拓展系统功能，甚至可以将之作为子系统，作为电气设备运维系统的重要补充。
2.3.5模型层
由于该层次包含设备识别和异常检测两方面内容，底层的实现也依赖于平台层AI框架。
3电气设备智能检测系统实践应用分析
3.1温度提取
由于红外图像是由FLIR设备所生成，在对红外图像中所隐藏元数据信息进行分析时，就要对exiftool依赖项进行安装，以对传感器参数数据进行准确读取，然后，利用公式将这些信息数据运用温度进行表示，不仅准确度高，还不会出现误差。
3.2图像预处理
对OpenCV视觉库进行有效运用，对图像进行去噪处理，实际操作中，也可以采用滤波方法，以达到抑制噪声、保持图像清晰度的目的。由于图像在经过去噪处理以后会出现部分信息丢失情况，这时候可以采用高通滤波、高低帽变换等方法，对图像进行增强。
3.3设备类型识别
运用模板匹配算法，将模板图片在原图中进行匹配，一旦匹配结果显示已经达到设定阈值，就表示该区域中存在模板中物体。然而，若是原图中物体出现大小变化或者旋转情况，匹配难度就会进一步增大，因此，还需要对图像旋转、放缩进行考虑，通过标准平方差、相关系数等匹配以后，可以取得理想设备识别效果。
3.4图像主体提取
在OpenCV视觉库中，可以采用阈值、边缘、聚类等方法对设备主体进行有效分割，并且伴随着类数不断增多，分割效果也会变得更加精细，相应图像高温区域提取也会变得更加精确，并更好指导异常温度有效识别。
3.5设备异常识别
对图像样本存在异常进行观察，可以通过异常区域温度和大小实现，通常情况下，异常区域温度要明显高于其他区域，并且异常区块面积较小，为此在进行图像判定时，要注意对图像温度进行提取，在完成设备主体分割以后，对主体温度信息进行统计，然后，采用聚类提取方法对图像最高温度区域进行确定，最后，对相应电气设备及时展开检修工作。
结束语
综上述，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]朱新宇.论电气设备智能检测系统的应用思考[D].山东:山东大学,2019.
[2]沈大千,何鹏飞,王昕.基于电气设备智能检测系统的应用思考[J].电气自动化,2018,41(5):93-95.