和光海天信息技术股份有限公司 河南省郑州市 450000
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。基于此，本文章对电气设备智能检测系统的应用思考，以供相关从业人员参考。
关键词：电气设备；智能检测系统；应用思考
引言
随着电力工程的不断发展，为保证其运行的安全性和可靠性，对电气设备的现代化管理越发重要。随着电气设备的长时间运行，其元部件会逐渐出现松动和老化现象，引发电气事故。
1电气设备智能检测技术分析
1.1红外热成像技术
1.1.1红外热成像技术原理
红外热成像技术主要是利用温度远远超出绝对零度的物体向外不停辐射出红外线辐射。这些红外线辐射过程承载了一定的物质信息，我们可以利用这些物质信息可以对检测物质温度的进行判断，可以使热分布场的方向变得更加明确。具体来说，是运用红外光信号转变成电信号的红外探测器，来检测物体发热部分所释放出来的红外辐射信号，并将这些信号转化成可以识别的电信号，经过一些具有成像功能的装置完成转换之后，便能够清晰地显现出被测物体温度空间的实际分布情况，再经过系统进行有效处置之后，便可以将热图像的视频信号呈现出来，随后在屏幕上反映出来。通过上述操作便能将物体表面热分布的情况检测出来，并且还能得出被测物体温度分布的热像图，也就是我们通常所说的红外热成像技术。
1.1.2红外热成像技术的优势
非接触式测温，对被测设备无影响，保证点检维护人员的安全；精度高，分辨率达0.1℃；根据电气元部件不同材料，设置相应的发射率能有效提高测温的准确性；检测速度快，能较大范围快速显示检测对象的温度分布情况，准确直观以图像形式显示高温部位；可将图像信息传输到计算机，利用软件对图像进行后台处理，并建立设备电子档案，通过与历史数据对比，分析诊断设备的劣化趋势和程度，进而做出相应处理措施。该项技术预测电气设备的温升从点分析发展到面分析，从单一的数据判断发展到数据库管理，在设备运行状态管理中发挥着重要作用。
1.2图像预处理技术
预处理方式主要包括灰度化、噪声去除、图像拉伸以及锐化处理。灰度化可以去除图像的色彩信息，压缩图像体积，提高运算效率。噪声去除可以去除图像噪声以获取更加清晰、平滑的图像。图像拉伸是通过改变图像元的亮度值来提高图像全部或局部的对比度，以改善图像质量。图像锐化可以使图像的边缘、轮廓线以及图像的细节变得清晰。
2电气设备智能检测系统设计
电气设备智能检测系统采用MySQL数据库和Django框架，由模型、模板、视图三部分构成，由模型实现电气设备数据的存取操作，完成数据存储和更新；模板是系统的业务逻辑层，处理电气设备检测任务并进行前端显示；视图是系统的表现层，处理前后端数据管理，是模型和模板的纽带。在系统之中，其层级主要包括有：1）基础设施层。利用主机和红外检测设备，完成相关智能检测任务。2）平台层。采用HDFS、Mysql进行电气设备智能检测的存储，实现数据快速读取、添加、搜索，进行大批量红外图像数据的处理，并依托于keras和tensorflow深度学习框架，进行电气设备的参数调整、模型更新等操作。3）数据层。主要涵盖红外图像图库、质量问题图库、警告日志图库等数据，记录系统使用者的ID和权限等级。4）模型层。该层包括设备识别模型和异常检测模型，是整个算法流程的核心。5）应用层。该层实现图像上传、设备识别、异常故障识别、问题告警、数据统计等，并进行多维功能拓展和应用。
3电气设备智能检测系统实践应用思考
3.1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。
3.2红外热成像技术在电气短路领域的应用
在电气线路上会由于各种原因，导致电势不同的点相触碰，这时电流会突然增大。短路回路中电流过大，很容易在短路点产生电弧和电火花，这种情况下，会熔化导线中的金属导体，金属物体容易与可燃物质发生燃烧反应，严重时甚至会引发火灾。通过红外热成像仪能直观看到电流中的过热点，还能自动对其进行跟踪，从而快速发现电路中短路的地方。
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红外热成像技术在电阻检测领域上的应用
电气设备中会有许多连接处存在电阻过大问题。例如电源线的连接处和电源线开关处以及较大的用电设备连接处,时常会发生接触不良的现象,导致接触部位局部电阻过大。在有较大电流通过电气回路,并遇到接触电阻过大时,在其局部范围会产生极大的热量,一旦金属被熔化,就可能会引起电气线路的绝缘层附近可燃物着火,引发火灾。利用红外热成像仪，能将连接处温度异常的点直接显示出来。
3.5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。
3.6红外热成像技术在变压器、线夹等方面的应用
变压器、线夹等方面需要用到红外热成像技术来进行故障检测。导线线夹一般是由钳压压接工艺制造和安装的，一旦压接工艺存在问题，就会导致导线和压接管接触不良，这种情况下就会使压接管的温度比导线温度要低。这时通过表面温度判断或者相对温差判断，就能直接找到故障点。
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]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.
[2]刘磊.红外热成像技术在电力设备状态检修中的运用分析[J].机电信息,2019(23):88-89.
[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]刘齐,王茂军,高强,李晓明,石林.基于红外成像技术的电气设备故障检测[J].电测与仪表,2019,56(10):122-126+152..
[5]林鹏京.试论如何提升智能电网背景下的电力设备检测和维护技术水平[J].中国标准化,2018(14):192-193.