基于红外图像的变压器油位自动检测

基于红外图像的变压器油位自动检测

李绍良 1，吴灼权 1，简志超 1，李崇仁 1，李肖莎 1

1、广东电网有限责任公司东莞供电局，广东东莞， 523000

摘要：本文应用红外检测技术对电力设备故障进行研究。通过对红外测温技术的实践，将红外摄像头拍摄到的红外图像，进行灰度化、消除噪声、区域识别、图像微分、测温线设置等操作，检测出油位并在图像上绘制出油枕的油位线，最终实现了变压器油位自动检测系统，并列举了对不同电力变压器油枕图像应用油位自动监测系统的实例。

关键字：红外检测技术；灰度化、消除噪声；图像微分

1. 引言

电网的安全运行和供电质量的提升与其电力设备相对应的检测手段水平是分不开的，这对于提高电力系统的健全性，降低事故发生时造成的损失，提高可靠性具有重要意义。时至今日，电网的规模日趋扩大，电网自动化日益提高，为了适应时代的发展，电力设备的检测手段和安全预警也要跟上时代的步伐，进一步发展更加多样的检测手段，提高检测水平，发展更加可靠的自动检测系统。

目前，针对设备的电流量，电压量等电气量的检测和诊断已经非常成熟，但同样缺陷也十分明显，很多时候需要采用不同的传感器和电力检测仪器来检测电气量，不够快速高效，也不够简易，反而针对非电气量的检测和诊断，可以在电力设备故障发生时做到超前于电气量变化（如温度），这在一定程度上对电力设备进行故障诊断更为高效。

电力变压器的油枕油位是电力变压器的一个重要检测参数，通过在变压器运行过程中不断采集温度这一非电气量的数据，知道局部或整体的热状态信息，并分析其中温度的变化，从而发现设备中温度的异常点，发现并定位到故障等信息，进而实现检测油位。

2. 变压器油位检测步骤

如图1所示，在油枕红外图像中通过肉眼很难分辨出油位，为了在油枕上实时指示出油位，利用数字图像处理技术的方法检测油位并提取，绘制油位线在图像上的方法。

图3-1 电力变压器油枕横截面红外图像

数字图像处理中的图像可定义为一个二次函数 ，其中 和 是空间（平面）坐标的横坐标和纵坐标， 是在点 的幅值。在任何一对空间坐标 处的幅值 也可以称为图像在该点处的强度和灰度。数字图像将原本连续的图像离散成在空间（平面）坐标上离散的点的集合，并在每个点用一定幅值代替，这样的图像可以采用一个个基于像素级而进行的数字图像处理操作。我们利用每个像素的坐标位置和灰度与其它像素间位置和灰度的关系，采取一定基于数学和逻辑上的处理，得到我们想要的信息或者进行想要的图像变换，就是数字图像处理。本文所进行的图像处理操作都是基于以上方式所采取一种处理。

根据变压器油枕红外图像3-1所示，可以看出截面的灰度变化呈现出渐变，均匀的特点，这主要是因为变压器的材质主要为金属，金属的导热性比非金属材料的导热性好，因此在金属红外图像中呈现出缓慢的温度过渡过程，我们对其灰度化，使其表现为灰度差异后，灰度变化也就呈现逐渐变化的现象。

实验证明，在油枕内部有油部分和无油部分的灰度变化十分明显，通过数字图像处理可以将其检测出来，采取阈值处理会因为分界面灰度阈值不定而导致检测错误率高，因此是不合适的，通过计算分析整个油面的变化速率，可以发现有油和无油部分的分界面是整个油枕内温度变化率最大的地方，利用这个信息我们可以设计相应的算法。

本文提出的红外油位自动检测的算法步骤包括：

（1）获取油枕图像。使用红外摄像头采取图像数据。

（2）图像预处理。对电力变压器油枕红外图像进行灰度化处理。

（3）绘制并提取目标区域。选取固定的圆形区域作为目标区域并绘制在图像上。

（4）图像微分。对图像上的灰度值进行微分。

（5）设置检测区域。在选取的圆形区域内设置检测线并提取线内符合油位分界点的位置。

（6）直线拟合。取得各条测温线上的最大灰度值进行拟合，绘制油位得到有油与无油分界面。

算法流程图如下：

图2 流程图

3.实例计算与验证

以下通过验证红外成像仪拍摄下来的两张不同角度的油枕图像来检测其效果。

3.1 实例一

实例一采用油枕横截面的红外图像，如下图3所示。

图3 电力变压器油枕红外图像

我们采用上述实现的自动检测方法对该红外图像进行处理：

1. 图像预处理。图4所示为经过灰度化预处理后得到的电力变压器油枕横截面的红外灰度图像。

图4 预处理后的电力变压器红外灰度图像

（2）绘制并提取目标区域。图5为在图3基础上，绘制固定的目标识别区域。

图5绘制目标区域

图5是在图4灰度化的基础上进行目标区域的提取，之后将会在目标区域内进行相应的处理。

图6 目标区域提取

（3）图像微分。进行微分处理，而后将图像每个像素乘以放大因子后，显示如下图8所示。

图7 微分图像

（4）设置测温线。提取的目标区域微分后，在内部设置5条测温线后如下图9所示。

图9测温线设置

（5）直线拟合。图10为分别从各条测温线中根据像素点灰度大小，选取的最大值，即油面分界点，每个分界点为经过微分后计算出的灰度变化最大的位置。

图10 根据各条测温线计算得到的油面分界点

根据得到的分界点采用最小二乘法，避开偏远点的方法进行直线拟合并绘制，得到的线即油位。

图4-8油面分界线

（6）油位计算。根据直线在图11中的位置，将油位线放置在整个油枕横截面中去计算油位百分比，得出的油位为55%左右。

4、结论

（1）根据红外图像上显示的油枕油位在运行时温度分布呈现灰度渐变的特点，利用图像分割中对图像采取微分的方式获得测温线上温度变化率最大的位置。

（2）通过避开偏远点的直线拟合方式拟合数据点，计算出直线并在红外图像上绘制出油面分界线和油位，此方法得出的油位经实验证明是基本准确的。

参考文献：

1. 冈萨雷斯. 数字图像处理[M].北京：电子工业出版社,2011.6.

2. Gary Bradski. 学习OpenCV（中文版）[M]. 北京：清华大学出版社,2009.10.

3. Stanley B. Lippman. C++ Primer 中文版（第5版）[M]. 北京：电子工业出版社,2013.9.

4. Mark Allen Weiss. 数据结构与算法分析[M]. 北京：人民邮电出版社,2007.

5. 解辰. 基于红外图像的电力变压器油位自动检测[D]. 西安理工大学, 2010.