基于红外图谱库的电力故障诊断系统设计研究

  　　从目前电力故障诊断存在的缺陷角度分析研究了基于红外图谱库的电力故障诊断系统，提出建设一套与现有红外检测设备匹配的在线分析诊断管理系统，用于解决各个变电站设备的实时管理与监控，使得电力调度中心能够对变电站的相关数据、环境参数、险情预警进行统一分析、管理及统一调度，及时准确地进行热图在线缺陷等的分析。

　　《电力大数据》定位于为核心读者群体传达党和国家的科技方针、介绍国内外最新的科技成果、反映重要技术问题，为基本读者群及时介绍新成果的应用，为外围读者宣传系统所取得的成绩及有关专业知识。

　　1 现状分析

　　随着电力系统网络的全面改造，采用无人值守，集中监控的方式实时、直接地了解和掌握各变电站的情况，并及时对情况做出反应，成为电力系统发展的方向。

　　与此同时，随着光纤网络的建成，“五遥”的概念应运而生，以“前端一体化、传输网络化、处理数字化、系统集成化”为特点的全数字监控方式在变电站的实施，将是实现变电站的无人值守，推动电网管理逐步向“自动化、综合化、集中化、智能化”方向发展的有力技术保障[1]。

　　目前红外热像仪已成为高压带电设备热故障业内公认的最有效最安全的巡检诊断手段，红外热像仪已成为供电公司巡检工作的必备工具，目前广泛应用的手持式或便携式红外热像仪很多，国外的有FLIR、Fluke等，国产品牌有大立、高德、萨特等，其中FLIR和Fluke的应用较为广泛[2]。由于现有设备对检测人员要求比较高，各类设备的操作方法参数设备也不尽相同，目前我们绝大部分变电站手持设备拍摄的图谱较多，管理无序，不便于查找;巡检者拍摄时不调整红外热像仪参数，用一套参数拍各种设备，存在漏检，误判;另红外图谱太多，人工看不过来，需要软件系统“预处理”;另外各地市公司各自独立操作，对设备的典型红外故障及处理意见不能经验共享、知识共享，另一些疑难故障图谱也不能及时协同诊断，远程诊断，为解决该问题，开发一套与现有红外检测设备匹配的在线分析诊断管理系统显得尤为重要。

　　2 需求和建设目标

　　该项目就是在上述需求的基础上提出的，红外热图谱辅助诊断分析识别系统用于解决对各地变电站情况的实时管理与控制，实现同一平台下的集群监控，使得电力调度中心能够对各变电站的相关数据、环境参量、险情预警进行统一分析、管理及统一调度。

　　该项目在电力行业的成功应用，能解决各地使用手持或便携式设备种类繁多，数据不能统一进行对比整理的问题，及时准确的进行热图在线缺陷分析，配合“红外热成像变电站集群智能监控系统”更可做到：一次设备的可靠性问题，同时能大大减少变电站人工巡检和维护的工作量，加強电力企业的安全防范能力。并由于系统的集群管理，实现跨地区、跨地域，多监控点的同时监视与控制，这仅仅是对我国智能电网建设的一大技术支持和补充，更是大势所趋。

　　3 技术路线

　　红外检测是一种高科技检测技术，它通过接收物体发出的红外线(红外辐射)，将其热像显示在荧光屏上，准确判断物体表面的温度分布情况。任何物体由于其自身分子的运动，不停地向外辐射红外热能，从而在物体表面形成一定的温度场，俗称“热像”。红外诊断技术通过吸收这种红外辐射能量，测出设备表面的温度及温度场的分布，从而判断设备发热情况。

　　系统研发采用螺旋模型，先完成核心应用，螺旋周期性的完善、测试，在使用即试用的同时测试完善。

　　采用B/S和C/S结合的体系结构及oracle11g数据库、采用VS2010 MSDotFrameWork4.0作为开发环境、C#、C,为开发语言。

　　分层独立系统架构设计，使系统具备优良的可扩展性和可维护性，为数据的外接、设备版本的变动预留空间。

　　4 系统功能研究

　　4.1 系统权限及设备台帐

　　系统的基本模块，包括系统用户管理、系统配置管理，变电站管理、电力一次设备及其类型管理、红外设备管理等。

　　用户管理、系统配置管理：系统用户的添删改查，分配系统模块、功能的权限。

　　变电站管理：变电站添删改查，变电站与运维站的隶属关系等。

　　一次设备类型：类型的添删改查，变电站与运维站的隶属关系等。

　　红外设备管理：添删改查功能，包括在线红外监测仪和手持式红外检测设备。

　　一次设备：PMS获取基本台帐，对不同类型设备进行子设备定义。

　　4.2 故障的数据模型

　　对设备历史红外记录的一个总结，每种类型、每个设备的每次故障中所表现出的特征与在图谱数据中的特征关系，并将特征关系存储，作为以后故障类型的判据。

　　对每种类型设备的某种故障数据模型的建立基于该设备历次故障的状态及图谱表现的分析。

　　对每次故障将分析结构录入故障数据模型形成学习型数据模型。

　　4.3 图像的采集

　　图像采集是实现红外图谱库的目标的关键性步骤。

　　4.3.1 采集条件

　　建立采集条件规则，考虑天气、光线、冬夏时间、空气质量等因素的干扰，选择在适合的条件下采集尽可能精确的红外图谱。

　　被检设备是带电运行设备，应尽量避开视线中的封闭遮挡物。

　　环境温度一般不低于5摄氏度，相对湿度<=85%;以阴天多云为宜，夜间更佳。

　　4.3.2 采集方式

　　离线方式：变电站内对某设备拍摄时固定红外设备基点位置、高度、角度等参数，条件满足本文采集条件要求，采集完后带回，导入本系统。

　　在线方式：对接在线红外系统，取设备图像。

　　4.3.3 图像存储

　　以文件方式存放红外图谱，图谱从外界导入系统直接跟设备关联。

　　在设备正常运行的情况下，严格按照采集的外界条件、在合适天气条件、时间等以获取高质量的标准图谱。

　　设备标定、设备部位在图谱上的范围标定，根据标定范围采用图像识别技术提取设备特征、设备部位特征，利用XML技术对特征进行描述并存储，设置相似度阈值来界定图像识别的成功率。

　　设备标定、设备部位关联一次设备中的设备和子设备。

　　4.3.4实时图

　　实时图即在线采集方式下通过红外设备采集的图像或者是手持红外在现场采集的图像。

　　将图像按设备关联导入系统，根据标准图谱的标定、设备或子设备特征描述取图像上相应区域，并利用相应的解析库提取温度等数据信息，进而参照相应种类相应设备的故障数据模型进行故障诊断和预警。

　　4.4 图像分析

　　4.4.1 标准图匹配分析

　　提出了使用一种基于智能识别技术的设备识别分析和特征描述的应用研究。该方法通过及时对红外热图在被监测区域的红外全景图中进行位置精准的方法，有效地提高在对红外图谱中被监控目标位置的定位精度[3]，为数据分析提供有力的前期工作。

　　4.4.2 图谱解析库架构建立

　　目前广泛使用的红外仪器品牌如大立、FLIR、Fluke等都有自己的解析库，而对不同品牌红外仪器所采集的图像只能用分别分析处理。为提高效率建立解析库的单独分层架构(解析库层)，使解析库对图像解析透明化，解析库层负责解析图像产生数据，系统负责图像分析、提供接收数据等与解析库无关部分工作。

　　4.5 数据链的形成

　　形成完整数据链：基于设备、子设备的图谱、分析比对、数据提取、故障模型比对、结论、数据存储等，对一次设备不同部位进行温度数据识别和解析，形成包括设备实时数据链、生命期历史数据链。

　　5 结束语

　　在电力故障诊断过程中产生了大量的红外媒体(红外图片、录像)，但是这些历史红外媒体和数据的存储分布十分零散，未得到有序的整理，因而无法进行复用，对于历史故障和诊断经验利用也就无法提高，这无疑对日益提高的红外诊断效率和智能化电网改造形成巨大压力。

　　为了彻底改变此种现状，需要采用更为先进的计算机处理技术来提高电力设备从采集、存储、诊断和培训等环节的智能化水平。从而使电力网络更为可靠和有效地为国家的经济建设提供有力的电力资源保障。

　　参考文献：

　　[1] 王彬.石家庄供电公司10kV配电GIS信息系统的设计与实现[D].保定：华北电力大学.2006-05-20.

　　[2] 黑龙江省电力科学研究院，上海谱盟光电科技有限公司.基于电力热红外图谱的电力设备故障辅助诊断与智能分析系统[P].201510266798.9，2014-12-05.

　　[3] 浙江大立科技股份有限公司.即时红外热图中被监测目标位置的确定方法及应用[P].中国：201010605712.8，2009-11-02.

　　[4] 郭昊坤，吴军基.Agent技術在中国智能电网建设中的应用[J].电网与清洁能源，2014，30(2)：12-16.

　　[5] 王德文，刘晓建.基于Map Reduce的电力设备并行故障诊断方法[J].电力自动化设备，2014，34(10)：116-120.

　　[6] 张瑾.红外故障诊断技术在电力设备状态检修中的应用[J].城市建设，2012-11-25.

《基于红外图谱库的电力故障诊断系统设计研究》

本文由职称驿站首发，您身边的高端论文发表学术顾问

文章名称： 基于红外图谱库的电力故障诊断系统设计研究

文章地址： http://www.zhichengyz.com/lunwen/ligong/dianli/38497.html