3.2.3實際案例：基于大數(shù)據(jù)技術(shù)的電氣設(shè)備紅外圖像處理

1、現(xiàn)狀和需求
隨著經(jīng)濟(jì)的快速發(fā)展，電網(wǎng)朝著特高壓、交直流混合、新能源大量接入的方向發(fā)展。國家電網(wǎng)公司提出建沒堅強(qiáng)可靠的智能電網(wǎng)，其核心是在電網(wǎng)可靠運(yùn)營的前提下,實現(xiàn)電網(wǎng)的信息化、數(shù)字化、自動化和互動化。電氣設(shè)備長期處在運(yùn)行狀態(tài)下，易受外界環(huán)境的影響，經(jīng)常出現(xiàn)各類故障，對電力系統(tǒng)的安全穩(wěn)定運(yùn)行構(gòu)成沖擊。據(jù)統(tǒng)計資料顯示，電力系統(tǒng)中70%的故障是由電氣設(shè)備的故障所導(dǎo)致的。各種故障通常表現(xiàn)為電流型或電壓型的異常致熱，原因主要包括表面污穢、接觸不良、受潮、腐蝕變形、漏磁等。因此，対不同類型的電氣設(shè)備進(jìn)行有效的監(jiān)控，并實時、自動地分析電氣設(shè)備有無故障、故障類型、存在位置和嚴(yán)重程度成為了目前的研究熱點(diǎn)。
紅外熱成像技術(shù)是電力系統(tǒng)在線實時監(jiān)測領(lǐng)域中一個強(qiáng)大的工具。其原理是紅外探測器將被測物體紅外輻射量的変化轉(zhuǎn)變成電量變化，經(jīng)放大處理后，被測物體表面的熱好布以可見光圖像顯示在屏幕上。通過比色條對應(yīng)的顏色可以確定圖像任意點(diǎn)的溫度。紅外熱成像技術(shù)具有非接觸性、直觀準(zhǔn)確、夜間監(jiān)控、靈敏度高、診斷效率高、適應(yīng)性強(qiáng)等優(yōu)點(diǎn)。與此同時，它允許電力系統(tǒng)在不停電的情況下完成設(shè)備健康狀況的分析。通過該技術(shù)的監(jiān)測結(jié)果，可以獲得電氣設(shè)備各個區(qū)域的溫度，更重要的是能夠通過溫度識別的結(jié)果來判斷電氣設(shè)備內(nèi)部可能存在的各種缺陷，為操作人員提出可靠的動作參考，減少或規(guī)避設(shè)備因過熱所導(dǎo)致的故障。該項技術(shù)對確保電氣設(shè)備的安全穩(wěn)定運(yùn)行，提高電力系統(tǒng)的經(jīng)濟(jì)效益和智能化水發(fā)揮了積極的作用。
利用非接觸式的紅外熱成像儀實現(xiàn)電氣設(shè)備的在線監(jiān)測，獲得實時的紅外圖像，并提取電氣設(shè)備典型溫度數(shù)據(jù)，在此基礎(chǔ)上建立電氣設(shè)備溫度的歷史和實時數(shù)據(jù)庫，結(jié)合數(shù)據(jù)挖掘手段，最終建立電氣設(shè)備故障診斷與報警自動決策系統(tǒng)。這將是電氣設(shè)備紅外監(jiān)測及診斷技術(shù)的發(fā)展趨勢。 

 (1)紅外診斷技術(shù)國內(nèi)研究現(xiàn)狀
我國將紅外技術(shù)用于電氣設(shè)備監(jiān)測的研究始于20世紀(jì)70年代初，開始便用國內(nèi)自主研制的紅外熱成像儀對高壓輸電線路的接頭溫度展開監(jiān)測工作。
從20世紀(jì)80年代中期開始，隨著紅外熱成像技術(shù)的快速發(fā)展和電力部門重視程度的提高，若干家電力公司引進(jìn)了較為先進(jìn)的紅外熱成像儀，積極開展了220kV和110kV的輸電線路直升機(jī)紅外巡檢工作。通過不斷地實驗，電力部門積累了廣泛的實踐經(jīng)驗，收到了良好的經(jīng)濟(jì)和社會效益，并逐漸形成了一套較為完整的故障判定標(biāo)準(zhǔn)。
20世紀(jì)90年代以后，一些電力科學(xué)研究院與電力公司相互合作，通過大量的現(xiàn)場實測結(jié)果，已經(jīng)充分地掌握了各種類型的電氣設(shè)備故障的典型溫度特征，積累了大量的電氣設(shè)備故障情況的紅外熱成像圖譜。
1999年，當(dāng)時的電力工業(yè)部頒布了DL/T664-1999《帶電設(shè)備紅外診斷技術(shù)導(dǎo)則》。該導(dǎo)則建立于廣泛的實踐經(jīng)驗基礎(chǔ)之上，為操作人員利用紅外診斷技術(shù)對現(xiàn)場的電氣設(shè)備溫度進(jìn)行監(jiān)測和診斷以及故障的判別提供了堅實有力的依據(jù)，并極大地推動了紅外熱成像診斷技術(shù)在電力系統(tǒng)基層中的應(yīng)用。
近年來，隨著數(shù)字圖像處理技術(shù)的發(fā)展和計算機(jī)處理速度的大幅度提高，紅外熱成像診斷技術(shù)朝著智能化、數(shù)字化、網(wǎng)絡(luò)化和高速化方向發(fā)展，電氣設(shè)備紅外圖像設(shè)備和溫度識別也向著自動識別和診斷方向發(fā)展。

(2)紅外診斷技術(shù)國外研究現(xiàn)狀
國外將紅外診斷技術(shù)應(yīng)用于電氣設(shè)備監(jiān)測的時間要早于中國。20世紀(jì)60年代，瑞典國家電力局開創(chuàng)了先河，率先將紅外熱成像儀用于電氣設(shè)備的監(jiān)測。20世紀(jì)70年代開始，發(fā)達(dá)國家普遍已將紅外熱成像儀置于直升機(jī)上，對輸電線路和變電站展開巡回監(jiān)測，并制定了不同的技術(shù)規(guī)范和故障判定標(biāo)準(zhǔn)。
1990年國際大電網(wǎng)會議首次充分肯定了紅外診斷技術(shù)在電力系統(tǒng)中的應(yīng)用。會議指出:“紅外技術(shù)將在電氣設(shè)備從傳統(tǒng)的預(yù)防性故障檢修體制向預(yù)知性狀態(tài)檢修體制的轉(zhuǎn)變中發(fā)揮關(guān)鍵的作用”。
1993年，在美國動力會談上，伊利諾伊州電力公司和底特律愛迪生公司分別介紹了其利用紅外熱成像診斷技術(shù)在輸電線路、變電站和發(fā)電廠中的最新經(jīng)驗。

(3)紅外圖像處理研究現(xiàn)狀
紅外圖像處理曾在20世紀(jì)70年代末、80年代初形成一個研究高潮，并獲得了大量的研究成果。在這個時期代表性的研究機(jī)構(gòu)有美國海軍研究生院、美國福特航空通訊有限公司、美國海軍武器中心、麥道公司以及哥倫比亞密蘇里大學(xué)電子和計算機(jī)工程系等。
Thauam Ongkov等人曾利用機(jī)載紅外傳感器取得了八種不同類型艦船的紅外圖像，并對樣條系數(shù)法進(jìn)行了深入的研究。研究表明，樣條系數(shù)法優(yōu)于缺乏局部結(jié)構(gòu)刻畫能力的傅里葉系數(shù)法。
2000年，ChiZhang和EWang利用K-均值聚類算法在HSI空間中進(jìn)行了彩色圖像分割的研究。2004年，中國科學(xué)院計算技術(shù)研究所的王錫貴、黃江洪、付博等研究員，提出了一種在RGB色彩空向中定義符合人眼視覺特性的距離信息的方法進(jìn)行彩色圖像分割。 
MCLaren等人提出基于知識的二叉樹分類器，并將其用于艦船紅外目標(biāo)一維輪廓像分類識別。研究發(fā)現(xiàn)，識別率在很大程度上取決于紅外圖像本身的質(zhì)量，因此，在圖像識別之前，圖像的預(yù)處理是相當(dāng)重要的。
目前，各國研究人員正在綜合運(yùn)用各種先進(jìn)的計算機(jī)算法以及智能化目標(biāo)識別方法來解決紅外圖像處理所面臨的難題。近年來，紅外圖像處理與識別的研究熱點(diǎn)主要涵蓋于:①人工神經(jīng)網(wǎng)絡(luò)模式識別方法；②基于大數(shù)據(jù)的識別方法；③專家系統(tǒng)模式識別方法；④模糊模式識別方法。因此，針對現(xiàn)今情況提出了以下幾點(diǎn)需求:
1）故障的實時判別。目前基于人工故障診斷難以滿足故障實時識別的要求。而盡快發(fā)現(xiàn)熱性故障，并采取預(yù)警措施能夠有效地預(yù)防事故擴(kuò)大化。
2）故障的自動判別。電氣設(shè)備紅外圖像的分析診斷大多需要基于故障診斷導(dǎo)則和歷史運(yùn)行情況進(jìn)行綜合判斷，目前的軟件僅能夠識別溫度，難以綜合各類信息實現(xiàn)故障自動識別。因此實際工作提出了故障自動判別的需求。
3）提高故障識別的準(zhǔn)確度。借助計算機(jī)準(zhǔn)準(zhǔn)確地識別電氣設(shè)備的種類和溫度，并根據(jù)與診斷導(dǎo)則的對比進(jìn)行故障識別，能夠彌補(bǔ)人工故障診斷所產(chǎn)生的誤差，提判產(chǎn)生的不良影向。
4）大量現(xiàn)場圖片的快速處理。
現(xiàn)代大型變電站有大量電氣設(shè)備需要在線監(jiān)測，傳統(tǒng)手段難以實時處理如此大規(guī)模的現(xiàn)場圖片，需要借助于大數(shù)據(jù)中的分布式存儲技術(shù)、流處理技術(shù)和并行處理技術(shù)等對現(xiàn)場圖片進(jìn)行存儲和處理。

2.應(yīng)用場景
基于大數(shù)據(jù)的電氣設(shè)備紅外圖像處理主要體現(xiàn)在圖像提取、圖像識別和大量圖片處理上，主要采用K-means聚類、人工神經(jīng)網(wǎng)絡(luò)、分布式存儲技術(shù)、并行計算技術(shù)等方法。

(1)圖像提取
在圖像提取部分運(yùn)用了大數(shù)據(jù)技術(shù)中K-means聚類方法。從分割結(jié)果可以看出，K-means聚類方法對于溫度層次分明的紅外熱成像分割有著良好的適應(yīng)性，克服了傳統(tǒng)Otus二值化方法抗干擾能力差的缺點(diǎn)。

圖3-12目標(biāo)電氣設(shè)備的提取

（2）圖像識別
針對各種電氣設(shè)備紅外圖像的特點(diǎn)和差異，采用圖像改進(jìn)Hu不變距作為圖像的特征向量，并設(shè)計BP神經(jīng)網(wǎng)絡(luò)分類器對現(xiàn)場采集的圖像進(jìn)行分類識別。神經(jīng)網(wǎng)絡(luò)分類器選取部分圖像作為學(xué)習(xí)樣本，對剩余的圖像進(jìn)行種類識別

圖3-13提取改進(jìn)Hu不變矩對電氣設(shè)備種類進(jìn)行識別

 (3)圖像處理
將處理任務(wù)分配到不同的處理節(jié)點(diǎn)，以便提升并行處理能力。先進(jìn)行海量圖片數(shù)據(jù)分割、任務(wù)分解與結(jié)果匯總，從而完成海量圖片數(shù)據(jù)的并行處理，目前業(yè)界普遍使用該MapReduce方式。

圖3-14并行處理算法示意圖

3.大數(shù)據(jù)解決方案

(1)圖像提取
由于圖像拍攝過程中環(huán)境的變化，傳感器在將實際設(shè)備溫度轉(zhuǎn)換為紅外圖像信號時總會引入各種噪聲，因此需要對圖像進(jìn)行預(yù)處理，采用圖像平滑、中值濾波、圖像校正、圖像去噪、圖像增強(qiáng)及灰度二值化等技術(shù)，來改善圖像質(zhì)量，提升后續(xù)圖像判斷的準(zhǔn)確率。
目標(biāo)電氣設(shè)備與背景的溫度差別在圖像中表現(xiàn)為兩者色彩的差異，采用K-means聚類的方法將圖像按照RGB值的差異分為多類，并還原至彩色圖像，進(jìn)而將目標(biāo)電氣設(shè)備從復(fù)雜的背景中提取出來。
根據(jù)圖像像素值的差異，人為設(shè)定聚類數(shù)進(jìn)行基于像素值的圖像分割，這克服了圖像Otus二値化分類數(shù)量少、易丟失圖像信息的缺點(diǎn)。

圖3-15圖像提取示意圖