基于紅外技術(shù)的變電站設(shè)備識(shí)別與熱故障診斷.pdf

1、隨著現(xiàn)代智能電網(wǎng)的發(fā)展，紅外技術(shù)在變電站的運(yùn)行和維護(hù)中發(fā)揮了巨大的作用。紅外技術(shù)無(wú)需直接接觸變電站設(shè)備就能實(shí)現(xiàn)變電站設(shè)備整體溫度分布的測(cè)量，找出溫度最高的發(fā)熱點(diǎn)，在不停電的狀態(tài)下發(fā)現(xiàn)變電站設(shè)備故障。因此本文根據(jù)紅外技術(shù)在變電站設(shè)備故障診斷中的優(yōu)點(diǎn)，研究了紅外技術(shù)用于變電站設(shè)備熱故障診斷的各個(gè)流程，本文的主要工作如下:
　　(1)針對(duì)變電站設(shè)備紅外圖像存在噪聲和低對(duì)比度的特點(diǎn)，給出了變電站設(shè)備紅外圖像的去噪和增強(qiáng)方法。采用基于形態(tài)學(xué)

2、的權(quán)重自適應(yīng)算法進(jìn)行紅外圖像去噪，采用多尺度Retinex算法進(jìn)行紅外圖像增強(qiáng)，并與常用的去噪和增強(qiáng)方法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，本文給出的變電站設(shè)備紅外圖像去噪和增強(qiáng)方法具有較好的效果。
　　(2)在研究常用圖像分割方法的基礎(chǔ)上，給出了改進(jìn)的變電站設(shè)備紅外圖像分割方法，對(duì)預(yù)處理后的變電站設(shè)備紅外圖像采用基于加權(quán)切比雪夫距離的K-means聚類算法進(jìn)行聚類處理，然后采用二維最大熵法對(duì)聚類后的圖像進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明，本文給出的改進(jìn)

3、方法能夠較好地將目標(biāo)完整的分割出來(lái)，分割效果較好。
　　(3)針對(duì)變電站設(shè)備紅外圖像的形狀特征，分別采用了Hu不變矩和Zernike不變矩來(lái)提取圖像的形狀特征，通過(guò)對(duì)特征提取效果的對(duì)比，最終采用Zernike不變矩來(lái)提取圖像形狀特征;采用支持向量機(jī)分類器對(duì)實(shí)際的變電站設(shè)備紅外圖像進(jìn)行分類，并分別驗(yàn)證了Hu不變矩和Zernike不變矩作為特征向量的分類效果。實(shí)驗(yàn)結(jié)果表明，本文給出的方法識(shí)別率較高，分類效果較好。
　　(4)根據(jù)