基于紅外技術的變電站設備識別與熱故障診斷.pdf

1、隨著現代智能電網的發(fā)展，紅外技術在變電站的運行和維護中發(fā)揮了巨大的作用。紅外技術無需直接接觸變電站設備就能實現變電站設備整體溫度分布的測量，找出溫度最高的發(fā)熱點，在不停電的狀態(tài)下發(fā)現變電站設備故障。因此本文根據紅外技術在變電站設備故障診斷中的優(yōu)點，研究了紅外技術用于變電站設備熱故障診斷的各個流程，本文的主要工作如下:
　　(1)針對變電站設備紅外圖像存在噪聲和低對比度的特點，給出了變電站設備紅外圖像的去噪和增強方法。采用基于形態(tài)學

2、的權重自適應算法進行紅外圖像去噪，采用多尺度Retinex算法進行紅外圖像增強，并與常用的去噪和增強方法進行對比。實驗結果表明，本文給出的變電站設備紅外圖像去噪和增強方法具有較好的效果。
　　(2)在研究常用圖像分割方法的基礎上，給出了改進的變電站設備紅外圖像分割方法，對預處理后的變電站設備紅外圖像采用基于加權切比雪夫距離的K-means聚類算法進行聚類處理，然后采用二維最大熵法對聚類后的圖像進行分割。實驗結果表明，本文給出的改進

3、方法能夠較好地將目標完整的分割出來，分割效果較好。
　　(3)針對變電站設備紅外圖像的形狀特征，分別采用了Hu不變矩和Zernike不變矩來提取圖像的形狀特征，通過對特征提取效果的對比，最終采用Zernike不變矩來提取圖像形狀特征;采用支持向量機分類器對實際的變電站設備紅外圖像進行分類，并分別驗證了Hu不變矩和Zernike不變矩作為特征向量的分類效果。實驗結果表明，本文給出的方法識別率較高，分類效果較好。
　　(4)根據