本文關鍵詞：基于紅外熱像的金屬氧化鋅避雷器故障檢測技術研究，由筆耕文化傳播整理發(fā)布。

【摘要】：避雷器是電力系統(tǒng)安全穩(wěn)定運行的重要設備,是避免雷電沖擊過電壓和操作過電壓危害電網(wǎng)安全的重要保障。金屬氧化鋅避雷器因為其優(yōu)異的伏安特性和保護性能,取代了同類型產(chǎn)品,在電網(wǎng)中得到越來越廣泛的應用。金屬氧化鋅避雷器存在故障,會影響到電力設備的運行,造成事故。目前金屬氧化鋅避雷器的在線監(jiān)測技術主要是通過檢測泄漏電流中阻性分量的大小來判斷其是否發(fā)生故障。紅外檢測技術與現(xiàn)有的檢測技術相比,具有不接觸、操作方便、高協(xié)調性等優(yōu)點。本文研究了金屬氧化鋅避雷器故障識別的新方法,能夠高效、準確地判斷避雷器是否存在故障和缺陷。本文對避雷器的故障特點以及紅外熱像儀的誤差進行了分析,總結了紅外檢測需要滿足的基本條件和紅外檢測的方法和原理。采集紅外圖像后采用中值濾波對采集紅外圖像進行預處理,用最大類間方差法提取出二值圖像,通過氧化鋅避雷器上下端的形狀特征,分割避雷器下端底座和上端保護罩部分,提取出避雷器的位置。通過圖像與處理和圖像分割,確定了避雷器在圖像中的位置后,本文提出兩種金屬氧化鋅避雷器的故障診斷方法。1、提取避雷器在圖像中的位置信息后,截取避雷器二值圖像的內接矩形,舍棄避雷器邊緣部分,然后通過內接矩形提取溫度信息并計算溫度最大值和平均值。以《帶電設備紅外診斷應用規(guī)范》為依據(jù),提出一種最大溫度和平均溫度相結合的故障識別方法,該方法準確性高、操作方便,能夠有效克服因為傘群的遮擋和表面溫度差異過大而產(chǎn)生的誤判。2、分割之后,選擇圖像紋理特征作為特征值。利用灰度-梯度共生矩陣提取13個特征值,通過K-L變換法篩選、去除冗余后,選擇小梯度優(yōu)勢、梯度分布不均勻性、灰度分布不均勻性作為神經(jīng)網(wǎng)絡的輸入。經(jīng)過訓練得到了BP神經(jīng)網(wǎng)絡的金屬氧化鋅避雷器識別模型,然后選擇數(shù)據(jù)對模型測試。測試結果證明了該方法準確有效,是一種變電站避雷器狀態(tài)檢測的有效技術。
【關鍵詞】：紅外熱像 故障檢測 故障發(fā)熱 紋理特征 BP神經(jīng)網(wǎng)絡 圖像處理 老化和受潮
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM862
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-23
• 1.1 研究背景及意義11-12
• 1.2 概述12-18
• 1.2.1 避雷器概述12-15
• 1.2.2 紅外熱象儀概述15-18
• 1.2.3 紅外檢測基本原理18
• 1.3 國內外檢測現(xiàn)狀18-21
• 1.3.1 檢測方法現(xiàn)狀研究18-20
• 1.3.2 避雷器紅外檢測研究現(xiàn)狀20-21
• 1.4 本文主要內容和創(chuàng)新點21-23
• 第2章 金屬氧化鋅避雷器紅外檢測原理23-31
• 2.1 紅外成像誤差分析23-27
• 2.1.1 被測物體表面發(fā)射率誤差的影響23-24
• 2.1.2 大氣透射率誤差的影響24-25
• 2.1.3 大氣溫度誤差的影響25-26
• 2.1.4 環(huán)境溫度誤差的影響26
• 2.1.5 太陽輻射的影響26-27
• 2.2 基本要求27-28
• 2.3 基于紅外熱像技術的金屬氧化鋅避雷器檢測28-30
• 2.3.1 紅外檢測的方法28-29
• 2.3.2 紅外熱像技術對金屬氧化鋅避雷器內部故障的診斷29-30
• 2.3.3 紅外熱像技術對氧化鋅避雷器外部故障的診斷30
• 2.4 本章小結30-31
• 第3章 圖像預處理與圖像分割31-49
• 3.1 避雷器紅外圖像特點31
• 3.2 灰度變換31-34
• 3.2.1 線性灰度變換31-32
• 3.2.2 分段線性灰度變換32-33
• 3.2.3 非線性灰度變換33-34
• 3.3 直方圖均衡化34-36
• 3.3.1 直方圖定義34-35
• 3.3.2 直方圖均衡化35-36
• 3.4 圖像去噪36-37
• 3.4.1 均值濾波36-37
• 3.4.2 中值濾波37
• 3.5 圖像分割37-45
• 3.5.1 基于最大類間方差法的圖像分割38-40
• 3.5.2 基于均值迭代法的圖像分割40
• 3.5.3 基于邊緣檢測的圖像分割40-45
• 3.6 圖像提取45-48
• 3.6.1 形態(tài)學處理45-47
• 3.6.2 提取主體區(qū)域47
• 3.6.3 提取避雷器區(qū)域47-48
• 3.7 本章小結48-49
• 第4章 基于帶電設備紅外診斷應用規(guī)范的避雷器故障識別49-60
• 4.1 帶電設備紅外診斷應用規(guī)范49-50
• 4.2 提取內接矩形50-51
• 4.3 溫度提取51-52
• 4.3.1 提取最大溫度和最小溫度51-52
• 4.3.2 提取平均溫度52
• 4.4 故障識別52-56
• 4.4.1 局部發(fā)熱故障識別53-54
• 4.4.2 整體發(fā)熱故障識別54-56
• 4.5 識別結果56-59
• 4.6 本章小結59-60
• 第5章 基于BP神經(jīng)網(wǎng)絡的故障識別60-72
• 5.1 特征提取60-63
• 5.1.1 紋理分析概括60-61
• 5.1.2 灰度-梯度共生矩陣法初步提取紋理特征61-63
• 5.2 特征選擇63-65
• 5.2.1 K-L變換64
• 5.2.2 特征提取結果64-65
• 5.3 神經(jīng)網(wǎng)絡介紹65-68
• 5.4 模型設計及有效性分析68-71
• 5.4.1 模型設計68-69
• 5.4.2 有效性分析69-70
• 5.4.3 錯誤率原因分析70-71
• 5.5 本章小結71-72
• 結論與展望72-73
• 參考文獻73-78
• 致謝78-79
• 附錄A 攻讀學位期間所發(fā)表的學術論文目錄79-80
• 附錄B 攻讀學位期間所參加的科研項目80

  本文關鍵詞：基于紅外熱像的金屬氧化鋅避雷器故障檢測技術研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：435475