专利名称：输电线路绝缘子放电在线监测故障定位方法
技术领域：
本发明涉及输电线路绝缘子放电在线监测故障定位方法。
背景技术：
安装在输电线路上的绝缘子在运行中因长期经受机电负荷、日晒雨淋、冷热变化等作用，可能出现绝缘电阻降低、开裂甚至击穿等故障，对供电可靠性带来潜在威胁，因此， 绝缘子在线检测意义重大。线路绝缘子因其安装位置的特殊及分布区域广泛，向来是绝缘在线检测的一个难点，若干年来，国内外一直在寻找有效的解决方法。现行的绝缘子在线监测技术中，对内部故障发热导致设备外部温度变化的故障， 可应用红外图像方法进行诊断。紫外成像技术是利用特殊仪器接收电晕放电产生的紫外信号，经处理后成像并与可见光图像叠加，达到确定电晕的位置和强度。随着电压等级的提高，应用直升机巡线和航拍技术，因其反应速度快，采集数据量大，且能克服地形地貌等障碍，将在电力系统中日益受到重视。现行的成像技术所获得图像多半为RGB的真彩图像，图像质量高，这给计算机处理提出很高要求。为更好分析图像，需将图像换成一种储存更小且不丢失有效信息的图像； 而在进行图像的边缘检测时，故障位置不明显，对于图像背景复杂不易区分故障位置。本发明要解决的技术问题是，针对现有技术存在不足，提出一种输电线路绝缘子放电在线监测故障定位方法，它能对在线监测所采集图像能快速进行故障定位，算法简便， 通过实验验证，能在图片上以直观简单的方式呈现绝缘子故障位置。本发明的技术方案是，所述输电线路绝缘子放电在线监测故障定位方法包括(1)图像的获得以现有红外成像、紫外成像或航拍技术获得输电线路绝缘子RGB 真彩图像；(2)图像预处理将所述RGB真彩图像转换为储存空间更小且不丢失有效信息的灰度图；然后利用滤波算法排除图片中环境干扰信息，即去噪；(3)确定故障位置，步骤是a.利用阈值法提取一次图像将灰度图的像素定义为灰度值，且灰度值大小为 0-255，其中0为白色，从0到255逐渐从白到灰，最后变成黑；通过直方图统计出0-255中各个灰度值出现的次数，得到图像中灰度的分布的直方图，利用灰度的分布判断故障与背景的区分灰度值，将该区分灰度值定义为阈值；找出这个阈值，当图像的灰度值大于所述阈值时图像元素保留或置为1 ；当图像的灰度值小于或等于所述阈值时图像元素丢失即置为0，得到经阈值法处理后的二值图像；用数学关系表示如下
发明内容
式中，H(u，v)为处理后二值图像中点(U，ν)的灰度值；D(u，v)为处理前(u，ν)的灰度值；Dtl为选择的阈值，(u，ν)为图像中点的坐标；b.检测图像边缘将灰度图进行边缘化处理，得边缘化处理后二值图像；C.分别对阈值法处理后的二值图像和边缘化处理后二值图像取反(镜像图)，得阈值法处理后的二值图像的取反图像和边缘化处理后二值图像的取反图像；d.将由步骤c得到的两幅取反图像叠加，得到故障目标图像。以下对本发明做出进一步说明。所述步骤( 图像预处理中，现有技术的滤波算法MATLAB的小波分析工具箱提供了对信号进行去噪的一族算法，本文采用medfilt2函数(中值滤波)简单处理，由于本发明的重点是在故障点分析上，所涉及的图像处理主要在故障和边缘提取，加入合适的去噪函数将能得到更清晰地处理后图像，对去噪的详细了解可以参阅现有图像处理技术资料。所述步骤(3)a中，阈值的选定依据的原理是图片上故障点像素的突变，对于故障图片，故障点一般表现为亮点或者光斑的形式，而相对于周围黑色背景有明显的分界点，我们将分界点的像素转换为灰度值后，将分界点对应的点保留为阈值，利用MATLAB取得图像大小构建一次双重循环，凡是小于设定阈值定义为白色，大于阈值都定义为黑色，这样以便人体视觉习惯，算法有两种，一个是通过直方图人为给定一个阈值，这个比较精确，还有就是通过MATLAB中阈值函数自动设定阈值选择参数，通过这种方法选择的阈值对于有些图片不能表现很好的效果，本发明优先采用前者。对于通过直方图人为给定一个阈值，例如(参见图2)，因为故障点大多为亮点或光斑，如把有黑-灰-白连续变化的灰度值量化为256个灰度级，灰度值的范围为0-255，表示亮度从深到浅，对应图像中的颜色为从黑到白。所以越接近255灰度的像素在图像上表现为越亮，从图2中看出，灰度值200以后逐渐减少(对应图像上光斑占图像比例小部分)， 而200以前的灰度值仍比较饱和(对应图像上背景色占大多数)，所以可以判断大于200以后的灰度值为故障对应位置，然后通过人为观察以220-230阈值带入算法验证，发现230能得到比较清晰的光斑大小。所述步骤(3)b中，对于故障图片，与阈值法所处理的重点不同，阈值法针对故障点，而边缘检测是针对整个故障设备的外形，我们需要通过边缘检测提取整个故障设备的边缘，比如绝缘子的节数，这样综合阈值法提取的故障点，就能很清楚的知道故障究竟发生在绝缘子哪节上。由于噪声和模糊的存在，检测到的边缘的边界可能会变宽或在某点处发生间断，因此边缘检测包括两个基本内容，首先抽取反应灰度变化的边缘点，然后剔除某些边界点或填补边界剪短点，并将这些边缘连接成完整的线。MATLAB图像处理工具箱提供的edge函数可以实现检测边缘的功能，其语法格式为Bff = edge (J,，canny’)，其中J为目标图像文件，canny为edge函数的canny算子)本发明中，对于图像检测系统，最重要的是在大量图像信息中提取有效信息，如何利用这些信息解释图像，透过现象分析故障的本质。为了有效地分析和理解图像，往往需要把给定的图像以及已经分割的图像区域去掉无用信息，并将有用信息采用更为简单明确的数值、符号或者图形表示出来。电力系统所获得的图像信息，实际监测时由于噪声的复杂性，必然对图像存在影响，为获得更好的监测效果，进行更准确的故障分析、识别和定位，必须对采集来的图像进行预处理。通常采用特定的滤波方法滤去图像噪声，即图像去噪，再对经过预处理的图像进行分析以判断电晕发生的具体位置。现行的成像技术所获得图像多半为RGB的真彩图像，图像质量高，这给计算机处理提出很高要求。为更好分析图像，需将图像换成一种储存更小且不丢失有效信息的图像——灰度图。相对于RGB图像，灰度图像需要的存储空间小，且对电晕放电的位置确定不影响。本发明中，对输电线路绝缘子故障位置的确立采用了阈值法。阈值法是根据直方图中的灰度分布选择合适的阈值对图像进行处理。RGB图像经过处理后变成灰度图，图像大小没有变化，但是原来一个位置由三个数值决定的像素R(Red)、G(Green)、B (Blue)变为由一个数值确定，我们将这个数值定义为灰度值，且大小为0-255。其中0为白色，从0到 255逐渐从白到灰，最后变成黑。通过直方图统计出0-255中各个灰度值出现的次数。通过直方图可以很直观的看到图像中灰度的分布，利用灰度的分布判断故障与背景的区分灰度值，我们把它称作阈值。阈值法就是找出这个区分灰度值，当图像的灰度值大于选择的阈值时图像元素保留或置为1 ；当图像的灰度值小于选择的阈值时图像元素丢失即置为0。本发明中，图像的边缘检测技术对于处理数字图像非常重要，因为边缘是待提取目标设备和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同区域内部的特征或属性是不同的，边缘的检测证实利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度、颜色或者文理特征。边缘检测实际上就是检测图像特性发生变化的位置。其主要优点是可以较直观的提取绝缘子外部特征，采集图像噪声小的情况下检测出边缘较弱、可能发生电晕的较小区域，其缺点是故障位置不明显，对于图像背景复杂不易区分故障位置。本发明以现有红外成像、紫外成像或航拍技术所获得的图像为研究和处理对象， 对被测设备进行多方位及长时间拍摄以及采用区域航拍技术获得大量图像数据，依据现有阈值法与图像边缘检测法两种数学图像检测方法，利用位运算巧妙克服两者各自不足，对其进行改进后提出了一种图像识别方法。本发明针对监测图片信息，先将真彩图片转化为灰度图，这样既能减少处理数据而又不丢失有用信息，然后利用滤波算法尽量排除图片中环境干扰信息(迅速排除干扰显示故障在图片中位置，节约大量时间)。经过去噪的图片即为有用信息图片，先利用阈值法提取一次图像保存，然后针对信息图片再次得到另外一张图像，最后利用位运算实现叠加， 将图片叠加得到只留下故障信息清晰位置的二值图片。通过将阈值法与图像边缘检测法之两种方法的优缺点互补综合，既克服阈值法故障位置不明，又解决边缘检测故障特征不明显的问题，最后得到一个二值图像，图像不但简单直观，而且图像存储空间小，运算也较快， 对硬件要求不高。可以为后续工作如建立数据库、快速分析放电位置、自动数字化分析故障原因等奠定基础。由以上可知，本发明为一种输电线路绝缘子放电在线监测故障定位方法，它对在线监测所采集图像能快速进行故障定位，算法简便，为电力系统快速应用图像处理获得故障定位提供了一种图像识别技术。
图1是红外成像的输电线路绝缘子接头处故障图像的灰度图；图2是图1所示故障图像的直方图；图3是图1所示灰度图经阈值法处理后的二值图像；图4是图1所示灰度图经经边缘化处理后的二值图像；图5是图3所示图像的取反图像(阈值法运算取反)；图6是图4所示图像的取反图像(Carmy算子运算取反)；图7是将图5和图6两幅图像重叠后得到的目标图形；
具体实施例方式现以图1红外成像技术检测绝缘子接头处故障为例对图1计算直方图得到像图2，从直方图中能够看出，阈值一般大于200，本文对于图1的阈值设定为230，采用MATLAB双重循环语句去掉阈值小于230的像素点后得到。由图3看出，虽然算法提取了故障信号，放电区域明显，但是无法得到它在电气设备上的具体位置，不便于人们对电气设备的检修和维护。图4主要优点是可以较直观的提取绝缘子外部特征，采集图像噪声小的情况下检测出边缘较弱、可能发生电晕的较小区域，其缺点是故障位置不明显，对于图像背景复杂不易区分故障位置。由以上两种方法得到两幅二值图像均不能很好的反应故障位置和得到有用信息， 考虑其所得图像像素点为O或者1，本技术采用MATLAB位运算，先将阈值法所得图像图3与边缘检测法所得图像4取反，得到图5和图6。最后将图5和图6两幅二值图像做与运算，即将该两幅图像重叠后得图7所示的目标图形。下面为本发明涉及的算法在MATLAB上的实现%图像处理原程序clear ；close ； %释放内存容量I = imreadC E: \STUDY\MATLAB71\work\tuxiangchuli\TestD，，，tif，) ； %打开图像文件，以TestD故障为例G = rgb2gray(I) ； %将图像由真彩变为灰度图像Gl = medfilt2(G)；subplot (221) ；imshow (Gl) ；title (，故障灰度图 A，) ；grid on ； %显示变换后灰度图像[x,y] = Size(Gl) ； %获得灰度图像大小subplot (222) ；imhist(G) ； %显示直方图G2 = repmat (logical (uint8 (0)), χ, y) ； %构建一个与源图像大小相同零矩阵， 用来存放二值图像0，1数据for fanzhii = l:l:X%用一个双重循环选出故障图像中小于阈值的灰度值，本例中根据直方图阈值设定为170for fanzhij = 1 1 :y
ifG(fanzhii, fanzhij) > 170% TestD 阈值选择为 170G2(fanzhii, fanzhij) = 1 ；endendendsubplot 022)，imshow ( G2) ；title (，经过阈值法处理 A-> B，) ；grid on ； % G2图像为经过阈值法选择后的二值图像% [BW，thresh] = edge (G,，canny，) ； %按 MATLAB 默认方式选取阈值进行边缘化处理G3 = edge (Gl，，canny', 0. 18) ； % 边缘化处理，采取 canny 算子，TestD 取值为 0. 181subplot (223) ； imshow (G3) ；title (，经边缘化处理后 A- > C，)； grid on ； Bffl = ( G2) &( G3) ； %通过与运算将两幅图像合并到一幅图像上并显示结果subplot (224)； imshow (Bffl) ；title (，合并后图像，)；grid on ；imwrite (Bffl, ‘ result2', ‘ gif' ) ； %将结果以GIF格式保存至存储设备。
权利要求
1. 一种输电线路绝缘子放电在线监测故障定位方法，其特征是，该方法为(1)图像的获得以现有红外成像、紫外成像或航拍技术获得输电线路绝缘子RGB真彩图像；(2)图像预处理将所述RGB真彩图像转换为储存空间更小且不丢失有效信息的灰度图；然后利用滤波算法排除图片中环境干扰信息，即去噪；(3)确定故障位置，包括a.利用阈值法提取一次图像将灰度图的像素定义为灰度值，且灰度值大小为0-255， 其中0为白色，从0到255逐渐从白到灰，最后变成黑；通过直方图统计出0-255中各个灰度值出现的次数，得到图像中灰度的分布的直方图，利用灰度的分布判断故障与背景的区分灰度值，将该区分灰度值定义为阈值；找出这个阈值，当图像的灰度值大于所述阈值时图像元素保留或置为1 ；当图像的灰度值小于或等于所述阈值时图像元素丢失即置为0，得到经阈值法处理后的二值图像；b.检测图像边缘将灰度图进行边缘化处理，得边缘化处理后二值图像；c.分别对阈值法处理后的二值图像和边缘化处理后二值图像取反(镜像图)，得阈值法处理后的二值图像的取反图像和边缘化处理后二值图像的取反图像；d.将由步骤c得到的两幅取反图像叠加，得到故障目标图像。
全文摘要
一种输电线路绝缘子放电在线监测故障定位方法，包括(1)图像的获得以现有红外成像、紫外成像或航拍技术获得输电线路绝缘子RGB真彩图像；(2)图像预处理将所述RGB真彩图像转换为储存空间更小且不丢失有效信息的灰度图，然后利用滤波算法去噪；(3)确定故障位置利用阈值法提取一次图像，检测图像边缘，对阈值法处理后的二值图像和边缘化处理后二值图像取反，将得到的两幅取反图像叠加，得到故障目标图像。它对在线监测所采集图像能快速进行故障定位，算法简便，为电力系统快速应用图像处理获得故障定位提供了一种图像识别技术。
文档编号G01R31/08GK102175953SQ20111004731
公开日2011年9月7日 申请日期2011年2月28日 优先权日2011年2月28日
发明者周羽生, 张帆, 朱磊, 董慎学, 贺伟, 高小刚 申请人:长沙理工大学