[发明专利]一种基于多光谱图像信息融合的绝缘子污秽状态检测方法

说明书

技术领域

本发明涉及高压电气设备故障检测与诊断，尤其是涉及一种基于多光谱图像信息融合的绝缘子污秽状态检测方法。

背景技术

绝缘子作为输电线路使用最为广泛的绝缘设备，其安全性和稳定性备受关注。随着大气污染的加剧，绝缘子表面积污更为严重，而电压等级的升高也增加了绝缘子发生污秽闪络的风险。因此，检测绝缘子污秽状态、防止绝缘子污闪，对维护输电线路安全稳定运行具有十分重要的意义。

目前，检测绝缘子污秽状态的方法可分为接触式和非接触式两大类。接触式方法主要包括泄漏电流法、等值附盐密度法、电导率法等，该类方法通过测量绝缘子表面泄漏电流、等值附盐密度、电导率等直接参数判断绝缘子污秽状态，准确率高，但测量方式复杂，工作量大，且部分方法需停电进行；非接触式法通过检测污秽绝缘子带电时所产生的声、光、热等间接信号，归纳分析这些信号特征，判断绝缘子的污秽等级。非接触式法主要包括光脉冲检测法、声波检测法、可见光成像法、红外热像法、紫外成像法等。光脉冲检测法和声波检测法易受环境背景噪声的干扰，信号采集的灵敏度不高；可见光成像法、红外热像法以及紫外成像法分别通过获取绝缘子表面颜色、绝缘子盘面温升、绝缘子表面局部放电等信号特征，对绝缘子污秽状态进行评估，具有操作简单、带电检测、故障定位等特点，能大量节省检修人员的工作量，但由于其准确度难以满足工程上应用的要求，需要对其进行改进。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多光谱图像信息融合的绝缘子污秽状态检测方法。本发明通过结合可见光成像、红外热像、紫外成像三种检测方法对绝缘子污秽状态进行评估，提高检测准确率，并使其更好的应用于输电线路的绝缘子污秽状态检测。本发明具有检测速度快、准确度高、非接触式、带电检测、受环境因素影响小等优点。本发明涉及变电站、输电线路等供变电领域的绝缘子表面污秽状态图像识别检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，该方法包括以下步骤：

S1、同时通过可见光图像、红外图像、紫外图像三种光谱图像对绝缘子污秽状态进行检测；

S2、根据S1中所得的三种光谱图像通过信息融合，综合评价绝缘子污秽状态。

步骤S2中三种光谱图像通过信息融合后，得到绝缘子表面等值附盐密度，通过绝缘子表面等值附盐密度评价绝缘子污秽状态。

由步骤S1中可见光图像、红外图像、紫外图像三种光谱图像分别得到可见光图像特征值、红外图像特征值和紫外图像特征值，将可见光图像特征值、红外图像特征值和紫外图像特征值通过信息融合，综合评价绝缘子污秽状态。

所述的可见光图像通过可见光图像处理、特征提取和特征选择后可得到绝缘子盘面V分量均值作为可见光图像特征值。

所述的红外图像通过红外图像处理、特征提取和特征选择后可得到绝缘子盘面最大温升作为红外图像特征值。

所述的紫外图像通过紫外图像处理、特征提取和特征选择后可得到绝缘子表面最大放电光斑面积作为紫外图像特征值。

对所述的可见光图像、红外图像、紫外图像构建多光谱图像BP神经网络，所述的神经网络的输入参数为可见光图像特征值、红外图像特征值、紫外图像特征值，输出为绝缘子表面等值附盐密度。

所述BP神经网络需样本对其进行训练，据此通过神经网络信息融合方法对绝缘子污秽状态进行评估。

BP神经网络的训练步骤如下：

S1、网络初始化，根据研究对象的实际情况确定网络的输入层、隐含层和输出层神经元个数；

S2、利用训练样本进行前向传输信号计算；

S3、利用误差反向传播算法进行输出层和隐含层连接权值的调整；

S4、根据给定的迭代次数和误差要求判断网络训练是否结束，若达到给定的迭代次数或满足误差要求，则停止迭代，训练结束，否则继续步骤S3，直到达到给定的迭代次数或者网络误差函数E满足精度要求为止。

可见光图像检测、红外图像检测、紫外图像检测中任一检测方法无法进行时，其他检测方法仍可正常进行。

与现有技术相比，本发明具有以下优点：

(1)本发明结合了可见光成像、红外热像、紫外成像三种检测方法对绝缘子污秽状态进行评估，从三个角度检测绝缘子的污秽状态，三种图像检测方法互不干扰，检测准确率高，检测结果的可靠性高。