[发明专利]一种基于扣分法则的绝缘子冰闪风险预测方法

权利要求书

1.一种基于扣分法则的绝缘子冰闪风险预测方法，其特征在于，按照以下步骤实施：

步骤1、首先对采集的绝缘子冰闪原始图像进行处理，提升冰闪原始图像的清晰化程度；

步骤2、对处理后的清晰图像进行修正，提取覆冰绝缘子边缘；

步骤3、依次采用轮廓差分、覆冰密度与介电常数关系分析、冰凌分割及绝缘子伞裙间距识别技术、灰度熵的方法，提取绝缘子的冰闪特征参量，

冰闪特征参量包括覆冰程度、覆冰类型、冰凌长度及桥接状态、污秽度，具体提取过程是，

3.1)覆冰类型的识别，

覆冰样本的电容值C_m与相对介电常数ε_m的关系式如下：

其中，ε₀为纯冰的介电常数值，A为平行板电容传感器极板的面积，单位为m²，L为极板长度，

覆冰介电常数与覆冰密度的关系式如下：

其中，ε_m是覆冰样本的相对介电常数；ε_i和ε_f分别是纯冰和空气的相对介电常数；ρ和ρ_ice分别是覆冰样本和纯冰的密度；而λ_i和λ_f分别是纯冰和空气的体积比，并满足关系式λ_i＝ρ/ρ_ice，λ_f＝1-ρ/ρ_ice；

3.2)覆冰量的识别，根据覆冰前后绝缘子图像的差异化计算提取覆冰绝缘子直径的变化；首先选取导线和绝缘子的区域作为算法处理区域，然后在这个区域内对图像进行分割、边缘提取，利用覆冰前后像素数和边界距离比较的方法判断输电线路有无覆冰，最终利用摄像机标定完成清晰图像的坐标系转化，实现覆冰厚度D₂-D₁的准确测量，其中的D₁和D₂分别为覆冰前后绝缘子伞裙的直径；

3.3)冰凌长度及桥接状态的识别，是通过对大量绝缘子雨凇覆冰形貌分析，提出采用显著性检测和颜色特征分析结合进行冰棱结构的提取；首先通过显著性检测方法对绝缘子覆冰进行处理，排除背景及玻璃绝缘子钢帽结构的影响，得到绝缘子冰凌结构的清晰化图像；随后通过颜色特征分析，分割得到绝缘子伞面，玻璃绝缘子以绿色为特征色，硅橡胶复合绝缘子以红色为特征色；进而通过对两幅图像的差分计算，排除伞裙影响得到绝缘子上的冰棱结构，完成冰棱结构像素尺寸的提取；

3.4)污秽度的识别，基于可见光的未覆冰玻璃绝缘子污秽度检测方法，该方法提取绝缘子表面处理过后的清晰图像6个通道的均值、最大值、最小值等7个特征量，进而用Fisher准则函数筛选出分类能力较强的特征作为灰密程度判别特征，最后利用思维进化算法优化BP神经网络进行绝缘子灰密程度分类；

步骤4、根据上述的冰闪特征参量，制定量化规则，对步骤3中提取到的冰闪特征参量分别进行量化处理；

步骤5、根据上述的冰闪特征参量对绝缘子冰闪过程的影响程度，制定扣分机制，针对步骤4中得出的特征参量量化处理结果，根据各自的权重进行扣分处理，得到冰闪风险评估分值，

扣分机制中选取覆冰类型、覆冰程度、冰凌长度及桥接状态、污秽程度这四个冰闪特征参量作为扣分项目，随后基于大量现场实践经验，对上述具有模糊性、推理性的扣分项目进行分类分值量化，

分类分值量化的具体过程是，

假设绝缘子初始分数均为100分，根据现场测量数据减去各项加权后的最大扣分值，得出最终绝缘子状态评估分值，并且得出相应的冰闪风险的等级，以此为后续预警处理提供合理的参考，具体函数式如下：

MP_insulator＝100-M_{p(p＝1，2，3，4)}×w (3)

其中，MP_insulator为绝缘子状态评估分值，M_p为各个冰闪特征参数的最大扣分值，w为各项权重；

步骤6、根据步骤5中得出的冰闪风险评估分值，按照预先设定的极低、低、中等、高、极高五个等级阈值区间，得出阈值区间对应的绝缘子冰闪风险等级，得到最终的评估结果。

2.根据权利要求1所述的基于扣分法则的绝缘子冰闪风险预测方法，其特征在于，所述的步骤2的具体过程是，

依次采用绝缘子图像区域分割、阈值分割、边缘提取，

图像区域分割是按照一定规则将图像划分为若干个互不相交、具有一定性质的区域；

阈值分割是利用图像中需要提取的目标对象及背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域的组合；选出分割后的独立连用区域后，很多干扰区域也被作为独立的区域返回，通过面积比较将区域从分割结果中剔除，最后将绝缘子区域从图像中分割出来；

边缘提取技术是采用Canny算法采用二维高斯函数的任意方向上的一阶方向导数为噪声滤波器，通过与图像f(x,y)卷积进行滤波，对滤波后的图像寻找图像梯度的局部最大值，以此来确定绝缘子图像的边缘。