国家电网有限公司在2019年提出“三型两网”新战略。其中“两网”即坚强智能电网和泛在电力物联网,对电力设备进行实时的监测,及时发现并且排除安全隐患是其重要环节。红外热成像技术是发现变电站设备热缺陷,保障设备安全稳定运行的有效手段,它可不直接接触变电站设备,依据设备自身表面的温度分布情况,检测出温度过高区域,在设备不停止运行的情形下,检测出设备故障。因此,本文将立足于红外热成像技术在变电站设备故障诊断中的技术特点,通过对采集到的红外图像进行图像预处理,图像分割和设备识别等流程,利用相对温差法实现红外热成像技术在变电站设备故障诊断。首先目前工程应用的图像存有噪声且对比度较低。针对图像噪声问题,利用基于自适应中值滤波的电力设备去噪算法。它可有效缓解降噪与图像细节保留之间的矛盾,仿真实验结果表明此算法去噪效果显著;针对图像对比度较低问题,提出一种基于NSCT和改进Pal＿King算法的电力设备红外图像增强的方法。采用直方图双向均衡化对红外测温图像进行处理,提高图像清晰度,并对NSCT变换产生的子带分别进行系数修正,通过NSCT反变换重构图像,并应用新的隶属函数和改进的模糊对比度,选择合适的非线性变换函数改进原始Pal＿King算法提高图像的对比度。仿真实验结果表明,该方法输出图像的平均梯度值、峰值信噪比值和熵值,分别保持在5.9、25.4和6.8以上,提升了变电设备红外图像的对比度。为有效分割变电站设备红外图像,提出一种基于OTSU和改进区域生长的变电站设备红外图像分割方法。通过改进的OTSU算法分离出图像的ROI,并对传统区域生长方法进行改进,借助Sobel梯度算子作为方向限定条件快速精确地明确方向。仿真实验结果表明,该方法可以清晰地显示出红外图像设备的轮廓特征,分割的质量更优,错误分割面积比降低为0.348%,提升了后续故障识别的效率与准确度。最后对设备红外图像进行智能识别和故障诊断,研究电力设备红外图像识别方法。将待识别的图像与标准图库中的变电站设备图片采用ASIFT算法进行匹配并识别出电力设备的类型,得出其相应的温度信息后依据相对温差法判断计算相对温升,根据已确定的温度阈值进行故障诊断,确定出故障发生的有无及故障程度的级别,并给出相应的处理意见,从而完成对变电站设备的故障诊断。