论文部分内容阅读
断路器用于开断电力系统正常工作状态下的电流与出现故障时的短路电流,是电网系统中重要的组成部分,因此断路器热故障成了影响电网系统正常运行的主要因素之一。红外检测技术拥有适应性强、非接触性等优点被广泛地运用于断路器等电力设备的检修当中,但目前国内大多数还是采用人工检测方法,其效率较低费时费力。本文以瓷柱式SF6高压断路器作为研究对象,提出了一种断路器红外图像的自动分析处理方法,能实现高压断路器热故障的自动定位与判别,其具体内容如下:（1）研究断路器红外图像预处理的方法,通过分析高压断路器红外图像的噪声特点与常见噪声类型,对常用的几种去噪算法进行比较,并使用基于积分图像技术的非局部均值滤波算法加中值滤波算法过滤断路器红外图像中存在的噪声,然后通过L0范数平滑算法增强高压断路器红外图像的边缘。（2）针对随机游走图像分割算法需要人工标定种子点的缺陷,提出了一种基于最大最小距离法的快速模糊C均值聚类算法用于高压断路器红外图像的预分割并通过形态学处理为随机游走算法提供种子点,实现了随机游走算法的图像自动分割,经过实验验证,本文采用算法的图像分割效果更加接近于完全分割图像,能够实现对高压断路器的精准图像分割。（3）采用Hu不变矩提取被分割图像的特征值,然后使用支持向量机进行识别训练得到高压断路器识别模型,实现了对高压断路器的各组成设备的红外图像识别,实验结果表明识别模型的识别准确率到达98.75%。（4）研究高压断路器的发热特征,结合《带电设备红外诊断应用规范》,构建出断路器热故障诊断流程。（5）使用Matlab APP designer研制断路器热故障自动诊断的软件平台,通过实验验证了其准确性。