基于图像处理的输变电设备火焰电弧探测研究
火灾防护和监测是输变电设备运行维护的重要环节。传统的火灾电弧检测技术对环境依赖大，会因天气、环境影响，出现误报、漏报情况，并且传统检测方式存在故障信息收集不充分的问题。基于图像处理的火焰、电弧探测技术是以机器视觉为基础的新型探测技术，它受空间、环境等复杂因素的影响更小，与传统的探测技术相比，其准确度以及实时性都更为明显。 针对输变电设备火灾在时间上具有延续性的特点，本文设计了一种基于多特征融合的火焰识别方法。首先根据火焰的运动特性，使用背景减法做运动检测，对静态干扰源进行排除。再根据火焰的颜色特点，提出改进的区域生长算法，将颜色作为生长种子提取的准则之一，对疑似火焰区域进行分割。改进的区域生长算法能够快速的选择生长种子，提升算法速度。最后通过火焰的频闪特征和纹理特征对疑似火焰区域进行确认。在近景、远景以及白天、黑夜四种环境下进行试验，结果表明，该方法较之于传统检测方式更具及时性和准确性，并且能够及时得到火情的具体信息。针对输变电设备发生电弧故障具有瞬时性的特点，本文采用机器学习中最优秀的分类算法之一的SVM算法对特征向量进行分类识别。在对样本数据集进行特征提取时，分别提取HOG特征、Fisher特征以及LBPH特征，并对这三种特征的训练效果进行对比，实验表明LBPH特征的训练效果要优于其他特征，最终选择LBPH特征作为最终的特征向量。与此同时，对不同的高斯核函数产生的结果做分析，将训练好的分类器在不同设备出现的电弧上做测试，结果表明，该方法能不受电弧强弱的限制，有效地检测出电弧故障。与传统的电气类电弧故障检测装置相比，基于图像处理的电弧检测能够有效的保存电弧故障时的环境图像，为运行检修人员提供故障分析依据。
输变电设备;图像处理;火焰识别;电弧检测
西华大学
硕士
控制工程
董秀成;梁伯栋
2019
中文
TM732;TP391.41;TU998.132
2020-12-08（万方平台首次上网日期，不代表论文的发表时间）