基于圖像識別技術(shù)的電力系統(tǒng)在線監(jiān)測

馬青，管保安，張揚，李乳演

(1．武漢大學(xué)電氣工程學(xué)院，湖北 武漢 430072;2．武漢大學(xué) 電子信息學(xué)院，湖北 武漢 430072)

0 引言

隨著我國國民經(jīng)濟的快速增長，全社會工、農(nóng)業(yè)用電量需求猛增，電力供應(yīng)總體偏緊，電力設(shè)備的運行狀態(tài)對電網(wǎng)的影響很大，以在線監(jiān)測為基礎(chǔ)的狀態(tài)檢修發(fā)揮著重要作用。目前，電力設(shè)備在線監(jiān)測中普遍存在高壓設(shè)備運行狀態(tài)與電信號之間難以轉(zhuǎn)化、信號轉(zhuǎn)換和傳輸過程中的電磁兼容性以及重要設(shè)備運行參數(shù)監(jiān)測的實時性等一系列問題。近年來，以圖像處理與識別為基礎(chǔ)的計算機可視化技術(shù)飛速發(fā)展，將圖像分析與識別技術(shù)引入電力系統(tǒng)在線監(jiān)測，可從根本上解決上述問題。目前已有的視頻監(jiān)視系統(tǒng)仍需要人工參與，智能化程度低，嚴(yán)重阻礙了電力系統(tǒng)自動化程度的提高［1］。本文依靠計算機自動識別與分析功能，建立電力設(shè)備運行狀態(tài)的實時監(jiān)測和分析系統(tǒng)。利用數(shù)字圖像處理與識別技術(shù)，結(jié)合了最大類間方差法(Otsu)選取閾值［2－4］、序貫相似法(SSDA)識別［5］、幀差法(FD)判決等手段［6］，對電力設(shè)備的故障做出及時判斷，在減少事故發(fā)生率的同時，大大提高了工作效率。

1 電力設(shè)備檢測與分析總體方案

為提高電力設(shè)備的自動檢測水平，在現(xiàn)有視頻監(jiān)測系統(tǒng)的基礎(chǔ)上，增加圖像識別與分析功能，系統(tǒng)總體框圖如圖1所示。

電荷耦合器件CCD(Charge Coupled Device)是圖像監(jiān)測系統(tǒng)的傳感器，安裝在電力設(shè)備附近合適的位置，它把電力設(shè)備的運行狀態(tài)轉(zhuǎn)換成光信號，經(jīng)過數(shù)字?jǐn)z像機將其靜態(tài)圖像輸入到監(jiān)控計算機。當(dāng)監(jiān)控計算機發(fā)現(xiàn)監(jiān)測的電力設(shè)備圖像發(fā)生異常變化時，需要對該電力設(shè)備圖像進行進一步的分析，這時可下發(fā)召喚圖像指令實現(xiàn)圖像的連續(xù)采集，然后通過GPRS無線網(wǎng)絡(luò)向主站計算機報警并傳輸剛采集的圖像。監(jiān)控計算機是整個系統(tǒng)的核心，完成控制圖像的采集、預(yù)處理、識別、分析和傳輸?shù)恼麄€過程。計算機處理流程如圖2所示。

圖1 圖像識別與實時監(jiān)測分析系統(tǒng)總體框圖

圖2 計算機處理主要流程

2 圖像的識別與分析

在圖像的采集過程中，CCD的畸變、聚焦不理想或環(huán)境因素通常會引入噪聲，影響圖像質(zhì)量，給識別和分析帶來困難。計算機從接收到的圖像流中截取視頻圖像后，首先要進行預(yù)處理，進而分割電力設(shè)備所在的目標(biāo)區(qū)域。

2．1 圖像預(yù)處理

將采集到的圖像灰度化，用平滑濾波來減少和消除圖像噪聲。這里利用引入加權(quán)系數(shù)的平滑模板對圖像進行平滑濾波，可有效地抑制噪聲干擾。因為圖像平滑實際是低通濾波，讓信號的低頻部分通過，阻截屬于高頻部分的噪聲信號，在減少隨機噪聲點影響的同時，由于圖像邊緣也處在高頻部分，平滑過程會導(dǎo)致邊緣模糊。為了不降低圖像質(zhì)量，在平滑處理過后再采取直方圖均衡處理。圖像預(yù)處理過程如圖3所示。

圖3 圖像預(yù)處理過程

2．2 二值化閾值的選取

為了在識別和計算過程中減少內(nèi)存的占用，加快計算速度，便于圖像分析，有必要將電氣元件圖像帶灰度的數(shù)字信號處理成二值的數(shù)字信號。圖像二值化的方法有很多種，主要分為3類:全局閾值法、局部閾值法和動態(tài)閾值法。

全局閾值二值化方法雖然簡單易行，但對噪聲干擾較大，光照不均勻，直方圖不呈雙峰分布的圖像二值化效果明顯變差。局部閾值二值化方法的優(yōu)點是能有效地克服光照不均勻的影響，缺點也很明顯:實現(xiàn)速度慢，不能保證目標(biāo)區(qū)域的連通性等。

動態(tài)閾值法的閾值選擇不僅取決于該像素灰度值以及它周圍像素的灰度值，而且還和該像素的坐標(biāo)位置有關(guān)。由于動態(tài)閾值法充分考慮了每個像素鄰域的特征，所以能更好地突出背景和目標(biāo)的邊界，具有較強的抗噪聲能力，雖然時間和空間較復(fù)雜，但相比于計算機高速的處理能力，這些都不會成為阻礙其應(yīng)用的問題。

最大類間方差(Ostu)閾值分割方法是經(jīng)典的無參數(shù)、無監(jiān)督自適應(yīng)閾值分割方法，它不需要其他先驗知識，只是利用圖像灰度直方圖，然后以這個閾值進行圖像分割。設(shè)圖像灰度范圍為(0，1，…，L－1)，其步驟如下:

(1)計算輸入圖像灰度級的歸一化直方圖(用h(i)表示)，算出灰度均值μr

(2)計算直方圖的零階累加矩ω(k)和一階累加矩 μ(k)。k=0，1，…，L － 1。

(4)取σ2(k)的最大值并將其所對應(yīng)的k值作為閾值T。

(5)設(shè)輸入圖像f(x，y)，二值化后的圖像g(x，y)，則有

(3)計算類分離指標(biāo)。k=0，1，…，L － 1。

采用全局閾值法二值化后的圖像及Ostu法閾值化后的二值圖像如圖4所示。由圖4可以看出，用最大類間方差法(Ostu)選取閾值進行二值化對圖像有很好的分離效果，并能在一定程度上適應(yīng)不同對比度的圖像。

2．3 電力設(shè)備的識別

圖4 全局化法和Ostu法二值化后的圖像對比

經(jīng)過上述一系列預(yù)處理后，得到了一幅干擾較小、較平滑的二值圖像，為將之識別成具體的電力設(shè)備原件，傳統(tǒng)的模版匹配識別方法計算量大，除匹配點之外做了大量的無用功，嚴(yán)重影響系統(tǒng)效率的提高。本文采用了序貫相似性檢測算法(SSDA)。

標(biāo)準(zhǔn)模板T疊放在搜索圖S上平移，模板覆蓋下的搜索子圖叫子圖 Si，j，i，j為這塊子圖左上角像點在S圖中的坐標(biāo)，叫參考點。i，j取值范圍為:1＜i＜(bs－bT+1)，1 ＜ j＜ (hs－h(huán)T+1)，(mk，nk)為子圖Si，j中的像點在S中的坐標(biāo)(bs為搜索圖S的寬度;hs為搜索圖S的高度;bT為模板的寬度;hT為模板的高度)。

定義絕對誤差值取一不變閾值Ck，在子圖 Si，j(m，n)中隨機選取像點，計算它同T中對應(yīng)點的誤差值ε，然后把這個差值同其他點對應(yīng)的差值累加起來，當(dāng)累加r次誤差超過Ck時，停止累加并記下次數(shù)r。定義SSDA

的檢測曲面為

把I(i，j)值大的點(i，j)作為匹配點，因為這點上需要很多次累加才使總誤差∑ε超過Ck。

以經(jīng)過上述SSDA所找到的匹配點為基準(zhǔn)點，截取寬度和模版寬度一致的一塊區(qū)域，分割出單個元件的二值化圖像并將之分成n×m的網(wǎng)格矩陣，因為已經(jīng)進行了二值化處理，所以元件的線條所在處用0表示，背景用1表示。

這樣，待識別元件圖像就轉(zhuǎn)化成了用0，1表示的模糊矩陣，但由于圖像可能存在污點及其他干擾，所以在此方法中采用模糊化處理方法［7］。把模糊矩陣轉(zhuǎn)化為模糊矢量，通過上述處理，所有的電力設(shè)備元件標(biāo)準(zhǔn)矩陣都可以轉(zhuǎn)化為標(biāo)準(zhǔn)矢量。

設(shè)有元件矢量

計算矩陣

計算數(shù)值

假設(shè)計算機接收到的元件矢量γ=(γ1，γ2，…，γn－1，γn)，只要算出γ與已存在的標(biāo)準(zhǔn)量庫里的所有矢量的接近程度ω(γ0，Ai)(Ai是標(biāo)準(zhǔn)矢量庫里的一個矢量)便可根據(jù)擇近原則判定γ是何種元件。

圖5是模板圖像與模糊化處理后的標(biāo)準(zhǔn)圖像;經(jīng)過SSDA算法識別處理后的圖像如圖6所示，圖中識別出的絕緣子區(qū)域已標(biāo)出，經(jīng)驗證，此方法處理結(jié)果準(zhǔn)確;類似的模糊化標(biāo)準(zhǔn)模板如圖7所示。

分別用模糊化的標(biāo)準(zhǔn)圖與接收到的γ做接近程度計算，便可根據(jù)擇近原則判定是何種元件。SSDA算法的優(yōu)點在于它在保證電力設(shè)備識別準(zhǔn)確率的基礎(chǔ)上，大大簡化了計算過程，利用模糊矩陣算法，增強了識別過程的抗干擾性。

2．4 電力設(shè)備故障的分析與判斷

圖像識別與理解是計算機視覺處理電力設(shè)備圖像的目標(biāo)，為了判斷電力設(shè)備的運行狀態(tài)是否正常，需要把當(dāng)前設(shè)備圖像與數(shù)據(jù)庫中存儲的歷史圖像進行對比，最簡單的方法是采用2幀圖像相減的方法，即幀差法(FD)。如果電力設(shè)備有外觀損壞、放電以及設(shè)備漏油等故障，就會表現(xiàn)為圖像某部分產(chǎn)生突變、產(chǎn)生毛刺、突起邊緣以及新增輪廓等［7］。由軟件評判設(shè)備運行狀態(tài)的變化，根據(jù)電力設(shè)備的類型，確定發(fā)生故障的危險程度，發(fā)出報警信號，為故障的排除和狀態(tài)檢修打下了基礎(chǔ)。

圖8顯示了分析處理的結(jié)果，試驗證明，這種幀差算法判決故障圖像能快速發(fā)現(xiàn)電力設(shè)備運行狀態(tài)的變化并發(fā)出報警信號且可靠、可行，有助于切實提高電力設(shè)備在線監(jiān)測的自動化水平。

圖8 變壓器圖像的故障判別

3 結(jié)論

將圖像處理技術(shù)和智能識別技術(shù)應(yīng)用于電力設(shè)備圖像的識別和分析中，是監(jiān)測電力設(shè)備運行狀態(tài)的一種新方法，特別在高壓、危險以及惡劣的環(huán)境中，能夠?qū)崟r獲取電力設(shè)備的運行狀態(tài)，減輕調(diào)度員的工作負(fù)擔(dān)，大大提高了在線監(jiān)測的自動化程度。

本文提出了針對故障檢測的一整套圖像處理與識別方法，其中最大類間方差法選取閾值、序貫相似法識別、幀差法判決等方法都在實踐中取得了較為滿意的效果。這套方法為及時發(fā)現(xiàn)設(shè)備運行的故障隱患、狀態(tài)檢修等提供了可靠的依據(jù)，在無人值守變電站等系統(tǒng)中具有廣闊的應(yīng)用前景。

［1］羅毅，涂光瑜．計算機視覺技術(shù)及其在電力系統(tǒng)自動化中的應(yīng)用［J］．電力系統(tǒng)自動化，2003(27):76－79．

［2］龔志勇．超高壓輸電鐵塔運行監(jiān)測分析平臺研究［J］．電力信息化，2006(12):27－29．

［3］GolnerM A，MikhaelW B，Krishnan V．Region Based Variable Quantization for JPEG Image Compression［C］//Proceedings of 43rd IEEE Midwest Symp on Circuits and System．Piscataway:IEEE，2000:604 －607．

［4］龔聲蓉，劉純平，王強，等．?dāng)?shù)字圖像處理與分析［M］．北京:清華大學(xué)出版社，2006．

［5］付忠良．圖像閾值選取方法——Otsu方法的推廣［J］．計算機應(yīng)用，2000，20(5):37．

［6］何斌，馬天予，王運堅，等．Visual C++數(shù)字圖像處理［M］．北京:人民郵電出版社，2001．

［7］胡俊，蘇祥芳，劉立海，等．圖像序列運動檢測算法的研究及其應(yīng)用［J］．武漢大學(xué)學(xué)報(自然科學(xué)版)，2000，46(5):613－616．

［8］楊綸標(biāo)，高英儀．模糊數(shù)學(xué)原理及應(yīng)用［M］．廣州:華南理工大學(xué)出版社，2001．

［9］李然，高會生，王成儒．基于視頻監(jiān)測系統(tǒng)的運動目標(biāo)檢測技術(shù)的實現(xiàn)［J］．電力系統(tǒng)通信，2003(7):1－3．

［10］Chang LW，Wang C Y，Lee SM．Designing JPEG Quantization Tables Based on Human Visual System［C］//Proceedings of 1999 International Conference on Image Processing．Piscataway:IEEE，1999:376 －380．