耿克山，张城玮

（1.安徽省电力公司超高压公司，安徽 合肥 230022；2.滁州供电公司，安徽 滁州 239000）

随着国民经济的持续发展，社会对电力能源和供电可靠性的要求日益提高。智能电网的建设与发展，可以提高电力系统的可靠性，满足现代社会对供电系统高可靠性的要求。“自愈”是智能电网的基本特征，旨在实时掌握电网运行状态，预测电网运行趋势，及时发现潜在隐患并采取措施进行消除。电力设备是电力企业生产经营的基础，电力设备保护工作的好坏直接影响电网的安全稳定运行，影响电力企业的经济效益和社会形象。

电力设备的在线监测与安全预警对保障电力设备安全运行、保证电能质量与供电可靠性有重要意义。经验表明，电力系统中许多故障前期都表现为电力设备的局部或者整体热状态异常。红外检测技术利用红外仪器获得电力设备温度值和温度空间分布特征，分析处理设备中潜伏的故障或隐患。近年来，由于红外检测技术具有非接触性、安全性高、响应快、操作方便、判断准确等传统常规检测方法无法比拟的优点，己经广泛应用于电力系统的在线监测中，取得了良好的效果。

1 电力变压器火灾报警系统

电力变压器是电力系统中输配电力的主要设备。在运行中，如变压器内部发生过载或短路，绝缘材料或绝缘油就会因高温或电火花作用而分解、膨胀以至气化，使变压器内部压力急剧增加，可能引起变压器外壳爆炸，大量绝缘油喷出燃烧，油流又会进一步扩大火灾危险。火灾的出现影响了电能供应的连续性，给社会和电网公司也带来较大的危害和经济损失。

电力变压器火灾报警系统对电力设备进行在线监测，分析设备发生火灾的可能性并进行预警，提高了电力系统的运行效益，降低了维修成本。而传统的主变感温电缆火灾报警系统存在诸多弊端：感温电缆由于敷设在室外易于老化，平均3～4年就需要更换；主变检修等作业时感温电缆受到挤压易损坏误发报警信号；感温电缆的更换必须主变停电进行，不利于故障的处理。本文提出一种基于红外检测技术的电力变压器火灾报警系统，其流程图如图1 所示。

图1 基于红外检测技术的变压器火灾报警系统流程

该火灾报警系统首先获取红外实时监控图像采集系统采集的电力变压器红外图像，基于红外图像处理技术对红外图像进行预处理，再采用目标识别算法识别出变压器，最后检测并诊断变压器出现火灾的可能性，当检测出火灾时通过GMS 报警系统进行报警。

2 基于红外检测技术的火灾报警系统

2.1 红外实时监控图像采集系统

红外实时监控图像采集系统通过变压器附近放置的红外图像仪实时采集变压器的红外图像。

2.2 红外图像预处理

获取的红外图像和可见光图像可能会存在噪声较大、对比度较低、视觉效果不好等现象，需要对红外图像进行预处理。预处理的步骤主要包括：红外图像的非均匀性校正、红外图像滤波去噪、红外图像增强。

2.3 基于NMI 特征的变压器目标识别

该部分主要识别出红外图像中表征变压器的区域，准确识别出变压器是进行后续的变压器火灾检测与诊断的先决条件。变压器的识别主要通过在红外图像中采用基于NMI 特征的目标识别算法来实现。图像的NMI(Normalized Moment of Inertia)不变特性，即图像的归一化转动惯量，它具有抗灰度畸变性及对几何畸变(如平移、旋转、缩放)有较好的保持不变性，且匹配正确率高，计算量小，速度快。

对于一幅二值图像：f(i，j)，i=0，1，…M-1，j=0，1，…N-1。二值图像归一化转动惯量NMI(f(i，j))定义为：

其中，m(f(i，j))称为图像f(i，j)的质量。J(i0，j0)为关于点(i0，j0)的转动惯量。

与一般的基于灰度相关匹配方法相比，基于NMI 特征的目标识别算法的识别效果较好，且运算量小，易于实现实时性。因此，将此方法应用在红外图像的目标识别中，实验验证了这种方法的可行性。

利用sobel 边缘检测算子对图像进行二值化处理，并提取其NMI 特征作为匹配特征，通过应用NMI 图像特征识别方法，分别计算目标图像和模板图像中目标的NMI 特征值，然后比较两者之间的差异，如果差异小于某一正数e，即：

其中，NMIM为模版图像中目标的NMI 特征，NMIT为待识别图像中的目标NMI 特征。该目标识别方法流程如图2 所示。

图2 变压器目标识别流程

2.4 变压器火灾的诊断

该部分是根据红外图像分析变压器的温度值及变化情况，对照GB/T11022—1999 中关于高压开关设备和控制设备各种部件、材料和绝缘介质的温度和温升极限的有关规定，结合环境气候条件、负荷大小进行分析判断，确定设备的热缺陷，利用速率算法和温度面积算法判断变压器是否发生火灾。

2.4.1 基于速率算法的图像信息变化诊断

速率算法主要用于判断当前镜头中的图像信息是否发生了变化。如果判断图像信息发生了变化，再交给后面的模块来判断是否发生火灾。速率算法的原理是:以等时间间隔不停地截取图像，然后把当前取的图像与之前取得图像作比较，反应在算法里就是两幅图像做差法运算。其流程图如图3 所示。

图3 基于速率算法的图像信息变化诊断流程

2.4.2 基于温度面积算法的火灾诊断

温度算法主要用于进一步过滤掉低温背景噪声。根据双波段原理，物体在两个固定波段上接收到的能量比值服从一个仅与温度有关的函数分布。所以根据这个原理，同时从2 个装有红外滤光片的摄像头上读取当前画面在2 个红外波段上的像素值，并求其比值，然后根据之前实验测得的物体燃烧时应该显示的比值来对像素值做修正。过滤非燃烧的图像信息，保留下真正的火焰的像素信息，为后面的进一步判断做必要的准备。

面积算法则用于判断当前画面是否发生了火灾。经过速率算法的处理，可断定当前镜头内的景物发生了变化，并且经过温度算法的过滤作用，像素图像内只保留了燃烧的火焰的像素值。算法首先设定1 s 为判断火灾的时间，建立一个序列，统计非零像素值个数N并加入队尾；然后把N与之前的个数F相比较，如果N>F，说明此时的火焰面积变大了，可能是火灾发生了，此时计数器加1，然后再回到前面的温度算法继续判断。按此循环，直到达到1 s。这时把计数器中的数值跟预先设定阈值相比较，如果大于阈值，就说明火焰面积的扩大达到了火灾的标准，可以判定为火灾，然后报警；如果小于阈值，说明只是诸如打火机、烟头等干扰，不是火灾，这时返回速率算法，继续监控。

基于以上分析，变压器火灾检测、诊断的流程如图4 所示。

图4 变压器火灾检测、诊断流程

3 实验与分析

实验中所使用的图像为FLIR 热像仪拍摄分辨率为320×240 的现场变压器红外图像。本实验主要验证本文提出的算法的有效性与可行性。

图5(a)是一幅现场变压器红外图像，它对应了数据库中一个特定的变压器模板(图5(b))，对此红外图像基于NMI 特征的目标识别算法进行变压器目标识别，识别结果如图5（c）所示。识别结果显示，虽红外图像中除变压器还保留较多的背景图像，但是本文基于NMI 特征的目标识别算法仍可准确定位出变压器，并去除大量非变压器的背景图像；此外识别结果中还具有完整性，现场变压器红外图像(图5(a))中非变压器模板(图5(b))中的部分变压器区域也可以检测出来，保持了变压器识别结果的完整性。图5(a)中所示的变压器图像实际还处于正常运行状态中，根据本系统中变压器火灾的检测、诊断部分，设备此时运行正常，无故障。因此，诊断结果正确。

图5 变压器目标识别结果一

图6(a)是一幅现场红外图像，图中非变压器区域较少。由图6(a)和(b)所示，本文的基于NMI特征的目标识别算法仍可准确地识别出变压器。根据系统中的变压器火灾检测、诊断过程，其目标的最高温度(中间的套管)大于系统预先设定的阈值，因此GMS 报警系统会发出报警信号，与实际结果相对比，诊断结果符实，本文研制的系统成功防止了温度继续升高引致的火灾。

实践证明，上述的变压器识别算法和火灾检测、诊断算法可有效识别出变压器的热状态，并实现在主变火灾萌发阶段进行报警，这进一步表明本文提出的变压器火灾报警系统在实际应用中具有可行性。

图6 变压器目标识别结果二

4 结束语

提出了将红外检测技术与图像监控系统相结合的基于红外检测技术的变压器火灾预警系统，并给出了电力变压器火灾报警系统主要组成部分的核心算法，在变压器识别过程中采用NMI 特征对变压器进行目标识别，再利用速率算法和温度面积算法对其进行火灾检测并报警。实验验证了算法的有效性和可行性，并进一步证明了基于红外检测技术的火灾预警系统在实际应用中的可行性。

1 施 婕，艾 芊. 智能电网实现的若干关键技术问题研究[J].电力系统保护与控制，2009，37(19)：1-4.

2 陈树勇，宋书芳，李兰欣，等. 智能电网技术综述[J].电网技术，2009，33(8)：1-7.

3 孙新榜. 强化电力设施保护工作，确保设备安全稳定运行[J].电力安全技术，2006(4).

4 张艾萍，万瑞军. 基于数字温度传感器的电缆故障在线检测及火灾预警系统[J].电力自动化设备，2003，23(10)：57-58.

5 张 兢，路彦和，雷 刚. 基于多传感器数据融合的智能火灾预警系统[J].计算机工程与应用，2006，42(6)：206-209.

6 胡昌斌. 变电站热故障隐患智能监测技术的应用研究[D].北京：华北电力大学，2004.

7 于大勇，张伯虎. 热成像技术在火灾预警中的应用[J]. 安防科技，2009，(9)：42-44.

8 庞建莹，施云波，修德斌，等. 基于红外传感器的电气火灾预警系统[J].仪表技术与传感器，2010(3)：64-66.

9 甄丽平，马 莉. 模糊逻辑在图像火灾报警系统中的应用[J].郑州轻工业学院学报(自然科学版).2004，19(1)：46-48.

10 罗晓晖，杜召彬.MSA 火灾报警系统中图像型火源定位 研究[J].计算机工程与应用，2009，45(22)：221-223.

11 鲁邦秀. 火灾感温报警电缆的研制[J].光纤与电缆及其 应用技术，2001(6)：17-19.

12 冈萨雷斯. 数字图像处理[M].北京：电子工业出版社， 2007.

13 杨小冈，付光远，缪 栋，等. 基于图像NMI 特征的 目标识别新方法. 计算机工程，2002，28(6)：149-152.