黄志鸿，吴 晟，肖 剑，张可人，黄 伟

（国网湖南省电力有限公司电力科学研究院，湖南 长沙 410007）

0 引言

电力设备是电力系统中的重要组成部分。在电力设备的运行过程中，不可避免地出现各式各样的故障，其中热故障是最常见的一种故障类型[1]。及时诊断出电力设备发热故障，对保障电力系统稳定与安全地运行起着至关重要的作用[2]。红外热成像检测技术具有非接触带电检测的优势，能够有效检测电力设备的温度场信息（如图1所示），现已成为电力设备热故障诊断的一种重要手段，在电力系统各个单位中有着广泛的应用[3]。

图1 湘潭市某处220 kV 变电站Fig.1 A 220 kV substation in Xiangtan city

随着我国电力系统的不断发展，电力设备的红外巡检任务压力也逐渐增大。传统依靠人工判别与分析处理的手段，不仅人工成本高，检测周期长，巡检效率低，而且误检率较高。为提高电力设备热故障诊断的智能化和信息化水平，国内外研究人员提出了许多热故障诊断方法。总的来说，这些热故障诊断方法可以分为两大类。

第一类是基于传统的图像特征分析方法。康龙等人在2016年[4]采用一种图像分割的方法来分离出电力设备红外图像中的热故障区域。王淼等人在2017年[5]提出一种基于梯度分析的边缘检测方法来诊断出红外热故障区域。胡洛娜等人在2018年[6]采用改进的k-means 聚类算法用于异常热故障区域诊断。一种基于小波变换和后验概率分布的诊断方法[7]用于增强图像质量，提升诊断热故障目标的精度。……