《Electronics》：Anomaly Detection Method for Converter Transformer Oil Conservators Using Endoscopic Visual Perception
编辑推荐：
换流变压器油枕的金属外壳阻碍了直接视觉监测内部胶囊，造成了一个长期的监测盲点，可能使顶部气体聚集等隐藏缺陷未被发现。为了解决这个问题，研究人员提出了一种安装在油枕胶囊内部的内窥视频监测装置，在不影响绝缘性能的情况下实现连续视觉监测。在此基础上，建立了一种异常检
换流变压器油枕的金属外壳阻碍了直接视觉监测内部胶囊，造成了一个长期的监测盲点，可能使顶部气体聚集等隐藏缺陷未被发现。为了解决这个问题，研究人员提出了一种安装在油枕胶囊内部的内窥视频监测装置，在不影响绝缘性能的情况下实现连续视觉监测。在此基础上，建立了一种异常检测方法：在胶囊正常贴合油枕金属内壁的区域定义感兴趣区域（region-of-interest, ROI）模板；应用归一化互相关（normalized cross-correlation, NCC）进行模板匹配，核密度估计（kernel density estimation, KDE）统计分析正常样本匹配分数的分布以确定每个模板的阈值。对于有效的模板定位，提取模板质心之间的欧氏距离作为几何特征，并输入隔离森林（Isolation Forest）进行无监督异常评分。在500 kV换流站现场数据上的验证表明，该方法达到了98.78%的精确率、96.43%的召回率和97.59%的F1分数。结果表明，所提出的方法可以区分正常胶囊呼吸与由顶部气体聚集引起的胶囊形态异常，为油枕胶囊在线监测提供了基础。
**论文解读：基于内窥视觉感知的换流变压器油枕异常检测方法**
**1. 研究背景与问题提出**
换流变压器是高压直流（high-voltage direct current, HVDC）输电系统的关键设备，其运行可靠性直接影响跨区域电网的安全稳定。油枕胶囊位于油枕上部，是重要的柔性部件，用于隔离变压器油与空气、防止油氧化、平衡内部油压并维持绝缘性能。然而，长期运行、充油脱气不充分或排气阀密封不良等因素可能导致胶囊脱落、顶部气体聚集等隐藏缺陷，进而引起胶囊异常压缩变形、油压失衡，甚至造成气体继电器或泄压阀误动，引发换流变压器非计划停运。由于油枕的金属外壳完全屏蔽了内部可视性，传统监测方法存在明显局限：人工检查实时性差，机械油位计易出现虚假或卡滞指示，红外图像等外部监测无法直接感知胶囊内部结构变化。现有维护措施（如棉签检油法、微正压保气法）受限于变压器计划停运，难以实现连续在线跟踪；监测装置（如气流速度传感器、双压力传感器、超声传感器）主要依赖油位、压力或气体流量等间接参数，无法穿透金属外壳感知内部结构异常。因此，克服金属外壳的屏蔽效应，实现油枕内部胶囊结构的直接连续视觉监测，成为亟待解决的技术瓶颈。
**2. 研究内容与结论**
针对上述问题，研究人员提出了一种全新的内窥视频监测装置，部署于换流变压器油枕胶囊内部，在不影响设备绝缘性能的前提下首次实现了对内部柔性胶囊的连续视觉访问，从而为胶囊结构状态监测提供了数据基础。在此基础上，基于内窥视频图像特征分析，构建了一种两阶段异常检测方法：首先在胶囊正常贴合油枕内壁的固定约束区域设置三个感兴趣区域（ROI）模板，利用归一化互相关（NCC）进行模板匹配，并通过核密度估计（KDE）对正常样本匹配分数进行概率密度建模，自动确定每个ROI模板的匹配阈值，以滤除不可靠定位；然后对有效定位的模板，提取模板质心间的欧氏距离作为几何特征，输入隔离森林（Isolation Forest）进行无监督异常评分，从而区分正常胶囊呼吸（由油热胀冷缩引起）与顶部气体聚集导致的胶囊形态异常。研究在500 kV换流站现场12台换流变压器上部署了内窥监测装置，采集了涵盖不同运行时段的7989张正常图像和168张顶部气体聚集异常图像（全部来自该换流站主变油枕胶囊）。实验结果表明，该方法的精确率、召回率和F1分数分别达到98.78%、96.43%和97.59%，能够有效识别顶部气体聚集引起的胶囊形态异常。该论文发表在《Electronics》期刊。
**3. 关键技术方法概述（不超过250字）**
研究采用以下主要技术方法：首先，基于内窥视频监测装置获取油枕胶囊内部图像，以固定5分钟间隔采样单帧图像，降低冗余信息；其次，通过加权平均法进行灰度预处理，消除颜色干扰；然后在胶囊正常贴合油枕内壁的固定约束区域设置三个120×120像素的ROI模板，利用归一化互相关（NCC）进行模板匹配，并采用核密度估计（KDE）对正常样本匹配分数分布建模，取0.2%低尾分位数作为每个模板的匹配阈值T1；最后，对有效匹配的模板，计算模板质心间欧氏距离作为三维几何特征，输入隔离森林（Isolation Forest）进行无监督训练，依据异常分数阈值T2判断胶囊状态。样本来源：500 kV换流站现场12台换流变压器，其中T1–T8用于训练，T9–T10用于验证，T11–T12用于测试。
**4. 研究结果**
**4.1 数据集构建与模型参数设置**
通过部署于500 kV换流站现场的内窥视频监测装置，以5分钟间隔采样，获得训练集5593张正常图像（来自T1–T8），验证集1198张正常+84张顶部气体聚集图像（来自T9–T10），测试集1198张正常+84张顶部气体聚集图像（来自T11–T12）。ROI模板尺寸设为120×120像素，KDE阈值取0.2%分位数，得到T1={0.90, 0.80, 0.95}；隔离森林参数N_estimators=100，Contamination=0.001，异常分数阈值T2=0.690。
**4.2 评价指标**
采用准确率、精确率、召回率和F1分数作为评价指标。其中，召回率代表顶部气体聚集的异常检出率。
**4.3 消融实验**
设置M1（固定阈值0.7的模板匹配）、M2（KDE阈值模板匹配）、M3（几何特征+隔离森林）和M4（完整方法）进行对比。M1召回率仅59.52%，M2提升至90.48%，M3进一步降至94.05%，M4达到96.43%，F1分数为97.59%。结果表明，KDE阈值和几何特征检测提供了互补信息，集成后减少漏检，同时保持正常样本分类准确。
**4.4 不同光照下的模板匹配鲁棒性分析**
选取正常、降低和低光照三种条件下正常胶囊图像，三个ROI模板均能稳定定位到对应胶囊边缘区域，且正确识别为正常，说明NCC模板匹配可在一定程度抵抗全局光照变化。
**4.5 对比实验**
与固定阈值NCC、仅隔离森林、仅一类支持向量机（One-Class SVM）和简单图像差分对比。固定阈值NCC召回率仅59.52%；仅隔离森林召回率94.05%，F1 96.34%；仅One-Class SVM召回率96.43%但精确率93.10%；简单图像差分精确率仅14.44%。完整方法精确率98.78%、召回率96.43%、F1 97.59%，综合性能最优。
**4.6 讨论与局限性**
讨论指出，内窥镜头可能因油雾或灰尘污染、光源衰减导致图像对比度下降，引起NCC匹配分数低于阈值，从而产生误报。未来将集成光源自诊断模块和镜头透明度监测单元，以区分光路性能退化与真实胶囊结构异常。当前异常样本仅包含顶部气体聚集，胶囊脱落等其他缺陷类型未包含，后续将扩展数据集。
**5. 结论**
换流变压器油枕的不透明金属外壳阻碍了内部橡胶胶囊的直接视觉检查，传统的间接监测方法无法捕捉胶囊脱落或气体聚集等早期结构异常。为解决这一局限，研究人员首先提出并部署了一种内窥视频监测装置于油枕内部，提供连续实时图像，为基于视觉的内部感知提供了必要的数据基础。本文提出了一种由内窥图像特征分析驱动的异常检测方法。在胶囊贴合内壁的约束区域内定义了三个感兴趣区域模板。应用归一化互相关进行模板匹配，并采用核密度估计对正常样本的分数分布进行建模，确定每个ROI模板的个体匹配阈值，从而滤除不可靠定位。对于所有有效匹配，提取模板质心之间的欧氏距离作为判别性几何特征。这些特征随后被输入隔离森林，该算法在训练过程中无需异常样本即可构建正常运行状态的决策边界。在包含1198张正常图像和84张顶部气体聚集图像的测试集上进行了实验验证。所提出的方法正确分类了1197张正常图像，检测出81张顶部气体聚集图像，准确率为99.69%，精确率为98.78%，召回率为96.43%，F1分数为97.59%。这些结果表明，在所研究的现场条件下，所提出的方法能够有效区分正常胶囊呼吸变化与由顶部气体聚集引起的胶囊形态异常。
