一种基于联合温度梯度及温度特征的电气设备定量红外热成像评估方法

《Infrared Physics & Technology》：A quantitative infrared thermographic evaluation method for electrical equipment using joint temperature gradient and temperature features

　　

摘要

红外热成像广泛应用于电气设备的检测，因为它可以非接触式地测量表面热场。然而，传统的基于温度的评估方法对环境条件敏感，且在识别具有微弱热特征的初期缺陷时能力有限。为了解决这个问题，本文提出了一种利用联合温度梯度和温度特征对电气设备进行定量红外热成像评估的方法。该方法中，温度梯度特征用于识别初期缺陷，而温度特征用于评估已发展缺陷的严重程度。为了实现自动化分析，首先在热成像图像中定位设备区域，然后提取相应的温度梯度和温度特征以进行定量条件评估。进一步建立了一个联合评估标准，将初期异常识别与已发展热缺陷的严重程度评估相结合。此外，还开发了一种专用的诊断仪器以支持实际应用。实验结果表明，在当前的数据集和实验条件下，4.77°C/m的温度梯度阈值能够有效区分正常状态和初期缺陷状态。与仅使用温度的策略相比，所提出的联合策略将评估准确性从57.78%提高到86.67%，绝对提高了28.89个百分点，并且在比较的策略中获得了最高的召回率90.00%。这些结果表明，联合使用温度梯度和温度特征提高了缺陷检测的灵敏度，同时支持了基于严重程度的热成像评估。

引言

电气设备故障，如连接不良和绝缘老化，常常会导致异常的热行为，并逐渐影响电力系统的运行可靠性[1]、[2]、[3]。红外热成像因其能够非接触式地、空间分辨地测量表面温度场而被广泛用于电气设备的检测和状态评估[4]、[5]、[6]。在实际的变电站应用中，它为异常加热检测和设备状态评估提供了重要的热信息[7]、[8]。

尽管具有这些优点，但从红外测量中可靠地识别初期热缺陷仍然具有挑战性。传统的红外检测方法主要使用温度或温差作为评估指标[9]、[10]、[11]。然而，红外温度测量容易受到环境因素的影响，如环境温度、湿度和风速，这可能会给热成像评估带来不确定性。对于具有明显热异常的已发展缺陷，温度上升仍然可以提供相对明确的证据。相比之下，初期缺陷通常会产生微弱且局部的热扰动，因此绝对温度变化通常很小，容易受到测量不确定性的掩盖[12]、[13]。在更广泛的热成像异常分析中也报告了类似的挑战，其中微弱的热对比度和细微的温度模式会妨碍可靠的早期识别[14]、[15]。因此，传统的基于温度的评估方法对早期缺陷状态的敏感性往往有限。

最近的研究试图从测量和分析的角度改进电气设备的红外检测。更广泛地说，最近的热成像研究探索了实时缺陷检测、基于红外图像的定量建模以及由物理原理指导的热特征提取用于缺陷表征[16]、[17]、[18]、[19]。在电气设备检测领域，Tan等人[20]提出了一种用于变电站设备热红外图像的三维重建方法，以改善热场景的表示。Li等人[21]开发了一种自适应补偿方法，以减少复杂条件下的红外温度测量误差。Tang等人[22]提出了一个结合图像增强、识别和分割的集成框架，用于复杂背景下的热故障分析。Han等人[23]提出了一种基于相对温度差的自动诊断方法。尽管这些研究提高了测量可靠性和分析能力，但大多数仍然主要依赖温度或温差作为主要的热成像指标。因此，传统的热成像评估对于与初期缺陷相关的微弱和局部热特征的敏感性仍然不足。

为了解决这个问题，本文提出了一种利用联合温度梯度和温度特征对电气设备进行定量红外热成像评估的方法。根据傅里叶热传导定律，温度梯度用于表征局部热变化并提高对初期缺陷的敏感性，而温度特征用于评估已发展缺陷的严重程度。首先在红外图像中定位设备区域，然后提取相应的特征以进行定量条件评估。进一步开发了一种专用的红外诊断仪器以支持实际应用。所提出方法的整体工作流程如图1所示。

部分摘录

自动区域定位方法

构建了一个基于YOLOv7-tiny的轻量级区域定位网络，用于在红外图像中识别电气设备区域，以便后续的特征提取。该网络在三个尺度上进行预测，能够在复杂的变电站场景中定位不同大小的设备[24]。如图2所示，定位的区域为提取温度梯度和温度特征提供了基础。在实现过程中，该网络接收640×480×3分辨率的红外图像

通过温度梯度识别初期缺陷

传统的热成像评估主要依赖于热点温度和相对温差，这些方法对于具有微弱热特征的初期缺陷效果较差。为了提高灵敏度，本文引入了一个基于傅里叶热传导定律的温度梯度指标。该定律将热通量与空间温度变化联系起来[25]：$q=-k\mathrm{\nabla }T$' role="presentation">$q=-k\mathrm{?}T$其中q表示热通量密度（W/m²），k表示热导率（W/(m?K)），?T表示

红外热成像检测仪器的发展

为了支持所提出的定量热成像评估方法的实际应用，开发了一种嵌入式红外热成像检测仪器，用于现场图像采集、处理和电气设备的状态评估。如图3(a)所示，该仪器包括电源子系统、电源管理板、红外热成像相机、嵌入式计算模块和显示屏。电源子系统为14.8 V、4500 mAh的

热成像数据集和实施细节

使用FLIR T640相机在变电站收集了断路器、避雷器、电流互感器、电压互感器和绝缘子的红外热成像图像。经过手动筛选，建立了一个包含3,438张红外图像的热成像数据集，其中包括105张在缺陷条件下采集的图像和其余在正常运行条件下采集的图像。为了考虑相同设备类型在不同电压水平下的外观和尺寸差异，

结论

本文提出了一种利用联合温度梯度和温度特征进行电气设备自动化热成像状态评估的方法。该工作的主要创新在于建立了一个联合评估框架，其中温度梯度特征用于识别初期缺陷，温度特征用于评估已发展缺陷的严重程度，同时还包括一个前端区域定位模块和嵌入式红外热成像

CRediT作者贡献声明

Fan Yang:撰写——原始草稿，验证，软件，资源，方法论，调查，正式分析。Zhimin Li:撰写——审阅与编辑，撰写——原始草稿，验证，监督，方法论，调查，资金筹集，正式分析，数据管理，概念化。Yan Li:监督，软件，资源，方法论，资金筹集，数据管理。Jie Tian:验证，监督，软件，资源，方法论，资金筹集，数据管理。

利益冲突声明

作者声明他们没有已知的可能会影响本文报道工作的利益冲突或个人关系。

Fan Yang|Zhimin Li|Yan Li|Jie Tian|Yong Yi

重庆大学电力传输设备技术国家重点实验室，重庆401331，中国