激光与红外

作者：桑金海

单位：1.南昌工程学院电气工程学院,江西 南昌 330099；2.华中科技大学电气与电子工程学院,湖北 武汉 430074；3.江西博微新技术有限公司,江西 南昌 330099；

关键词：红外图像;断路器;多特征向量;GWOSVM

针对电力设备红外热故障特征的准确评估需求,提出一种多特征聚合表征的断路器热故障诊断评级方法,并以高压断路器红外图像为实例进行数据测试。首先,在高压断路器红外图像背景分离的基础上,对设备进行精准的区域划分,提取各区域温度信息；然后运用 Meanshift和改进区域生长法融合,准确提取故障发热区域面积；其次,设计一种多维聚合表征矩阵,将同一设备发热面积、热点温度、热点温差、发热位置、两相同位温升等特征值聚合为多特征向量矩阵,并运用现场案例数据构建该向量矩阵与高压断路器故障类型、等级、处理意见的关联库；最后对350张高压断路器红外图像的1002组多特征向量进行训练测试。结果表明,该方法提取的多特征向量数据使用GWO SVM分类器测试的Fmeasure和Kappa系数分别为96和9543,能够实现高压断路器设备热故障的全类型诊断评级及精准定位。

来源：2024年第3期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第3期