【技术实现步骤摘要】
一种基于摄像机和角度测量的高压开关状态监测方法
[0001]本专利技术涉及一种高压开关状态的自动化监测方法,尤其涉及一种双臂高压开关状态的自动化监测方法,适用于自动化电器开关工作状态监控等场合,属于电力设备监控领域。
技术介绍
[0002]高压开关作为高压电力系统中的一个关键部件,在电力中继站、变电站等场合有着广泛应用,对高压开关状态的监测也面临着越来越多的挑战。一方面,输电系统的塔体增高,线路布设距离增大,使得人工检测的时间成本越来越高;另一方面,由于高压开关长期工作于户外环境,一旦发生闭合不充分等问题,会产生危险的火花放电,设备的安全性将无法保证,如果不及时发现并处理安全隐患,可能会对电力的稳定传输产生消极影响。
[0003]对于高压开关的状态监测,可以根据其采用的方法不同,大致分为两类:带电监测(On
‑
site monitoring)和在线监测(Online monitoring)。带电监测指的是对于正在工作电压下的设备,采用专用仪器,由人员参与进行的测量;在线监测是指在不影响设备运行的条件下,对设备状况连续或定时进行的监测,通常是自动进行的。
[0004]带电监测通常包括局部放电法、色谱分析法、电流测量法等。总体而言,带电监测的资金投入较小,但检测实时性较弱,诊断准确度受环境影响较大,抗干扰能力较弱。同时,户外复杂的工作环境也对这类精密仪器的稳定工作带来了一定的挑战。
[0005]高压开关的在线监测主要有电气寿命监测法、机械特性监测法和基于视觉的异常检测法。电气寿命
【技术保护点】
【技术特征摘要】
1.一种基于摄像机和角度测量的高压开关状态监测方法,其特征在于:包括如下步骤,步骤一:选择稳定平台安装用于采集高压开关视频图像信息的摄像机,摄像机的主光轴应对准被监测的高压开关,并调节摄像机与开关间的距离或摄像机镜头焦距;通过摄像机实时获取高压开关的视频图像信息;步骤二:对步骤一获取的高压开关的视频图像,采用背景建模方法建立视频图像序列的背景模型,依据距离阈值,基于所述背景模型生成运动的前景开关臂的蒙版;对每一视频采样帧,更新距离阈值,并根据前景
‑
背景像素距离均值计算背景模型的更新概率,根据更新概率对背景模型和前景蒙版进行更新;根据前景
‑
背景像素距离,通过重校验生成的前景蒙版实现伪影消除,确定前景高压开关的分割蒙版,基于分割蒙版实现对前景开关臂的分割;步骤三:对步骤二确定的前景高压开关的分割蒙版进行图像增强,消除由于噪声产生的孔洞,填充分割蒙版中存在的裂隙,并提取分割蒙版中用于精确定位高压开关臂的感兴趣区域ROI;步骤四:根据步骤三增强后的分割蒙版进行开关作动停止检测;步骤五:根据步骤三得到的感兴趣区域ROI获取高压开关的图像信息,进行直线段提取,并计算直线段中点坐标和斜率,初步筛选直线段样本;步骤六:对经过筛选后的线段进行聚类,将步骤五筛选的所有线段按照其从属关系分配到开关的左右两臂上;步骤七:对步骤六分配到开关左右两臂上的直线段进行采样,在高压开关两臂上各采样一条直线段样本,并分别计算两条样本线段的斜率,计算两直线段的夹角,即估计开关两臂的夹角;步骤八:在步骤四判断的高压开关的作动停止状态下,根据步骤七估计的开关两臂的夹角值δ
θ12
进行开关的工作状态预测,若夹角小于阈值,则判定高压开关闭合完全,工作正常,若夹角大于阈值,则判定高压开关闭合不完全;步骤九:根据步骤八判定的高压开关闭合状态,实现高压开关的自动化状态监测。2.如权利要求1所述的一种基于摄像机和角度测量的高压开关状态监测方法,其特征在于:还包括步骤十,根据步骤一至步骤九实现的高压开关的自动化状态监测结果,避免人员直接接触高压开关,提高监测安全性。3.如权利要求1或2所述的一种基于摄像机和角度测量的高压开关状态监测方法,其特征在于:步骤二实现方法为,步骤2.1:对步骤一获取的高压开关的视频图像,随机选择种子点,采用背景建模方法,根据种子点初始化背景模型,并初始化用于判断像素属于背景或前景的距离阈值R;对步骤一获取高压开关的视频图像,设定种子点数量N,随机取观测到的N个像素初始化背景模型如公式(1)所示:B(x
i
)={B1(x
i
),B2(x
i
),...,B
N
(x
i
)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中:x
i
代表像素,B(x
i
)特指被用于初始化的背景模型,下角标代表了背景模型中的像素编号;初始化用于判断像素属于背景或前景的距离阈值R;步骤2.2:对窗口内图像中的未归类像素x
iu
的值I(x
iu
),计算其与背景点的距离dist;依
据距离阈值R,基于步骤2.1初始化背景模型生成运动的前景开关臂的蒙版;步骤2.2.1:使用观测窗口遍历整张图像,对窗口内图像中的未归类像素x
iu
的值I(x
iu
),计算其与背景点的距离dist;选择观测窗口,使用观测窗口遍历整张图像,对窗口内图像中的未归类像素x
iu
的值I(x
iu
),计算其与背景点的距离;I(x
iu
)是包含有当前像素灰度值I
v
(x
iu
)和梯度幅值I
m
(x
iu
)的二元组;像素间距离的计算方式为:其中:α是权重系数,是当前观测窗口内的平均梯度幅值,是背景模型中像素的梯度幅值,是背景模型中像素的灰度值;步骤2.2.2:将距离dist与距离阈值R比较,若小于距离阈值,判断像素属于背景的得票数加一;若属于背景的得票数低于投票阈值#
min
,则判定当前像素属于前景;根据投票结果判断像素类别,生成运动的前景开关臂的蒙版;对背景模型中的每个像素B
k
(x
i
),计算当前像素与其的距离dist,并与距离阈值R比较,若小于距离阈值,判断像素属于背景的得票数加一;若属于背景的得票数低于投票阈值#
min
,则判定当前像素属于前景,如公式(3)所示:其中:F=1表示当前像素属于前景,反之为背景;#{
·
}代表数量统计;步骤2.3:根据距离dist建立用于参数更新的最小距离矩阵;最小距离矩阵表示为D(x
i
)={D1(x
i
),D2(x
i
),...,D
N
(x
i
)},其中D(x
i
)=min(dist(I(x
iu
),B
j
(x
i
));计算距离均值作为背景动态复杂度的度量;步骤2.4:对每一视频采样帧,更新距离阈值,并根据前景
‑
背景像素距离均值计算背景模型的更新概率,根据更新概率对背景模型和前景蒙版进行更新;根据前景
‑
背景像素距...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。