电气设备智能检测系统的应用思考

摘要：现如今，中国电力事业发展速度非常快，为此也提升了对电网系统运行安全性、可靠性提出了更高要求。现代电网系统包含各种电气设备，一旦出现运行故障需要消耗大量人力物力进行修复。随着技术水平的提升，电气设备智能检测技术有了快速发展，不仅可以实现电网的在线监测，进行有效的安全预警，还可以进一步推动电力行业的智能化水平。本文主要阐述电气设备智能检测技术及具体应用方面的内容，以供参阅。

关键词：电气设备；智能检测系统；具体应用

前言：电气设备的稳定运行直接决定着电网系统的安全性，所以对电气设备进行全方面检测以及故障测试是非常关键的。传统的电气设备检测主要采取的是人工手持设备来进行，检测效率较低、准确性不高。近些年智能技术不断发展，以红外热成像技术为代表的新技术有了快速发展，通过神经网络技术的加持可以推动电气设备检测向着自动化和智能化方向发展，能够实现多方面检测，对于确保电气系统的安全运行具有重要作用。

1电气设备智能检测系统的架构设计 1.1私有云环境设计

云计算架构可以实现软、硬件资源的冗余及开销，可以大大降低软件的升级和维护成本。云计算是通过虚拟化技术、集群管理技术来实现系统的高扩展性，可按需进行扩展，体现出高度的灵活性。在云环境中，用户不再关心数据的物理存储，多个用户可以共享数据，数据云为用户提供一个具有强伸缩性需求、分布式、大规模的数据库，将各变电站的电气设备数据进行整合，并利用分布式的管理模式，使系统的计算能力及存储能力得到更大提升，从而可以更加有效地分析监测数据，对决策人员进行下一步的电气设备故障处理更加有利，可以进一步提升公司的经济效益。

1.2系统的结构设计

基于私有云服务的电气设备故障智能诊断分析系统，采用C/S（Client/Server）架构体系，即客户机/服务器架构。在C/S网络架构中，客户机是基础、服务器是核心，客户机利用服务器来获取所需的网络资源，服务器为客户机提供它们所需的所有网络资源。C/S网络架构可充分利用Server端和Client端存在的硬件环境优势，将任务进行合理分配，从而降低系统通信的开销。

2电气设备智能检测基本技术 2.1红外热成像及温度提取技术

物体在空间中会不断向外进行热辐射(发射红外线)，随着温度的差异，物体所辐射的能量密度也有所差异。通过传感器就可以接收到不同辐射信号，从而判定物体所处状态。在实际应用时主要采取两种方式进行实现，一是比色条提取信息，按照比色条像素值以及温度值所呈现的关联性来设定温度的图像，同时利用热力学公式对温度进行计算分析；二是通过传感器所得数据来判定温度情况，此种方式具有较高的数据精度，能够更加准确地对设备进行检测。

2.2图像预处理

在实施时先要对图像实施灰度化处理(针对RGB图像模型进行灰度处理)，通过此种方式能够降低图像元素，能够降低存储空间，从而提升计算速度。在此基础上进行图像去噪处理，可以将干扰元素去除掉，一般通过以值滤波、中值滤波、高斯滤波的方式进行处理。通过这些方式对图像处理之后仅仅保留图像的中心区域，其他区域都被处理掉。完成图像去噪之后会造成图像边缘产生模糊问题，同时也会造成边缘的识别以及提取较为困难，需要通过不同方法(例如微分、高低帽变换等)进行处理，这样能够将暗处目标凸显出来，从而增强图像属性。

2.3图像分割技术

主要是按照图像所具有的纹理属性，借助域内相似性以及域问差异性来获取图像内容的关键点，例如电气设备中某些部位的温度是均衡的，其体现出同样的颜色，但是其他位置由于温度不同会展现出不同的颜色。此种情况下就可以将同

样颜色的部分排除，降低干扰。最为常用的提取方法主要包括：基于区域的提取算法、基于阈值的提取算法、基于边缘的提取算法等等。除了以上方法外，也可采取非经典方法，就是指以K—means聚类算法为基础的电气设备红外图像提取法，在实际应用时要通过大量实验来最终确定K值。

2.4图像识别技术

主要是通过模板匹配的方式实施测试计算，通过较为相似的函数对其实施匹配。另外，通过卷积神经网络的方式建立起数学模型(以统计学、信息学作为基础)，在此过程中引入由卷积核PH形成的卷积层，通过有效的模拟来增强其精准性。利用权值共享、局部感知以及池化等方式来减小参数的数量。

3电气设备智能检测系统的应用 3.1电气设备状态信号采集

进行电气设备状态检测之前，首先要采集电气设备状态信号，当前采集电气设备状态的工具常为传感器节点，本文也选择传感器节点对电气设备状态信号进行采集，主要由数据处理单元和通信模块组成。采集到的电气设备状态信号通过无线网关发送到计算机中心，然后在计算机中心进行分析和处理。

3.2设备检验检测智能化的应用

智能化是指设备或者行为活动在互联网、大数据、物联网和人工智能等技术的支持下，具备一定程度的自适应、自修正、自控制、自监测、自动作以及人机交互等功能，从而满足人的各种需求的属性。在特种设备检验检测中，智能化检验检测主要是通过在计算机中运用人工智能，让计算机与人类大脑思维类似，利用机器学习和专家系统对检验检测中遇到的问题进行预测、分析、判断并进行处理。

3.3诊断自动控制故障方面的应用

一般情况下，当需要对某一产品或系统进行设计时，往往采取理论研究与实践应用相结合的模式，通过实践检验，来确定预定的理论或模型是否正确，从实

际运行情况来设计更合理的方案。但是，有些时候最佳方案，也会遇到故障或其他问题。在电气自动控制的系统工作过程中，在科学技术的发展中，人工智能技术获得了非常广泛的应用，逐步取代了传统的人工操作。一是由于这一模式重视提高系统运行质量，重视提高运行效率，有效降低了故障问题的发生机率，二是由于智能技术还可以及时总结系统所发生的问题，并在诊断时运用更先进的技术予以处理，使诊断工作更加智能化、自动化，进而提升了自动控制系统的实际效率，达到了解决问题、降低维修成本、缩短维修时间、提高运行效率的目的，这对于电气自动控制的发展具有积极的促进作用，同时还可以提升电气自动控制系统的运行效益。

3.4启发式智能算法

启发式智能算法主要指受自然界某些规律启发而设计的算法，主要包含群体智能算法（swarmintelligence，SI）和进化算法（evolutionaryalgorithm,EA）两大类。SI的理论是指具有简单智能的个体通过相互协作和组织而表现出超越个体能力的群体智能行为的特性，代表算法包括粒子群算法、人工蜂群算法、蚁群算法等。EA则是从进化理论发展而来，典型算法包括遗传算法、进化策略、进化规划等。除此之外，广义的启发式算法还包括禁忌搜索算法、模拟退火法等。启发式智能算法是一种较为成熟的具有高鲁棒性和广泛适用性的全局优化方法，能有效地处理传统优化算法难以解决的非凸、非线性问题。

结束语：

现代电气设备智能化检测时要充分体现智能化水平，以红外线温感作为基本原理，不断融入全新图像分析和传感器技术，提升电气设备检测的智能化水平，推动整个行业的发展。

参考文献：

[1]姚同照,陈世广.配电检修中危险点的检测以及处理方法研究[J].数字通信世界,2018（12）:277-278.

[2]袁铸,范乐,吕俊霞.电气设备的故障诊断技术与发展趋势[J].精密制造与自动化,2018（04）:51-53+.

[3]孙砺寒.人工智能技术在电气自动化控制中的应用思路分析[J].中小企业管理与科技（下旬刊）,2018（11）:160-161.

[4]卢嘉昊．电气设备智能检测系统的应用思考[J]．中国设备工程，2020(07)：15-17

[5]黄海洋．探析电气设备智能检测系统的应用[J]．农家参谋，2020(04)：105-107

[6]沈大千,何鹏飞,王昕.基于“互联网+”的电力设备智能红外检测系统[J].电气自动化,2019,41（5）:93-95.