文献类型：期刊文章

作　　者：肖懿[1] 罗丹[2] 蒋沁知[1] 胡露[1] 黎昌盛[2] 张莉[2]

XIAO Yi;LUO Dan;JIANG Qinzhi;HU Lu;LI Changsheng;ZHANG Li(Yongchuan Power Supply Branch,State Grid Chongqing Electric Power Company,Chongqing 402160,China;School of Electrical Engineering,Chongqing University,Chongqing 400044,China)

机构地区：[1]国网重庆市电力公司永川供电分公司,重庆402160 [2]重庆大学电气工程学院,重庆400044

出　　处：《高电压技术》

基　　金：国家电网公司科技项目(5220001600V6);国网重庆市电力公司科技资助项目(52202316000X)。

年　　份：2022

卷　　号：48

期　　号：1

起止页码：307-317

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对变电站高压设备故障热红外图像的识别问题,提出一种基于温度概率密度特性的识别方法。首先,使用核函数估计实现对红外图像温度概率密度函数的提取;其次,根据热红外图像中的温度分布与背景组成所对应的物理特性,实现检测对象的初步分类;最后,基于温度概率密度进行先验分类的基础使用K均值聚类方法对热红外图像中故障部分进行提取。研究结果表明,该方法相较传统的聚类方法,不仅提升了对故障部位识别的准确度,还将聚类所需的迭代次数减少一半以上。该方法可以为变电站智能检测系统的构建提供理论依据,从而保障电力设备的可靠运行。

关 键 词：变电站 设备故障  热红外图像  图像识别 温度概率密度  K均值聚类

分 类 号：TM63] TP391.41]