一种基于云计算的变压器监测系统的制作方法

1.本发明涉及监测领域，尤其涉及一种基于云计算的变压器监测系统。


背景技术：

2.变压器的温度监测一直是变压器监测的重点，现有技术中，一般是分别为每一台变压器都配置一个专用的红外摄像头来进行外部温度的监测，通过外部温度来对变压器的故障进行检测。但是，为每台变压器都设置一个红外摄像头的方式成本比较高，不利于实现对变压器的及时监测。


技术实现要素：

3.鉴于上述问题，本发明的目的在于提供一种基于云计算的变压器监测系统，包括图像拍摄模块、图像传输模块、图像处理模块和结果显示模块；
4.所述图像拍摄模块包括无人车和红外摄像头，所述红外摄像头用于在预设的位置采集变压器的红外图像，并将所述红外图像传输至所述无人车；
5.所述无人车用于将所述红外图像传输至所述图像传输模块；
6.所述图像传输模块用于将所述红外图像传输至所述图像处理模块；
7.所述图像处理模块包括云服务器，所述云服务器用于对所述红外图像进行图像识别处理，获得图像识别结果；
8.所述结果显示模块用于对所述图像识别结果进行显示。
9.作为优选，所述图像传输模块包括无线蜂窝通信网络或wifi通信网络。
10.作为优选，所述云服务器还用于将所述图像识别结果传输至所述结果显示模块。
11.作为优选，所述结果显示模块包括台式电脑、笔记本电脑、平板电脑、智能手机中的一种或多种；
12.所述台式电脑设置在监控中心。
13.作为优选，所述红外摄像头设置在所述无人车的顶部；
14.所述无人车用于根据预先规划的路径前往所述预设的位置。
15.作为优选，所述所述红外图像进行图像识别处理，获得图像识别结果，包括：
16.对所述红外图像进行自适应调节处理，获得调节图像；
17.对所述调节图像进行降噪处理，获得降噪图像；
18.对所述降噪图像进行图像分割处理，获得变压器区域图像；
19.基于变压器区域图像获取变压器的预设监测部位的温度数据；
20.分别判断每个预设监测部位的温度数据是否超过对应的温度阈值，获得图像识别结果：
21.若预设监测部位的温度数据大于预设的温度阈值，则图像识别结果为所述预设监测部位发生温度异常；
22.若预设监测部位的温度数据小于等于预设的温度阈值，则图像识别结果为所述预
设监测部位工作正常。
23.本发明通过利用无人车来携带红外摄像头的方式实现对变压器的外部温度进行监测，实现了对变压器外部温度的低成本监测。相较于现有技术，本发明不需要分别为每台变压器设置一个或多个红外摄像机进行外部温度的监测，在一些规模较小的变电站中，本发明只需要一辆无人车和一个红外摄像头即可，成本大大降低，而且无人车还可以用来实现对入侵物体的检测等功能，拓展性强，能够一车多用。
附图说明
24.利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
25.图1，为本发明一种基于云计算的变压器监测系统的一种示例性实施例图。
具体实施方式
26.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
27.如图1所示的一种实施例，本发明提供了一种基于云计算的变压器监测系统，包括图像拍摄模块、图像传输模块、图像处理模块和结果显示模块；
28.所述图像拍摄模块包括无人车和红外摄像头，所述红外摄像头用于在预设的位置采集变压器的红外图像，并将所述红外图像传输至所述无人车；
29.所述无人车用于将所述红外图像传输至所述图像传输模块；
30.所述图像传输模块用于将所述红外图像传输至所述图像处理模块；
31.所述图像处理模块包括云服务器，所述云服务器用于对所述红外图像进行图像识别处理，获得图像识别结果；
32.所述结果显示模块用于对所述图像识别结果进行显示。
33.本发明通过利用无人车来携带红外摄像头的方式实现对变压器的外部温度进行监测，实现了对变压器外部温度的低成本监测。相较于现有技术，本发明不需要分别为每台变压器设置一个或多个红外摄像机进行外部温度的监测，在一些规模较小的变电站中，本发明只需要一辆无人车和一个红外摄像头即可，成本大大降低，而且无人车还可以用来实现对入侵物体的检测等功能，拓展性强，能够一车多用。
34.具体的，云服务器的设置方式能够提高本发明的适用范围，在具体进行实地部署时，只需要对拍摄模块进行修改即可，有利于提高部署的便捷性。
35.作为优选，所述图像传输模块包括无线蜂窝通信网络或wifi通信网络。
36.无人车通过数据线与红外摄像头进行连接，无人车上设置有射频通信芯片，红外摄像头采集的红外图像通过所述射频通信芯片传输至无线蜂窝网络中的基站或者是传输至wifi通信网络中的路由器。
37.作为优选，所述云服务器还用于将所述图像识别结果传输至所述结果显示模块。
38.作为优选，所述结果显示模块包括台式电脑、笔记本电脑、平板电脑、智能手机中
的一种或多种；
39.所述台式电脑设置在监控中心。
40.具体的，结果显示模块还可以包括预警提示装置，该预警提示装置用于在图像识别结果表示变压器异常时，向监控室的人员发出预警提示。
41.作为优选，所述红外摄像头设置在所述无人车的顶部；
42.所述无人车用于根据预先规划的路径前往所述预设的位置。
43.具体的，路径可以根据路由器的位置和监测的时间间隔来进行规划，同时，无人车行走的路径需要保证每台变压器相邻两次监测之间的时间间隔不大于预设的时间间隔阈值。例如，有a、b、c三台变压器，变压器a在第n次监测时，时间为t1，在第n 1次监测时，时间为t2，t2
‑
t1需要小于预设的时间间隔阈值。
44.具体的规划过程实际上可以通过蚁群算法之类的路径规划算法获得。
45.作为优选，所述所述红外图像进行图像识别处理，获得图像识别结果，包括：
46.对所述红外图像进行自适应调节处理，获得调节图像；
47.对所述调节图像进行降噪处理，获得降噪图像；
48.对所述降噪图像进行图像分割处理，获得变压器区域图像；
49.基于变压器区域图像获取变压器的预设监测部位的温度数据；
50.分别判断每个预设监测部位的温度数据是否超过对应的温度阈值，获得图像识别结果：
51.若预设监测部位的温度数据大于预设的温度阈值，则图像识别结果为所述预设监测部位发生温度异常；
52.若预设监测部位的温度数据小于等于预设的温度阈值，则图像识别结果为所述预设监测部位工作正常。
53.具体的，监测部位可以包括储油柜、继电器、高压套管、分接开关、放油阀门等。
54.在变压器区域图像中，由于每个监测部位都对应着多个像素点，那么，使用监测部位中的最高温度代表该部位的温度。
55.作为优选，所述对所述红外图像进行自适应调节处理，获得调节图像，包括：
56.使用以下公式对红外图像进行自适应调节处理：
57.af(n)＝α
×
e
δ
×
stf β
×
pf(n)
58.其中，af(n)表示像素点n在调节图像af中的像素值，α和β表示预设的权重系数，stf表示预设的像素值参考值，pf(n)表示在红外图像中以像素点n为中心，k
×
k大小的窗口内的像素点的像素值均值，ε表示预设的调节系数，ε∈(0.2,0.4)，c表示预设的常数参数，f(n)表示在红外图像中像素点n的像素值，w和h分别表示红外图像的像素点的行数和列数。
59.本发明上述实施方式，能够均衡红外图像中的亮度分布，对亮度过高的地方进行压制，能够有效地避免环境光对变压器的温度识别的影响。
60.作为优选，所述对所述调节图像进行降噪处理，获得降噪图像，包括：
61.对所述调节图像进行小波分解处理，获得高频小波图像和低频小波图像；
62.对高频小波图像进行如下处理：
63.判断高频小波图像的图像类型：
64.若gh(m)＜th1，则高频小波图像为第一类型图像；
65.若th1≤gh(m)≤th2，则高频小波图像为第二类型图像；
66.若th2＜gh(m)，则高频小波图像为第三类型图像；
67.其中，th1和th2表预设的第一判断参数和第二判断参数，gh(m)表示第m个高频小波图像；m∈[1,3]；
[0068]
根据图像类型选择预设的处理函数对所述高频小波图像进行处理：
[0069]
对于第一类型图像，采用如下方式进行处理：
[0070][0071]
对于第二类型图像，采用如下方式进行处理：
[0072][0073]
对于第三类型图像，采用如下方式进行处理：
[0074][0075]
其中，agh(m)表示处理后的第m个高频小波图像，st表示选择函数，若|gh(m)|大于0，则st(gh(m))的值为1，若|gh(m)|等于0，则st(gh(m))的值为0，若|gh(m)|小于0，则st(gh(m))的值为
‑
1；
[0076]
对低频小波图像进行如下处理：
[0077][0078]
其中，agl表示处理后的低频小波图像，agl(x,y)表示位置为(x,y)的像素点在agl中的像素值，和表示预设的比例系数，gl(x,y)表示位置为(x,y)的像素点在低频小波图像中的像素值，nof(a)表示在低频小波图像中像素值为a的像素点的数量，noft表示低频小波图像中包含的像素点的数量，magl表示低频小波图像中包含的像素点的像素值的最大值，nei(x,y)表示以位置为(x,y)的像素点为中心的，5
×
5大小的窗口内的像素点的集合，gl(b)表示在低频小波图像中像素点b的像素值，nofnei表示nei(x,y)中包含的元素的数量；
[0079]
对agl和agh(m)进行小波重构，获得降噪图像。
[0080]
本发明上述实施方式，通过将红外图像进行小波分解后再分别对高频小波图像和低频小波图像进行处理，然后将处理结果进行合并得到降噪图像。这种处理方式，利用了频域中降噪处理能够有效保持图像的边缘细节特征的特点，有利于使得降噪后得到的降噪图像在对噪点进行有效处理的同时，保留更多的细节信息。具体的，在对高频小波图像进行处
理时，先判断图像的类型，然后再为不同类型的图像自适应地选择相应的处理函数进行处理，这种设置方式，有利于针对收到不同情况的噪声影响的高频小波图像选择不同的函数进行处理，提高函数的针对性，从而使得处理结果更为准确。
[0081]
作为优选，所述对所述降噪图像进行图像分割处理，获得变压器区域图像，包括：
[0082]
将所述降噪图像分成多个区域子图；
[0083]
采用图像分割算法分别对每个区域子图进行图像分割处理，获得每个区域子图的前景像素点的集合；
[0084]
将所有区域子图的前景像素点组成变压器区域图像。
[0085]
现有的图像分割方式一般是采用单一的阈值对整幅图像进行分割，但是这种分割方式仅是对较为简单的图像有效，而对于比较复杂的图像，单一的阈值分割难以实现对每个部分的准确分割。因此本发明将降噪图像分成多个区域子图，然后分别对每个区域子图进行图像分割，再将每个区域子图的前景部分组合起来，便得到了变压器区域图像。这种处理方式，获得的变压器区域图像更为准确。
[0086]
作为优选，所述将所述降噪图像分成多个区域子图，包括：
[0087]
采用多轮划分的方式将所述降噪图像分成多个区域子图，
[0088]
将第m
‑
1轮划分获得的需要再次进行划分的区域子图的集合记为s
m
‑1；
[0089]
对于第m轮划分，分别判断s
m
‑1中的每个区域子图是否需要再次进行划分，若是，则将其存入集合s
m
中，若否，则将其存入结果集合s
final
中；
[0090]
通过如下方式判断区域子图是否需要再次进行划分：
[0091]
计算区域子图的差异指数：
[0092][0093]
其中，qb表示区域子图的差异指数，nofqps表示区域子图中包含的像素点的总数，qps表示区域子图中的像素点的集合，g(c)表示区域子图中的像素点c的像素值，stfc表示预设的像素值差异参考值，nofr表示采用一维otsu算法对区域子图进行划分获得的前景像素点的数量，nofbl表示区域子图中的边缘像素点的数量；
[0094]
若区域子图的差异指数大于预设的判断阈值，则区域子图需要再次进行划分；
[0095]
若第m轮划分结束后，s
m
为空集，则将此时s
final
中包含的元素作为最终的划分结果。
[0096]
传统的图像划分一般是直接将图像分成面积相等的多个区域子图，但是这种方式很容易导致获得的区域子图中全都是前景像素点或全都是背景像素点，显然如果采用图像分割算法对这样的区域子图进行划分，会得到错误的划分结果。而在本发明中，是通过计算差异指数来对区域子图进行多轮划分，能够保证每个区域子图均包含前景像素点和背景像素点，这样，使用图像分割算法进行分割时，便能得到准确的结果。
[0097]
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。