本发明涉及电力设备故障识别，尤其涉及一种基于红外图像纹理特征聚类的电抗器套管故障识别方法。
背景技术：
1、在电力系统中，电抗器具有吸收无功功率、抑制谐波电流、限制合闸涌流等功能，是变电站必不可少的高压电气设备之一。电抗器套管作为引线的对地绝缘，将高压线引到油箱外部与线路并联，并对引线起着固定作用，是电抗器的重要附件之一。套管作为电抗器的核心部件，是故障的多发部位，能否及时发现并处置故障直接关乎到电抗器能否安全运行。随着我国超高压电网的完善，挂网运行的电抗器数量不断增多，如果不提前预防，将会危及电力企业的安全生产。
2、目前对于电抗器套管故障识别的研究中仍存在很多问题。首先，传统的故障识别方法主要依赖于可见光图像，其受到光照条件和颜色变化的影响较大，不够稳定和可靠。因此，需要寻找一种能够提供更多故障信息并具有较好穿透能力的图像数据源。其次，针对电抗器套管图像的特征提取和识别方法仍然较为有限。由于电抗器套管图像具有复杂的纹理和细节信息，传统的特征提取方法往往难以准确捕捉这些信息，导致识别的准确性不高。另外，传统的故障识别方法通常需要通过物理接触或拆卸来获取套管的图像数据，这种接触式检测不仅操作复杂，还存在一定的风险和安全隐患，且需要繁琐的操作步骤。
3、本发明提出了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，相比传统的可见光图像，红外图像能够提供更多的故障信息并具有较好的穿透能力，并能够实现非接触式检测，避免了物理接触或拆卸的操作步骤，提高了检测的效率和安全性，借助计算机视觉和机器学习技术，实现了对大规模红外图像数据的快速处理和准确识别，具有自动化和智能化的优势。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一，提出一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，使用红外热像仪获取电抗器套管的红外图像，采用维纳滤波对电抗器套管红外图进行平滑处理，使用加权平均值算法将电抗器套管红外图转化为灰度图，使用局部二值模式提取纹理特征，将纹理特征应用于聚类算法，按照纹理特征的相似度进行聚类以得到不同的簇群，对簇群进行故障类型的分类和命名，最后将新的待识别图像样本投入到已建立的簇群中，通过判断新样本所属的簇群，进而判断电抗器套管是否存在故障并识别故障类型。
2、本发明实施例提供了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其包括：采用红外热像仪拍摄不同故障类型的电抗器套管以及无故障的电抗器套管。
3、本发明实施例提供了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其包括：采用维纳滤波对图像进行平滑处理，维纳滤波公式如下：
4、；
5、式中，是估计的目标图像频谱；表示受噪声污染的图像频谱；表示系统的频率响应函数；表示的共轭复数；是正则化参数。
6、本发明实施例提供了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其包括：采用加权平均值方法将红外图像转换为灰度图，灰度值 m计算公式如下：
7、；
8、式中， r代表图像的 r通道像素值； g代表图像的 g通道像素值； b代表图像的 b通道像素值。
9、本发明实施例提供了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其包括：使用局部二值模式提取灰度图的纹理特征，局部二值模式计算公式如下：
10、；
11、式中， （x,y）表示灰度图中像素点的坐标； lbp(x,y)表示局部二值模式在像素点 （x,y）处的值； i n和 i c分别表示邻域像素点 (x s ,y s )的灰度值和 （x,y）像素点的灰度值；s表示符号函数；p表示循环变量。
12、本发明实施例提供了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其包括：提取的纹理特征为对比度特征，对比度计算公式如下：
13、；
14、式中， n表示图像高度； lbps(i,j)表示第 i行第 j列像素的局部二值模式编码值； lbps(i+1,j)表示第 i+1行第 j列像素的局部二值模式编码值。
15、本发明实施例提供了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其包括：将纹理特征应用于k-means聚类算法，按照纹理特征的相似度进行聚类。
16、本发明实施例提供了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其包括：对簇群进行故障类型的分类和命名。
17、本发明实施例提供了一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其包括：将新的待识别图像样本投入到已建立的簇群中，通过判断新样本所属的簇群，进而判断电抗器套管是否存在故障并识别故障类型。
18、本发明在电抗器套管故障红外图像识别过程中引入聚类方法，对原始红外图像进行预处理，以避免传感器噪声影响图像质量，同时起到平滑细节的作用，使图像更易于观察和分析。经过维纳滤波处理之后转化为灰度图，以便于后续特征向量的提取，在提取过程中采用局部二值模式提取出图像的对比度特征，再按照对比度特征的相似度进行聚类，并最终实现对电抗器套管故障的快速高效识别。
1.一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于，包括：
2.一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于：所述获取红外热像仪拍摄的电抗器套管红外图像，包括采用红外热像仪拍摄的不同故障类型的电抗器套管红外图像和无故障的电抗器套管红外图像。
3.根据权利要求1所述的一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于：所述对电抗器套管红外图像进行平滑处理，所采用的方法是维纳滤波，维纳滤波的具体公式如下：
4.根据权利要求1所述的一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于：所述将平滑处理后的电抗器套管红外图像转化为灰度图，采用的方法为加权平均值方法，灰度值m计算公式如下：；
5.根据权利要求1所述的一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于：所述对灰度图提取纹理特征的方法为使用局部二值模式lbp进行提取，局部二值模式的具体公式如下：
6.根据权利要求1所述的一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于：所提取的纹理特征为对比度，对比度的具体公式如下：
7.根据权利要求1所述的一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于：所述将纹理特征应用于聚类算法，采用的聚类算法包括k-means聚类算法，按照纹理特征的相似度进行聚类。
8.根据权利要求1所述的一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于：所述对簇群进行故障类型的分类和命名，采用的方法包括人工标注的方法。
9.根据权利要求1所述的一种基于红外图像纹理特征聚类的电抗器套管故障识别方法，其特征在于：所述识别故障是指将新的待识别图像样本投入到已建立的簇群中，通过判断新样本所属的簇群，进而判断电抗器套管是否存在故障并识别故障类型。
