圖像型火災檢測在電力系統(tǒng)監(jiān)控中的應用

張曄

摘 要：智能電網(wǎng)的發(fā)展對電力系統(tǒng)的安全提出了更高的要求，火災防護是電力系統(tǒng)穩(wěn)定運行的一個重要方面，傳統(tǒng)的火災檢測在電力設備環(huán)境火災檢測中存在誤報和漏報的情況，本文將圖像型火災檢測引入到電力系統(tǒng)監(jiān)控中，闡述了圖像的分形特征、灰度共生矩陣等紋理特征，從原理上介紹了支持向量機智能分類算法，并給出了一種針對電力設備運行環(huán)境的火災檢測算法。

關鍵詞：電力系統(tǒng)監(jiān)控；火災檢測；圖像處理

中圖分類號：TP277 文獻標識碼：A 文章編號：1671-2064（2017）23-0092-02

1 引言

隨著智能電網(wǎng)在我國的迅速發(fā)展，電力系統(tǒng)的安全運行面臨著、越來越多的挑戰(zhàn)，特別是電力系統(tǒng)的火災防護關系著電力系統(tǒng)設備穩(wěn)定運行以及社會經(jīng)濟的健康發(fā)展，已經(jīng)越來越受到重視，在電力系統(tǒng)中，大量的電力設備和設施[1]，比如：主控通信室、變電站、蓄電池室、可燃介質(zhì)電容器室、配電裝置室、機房，這些場所存在大量的可燃物，并且設備的運行時間長、設備利用率高，一旦在運行中出現(xiàn)短路、過載等故障極易引發(fā)火災，威脅到電力系統(tǒng)的安全，容易造成巨大的經(jīng)濟損失，給社會的生產(chǎn)生活造成嚴重影響。

傳統(tǒng)的火災探測器是基于傳感器進行火災現(xiàn)場采集的數(shù)據(jù)參數(shù)實現(xiàn)檢測的[2]，常用傳感器主要有感煙型、感溫型、感光型、氣體火災探測器，參數(shù)指標分別為火災環(huán)境下空氣中的顆粒物濃度、溫度變化、光的強弱、空氣中特定氣體濃度的變化，傳統(tǒng)探測方式在火災探測中有一定的局限性：火災區(qū)域可能受自然風的影響，使得基于探測氣體濃度的傳感器失效，受探測器與火災區(qū)域距離的影響，在距離遠的情況下，無法及時感知溫度，這些都影響了傳統(tǒng)探測方法在電力系統(tǒng)中的實際應用效果。智能圖像處理技術給電力系統(tǒng)火災檢測提供了新途徑，基于圖像處理的火災檢測系統(tǒng)可以部署在現(xiàn)有的電力監(jiān)控系統(tǒng)上，通過監(jiān)控攝像頭及時探測火情，實現(xiàn)全方位的火災自動檢測，逐漸成為電力系統(tǒng)火災檢測的一個研究熱點，視頻火災的檢測可以分為針對火焰和煙霧的兩類方法[3]，在火災發(fā)生的初期，煙霧是最早的火災信號，所以煙霧檢測是電力系統(tǒng)火災檢測的有效途徑，本文基于圖像處理中的分形理論和圖像紋理特征，結(jié)合支持向量機模型訓練的方法，提出了一種可應用于電力設備運行環(huán)境火災煙霧檢測的算法，充分利用分形理論在處理非線性信號的優(yōu)勢，提取煙霧圖像的分形特征和紋理特征，將特征輸入支持向量機模型進行訓練，進行電力設備運行環(huán)境中火災煙霧圖像的識別。

2 局部分形特征和紋理

2.1 圖像的分形特征

在進行圖像灰度分析時，可以根據(jù)灰度共生矩陣導出14種特征，常見的特征有能量、熵、對比度、相關性、均勻性、方差、相異性等[6]。在圖像的特征提取時，并不是特征越多越好，對于煙霧檢測算法，需要考慮計算速度和復雜度，本文在實驗的基礎上選擇能量、熵、對比度三個特征和分形特征作為煙霧識別的特征。

3 支持向量機

在提取火災圖像的分形特征和紋理特征之后，如果想要對區(qū)域中的煙霧圖像進行識別并作出是否有煙霧的判斷，需要根據(jù)煙霧的圖像特征對圖像進行分類，并且要實現(xiàn)機器自動識別就需要事先提供包含火災煙霧的樣本圖像和不包含煙霧的負例樣本圖像來訓練，然后使用訓練過的系統(tǒng)對不屬于樣本的圖像進行識別，實現(xiàn)火災煙霧檢測。

支持向量機是Vapnik等人在1995年提出的一種基于統(tǒng)計學習的機器學習算法[7]。支持向量機能夠較好解決非線性和小樣本量的問題，目前已經(jīng)成為智能處理領域的有效方法。設有兩類不同的圖像樣本，H表示將兩類樣本正確有效分開的超平面，H1、H2分別表示兩類樣本中與另一類樣本最接近的樣本所在平面，兩條平面相互平行，兩者間的距離就是分類間隔，如果存在一個超平面使得兩類不同的樣本被有效分開而且不存在分類錯誤，并且此分類面到H1與H2的距離相等，則該分類面為最佳分類面。

對于非線性問題，通過非線性變換轉(zhuǎn)為高維度的線性問題，在變換空間求取最佳分類面，也就是通過核函數(shù)對樣本進行非線性變換，常用的核函數(shù)有多項式核函數(shù)、徑向基核函數(shù)等。

4 基于圖像特征提取的電力系統(tǒng)火災檢測算法

在上述理論和研究的基礎上，本文提出了一種基于圖像特征提取的電力系統(tǒng)火災檢測算法，首先選取電力設備環(huán)境中的煙霧圖像和非煙霧圖像作為樣本，然后基于分數(shù)布朗運動模型，提取圖像的分形特征，有效利用了分形理論在圖像自相似和非線性處理中的優(yōu)勢，接下來提取基于灰度共生矩陣的圖像紋理特征，包括能量、熵、對比度，將分形特征以及這三個紋理特征作為樣本圖像的特征向量， 輸入到支持向量機模型中進行訓練，得到訓練好的系統(tǒng)，最后，針對電力系統(tǒng)視頻監(jiān)控系統(tǒng)實施實時的火災煙霧檢測。

5 結(jié)語

本文研究了圖像型火災檢測在電力設備環(huán)境監(jiān)控系統(tǒng)中的應用，分析了傳統(tǒng)火災檢測存在的不足，將分形理論、灰度共生矩陣等紋理特征和支持向量機引入到電力系統(tǒng)火災檢測中，闡述了其原理，并給出了一種火災檢測方法。

參考文獻

[1]汪書蘋，李偉，武海澄，等.電力火災安全防護技術體系研究[J].華東電力，2013， 41（3）：528-531.

[2]張劍馳，謝光斌.電力系統(tǒng)測溫中光纖光柵的應用研究[J].湘潭大學自科學報，2013， 35（3）：106-110.

[3]李福鵬，梁國堅，杜鑫峰，等.基于圖像處理技術的險情識別智能巡檢機器人的研究[J].自動化與儀器儀表，2017，（6）：10-12.

[4]姚勛祥，張云峰，寧陽，等.多尺度有理分形的圖像插值算法[J].中國圖象圖形學報，2016，21（4）：482-489.

[5]鄭紅，李釗，李俊.灰度共生矩陣的快速實現(xiàn)和優(yōu)化方法研究[J].儀器儀表學報，2012，33（11）：2510-2514.

[6]袁潔，袁偉，賈陽，等.一種基于紋理特征的主動紅外煙霧識別方法[J].安全與環(huán)境學報，2016，16（2）：86-89.

[7]薛浩然，張珂珩，李斌，等.基于布谷鳥算法和支持向量機的變壓器故障診斷[J].電力系統(tǒng)保護與控制，2015，（8）：8-13.endprint