多特征聚合表征的断路器热故障诊断评级方法

针对电力设备红外热故障特征的准确评估需求,提出一种多特征聚合表征的断路器热故障诊断评级方法,并以高压断路器红外图像为实例进行数据测试。首先,在高压断路器红外图像背景分离的基础上,对设备进行精准的区域划分,提取各区域温度信息;然后运用 Meanshift和改进区域生长法融合,准确提取故障发热区域面积;其次,设计一种多维聚合表征矩阵,将同一设备发热面积、热点温度、热点温差、发热位置、两相同位温升等特征值聚合为多特征向量矩阵,并运用现场案例数据构建该向量矩阵与高压断路器故障类型、等级、处理意见的关联库;最后对350张高压断路器红外图像的1002组多特征向量进行训练测试。结果表明,该方法提取的多特征向量数据使用GWO SVM分类器测试的Fmeasure和Kappa系数分别为96和9543,能够实现高压断路器设备热故障的全类型诊断评级及精准定位。