基于移动智能终端的红外热成像测温平台的研究

基于移动智能终端的红外热成像测温平台的研究
一、引言
当前，随着社会用电量的日益增加，承载的大负荷输送任务的电气设备也在迅速增加，会导致连接点发热，并形成恶性循环，升温、电阻增大、收缩、氧化直到酿成事故。

据通报统计，我国每年仅发生在变电站、开闭所的电力事故，有40%都是由于电气设备和电力连接点发热引起所致。

电力事故造成了严重的经济损失甚至危及人身安全。

因此对电力设备和连接点的温度实时监测和分析非常必要。

本公司现使用红外热成像设备进行测温，已排除多起过热型缺陷，避免了多起事故的发生，为电网的安全运行夯实了基础。

但在工作中也逐渐暴露如下问题：
在当前测温操作中，工作人员在现场无法将红外热成像结果与被测温的设备建立一一对应的关系，只能在测温结束后将热成像信息统
一导出，在测量设备比较多的情况下极易出现匹配差错，进而需要重新测量，浪费了人力、物力。

目前红外热成像测温结果一般保存为电子文件或是记录在纸质
文档上，只作为执行过相关测温工作的凭证，没有将结果存储在数据库中进行相关的数据分析。

因此，难以对产生的大量信息进行有效的管理，进而为设备的检修、更换、加强巡视、专项测温等提供数据依据。

当前的红外热成像设备不具备历史信息查询功能，因此工作人员在测温现场无法将各次测温结果进行比对和关联，也就无法及时的把握设备缺陷发展情况，不能在发热型缺陷出现的第一时间消除危险。

由于当前的测温设备缺乏相关的移动应用，现场的操作人员无法顺利的和后方管理人员进行多种方式沟通，同时也无法及时查阅相关的数据资料，给现场红外测温工作带来了不便，降低了红外测温的工作效率。

因此，公司迫切需要开展基于移动智能终端的红外热成像测温平
台的研究工作，利用移动应用终端技术实现对红外测温工作的全方位、全过程管理。

并在此基础上开展数据分析，实现平台数据的多视图、多纬度数据挖掘和分析为管理部门提供辅助决策支持，进而提高测温设备管理的工作效率和管理水平。

二、相关技术
（一）移动智能终端技术
移动智能终端是指安装具有开放式操作系统，使用宽带无线移动通信技术实现互联网接入，通过下载、安装应用软件和数字内容为用户提供服务的终端产品。

移动智能终端通常具备四大特征：一是高速接入网络的能力；二是开放的、可扩展的操作系统平台；三是较强的处理能力；四是丰富的人机交互方式。

移动智能终端主要有笔记本、平板电脑、智能终端等。

随着网络和技术朝着宽带化方向以及集成电路技术的飞速发展，移动智能终端已经拥有了强大的处理能力，正在从简单的通话工具变为一个综合信息处理平台，给移动智能终端增加了更加宽广的发展空
间。

其智能性主要体现在4个方面：其一是具备开放的操作系统平台，支持应用程序的灵活开发、安装及运行；其二是具备PC级的处理能力，可支持桌面互联网主流应用的移动化迁移；其三是具备高速数据网络接入能力；其四是具备丰富的人机交互界面，即在3D等未来显示技术和语音识别、图像识别等多模态交互技术的发展下，以人为核心的更智能的交互方式。

本研究利用了移动智能终端拥有的接入互联网的能力，结合搭载的安卓操作系统，为电力设备的红外热成像测温提供移动管理应用，并可以根据实际需求对应用功能进行扩展。

（二）联机分析处理技术
联机分析处理（OLAP）的概念最早是由关系数据库之父E.F.Codd 提出的。

OLAP使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。

OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求，它的技术核心是“维”概念。

维是人们观察客
观世界的角度，是一种高层次的类型划分。

维一般包含着层次关系，这种层次关系有时会相当复杂。

通过把一个实体的多项重要的属性定义为多个维（dimension），使用户能对不同维上的数据进行比较。

因此OLAP也可以说是多维数据分析工具的集合。

OLAP的基本多维分析操作有钻取（rollup和drilldown）、切片（slice）和切块（dice）、以及旋转（pivot）、drillacross、drillthrough等。

本文基于联机分析处理（OLAP）构建了强大的统计分析模块，实现了对红外热成像信息数据分析研究与应用研究的深度挖掘，从而使管理人员更深入的了解电力设备的相关信息，进而为设备的运维提供决策帮助。

三、网络架构
基于移动智能终端的红外热成像测温平台的研究的网络架构如下：
（一）智能移动红外热成像仪：
智能移动红外热成像仪为集智能移动终端与红外热成像仪为一
体的智能移动测温设备，通过在该设备上开发移动应用，使红外测温人员在现场测温时能够便捷的选择到需要测温的电力设备，直接将测温结果（红外热成像）与设备关联，并将相关信息存储到服务器上。

在测温的同时，操作人员能够通过移动应用查询到该设备的历史测温信息以及测温变化情况，能够及时准确的判断出设备的温度异常情况。

同时还可以通过该设备实现与后方管理人员的沟通功能（文字、语音、照片、视频等形式）。

（二）移动应用服务端：
服务端不仅能够存储测温信息，还能够对测温信息进行综合分析，为现场测温人员提供分析判断的数据信息。

除此之外，还可以实现对测温人员的任务分配、消息推送等功能。

（三）数据交互：
智能移动红外热成像仪与移动应用服务端通过4G无线网络实现
信息的沟通、数据交互。

四、主体功能
（一）设备管理
实现对需要红外热成像电力设备的管理功能，主要有设备的大类、小类、设备厂家、设备型号、测温周期等管理项目，也可以根据实际需要新增专项测温设备。

设备可实现树形管理，同时具备批量导入导出功能。

（二）热成像测温
热成像测温的具体流程如下：
工作人员到达现场后首先选择需要测温的电力设备，然后开展红外热成像测温工作。

当先发设备温度值异常时，可以查看该设备的历史测量值以及历史成像图片，也可以结合当前的测温值生成温度变化趋势图，从而为判断设备温度的异常情况提供全面、准确的数据依据。

如果工作人员有疑问，也可查看相关的资料说明，实现对測温工作的辅助指导。

当工作人员遇到难以解决的问题或者紧急情况时，也可通过智能移动终端与后方管理人员进行沟通，沟通方式可以为文字、语音、照片、视频等形式。

（三）联机分析处理
基于在线联机分析（OLAP）的思路构建了强大的统计分析模块，实现对红外热成像数据分析研究与应用研究的深度挖掘。

在线联机分析（OLAP）以维作为观察数据的特定角度，并且通过维的层次来描述细节程度不同的各个方面。

红外热成像测温数据包括测温设备名称、测温设备状态、设备类型、生产厂家、测温值等几个维。

设备类型又分为三相可见、开关柜等维。

时间维度又可根据年、季度、月度进一步细分。

设备状态又分紧急缺陷、重要缺陷、一般缺陷、重点关注、正常等维度。

基于上述多维数据模型，用户可进行切片和切块分析。

同理，只要对研究中所有的维度进行排列组合，然后从不同方向进行切片，即可得到多种多样的统计分析结果，该功能基本涵盖了所有的统计分析需要。

五、结论
基于智能移动终端和红外热成像设备建立的综合红外测温平台，
可实现对红外测温功能的远程图像监控功能，实现对电气设备的可见光图像和热状态信息的远程、实时、在线综合管控，同时通过对红外热成像信息数据分析的深度挖掘，为设备的检修、更换、运维、测温和决策等提供依据，具有较高的经济效益和实际应用价值。