主要电力设备故障图像特征及识别方法研究改
发电机、断路器、GIS、电缆、变压器常见故障及诊断方法演示课件
采用火花探漏仪检测。检测时将火花探漏仪沿灭弧室表面移动，在其高频 电场作用下内部有不同的发光情况。若管内有淡青色辉光，说明真空度在 133×10-3Pa以上；若成蓝红色，说明管子已经失效；若管内已处于大气状态， 则不会发生。
Discharge & Plasma
2020/6/24
10
2. 用气相色谱法在线检测
发电机绝缘出现过热、局部放电等故障时，将分解出多种气体。因此也可 根据冷却气体中所含的其他气体的成分和数量来对绝缘状况进行在线检测。
表1-1和表1-2为用气相色谱仪来分析沥青云母绝缘和环氧云母绝缘过 热而分解的试验结果。
Discharge & Plasma
2020/6/24
20
介质损耗角正切值(tanδ)的测量
油断路器和其他断路器
对有并联电容器的，应测量并联电容器的电容值和tgδ。测得的 电容值与出厂值比较应无明显变化，电容值偏差在±5％范围内， 10kV下的tgδ值不大于下列数值
油纸绝缘
0.005
膜纸复合绝缘
0.0025
Discharge & Plasma
由于外施电压的波形与工作时相同，因此电场分布规律相同，真实性好。试 验电压的选择各国根据各自的情况来确定。我国取(1.3~1.5)Un,主要考虑：对 那些处于大修之前或者在局部更换绕组后的放电机，运行又在20年以下的取 1.5Un，对与架空线路直接相连的也取1.5Un；但对那些运行20年以上、又与 架空线路不直接相连的，试验电压可降低些。
2020/6/24
11
可见在正常工作温度下，如不高于100℃，沥青与环氧云母绝缘只分解出 微量的CO2；但如近200℃时，沥青云母绝缘就因过热而裂解出CH4、C2H6、 C2H4等气体；而环氧云母绝缘的耐热性比沥青云母绝缘好，要近300℃时 才过热损坏，出现CH4等气体。
电力系统故障波形图中关键点识别及分析
关键点分析：在电力系统故障波形图中，谐波干扰的分析是关键。通过对波形图的观察和分析， 可以确定谐波干扰的来源、传播途径和影响范围，为后续的治理提供依据。
PART FOUR
故障定位：通 过关键点识别， 快速准确地定 位电力系统中 的故障位置。
故障类型识别： 根据关键点的 特征，识别出 故障的类型， 如短路、断线
等。
保护装置动作 评估：利用关 键点识别技术， 评估保护装置 的动作行为是
否正确。
故障恢复与预防： 通过对关键点的 分析，制定针对 性的故障恢复和 预防措施，提高 电力系统的稳定
性和可靠性。
故障发生背景：某地区电力系统出现故障，导致大面积停电 关键点识别：通过故障波形图识别出故障发生的原因 案例分析：分析故障发生的原因，如设备老化、人为操作失误等 解决方案：提出相应的解决方案，如更换设备、加强人员培训等
分析方法：通过观察 曲线的变化趋势和特 征，结合实际运行经 验，对故障进行定位 和定性分析
短路故障波形 图
断相故障波形 图
接地故障波形 图
谐振故障波形 图
电压幅值：表示故障发生时电压的大小 波形畸变：表示电压波形是否正常 频率：表示电压的频率是否正常 相位差：表示不同相位的电压之间的角度差是否正常
远程监控技术：实 时监测电力系统的 运行状态，及时发 现故障并进行处理
智能运维：利用大数 据、人工智能等技术 对电力系统进行智能 化管理，提高运维效 率
发展趋势：随着物联 网、5G等技术的发展 ，远程监控与智能运 维将更加普及和智能 化
展望：未来电力系统 将实现全面远程监控 与智能运维，提高电 力系统的安全性和稳 定性
电力设备的故障诊断与分析方法
电力设备的故障诊断与分析方法随着电力设备的不断更新和发展，现代化的电力系统越来越复杂，电力设备的故障问题也日益凸显。
电力设备的故障一旦发生，不仅会影响电力系统的正常运行，还可能会对人员和设备造成安全隐患。
因此，对电力设备的故障进行及时、准确的诊断与分析显得尤为重要。
本文将探讨电力设备故障诊断与分析的方法及其实际应用。
一、故障诊断的方法1. 监测系统监测系统是电力设备故障诊断的重要手段之一，通过监测设备运行参数的变化，可以及时发现异常情况。
常见的监测系统包括温度、湿度、电流、电压等参数的监测。
当设备运行参数超出正常范围时，监测系统会发出警报，提示操作人员进行故障排查。
2. 故障记录故障记录是电力设备故障诊断的重要依据，可以帮助工程师了解设备的故障历史，从而分析故障的原因。
对设备进行定期的故障记录，可以帮助发现故障的重复性和规律性，为后续的故障诊断提供重要参考。
3. 检测工具现代化的电力设备故障诊断离不开各种高精度的检测工具，如红外热像仪、振动分析仪、局部放电检测仪等。
这些检测工具可以全面、准确地检测设备的运行状态，帮助工程师快速定位故障点，并采取相应的维修措施。
二、故障分析的方法1. 常见故障分类电力设备的故障可以分为电气故障、机械故障和热故障等多种类型。
在进行故障分析时，工程师需要根据不同类型的故障特征，采取相应的分析方法。
比如对于电气故障，可以通过测量电流、电压等参数来判断故障原因；对于机械故障，可以通过振动分析等手段来确定故障位置。
2. 故障原因分析在进行故障分析时，除了要了解故障类型外，还需要深入分析故障的根本原因。
常见的故障原因包括设备老化、磨损、设计缺陷等。
通过对故障原因的深入分析，可以为后续的设备维护和改进提供重要参考。
3. 实时监测与预警除了传统的故障诊断与分析方法外，现代化的电力设备还可以通过实时监测与预警系统来提前发现潜在的故障隐患。
通过智能化的监控装置和数据分析系统，可以实现对电力设备的全面监测和分析，及时预警，减少故障发生的可能性。
主要电力设备故障图像特征及识别方法研究改
摘要摘要内容伴随着我国电网规模的日益加大,各类变电设备的运作状态是促使其安全高效运行的最为主要的因素之一。
对于各类变电设备的在线状态监测系统的推广越来越发普及。
研究基于图像特征的电力设备自动故障识别具有重要意义。
本文对各类主要电力设备，研究各类变电设备故障识别分类及相应故障的图像特征，以及基于红外与紫外图像特征的故障识别方法。
对于紫外放电成像技术图像的处理与特征提取，本文从紫外成像技术的基本原理出发，在讲解紫外放电图片特性的基础上，对紫外放电图像使用灰度化预处理，以及应用中值滤波等方法对图像进行降噪。
并通过canny算子边缘检测计算紫外光斑面积判断是否发生放电故障。
针对红外故障图像，本文在红外成像原理的基础上，对红外图像进行超像素分割及HSV空间颜色提取，对应用卷积神经网络对红外故障图像故障区域检测进行理论上的研究。
关键词：红外成像紫外成像图像处理ABSTRACTWith the increasing scale of China's power grid, the operation of various types of substation equipment is one of the most important factors to promote the safe and efficient operation. The popularization of the on-line condition monitoring system for all kinds of transformer equipment is becoming more and more popular. Research on image feature based automatic fault recognition of power equipment is of great significance.In this paper, various types of main power equipment, the study of various types of substation equipment fault identification and classification of image features, as well as infrared and ultraviolet image features based on fault identification method. For ultraviolet discharge imaging technique to image processing and feature extraction, this paper from the basic principle of UV imaging technology of on the explanation of the ultraviolet discharge picture characteristics based and discharge on the UV image using grayscale preprocessing and application of median filtering method of image in noise reduction. And through the Canny operator edge detection to determine whether the area of the UV spot to determine whether the discharge fault. Aiming at thefault infrared image, this paper on the basis of the principle of infrared imaging, the infrared image were super pixel segmentation and HSV color space extraction, the convolutional neural network is applied to fault section detection of infrared fault image of theoretical research.KEY WORDS:目录第一章1.1课题背景伴随着我国国民经济水平的前进与发展,全国各地对电力的需求不断增长,推动我国电网规模不断加大、同时向超高压、大容量和智能化的路线前进。
电力系统中的故障识别与处理技术研究
电力系统中的故障识别与处理技术研究电力系统是现代社会不可或缺的基础设施之一，其作用是将电能从发电站输送到用户手中，为人们的日常生活和各种工业、商业活动提供必要的电力供应。
然而，电力系统的运行不止有优点，也存在一些安全隐患，如电力故障，这些故障对电力系统的正常运行造成了极大的影响。
为了保障电力系统的安全可靠运行，电力系统中的故障识别与处理技术成为了研究的重点之一。
一、电力系统中常见的故障形式电力系统中的故障是指由于人为或自然原因，导致电力系统中某个部分或者整个系统不能正常运行的状态。
电力系统中常见的故障形式包括电流过载、短路、接地故障、电压Drift和频率扰动等。
其中，电流过载指的是额定电流被超载。
短路是电路中线路之间或线路与地之间的绝缘失效产生的结果。
接地故障是指发生漏电流现象，被接地的电流量大于故障电流的状态。
电压Drift是指电压的变化程度，如电压波动、电压降等。
频率扰动是指电力系统运行中频率不稳定，波动幅度大的情况。
以上种类的故障造成的危害程度不同，因此需要对不同种类故障进行隔离和处理。
二、电力系统中的故障识别技术电力系统中的故障识别技术主要是指利用设备和方法对电力系统运行中的故障进行诊断。
传统的方法是通过人工巡检，发现故障后进行维修。
但随着科技的发展，自动化诊断系统开始出现。
1.传感器技术传感器技术是实现电力系统故障识别的关键技术之一。
传感器可以实时获取电压、电流、频率、温度、湿度等电力系统运行参数信息。
通过对传感器测得的数据进行分析，可以快速准确地诊断故障点。
2.数据分析技术数据分析技术是指利用数学、模型、算法等方法对传感器采集到的数据进行处理和分析，用于制定针对性的故障诊断和处理策略。
常见的数据分析方法包括统计模型、神经网络、遗传算法等。
3.内置式故障诊断技术内置式故障诊断技术是指将电力系统故障识别模块集成到电力设备中，实现全时自动故障诊断。
内置式故障诊断技术具有快速、准确、稳定、可靠等特点，适用于较为复杂的电力系统。
基于图像分析的电力设备故障检测技术研究
基于图像分析的电力设备故障检测技术研究冯俊【摘要】电力设备过热故障可以通过采集的红外图像进行识别。
因此，提出基于红外热图像分析的电力设备热故障检测技术，该技术下的电力设备热故障检测系统由图像采集模块和红外图像检测模块构成。
通过红外图像配准方法，确保电力设备红外图像的采集位置同原始位置一致，提高总体热故障检测的精度。
依照数据库中已经完成设置的电力设备图像特征点位置，采集完成红外图像配准区域的温度信息。
凭借温度信息相互对比获取的结果，实现电力设备热故障检测，并且发出警报。
给出了拉普拉斯锐化算法的关键代码，以实现对电力设备红外图像的锐化处理，提高图像清晰度。
实验结果说明，所提出的技术在检测电力设备热故障过程中，具有较高的检测精度和鲁棒性。
%The overheat fault of power equipments can be recognized by the acquired infrared image. Therefore,the over⁃heat fault detection technology based on the infrared thermal image analysis is proposed for the power equipments,by which the heat fault detection system of the power equipments is constituted of image acquisition module and infrared image detection module. The infrared image registration method can ensure the acquisition position of power equipment infrared image in accordance with original position,and improve the accuracy of the overall heat fault detection. According to the location of image feature points of the power equipment set in database,the temperature information in the infrared image registration area is collected. In combi⁃nation with the results coming from the comparison among temperature information,the overheat fault detectionof power equip⁃ments is achieved,and the alarm is raised. The key code of Laplace sharpening algorithm is provided to realize the sharpening processing of power equipment infrared image,and improve the image resolution. The experimental results indicate that the pro⁃posed technology has high detection accuracy and robustness in the process of detecting the overheat fault of power equipments.【期刊名称】《现代电子技术》【年(卷),期】2015(000)024【总页数】5页(P7-11)【关键词】红外图像;电力设备;热故障;拉普拉斯锐化算法【作者】冯俊【作者单位】国网重庆市电力公司长寿供电分公司，重庆 401220【正文语种】中文【中图分类】TN911.73-34;TP301随着经济的快速发展，电力系统规模不断扩大，人们对电力系统的依赖性和安全性要求逐渐增强。
基于图像识别技术的电力设备故障诊断研究
基于图像识别技术的电力设备故障诊断研究电力系统是现代社会不可或缺的基础设施，而电力设备是电力系统的重要组成部分，它的安全性和可靠性对于电力系统的运行和供电质量有着至关重要的影响。
然而，在电力设备的长期运行过程中，由于人为操作不当、设备老化等原因，难免会发生故障。
这时，及时进行故障诊断，对于维护电力系统的稳定运行和保障供电质量具有重要意义。
而基于图像识别技术的电力设备故障诊断，已经成为了一个研究的热点。
一、基于图像识别技术的故障诊断优势在传统的电力设备故障诊断方法中，一般采用人工判断和仪器检测相结合的方式。
然而，在面对大规模的设备故障和复杂的故障模式时，这种方法往往存在着一定的局限性。
与传统方法不同的是，基于图像识别技术的故障诊断方法在实际应用中有着明显的优势。
1. 提高诊断的准确性和精度基于图像识别技术的故障诊断方法可以快速准确地识别出电力设备中存在的缺陷、故障等问题，能够更加精准地定位和判断故障点，从而可以更快速地进行设备维修和保护，避免了反复检测以及误判等问题。
2. 增加诊断的效率和速度基于图像识别技术的故障诊断方法可以快速处理大量的图像和数据，可以快速地进行分析和判断，提高了工作效率和速度。
在大型电力系统中，无需对每一个设备进行详细的观察和检测，而是可以通过图像识别技术快速地找出存在的问题，并加以解决。
3. 简化操作流程和降低人工成本基于图像识别技术的故障诊断方法无需对每一个设备进行详细的记录和排查，可以通过图像识别技术快速地找出存在的问题。
这样可以简化操作流程，减少人工的参与，有效降低了人工成本和维护成本。
二、基于图像识别技术的故障诊断方法分类有许多基于图像识别技术的故障诊断方法已经被开发出来，它们多种多样，下面就几种典型的方法进行介绍。
1. DWT 和 SVM 组合算法Wavelet 变换是 DWT 的缩写，它是一种多尺度信号处理技术。
在 DWT 和SVM 组合算法中，首先进行 Wavelet 变换处理，将电力设备图像转换为压缩后的低维数据，然后用这些数据来训练 SVM 算法，识别出故障类型，从而完成基于图像识别技术的故障诊断。
基于像处理的电力设备故障模式识别与处理
基于像处理的电力设备故障模式识别与处理近年来，在电力系统中，电力设备的故障模式识别与处理一直是一个关注的焦点。
通过使用像处理技术，可以有效地对电力设备的故障模式进行分析和识别，并及时采取适当的处理措施，以避免电力系统的故障扩大化。
本文将重点介绍基于像处理的电力设备故障模式识别与处理的方法和应用。
一、像处理在电力设备故障模式识别中的应用在电力设备故障模式识别中，像处理技术可以通过分析电力设备的故障图像，提取出关键的特征信息，进而对故障模式进行识别。
具体的应用包括以下几个方面：1. 特征提取：通过使用像处理技术，可以对电力设备的故障图像进行滤波、增强和降噪等预处理操作，提取出图像中的有用信息。
例如，可以使用边缘检测算法来提取电力设备故障图像中的边缘特征，从而帮助进行故障模式的区分和识别。
2. 特征选择：在进行故障模式识别时，需要选择出能够最好地反映故障特征的特征参数。
像处理技术可以通过对图像进行分析和处理，选择出最具有代表性的特征参数。
例如，可以使用主成分分析法对图像进行降维处理，提取出最具有代表性的主成分特征。
3. 模式识别：通过建立适当的故障模式分类模型，可以对电力设备的故障模式进行自动化识别。
像处理技术可以提供丰富的图像特征，进而帮助构建准确的分类模型。
常用的模式识别方法包括神经网络、支持向量机等。
二、基于像处理的电力设备故障模式识别与处理的算法研究基于像处理的电力设备故障模式识别与处理的算法研究是实现电力设备故障预测和智能化维护的关键。
以下是一些常用的算法方法：1. 高斯滤波算法：通过使用高斯滤波算法对电力设备故障图像进行滤波处理，可以降低图像噪声，提高图像质量。
该算法在故障模式识别中常用于图像预处理环节。
2. 边缘检测算法：通过使用边缘检测算法，可以提取图像中物体的边缘轮廓信息。
常用的边缘检测算法包括Sobel算子、Canny算子等。
在电力设备故障模式识别中，边缘检测算法可以帮助识别出电力设备图像中的故障边缘。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要摘要内容伴随着我国电网规模的日益加大,各类变电设备的运作状态是促使其安全高效运行的最为主要的因素之一。
对于各类变电设备的在线状态监测系统的推广越来越发普及。
研究基于图像特征的电力设备自动故障识别具有重要意义。
本文对各类主要电力设备，研究各类变电设备故障识别分类及相应故障的图像特征，以及基于红外与紫外图像特征的故障识别方法。
对于紫外放电成像技术图像的处理与特征提取，本文从紫外成像技术的基本原理出发，在讲解紫外放电图片特性的基础上，对紫外放电图像使用灰度化预处理，以及应用中值滤波等方法对图像进行降噪。
并通过canny算子边缘检测计算紫外光斑面积判断是否发生放电故障。
针对红外故障图像，本文在红外成像原理的基础上，对红外图像进行超像素分割及HSV空间颜色提取，对应用卷积神经网络对红外故障图像故障区域检测进行理论上的研究。
关键词：红外成像紫外成像图像处理ABSTRACTWith the increasing scale of China's power grid, the operation of various types of substation equipment is one of the most important factors to promote the safe and efficient operation. The popularization of the on-line condition monitoring system for all kinds of transformer equipment is becoming more and more popular. Research on image feature based automatic fault recognition of power equipment is of great significance.In this paper, various types of main power equipment, the study of various types of substation equipment fault identification and classification of image features, as well as infrared and ultraviolet image features based on fault identification method. For ultraviolet discharge imaging technique to image processing and feature extraction, this paper from the basic principle of UV imaging technology of on the explanation of the ultraviolet discharge picture characteristics based and discharge on the UV image using grayscale preprocessing and application of median filtering method of image in noise reduction. And through the Canny operator edge detection to determine whether the area of the UV spot to determine whether the discharge fault. Aiming at thefault infrared image, this paper on the basis of the principle of infrared imaging, the infrared image were super pixel segmentation and HSV color space extraction, the convolutional neural network is applied to fault section detection of infrared fault image of theoretical research.KEY WORDS:目录第一章1.1课题背景伴随着我国国民经济水平的前进与发展,全国各地对电力的需求不断增长,推动我国电网规模不断加大、同时向超高压、大容量和智能化的路线前进。
但也对各类电力设备的安全性及可靠性提出更为克刻的要求。
由于一旦电力设备和部件产生故障或缺陷，极易导致“链式反应”，致使整个电力系统不能正常工作，从而引发重大的经济损失，而存在隐患的设备故障和缺陷还会造成灾难性事故和人员伤亡，更是从源头波及社会方方面面造成恶劣影响。
故障识别与诊断技术给电力单位带来显著的生产利益，其经济意义集中表现在减少维修消耗和避免突发事故这两点上。
而且，研究表明，电气设备故障产生最直接最重要的原因是其绝缘性能发生劣化。
电气设备尤其是高压电气设备长期处于高电压、强场强运行条件下，同时承受户外风雨侵袭，不可避免会使得绝缘性能发生劣化。
伴随时间的日益推移，当劣化产生一定影响时，就会发生电力设备放电这种现象。
若没有及时找到电气设备放电的原因，对故障部件进行维修和更换，放任放电故障发展，结果极有可能导致设备击穿、闪络等现象，致使故障更为严重，波及范围也大大增加。
所以必须对电力设备的前期局部放电展开深入研究，对电力设备的绝缘能力特别是其外绝缘能力进行预先评价，保障电力设备安全高效运转，从而提高整体系统的可靠及稳定性。
每当电力设备放电时，放电部位会放出波长240致80nm的紫外辐射，对此信号进行有效的监测，将大大的有益于早期检测到放电现象。
而且电力设备，凡是其外部发生放电，均可得到其放电紫外图像，这导致紫外放电成像技术在电力设备在线状态监测特别是电力设备外绝缘监测方面的应用领域更加广泛。
1.2国内外研究现状1.2．1红外热像仪成像技术在电力系统的应用对变压器的红外成像在线状态监测系统在电力系统的普遍应用是电力企业对于追求信息化的必经之路，它不但可以代替人为测温，更是达到实时在线监测变压器的发热情况，避免和降低故障发生，保障了变压器的可靠运行，确保了电力系统的稳定供电。
电力设备的发热引发的故障是导致大面积停电等事故灾难的最为重要的诱导因素，一直以来怎样实时可靠的在线监测电力设备都是电力行业一个极具意义的问题。
变压器作为变电系统中最核心的电力设备，是整个变电环节运行的中心所在，其可靠性关乎整个变电网络。
在变压器的工作过程中，无论是负荷过大，还是油位出现了异常，其温度都会发生变化，若不及时发现将会引发变压器设备损坏等事故，直接威胁到供电安全。
公司对运行中的变压器的温度监测一直予以高度重视，对变压器的红外测温也有明确规定。
但是，随着电网发展和社会科技进步，变电系统的自动化、信息化要求不断严格，变电站大致上完成了无人值班或少人值守的阶段，现在基本通过红外测温仪对变电设备的检测都是通过人为测量的方法，这些都不能达到运转和监控自动化的目标。
从上世纪六十年代国外采用红外测温技术，七十年代起将红外成像仪安装于车辆或是直升机上对变电设备及高压输电系统产生的故障与缺陷做定期检测,伴随红外线探测设备,特别是红外线热成像设备的日益进步逐渐发展为专业的红外成像检测技术,而且更是编写出与之配套的技术标规和红外诊断故障判定标准,目前更是在全球各个发达国家当中普及,并得到了极佳的经济效果。
我国探寻发展对于电力设备应用红外测温技术起于20世纪七十年代初,应用国内开发的红外测温设备检测高压输电线路接头温度的试验研究工作,开创了我国红外技术的应用。
[1]从八十年代中期开始,随着性能优良可靠的红外诊断仪器的发展及主管部门的重视,通过一些电力科研单位的大量室内模拟试验和现场试验,取得了不少实践经验。
不但在现场试验中检测出了大量的缺陷与问题,通过立即的修理,避免了部分严重的灾难性的事故的出现,受到了极佳的反响,更是从中积攒了大量实践知识,慢慢完善了故障的评判准则。
1.2.2紫外成像技术在电力系统中的应用[2]早在1984年，前苏联西伯利亚电力科学研究院就将紫外成像技术运用于电力系统设备监测中，开发了紫外电子光学探伤仪，并用该探伤仪实现了电气设备外绝缘的监测。
然而，该设备难以避免日光对紫外图像的影响，因此只能夜间监测，且受天气因素影响较大。
为了实现采用紫外成像法对放电设备的实时监测，上世纪90年代，西方少数国家开始研制日盲型紫外成像仪，所谓日盲型紫外成像仪，就是紫外监测的结果不受日光的影响，即紫外成像是不吸收太阳光中紫外谱段。
至此，电力系统开始普遍采用日盲型紫外成像仪实现电气设备放电图像的实时监测。
现在电力行业中主要普及的是红外热成像检测技术，然而应用紫外成像技术在放电监测方面还在刚刚发展的阶段。
通过低通滤波手段对紫外成像图像处理降低紫外线放电图像中各类噪声；通过中值滤波理论，对紫外成像图像增强信噪比。
对于紫外放电光斑提取问题：通过改进的candy算法对紫外放电图像实施边缘提取,从而有效获得故障区域的放电光斑。
采用形态学分析理论，对放电光斑进行了自适应提取，同时该方法也能有效抑制噪声对紫外放电光斑提取的影响.第二章电力设备红外线故障图像2.1红外成像法检测原理红外辐射测温仪红外线辐射测温仪也叫红外测温仪，是一种对物体放射的红外线的温度检测仪器，它只能检测对象表面上某点四周确定面积的平均温度。
在不追求精准测量对象表面二维温度分布时，与别的设备相比较，具有简化结构、价格便宜、操作便携等优点。
[3]红外测温仪的基本原理是以被测目标的红外辐射能量与温度成一定函数关系而制成的仪器。
其工作时，被测目标的红外辐射能量经仪器透镜会聚，并通过红外滤光片进入探测器，探测器将辐射能转换为电能的信号，经放大器放大、电子电路处理，最终由显示器显示出被测物体的表面温度。
图2-2所示的是一个装有有目视对准系统的红外测温仪，通过45°的分光镜，可见光反射到分划板上，其刻有一圆环，圆环的面积应与光阑孔面积相同，分划板后安装有一组目视透镜，以使人确认测量对象的准确情况以及目标是否填充满小环。
[1]红外测温仪的基本结构必须包括光学系统、红外探测器、电信号放大及处理系统、结果显示系统和其它附属部分(包括目标瞄准器、供电电源与整体机械结构)等几个主要功能部分。
根据测温要求可分为单波段中低温测温仪(8-12μm)、高温测温仪(2-2.5μm)和高温比色测温仪。