熱能是電氣設備中提高運行可靠性的重要因素。電流流經電阻組件并產生熱量，隨著時間的流逝，由于各種原因（例如連接松動、腐蝕和絕緣子破裂等），電氣元件的狀況會惡化。元件一旦惡化，其電阻會增加，導致產生更多的熱量。熱能增加會導致電氣設備故障，極有可能引起火災。

圖為紅外熱像下的斷路器上有過熱區域R

通過紅外熱像儀可在負載條件下檢查電氣設備，根據缺陷的嚴重程度對其進行識別和分類。因為紅外熱像儀技術是一種將不可見熱量轉換為可視圖像的技術，該可視圖像顯示了物體表面的熱像圖。熱像圖中物體表面的顏色隨表面溫度而變化，使用紅外熱像儀來捕獲熱像圖并測量物體表面的溫度。數年來，由于紅外熱像儀檢查的無創性，安全性和相對較低的成本，它已成為預防和預測維護各種材料表面缺陷的重要工具。

圖為紅外熱像下的斷路器上有過熱區域Y

電氣設備的維護成本在降低電力系統的總運行成本中起著重要的作用。由于缺少有關設備的維護計劃和維護種類的信息，可能會增加維護成本。通常，定期監視電氣系統的運行性能，這可在早期預防故障和延長設備壽命方面發揮重要作用。紅外熱像儀儀用于監視設備的性能，從而提供有關設備運行狀態的完整信息，進一步提高產量，減少或消除不必要的維修，防止最終故障并降低設備的維護成本。

圖為紅外熱像下的斷路器上R和Y區域均過熱

本研究將紅外熱像儀技術作為預測性維護程序的應用，以識別電氣設備中是否存在熱缺陷。該技術使用人工神經網絡（ANN），統計功能和判別分析分類器將熱點的熱狀態表征為“缺陷”和“無缺陷”類別，提出了一種利用紅外熱像儀技術檢測電氣設備隱形熱缺陷的智能預測診斷系統。從樣本圖像中計算出總共15個特征，包括一階和二階統計特征以及相互特征（即熱特征和參考特征之間的數值差異）。使用判別分析特征選擇方法，選擇了10個最佳特征作為神經網絡的輸入。將神經網絡的性能與判別分析分類器進行了比較。比較結果表明，判別分析分類器以82.40％的準確率產生了更好的性能。這將對快速可靠的檢查起到重要作用，以防止潛在的設備故障。

參考資料：

A.S. Nazmul Huda and Soib Taib. Application of infrared thermography for predictive/preventive maintenance of thermal defect in electrical equipment. Applied Thermal Engineering. 61:220-227, 2013.