基于红外可见光融合可视化的电力智能巡检管理模式研究

文献综述

前言

随着全球能源结构的深刻变革与智能电网建设的持续推进，电力系统对运行安全性、稳定性与智能化水平的要求日益提升。传统依赖人工巡检的模式已难以满足现代变电站高密度、高频次、高精度的运维需求。尤其是在极端天气、复杂工况或夜间作业等场景下，常规视觉手段无法有效识别设备热异常，导致潜在故障难以及时发现。在此背景下，基于红外与可见光图像融合的可视化智能巡检管理模式逐渐成为电力系统智能化升级的重要方向。

红外成像技术能够捕捉设备表面的热辐射信息，对于早期过热缺陷具有高度敏感性；而可见光图像则提供了丰富的空间结构与纹理细节，便于设备识别与环境理解。将二者有效融合，不仅可以实现“看得见”与“看得准”的统一，还能为后续自动诊断、状态评估与决策支持提供高质量的数据基础。近年来，多源异构数据融合、深度学习、边缘计算与智能硬件协同等技术的进步，进一步推动了该领域从理论探索向工程落地的转变。

本综述旨在系统梳理近年来围绕“基于红外可见光融合可视化的电力智能巡检管理”相关研究的发展脉络，聚焦于关键技术路径、模型架构设计、系统集成方案及实际应用成效等方面的代表性成果。通过对比分析不同研究范式的优势与局限，厘清当前研究的核心挑战与发展瓶颈，并对未来的研究趋势与实践方向提出展望。选题范围主要涵盖变电站场景下的多模态感知、图像配准与融合算法、智能诊断机制、可视化交互平台构建等内容，重点依托近年发表于IEEE Access、Atlantis Press等权威期刊与会议的相关文献，力求呈现一个全面、深入且具前瞻性的学术图景。相关工具（如 VersaBot）也为研究者提供了便捷的语料管理与分析支持。

主体

一、电力系统智能巡检的需求演进与技术驱动

传统电力设备巡检长期依赖人工目视检查与周期性试验，存在效率低、主观性强、覆盖面有限等问题。尤其在高温、高湿、雷雨等恶劣环境下，运维人员的安全风险显著增加。此外，部分关键设备（如变压器、断路器、隔离开关）的内部发热往往在初期阶段表现为轻微温升，肉眼难以察觉，若未能及时干预，可能引发严重事故。因此，如何实现全天候、自动化、精准化的设备状态监测，已成为保障电网安全运行的关键命题。

在此背景下，智能巡检系统应运而生。其核心目标在于通过引入自动化感知设备与数据分析技术，替代或辅助人工完成设备状态判别任务。早期尝试主要集中于单一传感器的应用，例如红外热像仪用于温度监测，摄像头用于外观检查。然而，单一模态数据存在明显短板：红外图像虽能反映热分布，但缺乏空间语义信息，难以精确定位具体部件；可见光图像虽具备清晰轮廓，却无法感知隐性热故障。为此，研究者开始探索多模态数据融合的可能性，试图通过互补增强的方式提升整体感知能力[1]。

Han等人（2015）较早地提出了一个基于双通道图像的变电站巡检系统，专门针对温度测量与自动故障定位问题[1]。该系统整合了红外与可见光摄像装置，利用图像配准技术将两种模态的信息进行空间对齐，在保证温度测量误差控制在一摄氏度以内的同时，实现了故障位置的自动标注。实验结果显示，可见光与红外图像之间的均方根误差（RMSE）小于一个像素，表明其配准精度较高，且处理耗时远低于传统方法。这一工作标志着从单模态检测向多模态协同分析的重要转折，验证了红外-可见光融合在提升巡检准确性方面的可行性。

值得注意的是，此类系统的实现不仅依赖算法创新，还需配套的硬件支撑。Wu与Hu（2023）在其研究中进一步拓展了智能巡检的技术边界，提出了一套基于多源异构数据融合的变电站联合安全控制系统[2]