热能是电气设备中提高运行可靠性的重要因素。电流流经电阻组件并产生热量，随着时间的流逝，由于各种原因（例如连接松动、腐蚀和绝缘子破裂等），电气元件的状况会恶化。元件一旦恶化，其电阻会增加，导致产生更多的热量。热能增加会导致电气设备故障，极有可能引起火灾。
图为红外热像下的断路器上有过热区域R
通过红外热像仪可在负载条件下检查电气设备，根据缺陷的严重程度对其进行识别和分类。因为红外热像仪技术是一种将不可见热量转换为可视图像的技术，该可视图像显示了物体表面的热像图。热像图中物体表面的颜色随表面温度而变化，使用红外热像仪来捕获热像图并测量物体表面的温度。数年来，由于红外热像仪检查的无创性，安全性和相对较低的成本，它已成为预防和预测维护各种材料表面缺陷的重要工具。
图为红外热像下的断路器上有过热区域Y
电气设备的维护成本在降低电力系统的总运行成本中起着重要的作用。由于缺少有关设备的维护计划和维护种类的信息，可能会增加维护成本。通常，定期监视电气系统的运行性能，这可在早期预防故障和延长设备寿命方面发挥重要作用。红外热像仪仪用于监视设备的性能，从而提供有关设备运行状态的完整信息，进一步提高产量，减少或消除不必要的维修，防止最终故障并降低设备的维护成本。
图为红外热像下的断路器上R和Y区域均过热
本研究将红外热像仪技术作为预测性维护程序的应用，以识别电气设备中是否存在热缺陷。该技术使用人工神经网络（ANN），统计功能和判别分析分类器将热点的热状态表征为“缺陷”和“无缺陷”类别，提出了一种利用红外热像仪技术检测电气设备隐形热缺陷的智能预测诊断系统。从样本图像中计算出总共15个特征，包括一阶和二阶统计特征以及相互特征（即热特征和参考特征之间的数值差异）。使用判别分析特征选择方法，选择了10个最佳特征作为神经网络的输入。将神经网络的性能与判别分析分类器进行了比较。比较结果表明，判别分析分类器以82.40％的准确率产生了更好的性能。这将对快速可靠的检查起到重要作用，以防止潜在的设备故障。
参考资料：
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.