作为输配电网中的重要节点,电力设备一旦发生故障将直接造成电力系统的灾难性毁坏,甚至会造成潜在的生命威胁。因此,为了保证电力设备运行状态的安全性与稳定性,需要对其进行定期检测与维护。凭借无创性、安全性和成本相对较低的优势,红外热成像检测技术逐渐成为一种检查电力设备运行状态的有效方法。目前使用红外热图像来评估电力设备运行状态的工作只能依靠经验丰富的技术人员来完成,导致整个红外热图像的分析过程费时、费力、成本高。为了克服这些限制,本研究以电力设备红外热图像为对象,提出了一种非监督的电力设备热故障诊断方法。作为热故障诊断的最重要环节,本研究对电力设备红外热图像处理过程中的各种算法分别展开了研究。由于图像采集和形成过程中产生的噪声会大大降低数字图像的可读性,本研究首先在改进了传统小波阈值函数不足的基础上,结合双边滤波器来去除电力设备红外图像中的混合噪声,实验表明提出算法能够达到更高的去噪水平。其次,针对传统FCM算法效率低、缺少空间结构信息的不足,提出了一种基于集群中心初始化和加权隶属度函数的FCM算法,结果表明改进后的算法在分割任务中表现更好。再次,针对电力设备红外热图像的有效性容易受到拍摄角度、距离等因素影响的问题,提出了一种统一Harris角点特征和Hu不变矩的算法,将角点特征转化为特征向量。实验结果表明采用Harris角点不变矩进行特征提取具有时间短、稳定度高等优点。然后构建基于支持向量机的模型对电力设备红外热图像进行分析,结果表明该方法的识别精度足够高,在一定程度上能够满足实际需求。最后,根据红外测温技术以及电力设备发生故障的原因和类型,构建了基于相对温差判断法的故障诊断系统,实现了对电力设备红外热图像的判别与热故障的无监督诊断。