低值瓷绝缘子红外检测温差阈值研究

依据目前的带电设备红外诊断技术应用导则,正温升1 K是低值瓷绝缘子的判别条件。但根据实际运行情况,该温差阈值较大,易造成红外检测漏检率偏高,为此,对某省电科院瓷绝缘子红外检测数据进行归纳梳理与统计分析。首先对低值温差样本进行分布函数拟合,再利用对数似然值、KS准则及赤池信息准则(AIC)对模型进行拟合优度检验,继而提出了一种基于逆高斯分布的低值绝缘子温差数学模型,并利用极大似然估计法求出模型参数,最终得到了红外检测低值瓷绝缘子的精确温差阈值模型。研究表明,逆高斯分布能够很好地拟合低值温差数据,由此得出的温差阈值模型能够提高低值瓷绝缘子红外检测准确度,可以为低值瓷绝缘子检测温差阈值的合理优化设定提供重要参考依据。

在役瓷绝缘子串温度梯度分布相关性分析

在绝缘子现场红外检测中,零值绝缘子铁帽温差往往达不到相关标准所规定的阈值,易造成漏判。为进一步提高瓷绝缘子红外测零技术的准确率,提出一种结合铁帽温差阈值法和温度梯度相关系数法的双判据零值检测方法,并开展变电站内盘形悬式绝缘子红外检测对照试验。试验结果表明:在适宜的检测环境条件下,当铁帽温差阈值法检测结果出现模糊度时,通过研究温度梯度分布相关系数分散特性,可以进一步确认零值是否发生,减少零值漏检概率;在不适宜的检测环境条件下,温差阈值法检测结果的模糊度增加,温度梯度相关系数分散性增大,正常绝缘子串和含零值绝缘子串温度梯度相关系数区分度也随之下降。

基于深度学习的悬式瓷绝缘子红外图像识别方法

通过提取单帧红外图像中盘形悬式瓷绝缘子串铁帽和盘面温度信息,以相对温差作为判据来诊断其劣化状态,是实现绝缘子串状态在线自动监测的有效方法。为准确提取温度信息,提出一种结合绝缘子图像特征与深度学习的算法,针对红外图像中瓷绝缘子串的铁帽和盘面区域进行精确的自动识别。该算法以大量绝缘子不同部件图像作为样本数据集,经过自构建的卷积神经网络训练形成3个分类器;然后利用分类器在校正后的绝缘子串区域图像中进行识别;最后在原红外图像中用不同颜色进行标识。结果表明该算法对不同电压等级、不同伞裙形态的绝缘子串铁帽与盘面区域均能取得优异的识别结果。

基于改进多尺度形态学梯度的绝缘子边缘检测算法研究

为提高红外图像分割后的绝缘子串边缘的完整性、清晰性和准确性,文章提出了一种基于改进多尺度形态学梯度的边缘检测算法。应用改进算法与多种常用算法对绝缘子串进行边缘检测,比较取得的结果的峰值信噪比、交并比和假阳性率,可以确定基于改进多尺度形态学梯度的算法效果最优,可以用于绝缘子串图像分割。将此方法用于110 kV和220 kV电压等级的绝缘子红外图像,通过大量实际样本训练证明,改进的算法能够完整、清晰、准确地分割绝缘子串区域,并具有良好的抑制噪声能力。

基于随机森林的电力巡检机器人功率预测型能量管理策略研究

为提高电力巡检机器人的性能,改善其能量利用率,文章提出了基于随机森林的电力巡检机器人功率预测型能量管理策略。该策略能实时分析电力巡检机器人驱动系统的工作状态,连续预测机器人的负载需求,实现对驱动系统控制参数的在线整定,提高驱动系统的输出功率与所需负载功率的匹配度。利用电力巡检机器人仿真模型进行验证,能够预测负载功率,实现合理的负载功率匹配,提高系统的能量利用率,从而提高电力巡检机器人的稳定性和经济性。

边缘检测在盘形悬式瓷绝缘子串红外图像上的应用

针对盘形悬式瓷绝缘子串红外图像边缘缺失导致铁帽和伞盘误分割的问题,提出一种基于边缘检测的绝缘子串图像分割方法。首先对红外图像进行灰度化、中值滤波和去噪等图像预处理,然后通过比较多种边缘检测算法,采用PSNR方法确定了多尺度形态学梯度算法是对绝缘子串边缘提取中准确性和完整性最高的方法。接着对二值化后的图像确定最大连通区域,对其进行边缘分割得到绝缘子串区域。最后结合边缘检测确定面积阈值,采取区域提取方法对其进行铁帽和伞盘区域分割,得到铁帽和伞盘区域。通过大量样本训练,正确率达到90%以上,在实际应用中取得十分良好的效果,对提高绝缘子红外智能检测准确率有重要指导意义。

基于时间序列模型的劣化绝缘子红外热像检测方法

在使用传统红外热像法对绝缘子进行检测时,绝缘子的劣化特征并不稳定,容易导致漏检、误检。针对这个问题,本文提出了时间序列模型与红外热像处理技术相结合的劣化绝缘子识别方法。本方法使用中值滤波与线性平滑滤波优化图像质量;采用OTSU分割法结合钢帽、盘面的形态差异将绝缘子钢帽部分进行提取,实现绝缘子钢帽温度的自动提取;考虑到绝缘子温升受到多因素影响,采用ARIMA时间序列模型对绝缘子串温度时间序列进行拟合,对其温升变化进行预测,从预测结果中找到劣化特征明显的温度曲线进行判别;试验结果表明,ARIMA模型对绝缘子温升的时间序列有较好的拟合效果,所提出的劣化检测方法对特征不稳定的劣化绝缘子有好的检测效果。