可见光图像颜色特征与支持向量机相结合的绝缘子污秽状态识别方法

绝缘子污闪事故严重威胁着电力系统的安全运行,高压绝缘子污秽等级的准确识别是防污闪的重要研究内容。笔者提出了一种基于绝缘子可见光图像颜色特征和支持向量机技术,通过建立污秽等级与可见光图像颜色特征值的映射关系,实现绝缘子污秽状态识别的方法。以深圳供电局多个变电站不同污秽度红色陶瓷绝缘子数据为基础,采用改进种子区域生长法分割得到绝缘子盘面区域,提取RGB和HSV颜色空间36种特征,依据Fisher判据,筛选得到能表征绝缘子盘面污秽程度的S均值和S中值;设计支持向量机多值分类器,进行污秽等级划分。实验结果表明,该方法的绝缘子污秽等级准确率达96.67%,实现污秽状态的准确监测,为绝缘子污秽等级识别提供新思路。     

绝缘子污秽等级红外热像检测的视角影响分析

为了提高绝缘子污秽等级红外热像检测的准确性,提出利用绝缘子红外热像污秽等级分类特征的对比分析确定最佳成像角度的方法。该法采用直方图均衡化增强原始红外热像对比度,人工截取绝缘子盘面图像区域;基于盘面图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像;应用统计理论从绝缘子盘面图像提取最高温度、最低温度、平均温度、温度分布方差等10个红外热像污秽等级分类特征;运用Fisher准则对特征进行对比分析。瓷绝缘子人工污秽试验红外图像分析结果表明:成像角度变化显著的改变所得绝缘子表面热场;下盘面特征比上盘面特征有更好的分类性能。推荐绝缘子污秽等级红外成像检测应以下盘面为准。     

利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级

提出一种利用污秽绝缘子红外图像特征和径向基概率神经网络(RBPNN)来检测不同湿度条件下自然污秽绝缘子污秽等级的新方法。采用修正后的阿尔法滤波器和基于波谷的图像分割方法对绝缘子红外图像进行预处理。提取了不同湿度条件下的图像背景(周围环境)的平均温度、绝缘子盘面区域的最高温度、绝缘子盘面区域的平均温度、绝缘子盘面温度分布的方差值作为反映污秽等级的4个特征量。通过RBPNN建立了湿度及污秽特征与污秽等级之间的映射关系,并利用训练好的RBPNN识别绝缘子污秽等级;另外提出一种梯度算法与随机性方法相结合的算法来确定RBPNN的隐中心、宽度控制参数及权值矩阵。实验结果证明该方法能有效识别不同湿度条件下绝缘子的污秽等级。     

利用径向温度分布特征检测绝缘子污秽等级

为了实现绝缘子污秽状况的红外热像在线测量,提出一种基于径向温度分布特征的绝缘子污秽等级检测新方法.人工截取绝缘子图像区域,采用复小波广义交叉确认GCV阈值去噪方法抑制白噪声干扰,通过直方图包络线提取阈值分割图像,利用二值图像水平扫描采样绝缘子盘面边缘点,应用最小二乘拟合盘面边缘椭圆方程,获得椭圆内长轴以上图像区域,并提取径向温度分布特征表征绝缘子污秽程度,采用最近邻湿度条件下的最小距离分类器评定待检测绝缘子的污秽等级.试验结果验证了该方法的可行性和有效性.     

基于方差分析的绝缘子红外热像特征选择方法

利用红外成像技术检测绝缘子污秽等级的关键在于获取分类性能优异的红外热像特征,文章提出了基于方差分析的红外热像特征选择方法。利用直方图均衡化增强原始热像图对比度,人工截取绝缘子盘面图像区域;通过平滑后的图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像和背景图像,提取2者的最高温度、最低温度、平均温度、温度分布方差以及盘面相对于背景的最大温升和平均温升共10个红外热像特征;应用单因素方差分析甄别特征优劣,实现特征选择。瓷绝缘子人工污秽试验结果表明：文中提出的红外热像特征选择方法和图像分割算法简单有效。     

基于红外成像技术的零值绝缘子检测

提出使用绝缘子红外图像和支持向量机相结合的方法对不同污秽程度、空气湿度和空气温度下的零值绝缘子进行自动检测。首先对现场得到的绝缘子串红外图像进行预处理操作。在对绝缘子串红外图像进行预处理后,利用二维Otsu算法对红外图像进行分割,得到标记了绝缘子串的二值图像。利用边缘检测算法提取出绝缘子串的边缘图像。采用最小二乘法对绝缘子盘面边缘图像进行拟合,得到盘面椭圆方程,利用椭圆方程提取出单个绝缘子盘面。对单个绝缘子盘面进行温度特征提取,利用三因素方差分析方法对特征参数进行显著性检验,挑选受绝缘子污秽程度、环境湿度和环境温度影响较小的参数作为特征参数。选取径向基核函数作为支持向量机的核函数,利用Lib VSM工具中基于交叉验证的网格搜索的参数选择方法和训练集数据进行实验确定核函数参数γ和错误代价C。最后,使用测试数据对整个识别模型进行测试,识别率较高,满足预设要求。     

应用绝缘子红外热像处理的现场污秽等级检测方法

针对绝缘子表面热场分布与湿污条件的紧密联系,提出一种基于绝缘子红外热像处理的现场污秽等级检测新方法。污秽检测的基本过程为:对红外图像进行平稳小波域局部自适应去噪抑制成像过程中的白噪声干扰;在对数变换的基础上利用最大类间方差法进行图像分割;利用以二值图像重心坐标为起点的不同角度散射直线来采样绝缘子盘面边缘点;应用最小二乘拟合盘面边缘椭圆方程;提取椭圆内长轴以上图像区域;规格化,统计灰度直方图。按上述过程建立不同湿度条件下各污秽等级绝缘子热像灰度直方图特征库,采用与最近邻湿度样本的灰色综合关联度最大相似准则评定现场污秽等级。实验结果表明了该方法用于绝缘子现场污秽等级检测的可行性和有效性。     

基于彩色可见光图像的绝缘子污秽等级判别

提出一种新的基于彩色可见光图像的高压绝缘子污秽等级判别方法。对深圳变电局所属多个变电站进行现场拍摄获取污秽绝缘子可见光图像,并实验获取其对应等值附盐密度,经图像灰度化、图像增强、滤波后,用两次最大类间方差法进行分割,得到盘面积污区域。提取积污区域的RGB、HSV空间共36个特征分量,并运用Fisher判别法进行特征量筛选。用筛选的特征量训练BP神经网络,建立可见光图像污秽等级判别网络。试验结果表明可见光污秽等级判别法具有较高准确率,是一种检验高压绝缘子污秽等级的可行方法。     

基于红外与可见光图像信息融合的绝缘子污秽等级识别

绝缘子污秽等级的准确识别是污闪防治的有效途径。红外和可见光图像分别表征了污秽绝缘子的表面温度和色彩分布,可从不同角度反映绝缘子的污秽状态,该文提出了基于红外和可见光图像信息融合的绝缘子污秽等级识别方法。建立并求解了湿污绝缘子发热数学模型,得到了绝缘子表面温度分布;通过实验获取绝缘子红外及可见光图像,经图像分割后,提取了绝缘子盘面红外与可见光特征并用Fisher判别法进行选择;将选出的特征与环境湿度、照度组合成为特征向量,并使用贝叶斯决策理论对其进行特征级信息融合,识别绝缘子污秽等级;最后对现场样本进行了识别。实验结果显示,图像信息融合提高了绝缘子污秽等级识别准确率,现场测试结果准确,为准确识别现场绝缘子污秽等级提供了新方法。     

绝缘子污秽等级的高光谱特征优化识别技术研究

为解决传统污秽检测方法对输电线路绝缘子污闪防治的局限性,采用非接触式、高分辨率的高光谱成像技术对污秽在线检测技术进行研究。为有效提取反应污秽度的光谱特征并削弱冗余与干扰信息的影响,提出一种小波包能量谱特征优化的绝缘子污秽等级识别技术。首先,对不同污秽度的绝缘子样品的光谱图像进行背景分割,提取均匀覆污区像素点光谱均值曲线;其次,对不同图像的光强均匀度差异、环境噪声进行预处理,并通过导数变换提升不同污秽等级间的可区分性。再次,对预处理后的谱线进行小波能量谱特征提取。最后,基于所提特征建立基于支持向量机(support vector machines, SVM)的污秽等级识别模型。实验结果表明,相比于采用全波段数据或PCA特征数据作为输入,基于小波能量谱特征建立的支持向量机(SVM)污秽等级识别模型对样品识别准确率达到99.8%。#$NL关键词：关高光谱成像;绝缘子污秽等级;小波包能量谱;支持向量机#$NL中图分类号：TM933     

基于高光谱技术的陶瓷绝缘子污秽等级检测

陶瓷绝缘子污秽等级检测主要采用等值盐密法、表面污层电导法、泄漏电流法等传统方法,检测过程耗时长、效率低。高光谱技术能够非接触地获取目标图谱信息且信息量丰富,在绝缘子污秽检测方面有较大应用潜力。由于陶瓷绝缘子材质原因,采集高光谱图像时存在反光现象。因此,本文提出基于高光谱技术的陶瓷绝缘子污秽等级检测方法。首先,本文采用直方图均衡化对高光谱图像进行处理,去除反光干扰,然后,对高光谱图像进行预处理,去除噪声干扰。再采用连续投影特征提取算法对样品谱线进行特征提取,去除冗余信息。最后,根据特征谱线建立支持向量机分类模型,实现了陶瓷样品污秽等级划分,其准确率为95%。关键词：陶瓷绝缘子;高光谱技术;直方图均衡化;连续投影算法;污秽等级检测;支持向量机 中图分类号：TM855     

基于PSO-SVM的高压绝缘子污秽等级评定

污秽等级评定是绝缘子泄漏电流在线监测系统的重要内容,评定的难点在于泄漏电流的各种电气特征量、环境因素与绝缘子表面污秽状况之间存在着复杂的非线性关系。笔者在实验室模拟试验和现场实测数据基础上,采用粒子群算法优化支持向量机的参数,建立了污秽等级评定的支持向量机模型。该方法利用支持向量机结构风险最小化原则和粒子群快速全局优化特点,通过对样本数据的学习,可以快速建立泄漏电流有效值、泄漏电流峰值、泄漏电流脉冲频度、环境湿度、温度与污秽等级之间的映射关系。实验结果表明,该方法是有效的。     

基于深度学习的红外图像中劣化绝缘子片的分割方法

红外成像作技术为绝缘子在线检测的重要手段已日趋成熟,而当前对于电气设备红外图像的分析仍依靠大多依赖人工经验,缺乏智能化。传统的红外图像中劣化绝缘子的分割方法需要复杂的图像预处理和人工提取目标特征,因而存在着泛化能力差、复杂背景下识别精度低等缺陷。基于以上问题,文中提出一种基于深度学习的红外图像中劣化绝缘子的分割方法。首先搭建实验平台,获得绝缘子串在复杂背景(有其他设备和发热源干扰)下的红外图像。为了保证红外图像的多样性,拍摄在多种污秽等级下进行,选取了多种阻值的劣化绝缘子片放置在了多种位置,并不断改变了拍摄的角度。然后构建多尺度的方法实现全卷积神经网络(FCN)的3种子模型架构：FCN-32s、FCN-16s和FCN-8s,使用随机梯度下降的训练方法对模型进行端到端的训练,最终实现了红外图像中的劣化绝缘子片的自主分割提取。通过对三种子模型训练测试对比后,得出以下结果：FCN-8s模型为劣化绝缘子片分割提取最佳模型,对于验证测试数据集像素分类准确率为89.23%。结果表明文中所描述的智能化红外劣化绝缘子片分割方法,为绝缘子和其他高压电气设备的红外在线监测诊断打下了坚实基础。     

一种新型绝缘子带电检测方法—紫外成像法

用泄漏电流法来检测绝缘子的运行状态是目前常用的检测方法,但有工作量大、数据不能做到综合的分析不足之处。因此提出一种新的检测方法—紫外成像法,即通过用紫外成像仪观察线路绝缘子的紫外成像特点来分析其沿面放电特点,从而判断绝缘子的运行状态。试验证明,绝缘子盐密越大,紫外光子越多;由弱电过程中紫外光子数量可以已能污秽绝缘子的弱电阶段。     

基于BOA-SVM的劣化绝缘子红外图谱诊断方法

线路绝缘子是电力系统运行中的重要设备之一,准确判断绝缘子是否有缺陷问题,关系到整个电网的运行安全,为了提高故障诊断的准确率,本文提出了一种二进制支持向量机(SVM)分类器和贝叶斯优化(BOA)相结合的线路绝缘子故障诊断方法,用于绝缘子闪络过程中红外图谱的分类识别,通过提取绝缘子红外图谱中的方向梯度直方图特征,利用贝叶斯优化算法获得诊断模型的最优超参数来提高分类算法的准确率,并采用主成分分析法对提取特征进行降维来提高分类算法的效率。结果表明,采用贝叶斯优化支持向量机可以准确、有效地对绝缘子进行故障诊断,得到的分类模型比常用的网格搜索算法(GS)、随机搜索算法(RS)等算法准确率更高。     

±500 kV兴安直流线路复合绝缘子积污特性

受静电吸尘效应等影响,直流输电线路绝缘子积污相比交流输电线路的绝缘子较严重,污闪风险较大。测量、研究实际运行的直流线路绝缘子积污特性,有利于电力系统开展外绝缘配置、污闪防治工作,保障系统安全稳定运行。通过人工上塔擦拭的方法,采集±500 kV兴安直流线路实际运行的复合绝缘子表面污秽,测量其等值盐密,研究线路绝缘子积污特性。研究结果表明：±500 kV兴安直流线路复合绝缘子表面积污较轻,等值盐密都在0.025 mg/cm2以下,表面积污受污染源影响,2个直流极积污情况基本一致。复合绝缘子污秽沿串呈现两端大中间小的U形曲线分布,63%的取样样品上表面积污重于下表面,不同插花型式中小伞裙积污最严重。直流线路复合绝缘子积污特性与交流线路存在明显差异。     

Optimization of support insulators used in HV systems using support vector machine

In this paper support vector machine (SVM) has been used for optimization of electric field along the support insulators used in high voltage (HV) systems. To illustrate the effectiveness of SVM in optimizing electric field problems, two axi-symmetric cases have been considered one having an insulator with a contour that is quarter ellipse and the second one having a porcelain core solid insulator. The training and the test data for the SVM have been prepared by electrostatic field computation using indirect boundary element method (BEM). It is observed that once the SVM is trained it is able to give results with mean absolute error of less than 1.5% when compared with the analytically obtained results. The SVM designed for insulator contour optimization is first trained with the results obtained from electric field computation for some predetermined contours of the arrangements under consideration. Then the trained SVM is used to produce an optimized insulator contour in such a way that the desired stress distribution can be obtained on the insulator surface. The results obtained from the present study show that the trained SVM is adequately efficient to optimize insulator contours in order to have the desired stress distribution along the insulator surface     

自适应分级多分类支持向量机在变压器故障诊断中的应用

以变压器油中溶解气体和变压器故障之间的关系为基础,提出了一种自适应分级多分类支持向量机变压器故障诊断方法。此方法基于模式识别特征提取的思想,采用不同的输入向量,对变压器有无故障和故障类型判别时,采取分级决策结构。采用自适应优化算法对多分类支持向量机进行优化,通过诊断效果和不同类型故障识别率的比较,得出变压器油中溶解气体的组分含量比值更能反映变压器故障类型,最终测试效果比较和支持向量机参数分析,可以看出该方法具有较高的准确率和良好的泛化能力。