机电组件

借助于红外热像仪在实验室对含有模拟缺陷的复合绝缘子和来自现场的含有真实缺陷的复合绝缘子拍摄热像图,并与电场强度分布测量结果及解剖结果进行比较分析,研究了复合绝缘子发热的机理,指出内部局部放电引起发热,渗入缺陷的水分带来的介质损耗引起发热,护套严重老化,绝缘电阻下降引起电阻损耗发热。这三种发热机理是引起复合绝缘子发热的主要原因,输电线路中的复合绝缘子的发热机理以第三种为主,该研究结果将有利于判断复合绝缘子内部的绝缘缺陷长度及严重程度。参13     

光电子技术

0314149合成绝缘子故障的红外热像在线检测[刊]/王祖林//电网技术.—2003,27(2).—17～20(L)文章介绍了用红外热像测温跟踪缺陷合成绝缘子的状况以及对其的电气试验情况,合成绝缘子运行中发热是因为内部界面缺陷局部放电引起的。对运行中同类型的合成绝缘子进行了普查。发现存在过热缺陷的合成绝缘子缺陷率高达20%以上。最后,文章分析     

复合绝缘子内部缺陷超声全聚焦检测仿真及实验研究

针对复合绝缘子高声衰减性导致的内部缺陷超声检测定位定量差的问题,采用全聚焦方法(TTFM)改善检测质量。基于k-Wave工具箱开展复合绝缘子内部缺陷超声全聚焦检测仿真研究,讨论频率、相控阵阵元数、缺陷尺寸等因素对检测结果的影响并开展检测实验。结果表明,采用全聚焦方法检测复合绝缘子内部缺陷的效果良好。频率对检测结果的影响较大,选择较大频率时超声波的穿透力减弱,超声波在复合绝缘子中的衰减系数增加;选择较小频率时探头检测分辨力降低,影响缺陷的定量,所以在检测复合绝缘子时应选用合适的频率,选用的4种不同频率中2.5 MHz频率的成像效果综合最佳。阵元数和缺陷尺寸对检测结果影响较小,在实际检测中应根据实际工程需要选择合适的阵元数。研究结果为超声全聚焦方法检测复合绝缘子内部缺陷提供了理论依据。     

220kV支柱绝缘子断裂原因分析及对策研究

管型母线用瓷支柱绝缘子运行环境恶劣,断裂事故时有发生,及时查清事故原因并提出解决方法,对于保障电网安全可靠稳定运行具有重要的意义。本文结合一起220 kV GW4型隔离开关支柱瓷绝缘子断裂故障,在支柱绝缘子质量、受外力影响以及日常运维等几个方面进行分析总结,并结合实际情况,提出相应的预防和反事故措施。     

基于一维残差网络的复合绝缘子发热缺陷检测

复合绝缘子在不同缺陷类型下表现出不同的发热特征，基于复合绝缘子中心轴温度数据，提出了一种基于一维残差网络的复合绝缘子发热缺陷检测方法。首先，统计分析复合绝缘子不同缺陷类型下的异常温升范围及位置信息，得到各缺陷类型下的复合绝缘子中心轴温度数据样本集；然后，建立一维残差网络模型，在残差块中引入空洞卷积来扩大感受野，并加入有效通道注意力机制模块（efficient channel attention network, ECA＿Net），提升与缺陷类别相关性较高的特征权重；最后，进行了算例验证及模型对比，同时采用t分布随机紧邻嵌入（t-distributed stochastic neighbor embedding,t-SNE）可视化方法，反映模型特征提取的效果。结果表明：该模型能够有效捕捉中心轴线温度数据的空间维度信息，自适应提取类别区分度较大的特征，相较于普通卷积、自编码器（auto encoder, AE）和支持向量机（support vector machine, SVM），其识别准确率得到了提升，具有较好的鲁棒性和泛化能力，实现了端到端的复合绝缘子发热缺陷检测。     

110kV线路绝缘子的使用经验及防污闪对策

110kV线路的分布范围较广,其运行环境较为恶劣。随着社会经济的迅速发展,配电网的容量和电压等级都得到了提高,但环境污染也变得越来越严重,导致110kV线路绝缘子的污闪事故频发。本文在分析了污闪形成机理的基础上,对引起110kV线路绝缘子污闪事故的主要原因进行了分析,并提出相应的防污闪对策,希望能够提高防污闪的效果,保证电力系统运行的安全性与稳定性。     

紫外成像法在线路绝缘子中的应用研究

绝缘子在高压输电领域起着重要作用,长期承受着高电压和高机械负荷,同时受大气环境的影响,这些因素会导致绝缘子的劣化,在一定的条件下会发生局部放电甚至闪络,从而导致大面积停电事故,基于此,文章采用紫外成像法对线路绝缘子进行带电检测,旨在及时发现问题绝缘子,对保证输电线路的安全运行起到了积极作用。     

架空输电线路绝缘子检测机器人的设计与研究

绝缘子在运行过程中长期承受机电负载、冷热变化,会出现绝缘电阻降低、绝缘子开裂等情况;对供电安全带来较大隐患,设计一种绝缘子带电检测机器人成为一种有效的解决方案。机器人可完成在绝缘子串上的前后移动,自动检测绝缘子片的绝缘性能和外观特征,对劣质绝缘子及表面缺陷进行有效判别及预警,提高检修效率,降低输电线路运维成本,提高整个线路绝缘子串的整体管理水平。     

瓷绝缘子电场法检测原理及环境对测试的影响

根据大量实测数据,总结出的绝缘子串在运行情况下的电压分布规律,可以得出结论——电场法可以带电检测瓷绝缘子的内缺陷.理论上,通过电场法可以快速判断出绝缘子内芯棒是否出现缺陷,为输电线路的安全运行提供有力的技术保障;但在测试过程中,由于技术和环境等原因,测得的电场较实际电场会有偏差,本文着重研究测试环境对检测结果的影响.     

基于深度学习的航拍电网绝缘子缺陷检测

电网绝缘检测缺陷的准确检测是电网运行状态有效监测及故障诊断前提,基于无人机航拍电网绝缘子图像,为解决深度学习缺陷检测存在的误检测和局部信息丢失问题,提出基于改进深度学习全卷积网络的缺陷自动检测算法,算法通过改进FCN的VGG结构、扩展滤波器尺寸、取消全连接层Dropout及模型深度,实现FCN模型在绝缘子缺陷检测方面的有效改进,实验结果表示,改进模型在较少运行时间增加基础上,有效提高了对绝缘子缺陷检测的性能和对背影的鲁棒性,取得了比已有算法更有优势的检测结果。     

基于无人机影像的电网绝缘子自爆识别

电网因其在电能传输方面的关键性作用,在我国民生项目建设领域一直扮演着至关重要的角色。电网杆塔上的绝缘子一旦发生自爆(也称“缺陷”),绝缘子会自动剥落,输电线路就会产生安全隐患,严重时会降低输电线路的运行寿命,甚至会引发供电中断,发生大范围的停电事故,造成巨大的财产损失。目前,主流的巡检方法为人工巡检,该方法不仅耗时耗力,而且也存在一定主观出错率,已不适用于目前电路巡检的实际情况。本设计采用YOLO V5网络模型,对无人机航拍影像中绝缘子串及绝缘子自爆进行自动识别。首先通过平移、翻转、裁剪等,对航拍绝缘子影像数据集进行数据增广,并对增广后的数据集在LabelImg中进行标注,然后利用YOLO V5网络模型对绝缘子串及绝缘子自爆进行识别,最后采用PyQt5框架在PyCharm中设计了绝缘子自爆识别的系统界面,对模型进行调用,实现了绝缘子串及绝缘子自爆识别。本设计采用从网络上下载、国家电网提供、数据增广所得到的500张无人机航拍影像作为数据集,对所得数据集进行人工标注,再使用YOLO V5网络模型进行训练和测试,结果表明YOLO V5网络模型对绝缘子串具有较高的识别精度,最高识别精度为90.2%,对绝缘子自爆的最高检测精度为80.8%。这说明了YOLO V5网络模型在绝缘子串识别方面有较好的表现,但是由于训练集中绝缘子自爆的样本影像数量有限,所以该网络模型对绝缘子的自爆识别存在一定局限性,本实验能够部分代替人力实现电网绝缘子智能巡检,提高了检测效率。     

航拍图像中玻璃绝缘子自爆缺陷的检测及定位

在分析输电线路无人机巡检系统航拍图像中绝缘子及其自爆缺陷特征的基础上,提出一种玻璃绝缘子自爆缺陷的检测及定位方法。该方法首先在色调、色饱和度、亮度(HSI)颜色空间分别对 H(Hue)和 S(Saturation)分量运用最大类间方差法(OTSU)分割图像,获取绝缘子前景连通域;之后,运用直方图方法对检测到的前景轮廓的倾角和面积分布进行统计,准确识别绝缘子轮廓;最后,设计了一种特征检测算法,检测并标记自爆绝缘子位置。实验证明该方法能从自然背景中准确检测并定位绝缘子自爆缺陷,具有较好的工程应用价值。     

人工智能在航检视频缺陷检测分析系统的应用研究

针对航检视频中绝缘子、销钉部件缺陷的问题,采用人工智能检测识别技术,将OCR识别技术、图像显著性特征提取、知识图谱构建、超分辨技术处理以及部件缺陷的深度训练学习与检测等多种技术相融合。通过对图像中杆塔关键部位图像进行检测,构建杆塔关键部件缺陷特征数据库及样本库,实现对杆塔图像中关键部件缺陷的快速、精准识别。经过实践测试,航检图像中绝缘子和销钉缺失缺陷检测平均识别率大于90%,检测速度较人工检测速度提高70%,对输电线路的安全运行有着一定的应用价值,同时为电业局航检视频分析创造经济价值。     

面向图像的绝缘子自爆缺陷检测算法综述

绝缘子自爆缺陷检测对于保障输电线路的安全具有十分重要的作用,准确快速检测算法能够帮助运维人员快速定位自爆缺陷绝缘子的位置,并及时更换.传统的人工检测方法已无法满足检测的要求,面向图像的绝缘子自爆缺陷检测算法在其检测的准确性和快速性上仍面临着极大挑战,必须进一步对算法进行改进.本文首先介绍了绝缘子自爆缺陷图像的预处理过程...     

基于深度卷积网络的高铁接触网绝缘子缺陷智能识别方法

文章提出一种基于深度学习技术的高铁接触网绝缘子缺陷智能识别方法.首先利用EfficientNet-B3网络对绝缘子状态进行初步判别,再使用YOLO-V5模型实现绝缘子缺陷信息精确检测.同时,构建了正常、缺损、闪络3种状态,共计3000张图像的绝缘子样本集.实验表明,文章方法对绝缘子状态初步识别的准确率为93.1％,召回...     

基于Matlab GUI的绝缘子缺陷检测系统

绝缘子在输电线路的电能输送任务中承担着重要作用,而依靠传统巡检的绝缘子检测方式存在主观性强、人工成本高等劣势。针对上述问题,基于Matlab GUI设计了一种对无人机采集绝缘子图像进行自动缺陷检测的系统。通过对图像进行边缘模糊、灰度化、全局腐蚀、形态学闭运算等处理,在初始图像中识别并定位绝缘子缺陷部分。实验结果表明,该系统对空间位置处于水平、垂直及倾斜的缺陷绝缘子识别准确率分别为80.0%、86.7%、86.7%,对实际运用具有一定价值。     

基于深度卷积神经网络的输电线路可见光图像目标检测

为了检测输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子,本文采用了一种基于深度卷积神经网络的技术。通过有人直升机搭载高清相机拍摄19条不同的输电线路近600张图片,对图片中的背景、塔材、玻璃绝缘子和复合绝缘子目标进行人工标注及分块,采用数据扩展生成包含15万个样本的输电线路图像库。构造5层深度卷积神经网络,首先用Cifar-100数据集对网络进行预训练,然后用输电线路图像库进行网络调优。本文方法在检测真阳率为90%时,假阳率低于10%,明显优于传统方法,可用于输电线路可见光图像中的塔材、玻璃绝缘子和复合绝缘子检测,检测结果可用于诊断参考或进一步的目标状态分析。可对输电线路可见光图像中的塔材和绝缘子目标进行检测,并可扩展到其它类型目标的检测。     

基于图像识别的无人机输电线路绝缘子故障检测方法研究

针对绝缘子的自爆缺陷故障,基于图像识别技术,设计并实现了一套无人机输电线路绝缘子故障检测方法。该方法依次进行图像色彩转换、图像载入和预处理、OTSU或最大熵值分割法分割以及绝缘子轮廓检测工作,实现了对绝缘子间无明显重叠和有明显重叠图像的前景提取与识别功能;采用基于空间序列关系建立的特征检测算法,实现对图像中部无明显重叠绝缘子的自爆缺陷故障检测和定位工作。经测试,自爆缺陷故障检测和定位准确率较高,速度较快,具有一定的应用价值,并能为类似绝缘子故障的检测研究提供参考。     

瓷质绝缘子激光清洗温度场研究

绝缘子积污会影响其电气绝缘性能,严重时会发生污闪事故,严重威胁电网的安全稳定运行.基于Nd:YAG 1064 nm脉冲激光清洗绝缘子污秽的方法,通过建立激光清洗绝缘子污秽的有限元仿真模型并开展计算,讨论了激光清洗绝缘子污秽过程中温度场的分布特性.污秽层表面激光光斑中心点温度最高,激光平均功率密度为200 W/cm2时,...     

深圳地铁2号线刚性悬挂绝缘子故障分析及改进措施

本文简单介绍了一起刚性悬挂接触网绝缘子故障案例,通过对故障绝缘子安装环境、故障现场情况对故障原因进行分析探讨,并通过结构、材质等角度探讨绝缘子的改进方法以适应现场工况的运行需求。