基于PCM和纹理特征的铁路绝缘子污秽程度异常检测

为了有效的检测接触网中污秽程度较高的绝缘子,提出一种基于纹理特征和可能性均值聚类的异常检测方法,为绝缘子清洗工作的开展,提供必要的参考和前提。首先利用最大类间方差法对图像进行分割得到绝缘子的盘面区域,然后使用灰度共生矩阵计算出纹理空间的特征向量,进而使用主成分分析算法对特征向量进行融合与降维,最后通过可能性均值聚类算法实现接触网绝缘子污秽程度的异常检测。实验表明,该方法能有效的检测出污秽程度异常的接触网绝缘子。     

基于PCA-kmeans和图谱特征的绝缘子表面污秽程度评估方法

绝缘子污秽闪络是威胁输电线路外绝缘防护的主要故障，为了寻求一种可靠的非接触式绝缘子污秽状态在线检测方法，本研究以高光谱成像技术为基础，通过人工污秽试验制备了5个污秽等级下不同类型的污秽绝缘子样品，随后通过高光谱成像平台分别获取了不同污秽状态下绝缘子样品的图谱特征并进行了分析，在此基础上结合主成分分析法和k-means空间聚类实现了绝缘子表面污秽等级的评估，并结合主成分计算结果和伪彩处理可以实现绝缘子表面污秽分布的可视化。结果表明该方法可以准确地实现污秽状态的分类和识别，识别准确度均在93%以上，其中复合绝缘子的污秽等级识别率最高到达了96.5%。本研究为绝缘子污秽状态的可视化在线监测提供了一种新的技术手段，同时为后续高光谱成像技术的现场污秽检测应用提供了研究基础。     

基于Canny边缘特征点的接触网绝缘子识别方法

针对使用机器视觉技术对接触网绝缘子状态检测时的绝缘子识别问题,提出一种结合Canny边缘特征和SURF点特征的绝缘子识别算法。该算法首先提取图像边缘特征,然后使用SURF算法在边缘图像上提取特征点,并利用Haar小波对特征点进行描述;对检测出的特征点使用欧氏距离比值法进行初匹配;最后用RANSAC算法消除由噪声等干扰产生的错误匹配,从而实现接触网绝缘子智能识别。实验结果表明,该算法能在有背景干扰、小幅度旋转的目标图像中准确识别出绝缘子,为电气化铁路接触网绝缘子智能清洗的视觉识别定位问题提供了可行参考。     

基于可见光图像的铁路接触网绝缘子污秽状况检测

为实现高速铁路接触网绝缘子污秽状况的在线检测,通过分析积污成分与污秽物分布情况,排除可见光图像中干扰因素的同时提取多个特征量描述绝缘子的污秽状况。通过实验样本测试验证该方法的判别精度,准确率可达到0. 908,该方法能够有效监测铁路接触网绝缘子的污秽状况。     

污秽分布对陶瓷XP-70与玻璃LXP-70绝缘子放电影响的实验研究

基于绝缘子污秽分布的非连续特征,开展了非连续污秽分布对陶瓷XP-70与玻璃LXP-70绝缘子交/直流放电影响的实验研究。首先,基于紫外脉冲原理搭建了污秽绝缘子放电紫外脉冲检测系统。在此基础上,研究了非连续污秽分布对绝缘子交/直流放电紫外脉冲与泄漏电流的影响特性。试验结果表明:非连续污秽分布下陶瓷绝缘子交流放电紫外脉冲数高于全污秽绝缘子放电紫外脉冲数。全污秽陶瓷绝缘子直流放电紫外脉冲数明显高于其它污秽分布下绝缘子放电紫外脉冲数。玻璃绝缘子不同污秽分布下交/直流放电紫外脉冲数在不同电压等级下表现出较大差异。一般情况下,全污秽绝缘子泄漏电流高于非连续污秽分布绝缘子泄漏电流,洁净绝缘子泄漏电流小于污秽绝缘子泄漏电流,不同干带污秽绝缘子泄漏电流表现出差异化。绝缘子污秽非连续分布对泄漏电流表征污秽程度产生偏差,在实际中,可结合绝缘子放电紫外脉冲与泄漏电流检测综合评估绝缘子污秽程度。     

基于随机森林模型的瓷绝缘子污秽等级判定研究

瓷绝缘子经常面临因表面污秽沉积而引起的闪络问题,给电力系统的安全稳定运行造成了严重的影响。表面泄漏电流法是对瓷绝缘子进行在线监测及污秽等级判定的重要方法,而判定的难点在于泄漏电流的环境因素、电气特征与表面污秽程度存在着非常复杂的非线性关系。在实验室模拟试验信号和现场运行实测信号的基础上,通过时域法和离散小波时频法分析获得了与绝缘子污秽度相关的重要电气特征量,建立了基于随机森林算法的瓷绝缘子污秽等级判定模型,验证实验结果表明该模型能有效识别绝缘子的污秽等级,且性能稳定可靠,可为瓷绝缘子的污秽监测及污闪的预防提供有效借鉴和参考。     

融合核主成分与随机森林的瓷绝缘子污秽等级诊断方法研究

由瓷绝缘子表面污秽引起的闪络放电严重影响了电力系统的安全稳定运行,针对传统分析方法无法对瓷绝缘子污秽程度特征量的不明显和非线性属性进行准确反映,且瓷绝缘子污秽等级诊断准确率低的现状,提出了一种融合核主成分与随机森林的瓷绝缘子污秽等级诊断新方法。在实验室模拟信号和现场实测信号的基础上,通过该诊断新方法与其它传统方法诊断结果的对比分析,结果表明该方法具有更高的准确率和更好的噪声容忍度,能够有效地对瓷绝缘子的污秽等级进行诊断,可为瓷绝缘子的污秽监测及污闪的预防提供有效借鉴和参考。     

基于红外图像特征与BP神经网络的绝缘子串低零值故障和污秽故障识别方法

提出一种基于红外图像温度分布特征和BP神经网络(BPNN,back-propagation neural networks)的绝缘子串低零值故障和污秽故障识别方法。首先利用图像处理技术分割提取绝缘子串红外图像中钢帽和盘面目标区域,得到对应温度数据;之后引入K-means聚类算法剔除分割目标区域中背景像素温度数据的干扰,并计算每个分割区域温度平均值,形成反映绝缘子运行状态的钢帽和盘面温度特征向量;在此基础上,建立以温度特征向量为输入的BPNN模型,实现绝缘子串低零值故障和污秽故障的识别及故障定位。最后通过将模型应用于某500 k V变电站绝缘子串故障诊断,验证所提出方法的准确性。     

基于紫外图像相对光斑面积的绝缘子表面放电量化评估方法研究

绝缘子在运行过程中会由于表面污秽、凝露等发生表面放电,紫外成像技术作为一种绝缘子表面放电非接触式检测方法,可对绝缘子表面放电进行有效检测。常用的紫外成像光子数、光斑面积等参数会随着检测距离的变化而变化,无法实现不同检测距离时对绝缘子表面放电紫外检测的统一量化描述。基于紫外图像处理算法,研究了紫外图像相对光斑面积的计算方法,通过不同检测距离下复合绝缘子和玻璃绝缘子的紫外成像检测,验证了相对光斑面积这一参数基本不随检测距离的变化而变化,可有效实现绝缘子表面放电的量化评估。     

基于紫外图像相对光斑面积的绝缘子表面放电量化评估方法研究

绝缘子在运行过程中会由于表面污秽、凝露等发生表面放电,紫外成像技术作为一种绝缘子表面放电非接触式检测方法,可对绝缘子表面放电进行有效检测。常用的紫外成像光子数、光斑面积等参数会随着检测距离的变化而变化,无法实现不同检测距离时对绝缘子表面放电紫外检测的统一量化描述。本文基于紫外图像处理算法,研究了紫外图像相对光斑面积的计算方法,通过不同检测距离下复合绝缘子和玻璃绝缘子的紫外成像检测,验证了相对光斑面积这一参数基本不随检测距离的变化而变化,可有效实现绝缘子表面放电的量化评估。