发电机断路器绝缘子用高性能环氧树脂材料国产化研究

为了探讨以国产环氧树脂代替进口环氧树脂生产发电机断路器绝缘子的可行性,对比研究了国产环氧树脂及进口环氧树脂浇注材料的力学性能、电气性能、玻璃化转变温度(T_g),测试国产环氧树脂浇注绝缘子的电气性能、热性能、耐水压性能。结果表明:国产环氧树脂浇注材料的拉伸强度为80.15 MPa,弯曲强度为124.41 MPa,冲击强度为16.79 kJ/m~2,可替代进口高性能环氧树脂。     

基于Rogowski线圈原理的变电站绝缘子闪络快速监测方法

分析了绝缘子闪络故障对电力系统暂态稳定和事故处理速度造成的不利影响,阐述了实现绝缘子闪络快速监测的必要性,根据R0gowski线圈原理和电子技术理论设计了一种变电站绝缘子闪络快速监测系统.通过分析可知当本系统与二次系统配合使用时,可以在闪络故障瞬间作用于跳闸,避免由微机保护采样数据窗带来的10～20 ms延时,同时,还可以向运行人员告警故障位置,方便故障点查找.最后给出了绝缘子发生闪络故障时监测系统相关电气量波形图.     

杠杆法带电更换直路双联单线夹悬垂绝缘子串

针对500 kV交、直流输电线路,特别是大荷载直流输电线路直路双联单线夹悬垂绝缘子串的带电更换时,双提线工艺工具沉重,操作劳动强度极大的问题,提出利用杠杆原理研制组合杠杆叉钩卡代替双提线传统工艺,采用单绝缘吊杆挂接组合杠杆叉钩卡组成提线系统,卸去任意一串绝缘子的张力后,另一串绝缘子和提线系统共用承担导线荷载。杠杆法工具轻便,操作省力,安全性高,推广价值高。     

一起分闸过程中的操动瓷绝缘子断裂分析

介绍了一起某500 kV变电站剪刀式隔离开关操动瓷绝缘子断裂案例,通过宏观检查、尺寸测量、孔隙性试验等技术手段,发现断裂瓷绝缘子孔隙性试验不合格,且作为分、合闸动作时旋转法兰盘下方起牵引作用连杆拐臂呈高低状分布。针对该问题,分析了瓷绝缘子制造缺陷和法兰盘倾斜对断裂故障的促进作用。结果表明：拉拔力和扭力作用于瓷绝缘子最薄弱位置,加之含有制造缺陷,最终导致断裂故障的发生。     

基于改进YOLOv7的输电线路绝缘子设备及其缺陷检测算法

针对输电线路无人机巡检中绝缘子设备及缺陷图像检测过程中存在的绝缘子目标尺寸变化大、缺陷目标尺寸小、背景复杂干扰多和难易样本不平衡等问题,提出一种基于改进YOLOv7的绝缘子设备及缺陷检测算法：1）针对绝缘子缺陷目标尺寸小问题,在YOLOv7特征提取网络浅层引入卷积注意力机制,聚焦缺陷;2）针对绝缘子目标尺度变化大问题,在YOLOv7特征提取网络底部引入感受野增强模块,提取不同尺度目标特征;3）针对背景干扰问题,改进YOLOv7特征融合网络,在顶部引入显示视觉中心模块,同时关注全局信息与局部信息;4）针对难易样本不平衡问题,使用Focal-EIoU损失替换YOLOv7坐标回归损失。在合并的绝缘子及其缺陷无人机图像公开数据集上,该算法的多类目标检测精度均值达到了97.36%。     

便携式合成绝缘子出导线工具的研制与应用

高压输电线路停电检修经常需要出导线进行作业,然而近年来线路上大量采用的硅橡胶合成绝缘子,其伞裙较为脆弱,禁止攀爬踩踏,致使检修时人员无法直接沿绝缘子串进出导线。目前一般采用软梯、竹梯或铝合金梯子出线,十分不便,且使用非绝缘工具还有受线路感应电伤害的危险。随着双     

基于深度学习和灰度纹理特征的铁路接触网绝缘子状态检测

铁路接触网绝缘子状态检测对铁路行车安全有着 重大的意义,为解决目前人工对绝缘 子图像检测结果的不确定性,提出一种深度学习结合灰度纹理特征的检测方法。首先使用 Faster R-CNN (faster region-based convolutional neural network)目标检测算法对图像中绝缘子精确识别,再通过灰度共生矩阵对绝缘子纹理 特征进行分析提取,之后结合支持向量机将绝缘子分为正常绝缘子和异常绝缘子,实验数 据结果证明使用能量、熵、相关度3种纹理特征进行绝缘子状态分类时对实验数据中的正 常状态绝缘子的分类精度可达100%,异常状态绝缘子的分类精度达97.5%,最后依据绝缘 子图像灰度分布的周期性特点,利用灰度积分投影将异常绝缘子分为破损绝缘子和夹杂异 物绝缘子。实验结果表明所提方法可以有效对绝缘子状态进行检测分类。     

基于光刻法的复合织构硅橡胶表面的抗冰性能

制备超疏水表面是一种新型的抗冰方法。为提高硅橡胶复合绝缘子表面的抗冰性能,采用D80M多功能激光雕刻机进行加工,得到不同类型、不同尺寸参数的复合织构绝缘子伞裙表面。通过测试不同织构表面绝缘子的接触角,得到疏水性能最佳的表面织构类型及尺寸参数。同时,以延缓水滴在试样表面发生结冰的时间为评价标准,利用可程式恒温恒湿试验机设定环境温度为-10℃,测试水滴在不同织构化试样表面的凝结时间。结果表明：表面织构化明显提升了复合绝缘子伞裙表面的疏水性,使其达到超疏水性;尺寸和间距均为350μm的正方形+圆形织构的疏水性和抗覆冰性能最优,且抗冰耐久性良好。     

基于多尺度特征编码和双重注意力融合的绝缘子缺陷检测

针对输电线路绝缘子缺陷检测准确率低和检测速度慢的问题,提出了一种基于多尺度特征编码和双重注意力融合的输电线路绝缘子缺陷检测方法。首先,为了使检测模型适应缺陷绝缘子特征尺度的多样性,编码网络采用Res2Net50提取更细粒度的特征,并在之后嵌入空洞空间金字塔池化模块实现多个尺度捕捉绝缘子及其缺陷的特征;其次,为了减少解码网络中特征信息的缺失,将主干网络的不同层特征与efficient channel attention注意力模块串联,并分别与经过squeeze and excitation注意力模块的各反卷积特征相加形成双重注意力融合。实验结果表明,所提方法的均值平均精度值约为95.35%,每秒传输帧数约为65.95,与其他方法相比,该方法对无人机绝缘子缺陷的准确检测具有一定的参考价值。     

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。