基于自监督学习的输电线路螺栓螺母异常检测技术

针对输电线路螺栓螺母异常检测问题,对无标签螺栓数据训练深度学习预训练模型进行了研究,首次采用了自监督学习的方法,使用大量无标签数据集进行学习,首先,使用少量带标签的螺栓目标检测数据集训练目标检测模型,推理获取大量的单图无标签螺栓数据集,然后,采用自监督学习方法通过单图无标签螺栓数据集训练螺栓预训练大模型并获取可视化的螺栓注意力图,最后通过实验对比螺栓预训练大模型在螺栓分类和检索任务中与非预训练模型的效果,实验结果表明无标签数据得到的预训练大模型可以注意到螺杆、螺母、连接件的位置,进一步表明螺栓预训练大模型在分类任务中准确率提升了2%到7%,在螺栓检索任务中平均精度提升了8%。     

介损因数对高压互感器的电压依赖性研究

在ANSI/IEEE标准中,规定在额定频率和10kV有效电压的标准下测试充油高压互感器介损因素。而最近各种高压测试设备制造商推出了工作电压为2.5kV的新型便携式介损因数测试仪,这些机组大多采用电池供电,非常适合用于现场调试测试工作。本文通过在10kV和2.5kV的工作电压下测试了来自不同制造商的各种高压互感器的介损因素,来全面了解在不同电压等级下高压互感器的介损因数差异性。     

基于改进Miner累积损伤理论的输电线路疲劳损伤评估方法

输电线路振动会导致线路的疲劳损伤,从而影响到该输电线路的使用寿命。本文在线性累积损伤理论定量估算输电线路疲劳损伤的基础上,提出了修正S-N曲线的改进损伤估算方法,其主要步骤包括：选定需要评估的输电线路、然后结合该线路改进后的疲劳性能S-N曲线以及OPGW振动事件数据反馈,采用Miner累积损伤理论来评估输电线路疲劳损伤与风险。最后将计算结果与运行数据进行对比,从而科学的评估输电线路的使用寿命,为运维人员提供决策依据。计算结果表明,使用该方法对线路疲劳损伤进行评估,结果更贴近真实情况。