2019年懸式瓷絕緣子紅外檢測技術研究及應用.pptx

《2019年懸式瓷絕緣子紅外檢測技術研究及應用.pptx》由會員分享，可在線閱讀，更多相關《2019年懸式瓷絕緣子紅外檢測技術研究及應用.pptx（37頁珍藏版）》請在三個皮匠報告上搜索。

1、懸式瓷絕緣子紅外檢測技術研究及應用,國網江西省電力有限公司電力科學研究院,目錄,1,一、技術背景,無法適應電網安全生產和規?？焖僭鲩L的要求！,3,一、技術背景,三大難題,理論不完善,特征不明顯,準確率低,絕緣子的發熱模型建立不完全，沒有能夠反映絕緣子盤面發熱的數學模型。,發熱量小，熱像特征不明顯，肉眼難以識別，人工檢測困難。,4,一、技術背景,主要內容1：絕緣子發熱模型及規律,鋼帽和盤面的發熱可以間接反映絕緣子的劣化及污穢狀況，但已有絕緣子發熱模型不能反應盤面發熱狀況。,引入絕緣子污穢層表面電阻率、濕潤程度、電弧模型等復雜可變因素，建立絕緣子的三種運行狀態，即整體濕污均勻、濕污+干燥帶和濕污+

2、干燥帶電弧的數學模型。,濕度對積污絕緣子串電壓分布的影響,濕污絕緣子三種運行狀態,5,二、主要研究內容,二、主要研究內容,6,電壓,溫升,主要內容2：劣化絕緣子紅外檢測方法,傳統絕緣子紅外檢測方法判據單一，適用性不強,開展絕緣子溫升規律仿真及試驗研究，挖掘盤面及鋼帽溫升特征與劣化絕緣子的關系，建立大樣本絕緣子紅外熱像圖譜庫。,絕緣子紅外熱像圖,絕緣電阻與鋼帽發熱的關系,溫度曲線,7,二、主要研究內容,8,二、主要研究內容,組織供電公司采集不同阻值劣化絕緣子，在江西電科院污穢試驗室開展大量的模擬試驗，得出劣化絕緣子在不同阻值、位置，以及不同溫度、濕度條件下的絕緣子串溫升特征。,9,二、主要研究內

3、容,1、劣化絕緣子串（含零值0.08M）電壓及溫度曲線特征,1號位,2號位,13號位,7號位,10,二、主要研究內容,2、劣化絕緣子串（含低值58.8M）電壓及溫度曲線特征,1號位,2號位,13號位,7號位,11,二、主要研究內容,1號位絕緣子絕緣阻值與溫升關系曲線,3、不同位置劣化絕緣子絕緣電阻阻值與溫升關系特征,12,二、主要研究內容,4、環境溫度對絕緣子發熱成像影響試驗,同串絕緣子在不同環境溫度下鋼帽溫升曲線,13,二、主要研究內容,濕度為70%,濕度為86%,濕度為94%凝露,濕度為80%,5、環境濕度對絕緣子發熱成像影響試驗（含零值）,14,二、主要研究內容,濕度為70%,濕度為86

4、%,濕度為94%,濕度為80%,6、環境濕度對絕緣子發熱成像影響試驗（含低值）,15,二、主要研究內容,7、風速對絕緣子發熱成像影響試驗,主要內容3：絕緣子紅外檢測裝備開發,傳統檢測手段效率低且無法及時、準確地掌握絕緣子狀態信息；絕緣子紅外熱像特征不明顯，肉眼難以識別。,研究基于深度學習算法的絕緣子紅外圖像處理算法，開發絕緣子檢測裝備，提高檢測的效率和準確率。,原圖,二值化,提取絕緣子串,原圖,二、主要研究內容,提出了基于邊緣提取與深度學習融合的絕緣子特征區域提取方法，研制了適用于現場絕緣子紅外檢測的裝備，解決了現行絕緣子檢測方法存在工作強度大、安全風險高和準確率低的問題。,部分系統界面,便攜

5、式檢測裝備,二、主要研究內容,圖像處理流程圖,二、主要研究內容,基于邊緣提取與深度學習融合的絕緣子特征區域提取方法,基于邊緣提取與深度學習融合的絕緣子特征區域提取方法,算法基本流程：1.圖像預處理 2.利用邊緣檢測算法確定圖像中的絕緣子輪廓區域 3.利用Hough變換進行絕緣子串角度矯正 4.通過絕緣子串區域構造數據集 5.卷積神經網絡（CNN）訓練 6.滑動窗口+鋼帽、盤面識別 7.鋼帽、盤面精確區域提?。∣tsu閾值二值化、形態學分水嶺算法分割）,二、主要研究內容,，,灰度化、去噪、二值分割,圖像處理算法演示,紅外圖像預處理,二、主要研究內容,步驟一：預處理后圖片,步驟二：利用多尺度形態學

6、梯度算法定位絕緣子串邊緣,步驟三：提取絕緣子串,步驟四：還原定位到原紅外圖像，確定絕緣子區域，保證絕緣子串邊緣不被過濾,基于多尺度形態學梯度邊緣檢測算法對絕緣子輪廓定位,二、主要研究內容,Hough變化,形態學處理,形態學處理及Hough變換,二、主要研究內容,通過提取的絕緣子區域創造訓練集圖片構造了如下圖所示的78000張絕緣子鋼帽盤面背景等數據集,訓練過程,通過卷積、池化操作提取圖像高階、低階特征,由于訓練集有超過75000張圖片，一次性完成訓練處理需要很長的時間，為了提高處理速度，我們采用Mini-Batch 梯度下降法，其算法思想如下：,Mini-Batch 梯度下降法,總訓練集分割為

7、小的子訓練集，設每個子集只有1000個訓練數據，那么先取前1000個開始訓練。訓練方法采用梯度下降法，再取接下來的1000個繼續訓練，依次類推，直到訓練完所有的訓練數據。這樣做的好處是可以通過逐步訓練，觀察過程，且防止因數據過大導致一次無法處理產生報錯。以子訓練集中樣本個數為64個為例：,盤面訓練樣本,鐵帽訓練樣本,其它訓練樣本,絕緣子串的訓練樣本,訓練集與測試集,滑動窗口,RGB三通道,卷積層,全連接層,盤面,其它,鐵帽,第二步：前向傳播,第三步：圖像識別,第一步：框取圖片,各個電壓等級紅外圖像的鋼帽、盤面區域都能提取出來，但是效果有所不同。其中110kV盤面、鋼帽提取區域最完整，有效提高了

8、盤面，鋼帽溫度提取的準確性，使其溫度分布、溫度曲線更準確，劣化檢出率更高。,各個電壓等級區域盤面鐵帽提取結果,鋼帽,盤面,標記顏色,三、應用情況,29,變電站應用 2015年至今，已在160余座110-500kV變電站應用，測試絕緣子90余萬片，檢出劣化絕緣子750余片。經過多次實測驗證，準確率高于85%。,三、應用情況,30,輸電線路應用 2017年開始，結合無人機技術開展輸電線路絕緣子檢測，已在30余條110-500kV輸電線路上應用，測試絕緣子8萬余片，檢出劣化絕緣子130片,三、應用情況,31,輸電應用1、無人機載高精度紅外儀熱靈敏度達0.020.05K；2、上/下置云臺靈活配置，操控

9、精準穩定，地形適應性強；,三、應用情況,32,2018年立項電力行業標準（立項編號：能源20180521），起草單位包括江西電科院、湖南湖大華龍公司、浙江電力公司和江蘇電科院等，經過電力行業絕緣子標委會多次審查，目前標準已經形成報批稿。,四、標準化,33,盤形懸式瓷絕緣子零值紅外檢測方法,標準規定了盤形懸式瓷絕緣子零值紅外檢測的檢測設備技術要求、現場檢測要求、現場操作方法和診斷方法。標準從紅外熱像特征的角度出發，對零值絕緣子和低值絕緣子進行了定義。零值絕緣子 zero resistance insulator紅外熱像檢測結果中，絕緣子鐵帽溫度與正常絕緣子比較存在“負溫差”現象的絕緣子。低值絕緣子 low resistance insulator紅外熱像檢測結果中，絕緣子鐵帽溫度與正常絕緣子比較存在“正溫差”現象的絕緣子。,四、標準化,34,盤形懸式瓷絕緣子零值紅外檢測方法,診斷方法：根據同一桿塔A、B、C三相絕緣子的鐵帽溫度特征量進行診斷:絕緣子串中非首末端絕緣子與相鄰兩片絕緣子的平均溫度比較，溫差超過0.5K判斷為低、零值絕緣子；絕緣子串中首末端絕緣子與同一桿塔其他相的平均溫度比較，溫差超過0.5K判斷為低、零值絕緣子；,四、標準化,35,盤形懸式瓷絕緣子零值紅外檢測方法,感謝聆聽！,