基于卷积神经网络的劣化瓷质绝缘子红外智能诊断系统

摘要

绝缘子作为电力网络中应用最广泛的部件，在变电站和输电线路中起到连接、支撑和绝缘的作用。由于长期受到机电应力和环境因素等影响，绝缘子串中易形成劣化绝缘子，引发闪络、炸裂和掉串事故。因此，《输变电设备状态检修试验规程》规定线路及变电站内盘形悬式瓷绝缘子应定期开展劣化检测。红外故障诊断技术作为一种高效安全的非接触式检测方法，在劣化绝缘子检测中被愈来愈广泛地采用。　　红外故障诊断技术是以检测所得红外图像为基准，通过专业人员或软件的研究分析，获取被检测设备的健康状态数据。当红外检测产生亟待分析的海量数据时，仅依靠专业人员识别分析已远远不能满足实际需求，且分析时间过长易导致判别准确率下降，错判与漏判数量增加。本文以减少工作量、提高检测准确率为目的，经过对瓷绝缘子发热机理和温升规律研究，结合仿真模型和现场试验，研发了基于卷积神经网络的劣化瓷绝缘子红外智能诊断系统。该系统由图像输入、图像预处理、目标区域自动识别、劣化智能判别和结果输出五个部分构成，结合所提的全奇偶形态学梯度的绝缘子串边缘检测算法，取得准确的绝缘子串区域；然后利用可识别铁帽和盘面区域的卷积神经网络来提取目标区域，并通过自适应算法提取对应的温度信息；最后根据温度信息计算得到绝缘子串的相关系数，结合污秽等级、环境温湿度、风速等十项绝缘子发热影响因素和温度信息判据作为BP神经网络的输入层，经过网络训练后获得正常和劣化绝缘子分类器，对输入图像中的绝缘子进行劣化诊断并输出诊断结果。经过大量样本测试后，结果表明，该系统能够大幅减少红外检测工作量，缩短检测时间且准确率满足现场检测需求，具有智能化、效率高、应用广等优势。　　在大电网规模迅速发展、一线运维检测人员数量和水平提升相对缓慢的现状下，劣化绝缘子智能诊断系统的推广可以大大减少高压绝缘子检测工作量，提高检测工作质量及效率，为开展在役绝缘子零值普测提供强有力的技术支撑。

目录

声明

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3课题来源

1.4主要研究内容

第2章 瓷绝缘子温升规律研究与红外热像试验

2.1瓷绝缘子温升规律研究

2.1.1 红外检测设备介绍

2.1.2 交流瓷绝缘子发热模型的构建

2.1.3 绝缘子发热规律研究

2.2高压绝缘子发热及红外成像试验研究

2.2.1“无人机+红外设备”检测瓷绝缘子红外热成像特征可行性研究

2.2.2 环境因素对零值绝缘子温差影响研究

2.3本章小结

第3章 基于全奇偶形态学梯度的绝缘子红外热像边缘检测方法

3.1边缘检测算法及图像评价指标

3.1.1 常见的边缘检测算法

3.1.2 图像评价指标

3.1.3 基于全奇偶形态学梯度的绝缘子红外热像边缘检测方法

3.2边缘检测实验及结果

3.3本章小结

第4章 基于卷积神经网络的劣化绝缘子智能诊断系统

4.1卷积神经网络原理及发展

4.2基于卷积神经网络的绝缘子自动识别系统构建

4.2.1 红外图像样本集的构建

4.2.2 卷积神经网络结构

4.2.3 铁帽和盘面识别实验及结果

4.3劣化绝缘子诊断系统

4.3.1 BP神经网络原理介绍

4.3.2 基于多隐层自适应学习率的BP神经网络模型

4.3.3 基于卷积神经网络的劣化绝缘子智能诊断系统

4.4本章小结

结论与展望

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录

附录B 攻读学位期间所参加的科研项目目录