CN111308293A - 基于紫外成像的电力外绝缘设备典型缺陷故障识别方法 - Google Patents
基于紫外成像的电力外绝缘设备典型缺陷故障识别方法 Download PDFInfo
- Publication number
- CN111308293A CN111308293A CN202010231629.2A CN202010231629A CN111308293A CN 111308293 A CN111308293 A CN 111308293A CN 202010231629 A CN202010231629 A CN 202010231629A CN 111308293 A CN111308293 A CN 111308293A
- Authority
- CN
- China
- Prior art keywords
- external insulation
- discharge
- ultraviolet
- equipment
- electric power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009422 external insulation Methods 0.000 title claims abstract description 52
- 230000007547 defect Effects 0.000 title claims abstract description 42
- 238000003384 imaging method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000003909 pattern recognition Methods 0.000 claims abstract description 7
- 239000012212 insulator Substances 0.000 claims description 11
- 229910052573 porcelain Inorganic materials 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 239000002131 composite material Substances 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 10
- 238000011160 research Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000009413 insulation Methods 0.000 description 5
- 239000004020 conductor Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000002211 ultraviolet spectrum Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004870 electrical engineering Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000000825 ultraviolet detection Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
基于紫外成像的电力外绝缘设备典型缺陷故障识别方法,包括以下步骤:S100:模拟电力设备外绝缘典型缺陷;S200:利用紫外成像技术观察电力设备电晕放电现象,得到各种缺陷类型的紫外放电图谱;S300:提取所述紫外放电图谱的原始特征,并利用模式识别技术对原始特征进行分类判别,从而建立一个涵盖外绝缘设备电晕放电的典型缺陷故障数据库;S400:基于所述典型缺陷故障数据库,对实际运行的电力外绝缘设备的紫外放电图谱进行分析,识别其缺陷故障。
Description
技术领域
本公开属于电气工程领域,涉及该领域中紫外成像仪的检测结果的数据处理,尤其涉及基于紫外成像的电力外绝缘设备典型缺陷故障识别方法。
背景技术
在电气工程领域,紫外成像一般采用光子倍增成像的技术,其成像原理是利用电子光学***将紫外光转换荧光屏图像,原理如图1所示。
国内应用紫外成像手段开展电气设备状态检测的历史最早至少可以追溯至十年前,当时主要采用南非生产的CoroCAM以及以色列生产的OFIL紫外成像装置。国外的装置利用半透镜原理的日盲型紫外检测技术,巧妙的解决了日光对紫外成像的影响,使紫外光呈现在可见光的图像上,并实现放电计数,放电强度评估等功能。
然而,如何通过紫外图谱建立一个涵盖外绝缘设备电晕放电的典型缺陷故障数据库,始终是本领域亟须解决的技术问题。
发明内容
为了解决上述技术问题,本公开揭示了一种基于紫外成像的电力外绝缘设备典型缺陷故障识别方法,包括以下步骤:
S100:模拟电力设备外绝缘典型缺陷;
S200:利用紫外成像技术观察电力设备电晕放电现象,得到各种缺陷类型的紫外放电图谱;
S300:提取所述紫外放电图谱的原始特征,并利用模式识别技术对原始特征进行分类判别,从而建立一个涵盖外绝缘设备电晕放电的典型缺陷故障数据库;
S400:基于所述典型缺陷故障数据库,对实际运行的电力外绝缘设备的紫外放电图谱进行分析,识别其缺陷故障。
优选的,步骤S100中,所述外绝缘典型缺陷包括:模拟复合绝缘子、瓷绝缘子、支柱绝缘子、输电导线、变压器外绝缘、外绝缘设备污秽。
优选的,
S201:根据所述紫外放电图谱,分析设备的放电特征,建立电力设备专有的外绝缘设备典型光谱模型。
优选的,
步骤S300中,所述模式识别技术包括:神经网络、模糊分类。
由此,本公开能够通过紫外图谱,建立涵盖电力外绝缘设备电晕放电的典型故障数据库,从而有利于相关设备实际运行中的故障识别,这对电力***安全稳定运行具有重要意义。
附图说明
图1是现有技术中紫外成像原理的示意图;
图2是本公开的一个实施例的示意图。
具体实施方式
下文通过附图和文字来详细描述本公开的各个实施例。
在一个实施例中,本公开揭示了一种基于紫外成像的电力外绝缘设备典型缺陷故障识别方法,包括以下步骤:
S100:模拟电力设备外绝缘典型缺陷;
S200:利用紫外成像技术观察电力设备电晕放电现象,得到各种缺陷类型的紫外放电图谱;
S300:提取所述紫外放电图谱的原始特征,并利用模式识别技术对原始特征进行分类判别,从而建立一个涵盖外绝缘设备电晕放电的典型缺陷故障数据库;
S400:基于所述典型缺陷故障数据库,对实际运行的电力外绝缘设备的紫外放电图谱进行分析,识别其缺陷故障。
能够理解,上述实施例的关键恰恰在于预先模拟各种典型缺陷并得到相应的紫外放电图谱之后,反向作用于实际运行情形,以利用相关设备实际运行中的紫外图谱对实际缺陷故障的识别。显而易见的,其中的步骤S300是关键的一环,其将本公开创新的预先准备工作与在后的实际识别承上启下的联系了起来。
就上述实施例而言,相比现有技术而言:
现有技术虽然能够得到紫外图谱,但是对于不同环境下绝缘设备的外绝缘放电特性的分析是不够的,因此也缺少对绝缘设备在不同环境中的放电规律及紫外成像特征的解决方案,这就使得紫外检测中虽然能观测到设备的放电情况,但是无法对不同环境对绝缘放电的影响进行分析,也不能区分不同环境下绝缘设备放电的严重程度。
并且,现有技术也缺乏根据紫外检测到的电力设备外绝缘放电情况对设备绝缘的缺陷类型进行区分的研究。
而上述实施例则使得其在实际检测中不仅有利于对电力设备放电位置进行有效定位,而且有利于对电力设备的缺陷进行有效分类,从而有利于对电力设备的维护。
在另一个实施例中,步骤S100中,所述外绝缘典型缺陷包括:模拟复合绝缘子、瓷绝缘子、支柱绝缘子、输电导线、变压器外绝缘、外绝缘设备污秽。
参见图2,在另外的实施例,本公开可以实施的模拟典型缺陷类型试验如下:
(1)复合绝缘子放电的紫外成像试验
在实验室内对合成外绝缘施加额定运行电压下,模拟端部金具放电、均压环放电、水珠放电、护套开裂放电等缺陷,利用紫外成像仪进行紫外成像试验,从而研究复合绝缘子的放电特性。
(2)瓷外绝缘放电的紫外成像试验研究
在实验室内对瓷外绝缘施加额定运行电压下,模拟裂纹和破损放电、低值或零值放电、钢脚或铁帽锈蚀放电、闪络痕迹放电等缺陷,利用紫外成像仪进行紫外成像试验,从而研究瓷外绝缘的放电特性。
(3)支柱外绝缘放电的紫外成像试验研究
在实验室内对支柱外绝缘施加额定运行电压下,模拟微观裂纹放电、污秽放电等缺陷,利用紫外成像仪进行紫外成像试验,从而研究支柱外绝缘的放电特性。
(4)污秽外绝缘设备的光电特性对比研究
本实验模拟清洁和一级污秽外绝缘设备放电对比、一级污秽和二级污秽外绝缘放电对比、涂料的影响等方面对污秽外绝缘设备放电的光电特性进行研究。
(5)输电导线放电的紫外成像试验研究,具体研究内容包括:
1)导线散股、断股放电
高压输电导线一般采用钢芯铝绞线,在风载作用下尤其是冬天导线覆冰时产生的舞动,极易导致导线散股、扭曲或者断丝、断股,给电力***的安全运行造成隐患。局部导线因断裂突起产生尖端,引起局部电场强度增加,从而产生放电。在实验室内模拟导线断股的情况,研究其放电特性。
2)水珠放电
在大雾、凝露或者下雨的情况下,导线上会附着水分,围绕导线形成一个薄水层,水沿着导线向下移动;另外,由于水分的积累,导线底部便有许多水滴,在自身重力的作用下,导线的底部以水珠的形态存在,这些小的水珠类似小的突起,从而形成较强的局部电场,导致放电。在实验室内模拟导线上有水珠的情况,研究其放电特性。
3)导线划伤、磨损和小毛刺放电
架线时托伤、运行过程中外部损伤以及导线上残留金属突出物和小毛刺等,这些因素都可能导致导线附近电场强度变强,产生电晕。在实验室内用锉刀将导线表面部分锉粗糙,用来模拟导线局部磨损的情况,研究其放电特性。
4)套管电晕放电紫外成像试验
在实验室内对套管加额定运行电压下,模拟微观裂纹放电、污秽放电等缺陷,利用紫外成像仪进行紫外成像试验,从而研究套管的放电特性。
需要说明的是,上述模拟显然并不限于特定规模和特定条件的实验室,理论上,除实验室之外,各种可能的模拟条件均可。
在另一个实施例中,
在模拟不同典型缺陷的基础上,采用现有技术中的图像处理技术提取紫外放电图谱/紫外图像的原始特征,并对相应的缺陷案例所对应的紫外放电图谱进行结构化存储,再通过模式识别技术对原始特征进行分类判别。其中,所述结构化存储包括:按照设备类型、电压等级、生产厂家、运行工况等信息进行存储。
在另一个实施例中,步骤S200还包括:
S201:根据所述紫外放电图谱,分析设备的放电特征,建立电力设备专有的外绝缘设备典型光谱模型。
能够理解,所述光谱模型有利于后期各种应用场景下的使用。
在另一个实施例中,
步骤S300中,所述模式识别技术包括:神经网络、模糊分类。
综上,本公开依托模式识别技术对电力外绝缘设备紫外图谱特征进行提取,建立了电力外绝缘设备电晕放电的典型故障数据库,对电力***安全稳定运行具有重要意义。
以上所述,以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开的各实施例技术方案的范围。
Claims (4)
1.一种基于紫外成像的电力外绝缘设备典型缺陷故障识别方法,包括以下步骤:
S100:模拟电力设备外绝缘典型缺陷;
S200:利用紫外成像技术观察电力设备电晕放电现象,得到各种缺陷类型的紫外放电图谱;
S300:提取所述紫外放电图谱的原始特征,并利用模式识别技术对原始特征进行分类判别,从而建立一个涵盖外绝缘设备电晕放电的典型缺陷故障数据库;
S400:基于所述典型缺陷故障数据库,对实际运行的电力外绝缘设备的紫外放电图谱进行分析,识别其缺陷故障。
2.根据权利要求1所述的方法,其中:
优选的,步骤S100中,所述外绝缘典型缺陷包括:模拟复合绝缘子、瓷绝缘子、支柱绝缘子、输电导线、变压器外绝缘、外绝缘设备污秽。
3.根据权利要求1所述的方法,其中,步骤S200还包括:
S201:根据所述紫外放电图谱,分析设备的放电特征,建立电力设备专有的外绝缘设备典型光谱模型。
4.根据权利要求1所述的方法,其中:
步骤S300中,所述模式识别技术包括:神经网络、模糊分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010231629.2A CN111308293A (zh) | 2020-03-27 | 2020-03-27 | 基于紫外成像的电力外绝缘设备典型缺陷故障识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010231629.2A CN111308293A (zh) | 2020-03-27 | 2020-03-27 | 基于紫外成像的电力外绝缘设备典型缺陷故障识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111308293A true CN111308293A (zh) | 2020-06-19 |
Family
ID=71149853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010231629.2A Pending CN111308293A (zh) | 2020-03-27 | 2020-03-27 | 基于紫外成像的电力外绝缘设备典型缺陷故障识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111308293A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884500A (zh) * | 2021-10-12 | 2022-01-04 | 国家电网有限公司 | 基于紫外成像的瓷绝缘子缺陷检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288884A (zh) * | 2011-09-13 | 2011-12-21 | 华北电力大学(保定) | 一种基于紫外光斑的外绝缘放电检测方法 |
CN203178418U (zh) * | 2013-03-19 | 2013-09-04 | 国网技术学院 | 一种模拟电晕放电紫外检测试验装置 |
CN203324434U (zh) * | 2013-07-24 | 2013-12-04 | 国家电网公司 | 紫外放电检测数据监测平台 |
CN104698348A (zh) * | 2014-06-27 | 2015-06-10 | 国家电网公司 | 一种基于大气中污秽体积分数的染污绝缘子模拟试验方法 |
CN109375068A (zh) * | 2018-09-26 | 2019-02-22 | 北京环境特性研究所 | 一种基于紫外成像电晕检测的目标识别方法及装置 |
CN109872323A (zh) * | 2019-02-28 | 2019-06-11 | 北京国网富达科技发展有限责任公司 | 输电线路的绝缘子缺陷检测方法及装置 |
CN110514975A (zh) * | 2019-10-14 | 2019-11-29 | 云南电网有限责任公司电力科学研究院 | 一种gis设备的局部放电类型分类方法 |
CN210015185U (zh) * | 2019-03-29 | 2020-02-04 | 云南电网有限责任公司电力科学研究院 | 一种绝缘子绝缘状态高光谱试验装置 |
-
2020
- 2020-03-27 CN CN202010231629.2A patent/CN111308293A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288884A (zh) * | 2011-09-13 | 2011-12-21 | 华北电力大学(保定) | 一种基于紫外光斑的外绝缘放电检测方法 |
CN203178418U (zh) * | 2013-03-19 | 2013-09-04 | 国网技术学院 | 一种模拟电晕放电紫外检测试验装置 |
CN203324434U (zh) * | 2013-07-24 | 2013-12-04 | 国家电网公司 | 紫外放电检测数据监测平台 |
CN104698348A (zh) * | 2014-06-27 | 2015-06-10 | 国家电网公司 | 一种基于大气中污秽体积分数的染污绝缘子模拟试验方法 |
CN109375068A (zh) * | 2018-09-26 | 2019-02-22 | 北京环境特性研究所 | 一种基于紫外成像电晕检测的目标识别方法及装置 |
CN109872323A (zh) * | 2019-02-28 | 2019-06-11 | 北京国网富达科技发展有限责任公司 | 输电线路的绝缘子缺陷检测方法及装置 |
CN210015185U (zh) * | 2019-03-29 | 2020-02-04 | 云南电网有限责任公司电力科学研究院 | 一种绝缘子绝缘状态高光谱试验装置 |
CN110514975A (zh) * | 2019-10-14 | 2019-11-29 | 云南电网有限责任公司电力科学研究院 | 一种gis设备的局部放电类型分类方法 |
Non-Patent Citations (1)
Title |
---|
姚磊: "新型智能化国产紫外成像仪技术与开发研究", 《电气技术与经济》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884500A (zh) * | 2021-10-12 | 2022-01-04 | 国家电网有限公司 | 基于紫外成像的瓷绝缘子缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734689B (zh) | 一种基于区域生长的导线散股检测方法 | |
Vaillancourt et al. | New live line tester for porcelain suspension insulators on high-voltage power lines | |
CN108344931B (zh) | 基于紫外图谱技术的电力设备安全分析*** | |
CN102565577A (zh) | 复合绝缘子高光谱检测方法 | |
CN111784656A (zh) | 一种铁路接触网故障检测方法、装置、电子设备及存储介质 | |
CN102520286A (zh) | 基于高光谱的复合绝缘子运行状态分类方法 | |
CN111308293A (zh) | 基于紫外成像的电力外绝缘设备典型缺陷故障识别方法 | |
El-Hag | Application of machine learning in outdoor insulators condition monitoring and diagnostics | |
CN113065484A (zh) | 一种基于紫外图谱的绝缘子污秽状态评估方法 | |
CN117172624B (zh) | 一种线束生产线智能化监测管理*** | |
CN101672885A (zh) | 一种带电检测输变电设备外部绝缘状态的方法 | |
CN111161236A (zh) | 复合绝缘子憎水性检测方法、装置、介质和设备 | |
CN113030066A (zh) | 一种绝缘子葡萄糖污秽的鉴别及定量分析方法 | |
Benguesmia et al. | Experimental study of pollution and simulation on insulators using COMSOL® under AC voltage | |
CN111951247B (zh) | 一种电力设备紫外图像诊断方法及*** | |
CN112132226A (zh) | 一种±1100kV复合绝缘子缺陷诊断方法 | |
CN116958905A (zh) | 输电线路故障监测方法、***、介质及设备 | |
CN114355125A (zh) | 基于电场分析的输电电缆缺陷判断装置及方法 | |
CN206832938U (zh) | 一种硅橡胶表面水珠运动规律试验装置 | |
CN113033556A (zh) | 一种基于机器视觉的绝缘子快速辨别定位方法及*** | |
CN112884720A (zh) | 一种配电线路污闪绝缘子检测方法及*** | |
Polisetty | Partial discharge classification using acoustic signals and artificial neural networks and its application in detection of defects in Ceramic insulators | |
CN109030460B (zh) | 基于libs的复合绝缘子老化定量检测方法 | |
Tharamal et al. | Statistical analysis of the partial discharge data for the classification of transformer oil | |
de Nigris et al. | Live-line maintenance of AC overhead lines equipped with non ceramic insulators (NCI) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |