CN113030066A - 一种绝缘子葡萄糖污秽的鉴别及定量分析方法 - Google Patents
一种绝缘子葡萄糖污秽的鉴别及定量分析方法 Download PDFInfo
- Publication number
- CN113030066A CN113030066A CN202110213232.5A CN202110213232A CN113030066A CN 113030066 A CN113030066 A CN 113030066A CN 202110213232 A CN202110213232 A CN 202110213232A CN 113030066 A CN113030066 A CN 113030066A
- Authority
- CN
- China
- Prior art keywords
- insulator
- glucose
- pollution
- spectrum data
- tested
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/73—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited using plasma burners or torches
-
- 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)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Plasma & Fusion (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种绝缘子葡萄糖污秽的鉴别及定量分析方法,所述鉴别方法包括以下步骤:S1、利用LIBS,分别用脉冲激光光束照射若干绝缘子样品表面的污秽,获得各绝缘子样品的等离子体特征光谱数据;S2、在等离子体特征光谱数据中,将全谱数据的平均值作为训练样本,输入BP神经网络进行训练识别,得到训练后的BP神经网络;S3、使用LIBS,用相同参数的脉冲激光光束照射待测绝缘子表面的污秽,并获得待测绝缘子的等离子体特征光谱数据;S4、将全谱数据的平均值输入训练后的BP神经网络,根据得到的输出值来鉴别待测绝缘子是否含葡萄糖污秽。本发明的方法可以实时、在线、快速地确定绝缘子表面的污秽类型,并进而确定葡萄糖污秽的含量。
Description
技术领域
本发明涉及绝缘子表面污秽测量,特别是涉及一种绝缘子葡萄糖污秽的鉴别及定量分析方法。
背景技术
在输电线路中,绝缘子在导线和铁塔之间起着机械连接和电气绝缘的双重作用,主要有悬式绝缘子、耐张绝缘子、横担绝缘子等。在变电站或换流站中,绝缘子用于导线和接地体之间的绝缘或机械固定,主要包括隔离开关、接地开关的支柱绝缘子,电压互感器、电流互感器和断路器的瓷套,以及变压器的套管等。从制造材料来看,绝缘子可以分为电瓷绝缘子、玻璃绝缘子和复合绝缘子。绝缘子在运行中由于受到工厂、交通、农业、矿山和生活等的排放物,以及灰尘飘落等的影响,绝缘子表面逐渐积累了一层污秽物质。在潮湿环境中,绝缘子可能发生污闪放电,导致发生污闪事故,给经济发展和人们生活带来巨大损失。
绝缘子表面的污秽中,还存在着一种特殊污秽,即葡萄糖污秽。随着大气污染的加重以及电网规模的逐渐扩大,在特殊的地形、气温、环境、气候等条件下,绝缘子表面会积累一些葡萄糖等特殊污秽,由于葡萄糖的强吸湿性和保水性,使得污秽层的吸水量增加,从而导致泄漏电流增加,绝缘子起始放电电压显著降低,最终会造成外绝缘沿面放电事故。
目前测量绝缘子表面葡萄糖污秽的方法是电感耦合等离子体光谱分析,该方法需要手动擦取污秽然后带回实验室配置成溶液,样品溶液经超雾化装置变成全溶胶,通过轴心的石英管喷入等离子体炬内,然后通过测定每种元素特有的谱线和强度,和标准溶液相比,进而对污秽种类及含量进行分析。该方法检测过程复杂、费用昂贵,并且无法直接对固态污秽进行测量,使得分析的效率大大降低。
发明内容
为了弥补上述不足,本发明提出一种绝缘子葡萄糖污秽的鉴别及定量分析方法,可以实时、在线、快速地对绝缘子表面的污秽类型进行鉴别,并得到绝缘子表面的葡萄糖污秽含量。
本发明的技术问题通过以下的技术方案予以解决:
一种绝缘子葡萄糖污秽的鉴别方法,包括以下步骤:
S1、利用激光诱导击穿光谱方法,分别用脉冲激光光束照射若干绝缘子样品表面的污秽,获得各绝缘子样品的等离子体特征光谱数据;其中,若干绝缘子样品中包含具有普通污秽但不含葡萄糖污秽的绝缘子样品以及含不同含量葡萄糖污秽的绝缘子样品;
S2、在所述等离子体特征光谱数据中,将全谱数据的平均值作为训练样本,输入BP神经网络进行训练识别,得到训练后的BP神经网络;
S3、使用激光诱导击穿光谱方法,用相同参数的脉冲激光光束照射待测绝缘子表面的污秽,并获得待测绝缘子的等离子体特征光谱数据;
S4、将所述待测绝缘子的等离子体特征光谱数据中的全谱数据的平均值输入训练后的BP神经网络,根据得到的输出值来鉴别所述待测绝缘子是否含葡萄糖污秽。
进一步地,在步骤S4中,当所述输出值为0.5-1.5时,判定所述待测绝缘子含葡萄糖污秽,即污秽中葡萄糖含量大于0%,否则,判定所述待测绝缘子含普通污秽但不含葡萄糖污秽,即污秽中葡萄糖含量为0%。
进一步地,在所述步骤S1中,对各绝缘子样品,分别在其上表面取至少5个不同分析点进行测试。
进一步地,所述至少5个不同分析点在所述绝缘子样品的上表面均匀分布。
进一步地,对步骤S1和步骤S3获得的各等离子体特征光谱数据先进行预处理,包括去除背景光谱的干扰和归一化处理。
一种绝缘子葡萄糖污秽的定量分析方法,包括以下步骤:
S1、利用激光诱导击穿光谱方法,分别用脉冲激光光束照射若干绝缘子样品表面的污秽,获得各绝缘子样品的等离子体特征光谱数据;其中,若干绝缘子样品中包含具有普通污秽但不含葡萄糖污秽的绝缘子样品以及含不同含量葡萄糖污秽的绝缘子样品;
S2、在所述等离子体特征光谱数据中,将全谱数据的平均值作为训练样本,输入BP神经网络进行训练识别,得到训练后的BP神经网络;
S3、步骤S1所得的含不同含量葡萄糖污秽的绝缘子样品的等离子体特征光谱数据中,将O元素特征谱线的强度平均值和葡萄糖含量输入所述训练后的BP神经网络,建立O元素特征谱线的强度与葡萄糖含量之间的定标关系;
S4、使用激光诱导击穿光谱方法,用相同参数的脉冲激光光束照射已鉴定为含葡萄糖污秽的待测绝缘子表面的污秽,并获得待测绝缘子的等离子体特征光谱数据;
S5、在待测绝缘子的等离子体特征光谱数据中,根据O元素的特征谱线强度,利用步骤S3建立的定标关系,确定待测绝缘子的葡萄糖含量。
进一步地,所述步骤S3和步骤S5中,所述O元素特征谱线选择OI 777.539nm特征谱线。
进一步地,所述步骤S3中的定标关系为:y=-15.3792*x+2568.4,其中,x为葡萄糖含量,y为OI 777.539nm特征谱线的强度。
进一步地,对步骤S1和步骤S4获得的各等离子体特征光谱数据先进行预处理,包括去除背景光谱的干扰和归一化处理。
本发明与现有技术对比的有益效果包括:
本发明利用激光诱导击穿光谱技术(LIBS),通过产生高能量的激光脉冲,在含污秽的绝缘子表面诱导产生等离子体,利用光纤收集等离子体,得到光谱信息,通过训练BP神经网络对光谱数据进行分类,从而用LIBS技术分辨葡萄糖污秽与普通污秽;根据葡萄糖污秽所含氧元素的特征谱线强度,建立特征谱线强度和葡萄糖含量之间的定标关系,利用该定标关系对含葡萄糖污秽的绝缘子进行定量分析。本发明的方法可以实时、在线、快速地确定绝缘子表面的污秽类型,并进而确定葡萄糖污秽的含量。
附图说明
图1是本发明实施例的绝缘子葡萄糖污秽的鉴别及定量分析方法的流程图;
图2是本发明实施例所建立的特征谱线强度与葡萄糖含量的定标曲线。
具体实施方式
下面对照附图并结合优选的实施方式对本发明作进一步说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明的构思在于,利用激光诱导击穿光谱技术(LIBS)进行绝缘子表面的污秽的检测,通过产生高能量的激光脉冲,在含污秽的绝缘子表面诱导产生等离子体,利用光纤收集到的等离子发射光谱中含有被烧蚀样品的成分信息。当LIBS实验参数不变时,激光烧蚀葡萄糖污秽、普通污秽得到的光谱信号不同,可以通过训练BP神经网络对光谱数据进行分类,从而用LIBS技术分辨葡萄糖污秽与普通污秽;根据葡萄糖污秽所含氧元素的特征谱线强度,建立特征谱线强度和葡萄糖含量之间的定标关系,利用该定标关系对含葡萄糖污秽的绝缘子进行定量分析。
在一种实施例中,一种绝缘子葡萄糖污秽的鉴别及定量分析方法,包括以下步骤:
S1、利用激光诱导击穿光谱方法,分别用脉冲激光光束照射若干绝缘子样品表面的污秽,获得各绝缘子样品的等离子体特征光谱数据;其中,若干绝缘子样品中包含具有普通污秽但不含葡萄糖污秽的绝缘子样品以及含不同含量葡萄糖污秽的绝缘子样品;
S2、在所述等离子体特征光谱数据中,将全谱数据的平均值(即对全谱数据,对其谱线强度取平均值,下同)作为训练样本,输入BP神经网络进行训练识别,得到训练后的BP神经网络;
S3、使用激光诱导击穿光谱方法,用相同参数的脉冲激光光束照射待测绝缘子表面的污秽,并获得待测绝缘子的等离子体特征光谱数据;
S4、将所述待测绝缘子的等离子体特征光谱数据中的全谱数据的平均值输入训练后的BP神经网络,根据得到的输出值来鉴别所述待测绝缘子是否含葡萄糖污秽。
在优选的实施例中,在步骤S4中,当所述输出值为0.5-1.5时,判定所述待测绝缘子含葡萄糖污秽,即污秽中葡萄糖含量大于0%,否则,判定所述待测绝缘子含普通污秽但不含葡萄糖污秽,即污秽中葡萄糖含量为0%。
在优选的实施例中,在所述步骤S1中,对各绝缘子样品,分别在其上表面取至少5个不同分析点进行测试。
在优选的实施例中,所述至少5个不同分析点在所述绝缘子样品的上表面均匀分布。
在优选的实施例中,对步骤S1和步骤S3获得的各等离子体特征光谱数据先进行预处理,包括去除背景光谱的干扰和归一化处理。
在优选的实施例中,脉冲激光光束的单脉冲能量为60-80mJ。
在另一种实施例中,绝缘子葡萄糖污秽的定量分析方法,包括以下步骤:
S1、利用激光诱导击穿光谱方法,分别用脉冲激光光束照射若干绝缘子样品表面的污秽,获得各绝缘子样品的等离子体特征光谱数据;其中,若干绝缘子样品中包含具有普通污秽但不含葡萄糖污秽的绝缘子样品以及含不同含量葡萄糖污秽的绝缘子样品;
S2、在所述等离子体特征光谱数据中,将全谱数据的平均值作为训练样本,输入BP神经网络进行训练识别,得到训练后的BP神经网络;
S3、步骤S1所得的含不同含量葡萄糖污秽的绝缘子样品的等离子体特征光谱数据中,将O元素特征谱线的强度平均值和葡萄糖含量输入所述训练后的BP神经网络,建立O元素特征谱线的强度与葡萄糖含量之间的定标关系;
S4、使用激光诱导击穿光谱方法,用相同参数的脉冲激光光束照射已鉴定为含葡萄糖污秽的待测绝缘子表面的污秽,并获得待测绝缘子的等离子体特征光谱数据;
S5、在待测绝缘子的等离子体特征光谱数据中,根据O元素的特征谱线强度,利用步骤S3建立的定标关系,确定待测绝缘子的葡萄糖含量。
在优选的实施例中,所述步骤S3中,所述O元素特征谱线选择OI 777.539nm特征谱线。
在优选的实施例中,所述步骤S3中的定标关系为:y=-15.3792*x+2568.4,其中,x为葡萄糖含量(%),y为OI 777.539nm特征谱线的强度。
在优选的实施例中,在所述步骤S1中,对各绝缘子样品,分别在其上表面取至少5个不同分析点进行测试。
在优选的实施例中,所述至少5个不同分析点在所述绝缘子样品的上表面均匀分布。
在优选的实施例中,在步骤S4中,对待测绝缘子进行检测时,在其上表面取至少5个不同分析点进行测试,相应地,在步骤S5中,将所有分析点的O元素的特征谱线强度平均值,代入步骤S3建立的定标关系,计算得到待测绝缘子的葡萄糖含量。
在优选的实施例中,对步骤S1和步骤S4获得的各等离子体特征光谱数据先进行预处理,包括去除背景光谱的干扰和归一化处理。
在优选的实施例中,脉冲激光光束的单脉冲能量为60-80mJ。
以下结合具体实施例对本发明进行进一步阐述。
本发明实施例的绝缘子葡萄糖污秽的鉴别及定量分析方法的原理框图如图1所示。
(1)远程LIBS设备装置搭建
LIBS***主要由四个部分组成:激光器、光路***、控制器、光谱仪。通过产生功率密度极高的激光脉冲,经过透镜反射、聚焦,激光作用于样品上,可瞬间在具有污秽的绝缘子表面诱导产生等离子体。选择合适的激光能量、收光角度与光谱仪延迟时间,可以获得信噪比、信背比较高的光谱信号,在本例中,具体采用的激光能量为75mJ,收光角度为75°,光谱仪延迟时间为3μs。
(2)污秽的鉴别分类及定标关系的建立
利用激光诱导击穿光谱方法,分别用脉冲激光光束照射若干绝缘子样品表面的污秽,获得各绝缘子样品的等离子体特征光谱数据;其中,若干绝缘子样品中包含具有普通污秽但不含葡萄糖污秽的绝缘子样品以及含不同含量葡萄糖污秽的绝缘子样品;对以上两种含不同污秽类型的若干绝缘子样品,分别在上表面取5个不同分析点进行测试。
对各等离子体特征光谱数据进行预处理,如去除背景光谱的干扰,并进行归一化处理,将处理过的全谱数据的平均值作为训练样本,输入BP神经网络进行训练识别,得到训练后的BP神经网络。
在所得的含不同含量葡萄糖污秽的绝缘子样品的等离子体特征光谱数据经过预处理(如去除背景光谱的干扰,并进行归一化处理)后,将O元素特征谱线的强度平均值和葡萄糖含量输入训练后的BP神经网络,建立O元素特征谱线的强度与葡萄糖含量之间的定标关系;具体来说,本实施例采用OI 777.539nm特征谱线来建立定标关系,所建立的定标关系为y=-15.3792*x+2568.4,其中,x为葡萄糖含量(%),y为OI 777.539nm特征谱线的强度,优选y为所有分析点的OI 777.539nm特征谱线的强度平均值。在建立上述定标关系的过程中,发明人对比了采用OI 777.194nm、OI 777.417nm和OI 777.539nm特征谱线来分别建立定标关系,发现采用OI 777.539nm特征谱线时,定标曲线的拟合效果更优。
(3)实测待测绝缘子
使用激光诱导击穿光谱方法,用相同参数的脉冲激光光束照射待测绝缘子表面的污秽,并获得待测绝缘子的等离子体特征光谱数据;
将待测绝缘子的等离子体特征光谱数据中的全谱数据的平均值输入训练后的BP神经网络,根据得到的输出值来鉴别所述待测绝缘子是否含葡萄糖污秽。具体来说,当输出值为0.5-1.5时,判定待测绝缘子含葡萄糖污秽,即污秽中葡萄糖含量大于0%,否则,判定待测绝缘子含普通污秽但不含葡萄糖污秽,即污秽中葡萄糖含量为0%。本申请实施例测了15个绝缘子,其输出值如下表1所示:
表1
绝缘子序号 | 1 | 2 | 3 | 4 | 5 |
输出值 | 0.9515 | 1.0050 | 0.9680 | 1.0337 | 1.1490 |
绝缘子序号 | 6 | 7 | 8 | 9 | 10 |
输出值 | 2.2342 | 2.2801 | 1.4595 | 1.6077 | 1.5930 |
绝缘子序号 | 11 | 12 | 13 | 14 | 15 |
输出值 | 2.7652 | 2.8151 | 2.5910 | 2.7350 | 2.6299 |
由上表可知,序号为1-5和8的绝缘子含葡糖糖污秽,而序号为6-7、9-15的绝缘子含普通污秽(本申请把不含葡萄糖污秽的绝缘子定义为含普通污秽的绝缘子)。用现有的常规方法对上述15个绝缘子对污秽种类进行鉴定,其得出的结论与本申请方法得出的结论一致。
使用激光诱导击穿光谱方法,用相同参数的脉冲激光光束照射上述已鉴定为含葡萄糖污秽的待测绝缘子上表面的污秽(在上表面上选取5个均匀分布的分析点进行测试),并获得待测绝缘子的等离子体特征光谱数据(或者,直接选择上述已鉴定为含葡萄糖污秽的待测绝缘子的已获得的等离子体特征光谱数据);对等离子体特征光谱数据进行预处理,如去除背景光谱的干扰,并进行归一化处理。将所有分析点的OI 777.539nm特征谱线的强度平均值代入上述定标关系中,计算待测绝缘子表面的葡萄糖污秽含量。
随机选取上述序号为1-5和8的含葡糖糖污秽的绝缘子中的一个进行测试,待测绝缘子的OI 777.539nm特征谱线的强度平均值为1900.932,根据定标关系得到葡萄糖含量为43.4%,用现有常规方法测得该绝缘子表面实际葡萄糖含量为40%,测量误差为8.5%。
本文中所述的绝缘子的上表面通常是指绝缘子使用中朝上的表面(累积污秽较多的表面),通常可以将绝缘子的上表面的污秽视为整个绝缘子的污秽。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (9)
1.一种绝缘子葡萄糖污秽的鉴别方法,其特征在于,包括以下步骤:
S1、利用激光诱导击穿光谱方法,分别用脉冲激光光束照射若干绝缘子样品表面的污秽,获得各绝缘子样品的等离子体特征光谱数据;其中,若干绝缘子样品中包含具有普通污秽但不含葡萄糖污秽的绝缘子样品以及含不同含量葡萄糖污秽的绝缘子样品;
S2、在所述等离子体特征光谱数据中,将全谱数据的平均值作为训练样本,输入BP神经网络进行训练识别,得到训练后的BP神经网络;
S3、使用激光诱导击穿光谱方法,用相同参数的脉冲激光光束照射待测绝缘子表面的污秽,并获得待测绝缘子的等离子体特征光谱数据;
S4、将所述待测绝缘子的等离子体特征光谱数据中的全谱数据的平均值输入训练后的BP神经网络,根据得到的输出值来鉴别所述待测绝缘子是否含葡萄糖污秽。
2.如权利要求1所述的绝缘子葡萄糖污秽的鉴别方法,其特征在于,在步骤S4中,当所述输出值为0.5-1.5时,判定所述待测绝缘子含葡萄糖污秽,即污秽中葡萄糖含量大于0%,否则,判定所述待测绝缘子含普通污秽但不含葡萄糖污秽,即污秽中葡萄糖含量为0%。
3.如权利要求1或2所述的绝缘子葡萄糖污秽的鉴别方法,其特征在于,在所述步骤S1中,对各绝缘子样品,分别在其上表面取至少5个不同分析点进行测试。
4.如权利要求3所述的绝缘子葡萄糖污秽的鉴别方法,其特征在于,所述至少5个不同分析点在所述绝缘子样品的上表面均匀分布。
5.如权利要求1或2所述的绝缘子葡萄糖污秽的鉴别方法,其特征在于,对步骤S1和步骤S3获得的各等离子体特征光谱数据先进行预处理,包括去除背景光谱的干扰和归一化处理。
6.一种绝缘子葡萄糖污秽的定量分析方法,其特征在于,包括以下步骤:
S1、利用激光诱导击穿光谱方法,分别用脉冲激光光束照射若干绝缘子样品表面的污秽,获得各绝缘子样品的等离子体特征光谱数据;其中,若干绝缘子样品中包含具有普通污秽但不含葡萄糖污秽的绝缘子样品以及含不同含量葡萄糖污秽的绝缘子样品;
S2、在所述等离子体特征光谱数据中,将全谱数据的平均值作为训练样本,输入BP神经网络进行训练识别,得到训练后的BP神经网络;
S3、步骤S1所得的含不同含量葡萄糖污秽的绝缘子样品的等离子体特征光谱数据中,将O元素特征谱线的强度平均值和葡萄糖含量输入所述训练后的BP神经网络,建立O元素特征谱线的强度与葡萄糖含量之间的定标关系;
S4、使用激光诱导击穿光谱方法,用相同参数的脉冲激光光束照射已鉴定为含葡萄糖污秽的待测绝缘子表面的污秽,并获得待测绝缘子的等离子体特征光谱数据;
S5、在待测绝缘子的等离子体特征光谱数据中,根据O元素的特征谱线强度,利用步骤S3建立的定标关系,确定待测绝缘子的葡萄糖含量。
7.如权利要求6所述的绝缘子葡萄糖污秽的定量分析方法,其特征在于,所述步骤S3和步骤S5中,所述O元素特征谱线选择OI 777.539nm特征谱线。
8.如权利要求7所述的绝缘子葡萄糖污秽的定量分析方法,其特征在于,所述步骤S3中的定标关系为:y=-15.3792*x+2568.4,其中,x为葡萄糖含量,y为OI 777.539nm特征谱线的强度。
9.如权利要求6所述的绝缘子葡萄糖污秽的定量分析方法,其特征在于,对步骤S1和步骤S4获得的各等离子体特征光谱数据先进行预处理,包括去除背景光谱的干扰和归一化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110213232.5A CN113030066A (zh) | 2021-02-25 | 2021-02-25 | 一种绝缘子葡萄糖污秽的鉴别及定量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110213232.5A CN113030066A (zh) | 2021-02-25 | 2021-02-25 | 一种绝缘子葡萄糖污秽的鉴别及定量分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113030066A true CN113030066A (zh) | 2021-06-25 |
Family
ID=76462425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110213232.5A Pending CN113030066A (zh) | 2021-02-25 | 2021-02-25 | 一种绝缘子葡萄糖污秽的鉴别及定量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030066A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113624713A (zh) * | 2021-08-16 | 2021-11-09 | 云南电网有限责任公司电力科学研究院 | 一种用于支柱绝缘子表面污秽成分的检测方法及装置 |
CN113624712A (zh) * | 2021-08-16 | 2021-11-09 | 云南电网有限责任公司电力科学研究院 | 一种基于太赫兹时域光谱的绝缘子污秽度检测方法及装置 |
-
2021
- 2021-02-25 CN CN202110213232.5A patent/CN113030066A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113624713A (zh) * | 2021-08-16 | 2021-11-09 | 云南电网有限责任公司电力科学研究院 | 一种用于支柱绝缘子表面污秽成分的检测方法及装置 |
CN113624712A (zh) * | 2021-08-16 | 2021-11-09 | 云南电网有限责任公司电力科学研究院 | 一种基于太赫兹时域光谱的绝缘子污秽度检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113030066A (zh) | 一种绝缘子葡萄糖污秽的鉴别及定量分析方法 | |
CN111610179B (zh) | 用于炉前高温样品成分libs快速检测的***及方法 | |
CN111693512A (zh) | 基于激光诱导击穿光谱定量检测牛奶中重金属元素的方法 | |
CN107064753A (zh) | 弓网电弧等离子体多参数获取方法和装置 | |
CN108344770A (zh) | 一种gis罐体裂纹的无损检测装置、方法及数据库 | |
CN109917224A (zh) | 基于光谱诊断的非接触式弓网燃弧能量检测装置及方法 | |
CN114755543A (zh) | 一种电力设备局部放电检测方法及设备 | |
CN111044505A (zh) | 一种吸湿性污秽磷酸铝的检测方法 | |
KR101743595B1 (ko) | 부분 방전 진단 방법 및 시스템, 이를 이용한 몰드 변압기 열화 모니터링 시스템. | |
CN110672586B (zh) | 基于libs的混凝土腐蚀状态的检测方法 | |
CN111272735B (zh) | 一种激光诱导击穿光谱的检测方法 | |
CN117434396A (zh) | 一种变压器套管末屏在线监测***及其方法 | |
CN112945942B (zh) | 一种绝缘子污秽度的测试方法 | |
CN109187499A (zh) | 基于激光诱导击穿光谱的绝缘油成分检测方法及装置 | |
CN109975275B (zh) | 提高激光诱导击穿光谱测量煤中氮元素精度的方法 | |
CN103969557A (zh) | 一种基于气体组分分析的gis绝缘状态诊断方法 | |
CN111044504B (zh) | 一种考虑激光诱导击穿光谱不确定性的煤质分析方法 | |
CN107907531A (zh) | 一种材料表面硬度的测量方法及测量装置 | |
CN109917245B (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 | |
CN113406059B (zh) | 一种污秽化合物识别方法和装置 | |
Liao et al. | Study on evaluation method of insulator surface contamination level based on LIBS technology and PCA algorithm | |
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 | |
JPH08220184A (ja) | 絶縁電線の絶縁被覆亀裂検知方法及び装置 | |
CN110703080A (zh) | 一种gis尖刺放电诊断方法、放电程度识别方法及装置 | |
CN114965416A (zh) | 存储器、绝缘子老化程度检测方法、装置、设备和*** |
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 |