CN108344931A - 基于紫外图谱技术的电力设备安全分析系统 - Google Patents
基于紫外图谱技术的电力设备安全分析系统 Download PDFInfo
- Publication number
- CN108344931A CN108344931A CN201810119764.0A CN201810119764A CN108344931A CN 108344931 A CN108344931 A CN 108344931A CN 201810119764 A CN201810119764 A CN 201810119764A CN 108344931 A CN108344931 A CN 108344931A
- Authority
- CN
- China
- Prior art keywords
- image
- ultraviolet
- spectrogram
- equipment
- power equipment
- 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.)
- Granted
Links
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了基于紫外图谱技术的电力设备安全分析系统,包括顺次连接的识别模块、分析模块与综合判断模块,所述识别模块包括图像采集客户端、环境参数采集端以及分别与两者连接的数据集中器,所述分析模块包括图像智能安全指示单元及其连接的通信单元,所述综合判断模块包括安全指示单元、显示单元,所述数据集中器连接所述图像智能安全指示单元,所述图像采集客户端包括紫外成像设备、数据采集卡与可见光传感器,所述环境参数采集端包括温湿度传感器、电涡流传感器、风力传感器、电压传感器和电流传感器。本发明通过对电力设备紫外图谱的识别,对设备识别标注以及考虑环境参数的影响因素,建立综合分析的安全数据库,实现对电力设备安全分析。
Description
技术领域
本发明涉及电力设备安全信息分析技术领域,尤其涉及基于紫外图谱技术的电力设备安全分析系统。
背景技术
随着我国经济的快速发展,特高压、交直流混合、新能源大量接入等成为电网必然的发展趋势。目前,我国的电网覆盖范围非常大,各种变电设备的数量也是巨大的,如变电站、导线、杆塔等数量大量增加,而且分布范围广、距离远。全部依靠人工来进行检修显然是不可能的,同时对于这些变电设备的统一管理监控的要求也随之提高。在此基础上,无人值守变电站得到了快速发展也为其安全运行管理提出了新的要求。因此,为提高无人值守或少人值守变电站人员和设备的安全性,需要实时监控变电设备的运行状态及信息隐患。目前有些变电站安装了视频监控系统,可实现现场设备监视、控制远程摄像机运动、数字视频录像等功能。但只有监视功能没有图像识别功能,缺乏对变电站变电设备的自动识别与分析功能。依然依靠值班人员去观察和分析采集的图像,从而分析变电设备的运行状态,系统缺乏对变电设备图像的自动识别与分析功能。其根本是对背景复杂的变电站图像的分析和变电设备运行信息的判别方法的研究还不够成熟,切实提高图像分析能力,成为迫切需要解决的问题。
专利号为201410332599.9的发明涉及涉及一种基于光谱分析的变压器油中多组分气体检测装置及方法,包括波长可调光源、调制电路、气室、光电探测器、影像信息采集数据集中器及计算机,采用时分复用思想,控制光源在不同时间段内输出中心波长不同的窄线宽光,每个波长对应一种待检测气体的特定吸收谱峰,通过分析对应气体的光谱吸收获得其浓度值。该发明通过结构简单、成本低廉的基于光谱分析的变压器油中多组分气体检测装置,采用时分复用思想,实现变压器油中多组分气体的快速可靠检测。解决了不同气体光谱信号交叠造成的检测困难问题,实现多种气体的同步检测,测量灵敏度高,响应速度快,结构紧凑简单,系统成本低廉。
专利号为201510412958.6的发明公开了一种基于多光谱的复合绝缘子检测方法,包括:选择检测设备,在相同运行工况下,对同一复合绝缘子利用检测设备进行可见光检测、紫外检测及紫外检测,获得该复合绝缘子的检测图像;对可见光图像的局部放电发光点、紫外图像的局部过热点和紫外图像的电晕放电点进行比较;在相同运行工况下对同一线路同一基杆塔的不同复合绝缘子的可见光图像、紫外图像和紫外图像进行比较;针对每个复合绝缘子,建立多光谱检测数据库,根据一定周期的检测的数据,对数据进行比较,找出存在的数据差异。该发明将可见光、紫外、紫外三种检测手段有机地结合起来,优势互补,易对绝缘子进行带电检测,能够及时发现复合绝缘子缺陷,便于开展大面积的巡检。
然而,在实际应用中,通过可见光、紫外、紫外等多光谱检测分析与识别技术可从根本上解决目前变电设备在线监测中存在的一些问题:重要设备的运行参数需要实时监测,采用人工巡视难以满足实时性要求,巡视员的责任心、工作态度和精神状况严重影响了检测的结果;很多高压设备的运行状态难以转换成电信号,在信号转换和传输过程中易受强电磁场干扰而影响分析;使用紫外对设备进行检测仍处于对温度记录的简单应用层次,没有与设备状态关联,历史数据也难以存储检索;另外,人眼难以分辨细微图像的灰度变化,难以客观分析变电设备表面缺陷的程度。因此,图谱分析与识别技术的运用可促进在线监测系统的智能化、自动化,提高变电站工作人员的工作效率,取得更高的经济效益,将具有较大的实用价值和应用前景。
发明内容
本发明的目的在于解决上述技术问题,提供基于紫外图谱技术的电力设备安全分析系统,通过对电力设备紫外图谱的识别,对设备的识别标注以及考虑环境参数的影响因素,建立综合分析的安全数据库,实现对电力设备的安全分析。
为实现上述目的,本发明采用的技术方案是:基于紫外图谱技术的电力设备安全分析系统,包括顺次连接的识别模块、分析模块与综合判断模块,所述识别模块包括图像采集客户端、环境参数采集端以及分别与两者连接的数据集中器,所述分析模块包括图像智能安全指示单元及其连接的通信单元,所述综合判断模块包括安全指示单元、显示单元,所述数据集中器连接所述图像智能安全指示单元,所述通信单元连接所述综合判断模块,所述图像采集客户端包括紫外成像设备、数据采集卡与可见光传感器,所述环境参数采集端包括温湿度传感器、电涡流传感器、风力传感器、电压传感器和电流传感器,所述可见光传感器、所述紫外成像设备、所述环境参数采集端连接所述数据采集卡。
进一步地,所述图像智能安全指示单元包括单片机芯片、网络服务器及数据存储器,所述通信单元包括无线传输模块与双向网络通信接口。
进一步地,所述可见光传感器利用可见光影像分析在所述数据存储器中建立设备图像自动标注模型。
进一步地,所述紫外成像设备利用紫外影像分析方法在所述数据存储器中建立紫外成像模型,所述紫外影像分析方法包括:1)紫外影像预处理;2)二值化处理:3)分析紫外光子数、紫外图像光斑面积和紫外光脉冲作为特征量的有效性,确定并选取紫外检测的特征量;4)分析紫外成像图谱的光晕程度,计算放电光晕参量;5)提取相关参量指标,对设备放电严重程度进行评估。
进一步地,所述设备图像自动标注模型基于光学字符识别系统算法,以单片机芯片进行指令调配,以网络服务器进行数据来源比对,以数据存储器进行模型结果存储;所述光学字符识别系统算法包括:1)设备图像预处理;2)特征提取;3)模式识别;4)结果标注。
进一步地,所述无线传输模块包括GSM数传模块与CDMA数传模块。
进一步地,所述安全指示单元包括现场声光安全指示单元和网络云数据传输安全指示单元。
进一步地,所述显示单元包括连接光伏阵列的人机交互界面,所述光伏阵列连接直流蓄电池。
本发明的有益效果在于以下几个方面:
1)本发明通过研究紫外放电检测技术,可以在系统正常运行时进行检测,不需停电,可以真实地反映电网运行状态;紫外放电检测响应速度快,降低了劳动强度,为直升机线路巡检提供了可能性。
2)本发明通过可见光影像对设备进行标识后,再分析紫外成像图谱的光晕程度,通过算法计算出光晕的参量,实现用软测量方法对放电光晕程度的标识,并根据紫外成像图谱放电光晕参量及所属设备部件,综合电压等级和环境因素,对设备放电情况进行评价,判断是否是故障,具有坚实的理论支撑和良好的应用前景。
3)本发明通过研究可见光与紫外图像的设备图像配准及融合技术,结合电网不同来源的可见光与紫外图像这一多模态图像形式,利用SIFT、Harris等多特征融合的方法,完成紫外和可见光图像配准和融合,实现在设备图像上疑似故障区域和故障点的自动精确定位。
4)本发明应用多图谱融合的电力设备故障点检测分析方法,是智能电网状态检修中重要研究方向,解决了单一传感器捕获的图像不能很好的定位设备的故障隐患点的问题,使多源图像间具有互补性,最终通过设备不同时期的图谱状态数据和其他在线监测数据,利用云客户端人机交互的方式,实现多位专家对设备进行实时滚动式评价,从而实现对设备状态的科学评价。
附图说明
图1是本发明系统的整体结构流程图。
图2是本发明系统的设备图像自动标注模型图。
具体实施方式
实施例
如图1、图2所示,基于紫外图谱技术的电力设备安全分析系统,包括顺次连接的识别模块、分析模块与综合判断模块,识别模块包括图像采集客户端、环境参数采集端以及分别与两者连接的数据集中器,分析模块包括图像智能安全指示单元及其连接的通信单元,综合判断模块包括安全指示单元、显示单元,数据集中器连接图像智能安全指示单元,通信单元连接综合判断模块,图像采集客户端包括紫外成像设备、数据采集卡与可见光传感器,环境参数采集端包括温湿度传感器、电涡流传感器、风力传感器、电压传感器和电流传感器,可见光传感器、紫外成像设备、环境参数采集端连接数据采集卡。图像智能安全指示单元包括单片机芯片、网络服务器及数据存储器,通信单元包括无线传输模块与双向网络通信接口。可见光传感器利用可见光影像分析在数据存储器中建立设备图像自动标注模型。
本发明通过可见光影像对设备进行标识后,再分析紫外成像图谱的光晕程度,通过算法计算出光晕的参量,实现用软测量方法对放电光晕程度的标识,并根据紫外成像图谱放电光晕参量及所属设备部件,综合电压等级和环境因素,对设备放电情况进行评价,判断是否是故障,流程如图1所示。
图像智能安全指示单元包括单片机芯片、网络服务器及数据存储器,通信单元包括无线传输模块与双向网络通信接口。设备图像自动标注模型基于光学字符识别系统算法,以单片机芯片进行指令调配,以网络服务器进行数据来源比对,以数据存储器进行模型结果存储。
本发明的主要创新点在于:1、对电力设备可见光图像的识别标注;2、对紫外成像数据以及具体紫外原理实施应用进行分析判断;3、结合识别标注,紫外数据分析、环境参数分析,实现多图谱融合,最终实现对电力设备的安全分析。
在实施例中,对于第一创新点,是通过图像智能安全指示单元建立设备图像自动标注模型来实现的,由于设备紫外图谱主要体现温度的分布规律,对于设备特征细节呈现的不明显。因此,电力设备紫外图谱的识别,需通过可见光对设备进行识别标注,建立双向设备种类标注模型。其中,在可见光针对设备表面标注文字和标牌:设计并研究适合多数机器视觉领域的光学字符识别系统所需的核心算法,利用识别结果对图像进行标注。进而检验系列算法的可行性与实用性,对比选取抗噪能力强、效果好的处理算法。光学字符识别系统所需的核心算法包含以下几个方面:a)图像预处理步骤:电力设备图像进行必要的预处理,包括增强输入图像的质量图像去噪、边缘增强、边缘检测等,数字图像通过图像处理算法定位并截出感兴趣区域,在感兴趣区域基础上,根据具体任务要求,继续分割提取出相关结构,要对采集到的以保证电力设备及其运行状态识别和分析的准确性;b)特征提取步骤:将离散化的字符数字图像进行特征向量提取,关键是提取出字符间区别度高的特征向量;c)模式识别步骤:输入提取到的特征向量,通过模式匹配算法识别与描述,正确区分出字符,完成图像处理任务;d)将识别结果对图像进行标注。
对于图像区域内无文字标牌的图像:研究多尺度空间模型,建立图像金字塔的简单系统,用于简单而有效的解释多尺度图像特征,在图像特征提取中方便加入尺度空间信息;研究将传统有监督分类器与深度学习相结合,让算法在大数据量和小数据量情况下,都有好的表现。在实施过程中,通常选择深度学习的方法提取样本特征,用传统有监督分类器方法进行分类。
针对此类设备图像的自动标注方法,首先利用图像处理技术提取设备图像的底层视觉特征,包括颜色、纹理、形状和空间信息等,作为图像的元数据。对一幅电力设备图像标注时,将标注问题视为图像分类问题,主要分为两个阶段:
i)标注模型训练阶段(用大量的已分类图像训练分类器):提交代表项目具体视觉要求的图像,利用己标注的图像集,构建从图像底层视觉特征到高级语义特征逐层进行迭代、逐层抽象的深度网络映射模型;
ii)图像标注阶段:计算与训练库中所有图像的相似度,将与之最相似的图像返回,根据测试图像的视觉信息把它分类到预先定义的类别中,每个关键词视为一个独立的类别名称,并对应一个分类器。从而更精准的标注未知样本的电力设备图像,如图2所示。
对于第二创新点,是基于紫外成像检测的原理,紫外成像设备包括紫外线辐射接收器和紫外成像装置,利用紫外影像分析方法在数据存储器中建立紫外成像模型,紫外影像分析方法包括:1)紫外影像预处理;2)二值化处理:3)分析紫外光子数、紫外图像光斑面积和紫外光脉冲作为特征量的有效性,确定并选取紫外检测的特征量;4)分析紫外成像图谱的光晕程度,计算放电光晕参量;5)提取相关参量指标,对设备放电严重程度进行评估。
由于电力需求日益增加,使得电力设备所使用的绝缘材料所承受的电气压力与日俱增,设备使用的寿命往往取决于绝缘材料的绝缘强度。电力设备由于运转操作、使用年数、使用频度及使用环境等影响,会逐年发生裂化,进而发生故障或事故。因此,对电力设备进行老化检测非常重要,而紫外成像检测对于检测设备因老化、污秽产生的放电情况,具有非常明显的效果。紫外放电检测具有以下技术特点:紫外放电检测可以在系统正常运行时进行 检测,不需停电,可以真实地反映电网运行状态;紫外放电检测响应速度快,降低了劳动强度,为直升机线路巡检提供了可能性;紫外放电检测有利于实现电力系统的状态 管理和状态检修,检测生成的图片和图像,为状态检修积累了重要的基础数据,对今后开展有针对性的定期检修提供可靠依据。
在对紫外检测原理实施应用时,需要考虑影响紫外放电检测的主要因素,包括:
a.湿度与污秽:阴雨天气时,空气湿度增加,电晕放电起始场强降低,放电强度增大,理论上湿度增加空气会吸收更多的紫外线,降低紫外放电检测效率。湿度的影响比较复杂。污秽程度对放电的影响主要通过湿度起作用,理论上在潮湿情况下,污秽程度加重、放电增强。
b.气压与温度:气压降低或温度升高将使空气密度降低,空气容易电离,电晕放电起始场强降低。温度升高将使电力设备周边空气发生击穿,可能对检测造成一定的影响。
c.电场强度:紫外成像检测均为带电检测,其中高压环境下,电场强度是否对检测结果有影响十分重要。通过实验室模拟环境对多个部件在不带电和不同电压强度下的紫外检测结果,研究电场强队对紫外检测是否产生影响。
输供电线路和变电站配电等设备在大气环境下工作,在某些情况下随着绝缘性能的降低、出现结构缺陷,或表面局部放电现象,电晕和表面局部放电过程中,电晕和放电部位将大量辐射紫外线,这样便可以利用电晕和表面局部放电的产生和增强间接评估运行设备的绝缘状况和及时发现绝缘设备的缺陷。目前,可用于诊断目的的放电过程的各种方法中,光学方法的灵敏度、分辨率和抗干扰能力最好。即采用高灵敏度的紫外线辐射接受器,记录电晕和表面放电过程中辐射的紫外线,再加以处理、分析达到评价设备状况的目的。
本发明紫外原理检测的应用范围包括:
1、检查发现劣化绝缘子(陶瓷、复合、玻璃绝缘子)的缺陷、表面放电和污染;
2、导线架线时拖伤、运行过程中外部损伤(人为砸伤)、断股、散股检测。导线表面或内部变形都可产生电晕;
3、电力工程质量检测(安装不当、接地不良等);
4、检查高压设备的污染程度。污染物通常表面粗糙,在一定电压条件下会产生放电,如绝缘子表面因污染会产生电晕。导线的污染程度、绝缘子上污染物的分布情况等,都可以利用该技术有效的进行分析;
5、运行中绝缘子的劣化以及复合绝缘子及其护套电蚀检测。绝缘子的裂纹可能会构成气隙,绝缘子的劣化导致表面变形,在一定的条件下都会产生放电。当绝缘子表面形成导电的碳化通道或者侵蚀裂纹时,合成材料支柱式绝缘子的使用寿命大大降低。形成碳化通道或者裂纹以后,绝缘子的故障是不可避免的,而且可能会在短期内发展成绝缘子击穿事故。利用紫外成像技术在某些情况下还可以发现支撑绝缘子的内部缺陷,可在一定灵敏度、一定距离内对劣化的绝缘子、复合绝缘子和护套电蚀检测进行定位、定量的测量,并评估其危害性;
6、高压产品的绝缘缺陷检测。紫外成像的检测结果还可为电力产品的绝缘诊断与寿命预测提供大量信息,可以建立综合档案资料,以便更好的诊断分析;
7、高压变电站及线路的整体维护。传统的放电异常判别方法有听声音(包括超声波故障检测)和夜间观察放电等。由于很多设备的放电并不影响其正常运行,所以听声音的方法无法排除干扰因素和主观因素,且受检测距离的限制。如果绝缘设备在夜间发出可见光,放电已经十分严重了。很多事故正是在绝缘设备未见可见光放电的情况下突然闪络击穿引起的。
8、大型发电机定子线棒端部和槽壁电晕放电检测;
9、寻找无线电干扰源。高压设备的放电会产生强大的无线电干扰,影响到附近的通讯、电视信号的接收等,使用紫外成像技术可迅速找到无线电干扰源;
10、在高压电器设备局部放电试验中,利用紫外成像技术寻找或定位设备外部的放电部位,以及设备内部和外部放电,或消除外部干扰放电源,提高局部放电试验的有效性。
所以紫外成像检测在电力设备监测的多个场景中应用非常广泛,每次检测都会产生大量的可见光和紫外成像影像数据信息,甚至在输电线路的巡检中,需要从连续的影像中快速定位紫外成像中故障级放电电晕并与杆塔设备关联。
对于第三创新点,是要结合识别标注,紫外数据分析、环境参数分析,实现多图谱融合,最终实现对电力设备的安全分析,包括以下方面:
1、分析空气温湿度、风力、检测距离、仪器增益对紫外检测特征量的影响规律;分析电压等级、绝缘污秽的水平、污秽种类等对于紫外检测特征量的影响;
2、根据不同年限和运行状态的涂料紫外放电特征,结合其他理化手段,定量判断放电情况,给出涂料的寿命判据;
3、分析紫外光子数、紫外图像光斑面积和紫外光脉冲等作为特征量的有效性,确定并选取紫外检测的特征量。通过对紫外检测图像结果进行处理,提取相关指标对绝缘子的放电严重程度进行评估,建立示范应用,验证相关模型及算法的准确性。
本发明中的单片机芯片,实施例选用的是C8051F单片机系列中的性价比较高的C8051F410。它集成了丰富的模拟和数字资源,是完全意义上的低功耗系统级的微可见光传感器,主要有以下特征:速度提高:使用SiliconLabs的专利CIP-51微可见光传感器核。CIP-51完全兼容 典型51单片机指令集,采用标准结构的51单片机相比,使用CIP-51内核的单片机采用流水线结构,大大提高了指令执行速度;硬件资源丰富:具备上电复位及电压监视等功能;自带24.5MHz高精度可编程的内部振荡器;拥有32KB的片内FLASH存储器,2304字节片内RAM; 4 个16位通用定时器、看门狗定时器、12位可编程DAC、24个I/O 口;内置AD转换器:自带12位逐次逼近寄存器型(SAR)ADC,采样率最高可 到200ksps ;单片机24个外部端口都可以通过一个27通道的多路模拟开关选择 器配置为ADC的输入;ADC的基准电压可根据需要由编程选择内部基准或外部基准;低功耗、完善的时钟系统、先进的非侵入式系统调试技术。安全指示单元包括现场声光安全指示单元和网络云数据传输安全指示单元,可以在专家分析结果成型后,对比数据库的结果输出分析,实现快捷准确的设备安全结果。
显示单元包括连接光伏阵列的人机交互界面,光伏阵列连接直流蓄电池,可以通过太阳能供源,从而增加系统的持续性和安全可靠性。无线传输模块包括GSM数传模块与CDMA数传模块,CDMA和GSM均是目前已经应用成熟与稳定的2G通信的主流制式,在通信质量上,CDMA的通信质量要高于GSM,在相同环境下语音通信,CDMA的杂音要比GSM小很多,在手机辐射上,CDMA采用了出色的功率控制技术,也要比GSM小;然而,GSM在信号传输的稳定性上,采用时分多址的数字移动通信模式,在应用范围以及简单的短信传输上,在成本与应用范围上均具有优势,所以在本发明中应根据具体情况,择优选取。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.基于紫外图谱技术的电力设备安全分析系统,其特征在于:包括顺次连接的识别模块、分析模块与综合判断模块,所述识别模块包括图像采集客户端、环境参数采集端以及分别与两者连接的数据集中器,所述分析模块包括图像智能安全指示单元及其连接的通信单元,所述综合判断模块包括安全指示单元、显示单元,所述数据集中器连接所述图像智能安全指示单元,所述通信单元连接所述综合判断模块,所述图像采集客户端包括紫外成像设备、数据采集卡与可见光传感器,所述环境参数采集端包括温湿度传感器、电涡流传感器、风力传感器、电压传感器和电流传感器,所述可见光传感器、所述紫外成像设备、所述环境参数采集端连接所述数据采集卡。
2.如权利要求1所述的基于紫外图谱技术的电力设备安全分析系统,其特征在于:所述图像智能安全指示单元包括单片机芯片、网络服务器及数据存储器,所述通信单元包括无线传输模块与双向网络通信接口。
3.如权利要求2所述的基于紫外图谱技术的电力设备安全分析系统,其特征在于:所述可见光传感器利用可见光影像分析在所述数据存储器中建立设备图像自动标注模型。
4.如权利要求2所述的基于紫外图谱技术的电力设备安全分析系统,其特征在于:所述紫外成像设备利用紫外影像分析方法在所述数据存储器中建立紫外成像模型,所述紫外影像分析方法包括:1)紫外影像预处理;2)二值化处理:3)分析紫外光子数、紫外图像光斑面积和紫外光脉冲作为特征量的有效性,确定并选取紫外检测的特征量;4)分析紫外成像图谱的光晕程度,计算放电光晕参量;5)提取相关参量指标,对设备放电严重程度进行评估。
5.如权利要求2所述的基于紫外图谱技术的电力设备安全分析系统,其特征在于:所述设备图像自动标注模型基于光学字符识别系统算法,以单片机芯片进行指令调配,以网络服务器进行数据来源比对,以数据存储器进行模型结果存储;所述光学字符识别系统算法包括:1)设备图像预处理;2)特征提取;3)模式识别;4)结果标注。
6.如权利要求2所述的基于紫外图谱技术的电力设备安全分析系统,其特征在于:所述无线传输模块包括GSM数传模块与CDMA数传模块。
7.如权利要求1所述的基于紫外图谱技术的电力设备安全分析系统,其特征在于:所述安全指示单元包括现场声光安全指示单元和网络云数据传输安全指示单元。
8.如权利要求1所述的基于紫外图谱技术的电力设备安全分析系统,其特征在于:所述显示单元包括连接光伏阵列的人机交互界面,所述光伏阵列连接直流蓄电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810119764.0A CN108344931B (zh) | 2018-02-06 | 2018-02-06 | 基于紫外图谱技术的电力设备安全分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810119764.0A CN108344931B (zh) | 2018-02-06 | 2018-02-06 | 基于紫外图谱技术的电力设备安全分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108344931A true CN108344931A (zh) | 2018-07-31 |
CN108344931B CN108344931B (zh) | 2020-12-04 |
Family
ID=62959937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810119764.0A Active CN108344931B (zh) | 2018-02-06 | 2018-02-06 | 基于紫外图谱技术的电力设备安全分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108344931B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242439A (zh) * | 2018-09-21 | 2019-01-18 | 国家电网有限公司 | 基于变电站设备相关联数据的特征提取识别方法 |
CN109272232A (zh) * | 2018-09-21 | 2019-01-25 | 国家电网有限公司 | 基于变电站精细化巡检业务的可视化数据管理方法 |
CN110161387A (zh) * | 2019-06-03 | 2019-08-23 | 河海大学常州校区 | 一种基于改进梯度提升树的电力设备局放量预测方法 |
CN112698164A (zh) * | 2020-12-12 | 2021-04-23 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于c频段紫外线检测密闭空间绝缘状态的分析方法 |
CN113884794A (zh) * | 2021-09-28 | 2022-01-04 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种电机线棒主绝缘老化状态评估方法 |
CN114037869A (zh) * | 2021-11-08 | 2022-02-11 | 江苏新亚高电压测试设备有限公司 | 一种应用于紫外成像仪的高压设备诊断预警方法及系统 |
CN116298737A (zh) * | 2023-05-24 | 2023-06-23 | 广东电网有限责任公司佛山供电局 | 一种开关柜放电监测系统、方法和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954897A (zh) * | 2014-05-20 | 2014-07-30 | 电子科技大学 | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 |
CN104111413A (zh) * | 2014-07-18 | 2014-10-22 | 深圳供电局有限公司 | 一种用于评估输变电设备电晕放电的装置和方法 |
CN105631431A (zh) * | 2015-12-31 | 2016-06-01 | 华中科技大学 | 一种可见光目标轮廓模型指导的飞机感兴趣区测谱方法 |
CN106570910A (zh) * | 2016-11-02 | 2017-04-19 | 南阳理工学院 | 基于自编码特征和近邻模型的图像自动标注方法 |
CN107527352A (zh) * | 2017-08-09 | 2017-12-29 | 中国电子科技集团公司第五十四研究所 | 基于深度学习fcn网络的遥感舰船目标轮廓分割与检测方法 |
-
2018
- 2018-02-06 CN CN201810119764.0A patent/CN108344931B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103954897A (zh) * | 2014-05-20 | 2014-07-30 | 电子科技大学 | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 |
CN104111413A (zh) * | 2014-07-18 | 2014-10-22 | 深圳供电局有限公司 | 一种用于评估输变电设备电晕放电的装置和方法 |
CN105631431A (zh) * | 2015-12-31 | 2016-06-01 | 华中科技大学 | 一种可见光目标轮廓模型指导的飞机感兴趣区测谱方法 |
CN106570910A (zh) * | 2016-11-02 | 2017-04-19 | 南阳理工学院 | 基于自编码特征和近邻模型的图像自动标注方法 |
CN107527352A (zh) * | 2017-08-09 | 2017-12-29 | 中国电子科技集团公司第五十四研究所 | 基于深度学习fcn网络的遥感舰船目标轮廓分割与检测方法 |
Non-Patent Citations (2)
Title |
---|
何炳金等: "基于深度学习的自动图像标注研究与实现", 《中国高新技术企业》 * |
戴日俊: "基于紫外光信号的发电厂高压电气设备放电检测方法研究", 《中国博士学位论文全文数据库 工程科技II辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242439A (zh) * | 2018-09-21 | 2019-01-18 | 国家电网有限公司 | 基于变电站设备相关联数据的特征提取识别方法 |
CN109272232A (zh) * | 2018-09-21 | 2019-01-25 | 国家电网有限公司 | 基于变电站精细化巡检业务的可视化数据管理方法 |
CN109242439B (zh) * | 2018-09-21 | 2021-10-26 | 国家电网有限公司 | 基于变电站设备相关联数据的特征提取识别方法 |
CN110161387A (zh) * | 2019-06-03 | 2019-08-23 | 河海大学常州校区 | 一种基于改进梯度提升树的电力设备局放量预测方法 |
CN112698164A (zh) * | 2020-12-12 | 2021-04-23 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于c频段紫外线检测密闭空间绝缘状态的分析方法 |
CN113884794A (zh) * | 2021-09-28 | 2022-01-04 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种电机线棒主绝缘老化状态评估方法 |
CN114037869A (zh) * | 2021-11-08 | 2022-02-11 | 江苏新亚高电压测试设备有限公司 | 一种应用于紫外成像仪的高压设备诊断预警方法及系统 |
CN116298737A (zh) * | 2023-05-24 | 2023-06-23 | 广东电网有限责任公司佛山供电局 | 一种开关柜放电监测系统、方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108344931B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108344931A (zh) | 基于紫外图谱技术的电力设备安全分析系统 | |
CN106199305B (zh) | 煤矿井下供电系统用干式变压器绝缘健康状态评估方法 | |
CN107831413B (zh) | 基于无人机的输电线路电晕放电的电磁波检测装置及方法 | |
WO2019015311A1 (zh) | 一种基于振动信号支持向量机的gil故障在线监测系统 | |
CN108389137A (zh) | 基于红外图谱技术的电力故障诊断预警系统 | |
CN100427961C (zh) | 基于虚拟仪器技术的气体绝缘组合电器在线监测方法 | |
CN106712713A (zh) | 一种光伏电站的监测系统以及监测和异常定位方法 | |
CN109444667B (zh) | 基于卷积神经网络的配电网早期故障分类方法及装置 | |
CN103116090A (zh) | 一种基于小波包分析和支持向量机的三相pwm整流器故障诊断方法 | |
CN108280449A (zh) | 基于多光谱传感器组的电力设备影像采集方法 | |
CN117612345A (zh) | 一种电力设备状态监测报警系统及方法 | |
Yin et al. | A novel method for visualizing the pollution distribution of insulators | |
CN115236451A (zh) | 一种配电网架空线路故障监测装置及方法 | |
Yun et al. | Research on fault diagnosis of photovoltaic array based on random forest algorithm | |
CN104458640A (zh) | 一种基于光纤气体在线监测数据的变压器故障诊断方法及系统 | |
Zhang et al. | Intelligent detection technology of infrared image of substation equipment based on deep learning algorithm | |
CN208076016U (zh) | 一种基于振动信号支持向量机的gil故障在线监测系统 | |
CN118038295A (zh) | 输电线路缺陷实时在线识别系统 | |
Tang et al. | Automatic defect identification of PV panels with IR images through unmanned aircraft | |
CN116754903A (zh) | 一种非接触式架空线路污闪预警系统及方法 | |
Catterson et al. | On-line transformer condition monitoring through diagnostics and anomaly detection | |
Huang et al. | State identification of transfer learning based Yolov4 network for isolation switches used in substations | |
Chen et al. | Reliability assessment on switchgear and its controller based on Time-Spatial-Source dimension | |
Yu et al. | Power line insulator detection | |
Chen et al. | The Application of Visualized Monitoring of Partial Discharge in Power Equipment |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |