CN114034714A - 基于泄漏电流吸引子相图的绝缘子污秽状态检测方法 - Google Patents

基于泄漏电流吸引子相图的绝缘子污秽状态检测方法 Download PDF

Info

Publication number
CN114034714A
CN114034714A CN202111384641.8A CN202111384641A CN114034714A CN 114034714 A CN114034714 A CN 114034714A CN 202111384641 A CN202111384641 A CN 202111384641A CN 114034714 A CN114034714 A CN 114034714A
Authority
CN
China
Prior art keywords
leakage current
insulator
phase diagram
pollution
classifier
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
Application number
CN202111384641.8A
Other languages
English (en)
Other versions
CN114034714B (zh
Inventor
张达
刘付琪
陈昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao University of Science and Technology
Original Assignee
Qingdao University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao University of Science and Technology filed Critical Qingdao University of Science and Technology
Priority to CN202111384641.8A priority Critical patent/CN114034714B/zh
Publication of CN114034714A publication Critical patent/CN114034714A/zh
Application granted granted Critical
Publication of CN114034714B publication Critical patent/CN114034714B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G01N2021/945—Liquid or solid deposits of macroscopic size on surfaces, e.g. drops, films, or clustered contaminants

Abstract

本发明公布了一种基于泄漏电流吸引子相图的绝缘子污秽状态检测方法，旨在实现电力系统中的绝缘子污秽状态在线检测，为绝缘子清洗维护工作的安排提供指导，实现污闪防治工作由计划检修向状态检修的升级转变。该方法由泄漏电流采集、泄漏电流相空间重构、改进的卷积神经网络分类器构建、污秽等级识别等步骤组成。泄漏电流采集利用安装于绝缘子上的电流互感器和数据记录设备实现。利用Takens嵌入定理对采集到的泄漏电流信号序列进行相空间重构得到吸引子相图。采用一种改进的卷积神经网络分类器来构建适用于不同环境湿度条件下的污秽等级分类器，以采集的泄漏电流的吸引子相图作为样本进行分类器的训练和测试，改进的卷积神经网络包含3个卷积层，3个池化层，1个Inception模块，1个全连接层和1个Softmax分类器。

Description

基于泄漏电流吸引子相图的绝缘子污秽状态检测方法
技术领域
本发明涉及电力系统中绝缘子的表面污秽状态检测领域，更具体的涉及一种以绝缘子表面泄漏电流吸引子相图为识别依据的污秽状态检测方法。
背景技术
作为电力系统中用量庞大的零部件，绝缘子的性能直接影响到整个电力系统的安全运行。然而，随着环境污染不断加剧，各类污染物的排放日益增多，降尘量增大，运行中的绝缘子表面积污程度加剧，当遇有大雾、凝露、毛毛雨、融冰、融雪等不利气象条件时，表面沉积的污秽物吸收了潮湿空气中的水分，其中的盐类物质溶解于水中，使绝缘子表面的绝缘强度下降，极易发生污闪事故，造成严重的停电事故。采取有效措施，防止污闪事故对于电网安全具有十分重要的意义。利用电流采集装置采集绝缘子表面泄漏电流，结合环境湿度数据，对泄漏电流进行分析，确定绝缘子表面污秽等级，依据识别结果安排对积污程度较重的绝缘子进行清扫，并对其余绝缘子进行监测，是一种较为可行的污闪防治手段。目前的泄漏电流分析主要针对时域和频域特性进行，利用信息有限，污秽等级的识别效果有待提高。
发明内容
本发明的目的是提供一种基于泄漏电流吸引子相图的绝缘子污秽状态检测方法，对泄漏电流进行相空间重构得到吸引子相图，采用改进的卷积神经网络对吸引子相图进行识别，识别出对应绝缘子的污秽等级。通过相空间重构得到的吸引子相图能够反映不同污秽等级绝缘子泄漏电流的混沌特性差异，与时域频域特性相比，混沌特性能够更好地描述绝缘子表面泄漏电流的复杂性与非线性，采用改进的卷积神经网络对吸引子相图进行识别，可以更好地实现绝缘子污秽等级检测。
本发明采用如下技术方案：利用电流采集装置采集运行中绝缘子表面泄漏电流数据，同时记录环境相对湿度；对泄漏电流数据进行相空间重构得到吸引子相图；在不同环境湿度下，构建改进的卷积神经网络分类器，对泄漏电流的吸引子相图进行识别，利用不同污秽等级绝缘子表面泄漏电流的吸引子相图的差异，实现污秽等级检测的目的。
附图说明
图1为本发明基于泄漏电流吸引子相图的绝缘子污秽状态检测方法的原理框图。
图2为本发明基于泄漏电流吸引子相图的绝缘子污秽状态检测方法采用的改进的卷积神经网络分类器结构图。
具体实施方式
下面结合附图和具体实施实例对本发明进行详细说明。
参考图1，基于泄漏电流吸引子相图的绝缘子污秽状态检测方法，主要包括泄漏电流采集、泄漏电流相空间重构、改进的卷积神经网络分类器构建、污秽等级识别等步骤。泄漏电流采集，利用安装于绝缘子上的电流互感器和数据记录设备采集泄漏电流信号，同时利用湿度传感器采集环境相对湿度。泄漏电流相空间重构，采用Takens嵌入定理对采集到的泄漏电流信号序列进行相空间重构得到吸引子相图。改进的卷积神经网络分类器构建，构建适用于不同环境湿度条件下的改进的卷积神经网络分类器，以采集的泄漏电流的吸引子相图作为样本进行训练，得到具有污秽等级识别能力的分类器，分类器输入为吸引子相图，输出为污秽等级(Ⅰ～Ⅳ级，训练样本对应的污秽等级通过污秽采集与测试来确定)；77.5％～82.5％湿度下采集的样本送入1号分类器，82.6％～87.5％湿度下采集的样本送入2号分类器，87.6％～92.5％湿度下采集的样本送入3号分类器，92.6％～100％湿度下采集的样本送入4号分类器，77.5％以下相对湿度环境中，绝缘子表面难以产生明显稳定的泄漏电流，故本发明只针对77.5％～100％相对湿度范围；参考图2，改进的卷积神经网络包含3个卷积层，3个池化层，1个Inception模块，1个全连接层和1个Softmax分类器；3个卷积层的卷积核大小为3×3，3个池化层的池化大小为3×3；Inception模块包含3个通道，第一个通道对图像进行1×1卷积，第二个通道对图像进行5×5卷积，第三个通道先对图像进行3×3的池化后再进行1×1卷积；经过池化层3和全连接层后，特征信息进入Softmax分类器实现污秽等级的识别。在使用过程中，训练完毕的改进的卷积神经网络分类器的输入为待识别样本的泄漏电流经相空间重构得到的吸引子相图，输出为分类器所识别出的污秽等级，待识别样本即测试样本需根据其采集时的环境湿度送入1至4号分类器中的对应分类器。本发明在实际应用中，需要考虑绝缘子型号和额定工作电压，型号或额定工作电压不同的绝缘子需分别进行分类器构建和污秽等级识别。

Claims (2)

1.基于泄漏电流吸引子相图的绝缘子污秽状态检测方法，其特征在于：利用一种改进的卷积神经网络对绝缘子表面泄漏电流经过相空间重构得到的吸引子相图进行识别，达到检测绝缘子污秽等级的目的。
2.根据权利要求1所述的基于泄漏电流吸引子相图的绝缘子污秽状态检测方法，其特征在于：用于对绝缘子表面泄漏电流的吸引子相图进行识别的改进的卷积神经网络包含3个卷积核大小为3×3的卷积层，3个池化大小为3×3的池化层，1个包含3个通道的Inception模块，Inception模块的第一个通道对图像进行1×1卷积，第二个通道对图像进行5×5卷积，第三个通道先对图像进行3×3的池化后再进行1×1卷积。
CN202111384641.8A 2021-11-22 2021-11-22 基于泄漏电流吸引子相图的绝缘子污秽状态检测方法 Active CN114034714B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111384641.8A CN114034714B (zh) 2021-11-22 2021-11-22 基于泄漏电流吸引子相图的绝缘子污秽状态检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111384641.8A CN114034714B (zh) 2021-11-22 2021-11-22 基于泄漏电流吸引子相图的绝缘子污秽状态检测方法

Publications (2)

Publication Number Publication Date
CN114034714A true CN114034714A (zh) 2022-02-11
CN114034714B CN114034714B (zh) 2024-03-26

Family

ID=80138267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111384641.8A Active CN114034714B (zh) 2021-11-22 2021-11-22 基于泄漏电流吸引子相图的绝缘子污秽状态检测方法

Country Status (1)

Country Link
CN (1) CN114034714B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140041087A (ko) * 2012-09-27 2014-04-04 한국전력공사 애자 오손 측정장치와 애자 오손 측정방법
CN105137299A (zh) * 2015-08-26 2015-12-09 芜湖市凯鑫避雷器有限责任公司 绝缘子闪络电压预测方法
CN106771806A (zh) * 2016-12-13 2017-05-31 国网山东省电力公司电力科学研究院 一种高压线路绝缘子表面污秽状态遥视遥测方法及系统
CN107240095A (zh) * 2017-05-25 2017-10-10 武汉大学 一种基于可见光图像的直流线路绝缘子表面污秽状态识别法
CN110133438A (zh) * 2019-05-16 2019-08-16 国网安徽省电力有限公司 一种基于相空间重构与电导特征的单相接地故障辨识方法
CN110147777A (zh) * 2019-05-24 2019-08-20 合肥工业大学 一种基于深度迁移学习的绝缘子类别检测方法
CN110244205A (zh) * 2019-07-12 2019-09-17 西南石油大学 一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140041087A (ko) * 2012-09-27 2014-04-04 한국전력공사 애자 오손 측정장치와 애자 오손 측정방법
CN105137299A (zh) * 2015-08-26 2015-12-09 芜湖市凯鑫避雷器有限责任公司 绝缘子闪络电压预测方法
CN106771806A (zh) * 2016-12-13 2017-05-31 国网山东省电力公司电力科学研究院 一种高压线路绝缘子表面污秽状态遥视遥测方法及系统
CN107240095A (zh) * 2017-05-25 2017-10-10 武汉大学 一种基于可见光图像的直流线路绝缘子表面污秽状态识别法
CN110133438A (zh) * 2019-05-16 2019-08-16 国网安徽省电力有限公司 一种基于相空间重构与电导特征的单相接地故障辨识方法
CN110147777A (zh) * 2019-05-24 2019-08-20 合肥工业大学 一种基于深度迁移学习的绝缘子类别检测方法
CN110244205A (zh) * 2019-07-12 2019-09-17 西南石油大学 一种小数据量下基于卷积神经网络的电缆附件局部放电识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陆倚鹏: "基于卷积神经网络的劣化瓷质绝缘子红外智能诊断系统", 中国优秀硕士论文工程科技Ⅱ辑 *

Also Published As

Publication number Publication date
CN114034714B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
Stefenon et al. Hybrid wavelet stacking ensemble model for insulators contamination forecasting
Liu et al. Advances of research on high-speed railway catenary
CN107451004A (zh) 一种基于定性趋势分析的道岔故障诊断方法
El-Hag Application of machine learning in outdoor insulators condition monitoring and diagnostics
CN110285877B (zh) 基于Spark Streaming的列车实时定位跟踪与速度计算方法
Pylarinos et al. Investigation and classification of field leakage current waveforms
CN112884070A (zh) 一种基于迁移学习的高压开关故障诊断方法
CN115963358A (zh) 一种混合三端柔性直流输电线路故障测距方法及系统
Maraaba et al. Prediction of the levels of contamination of HV insulators using image linear algebraic features and neural networks
Corso et al. Evaluation of visible contamination on power grid insulators using convolutional neural networks
CN114034714A (zh) 基于泄漏电流吸引子相图的绝缘子污秽状态检测方法
CN111157853A (zh) 一种输电线路的放电状态识别方法及系统
CN108008246B (zh) 基于时域自适应窗的线路故障测距方法及装置
LU502493B1 (en) Method for detecting insulator contamination state based on leakage current attractor phase diagram
Li et al. Inception module and deep residual shrinkage network-based arc fault detection method for pantograph–catenary systems
CN113791324A (zh) 一种污秽绝缘子闪络风险预警系统及方法
CN101713807A (zh) 基于信号高速采集的机车活接地故障记录分析装置及方法
de Santos et al. A machine learning approach for condition monitoring of high voltage insulators in polluted environments
El-Hag et al. Prediction of leakage current of non-ceramic insulators in early aging period
Pylarinos et al. Online applicable techniques to evaluate field leakage current waveforms
CN116579474A (zh) 一种绝缘子污染程度的预测方法、装置、设备及存储介质
CN115902541A (zh) 一种输电线路绝缘子放电及缺陷的诊断方法及系统
CN105651526B (zh) 基于振动信号分析的车辆工况识别方法
Serikbay et al. CNN-based classification of contaminated high voltage insulator surface
CN208367115U (zh) 25hz室外轨道电路电气数据采集系统

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