CN114577853B - 复合绝缘子发热缺陷自动判断方法 - Google Patents

复合绝缘子发热缺陷自动判断方法 Download PDF

Info

Publication number
CN114577853B
CN114577853B CN202210480510.8A CN202210480510A CN114577853B CN 114577853 B CN114577853 B CN 114577853B CN 202210480510 A CN202210480510 A CN 202210480510A CN 114577853 B CN114577853 B CN 114577853B
Authority
CN
China
Prior art keywords
composite insulator
temperature
central axis
core rod
gradient
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.)
Active
Application number
CN202210480510.8A
Other languages
English (en)
Other versions
CN114577853A (zh
Inventor
李特
王少华
刘黎
梅冰笑
姜凯华
曹俊平
陶瑞祥
王振国
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.)
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
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 Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210480510.8A priority Critical patent/CN114577853B/zh
Publication of CN114577853A publication Critical patent/CN114577853A/zh
Application granted granted Critical
Publication of CN114577853B publication Critical patent/CN114577853B/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
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明公开了一种复合绝缘子发热缺陷自动判断方法。目前的方法依赖人工读取复合绝缘子不同部位温差，在确定温度基准点时容易产生人为误差；此外，基于绝缘子中轴线获得温差的判断方法，需要人工在红外软件中绘制绝缘子中轴线，工作量繁重，限制了大量红外图像的快速处理。本发明为一种利用图像处理技术及绝缘子中轴线温度梯度标准差特征实现复合绝缘子发热缺陷自动判断的方法，通过图像处理技术自动绘制复合绝缘子中轴线，并利用红外软件接口获得沿中轴线的温度曲线，进而利用温度梯度标准差和温度低频分量梯度标准差实现发热缺陷的判断，大幅提升了复合绝缘子红外图像发热缺陷分析的工作效率，同时避免了人工选取温度基准点带来的误差。

Description

复合绝缘子发热缺陷自动判断方法
技术领域
本发明属于电网复合绝缘子领域，涉及现场复合绝缘子发热缺陷自动判断方法，具体地说是一种采用图像处理以及复合绝缘子芯棒中轴线温度梯度信息判断复合绝缘子是否存在发热缺陷的方法。
背景技术
电网复合绝缘子用量巨大，重污区架空线路直线塔普遍采用复合绝缘子，变电站母线也大量采用复合绝缘子。随着运行时间的延长，在外部高湿热、重污秽环境作用下复合绝缘子芯棒可能出现内部酥朽、护套电蚀破坏等缺陷，长期发展会导致复合绝缘子断串或者内部击穿。由于上述缺陷的发展会产生发热，因此红外检测是筛查早期复合绝缘子缺陷的重要手段。
目前采用的方法是通过人工在复合绝缘子表面添加测温框或者测温线，获得复合绝缘子不同部位的温度数值，进而读取不同部位温差，根据温差幅值判断绝缘子是否存在发热缺陷。该方法需要人工进行测温框或者测温线的添加，工作量繁重，不适应目前大量无人机红外巡检数据的快速处理；此外，通过温差判断发热缺陷，在温度基准点的选择等方面易受到分析人员主观因素的影响。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于图像处理及温度分布特征的复合绝缘子发热缺陷自动判断方法，其通过openpose算法预训练建立复合绝缘子芯棒中轴线的检测模型，结合红外软件接口实现复合绝缘子芯棒中轴线温度曲线的自动获取，并采用芯棒中轴线温度梯度（相对）标准差及温度低频分量（相对）标准差获得二维空间分布分界线，实现复合绝缘子发热的判断，从而大幅提升复合绝缘子红外图像发热缺陷分析的工作效率，同时避免人工选取温度基准点带来的误差。
为此，本发明采用的一种技术方案如下：复合绝缘子发热缺陷自动判断方法，其包括步骤：
a)收集设备资料，获取复合绝缘子结构高度和伞裙单元数量；
b)对在运复合绝缘子进行红外测试，获取复合绝缘子红外测温图像；
c)利用深度学习中的openpose算法建立的复合绝缘子中轴线检测模型，获得复合绝缘子芯棒中轴线，结合红外软件温度场数据接口，得到复合绝缘子芯棒中轴线温度曲线；
d)对复合绝缘子芯棒中轴线温度曲线进行梯度计算，获得复合绝缘子芯棒中轴线温度梯度曲线，通过标准差计算得到复合绝缘子芯棒中轴线温度梯度标准差和温度梯度相对标准差；
e)对复合绝缘子芯棒中轴线温度曲线进行小波分解与低频分量重构，得到复合绝缘子芯棒中轴线温度曲线低频分量；对复合绝缘子芯棒中轴线温度曲线低频分量进行梯度计算，得到复合绝缘子芯棒中轴线温度低频分量梯度曲线，通过标准差计算得到复合绝缘子芯棒中轴线温度低频分量梯度标准差和温度低频分量梯度相对标准差；
f)利用在运的正常、存在发热缺陷的复合绝缘子，重复步骤a）至步骤e)，构建训练样本，训练样本包含两种：第一种为温度梯度标准差和温度低频分量梯度标准差，第二种为温度梯度相对标准差和温度低频分量梯度相对标准差；
g)利用步骤f)建立的训练样本，采用机器学习方法，获得正常、发热缺陷复合绝缘子梯度特征二维空间分布分界线，二维空间分布分界线分为两种：第一种为正常、发热复合绝缘子温度梯度标准差和温度低频分量梯度标准差的分布分界线；第二种为复合绝缘子温度梯度相对标准差和温度低频分量梯度相对标准差的分布分界线；
h)对于目标复合绝缘子，利用所述的分布分界线判断是否存在发热缺陷。
本发明通过图像处理实现复合绝缘子芯棒中轴线温度的自动获取，并采用芯棒中轴线温度梯度（相对）标准差及温度低频分量（相对）标准差获得二维空间分布分界线，判断目标复合绝缘子是否存在发热缺陷。
进一步地，所述的复合绝缘子芯棒中轴线检测模型通过以下步骤建立：
c1)采集复合绝缘子红外测温图像，包含复合绝缘子在天空背景和不超过10m测试距离下的复合绝缘子红外测温图像；
c2)在采集到的红外测温图像中选择部分为训练集，剩余部分为测试集；
c3)对训练集中的复合绝缘子红外测温图像进行标注，分别标注复合绝缘子芯棒高压端与金具联接点、复合绝缘子芯棒低压端与金具联接点，获得标注后的数据集及对应的标签数据集；
c4)利用标注后获得的数据集及对应的标签数据集，进行基于openpose算法的机器视觉目标检测技术的模型训练，根据训练调节参数获得复合绝缘子芯棒高压端与金具联接点、复合绝缘子芯棒低压端与金具联接点的检测模型；
c5)连接复合绝缘子芯棒高压端与金具联接点、复合绝缘子芯棒低压端与金具联接点，得到复合绝缘子芯棒中轴线，形成复合绝缘子芯棒中轴线检测模型。
进一步地，复合绝缘子芯棒中轴线温度梯度曲线k 1与复合绝缘子中轴线温度曲线f T的关系为：
Figure 282813DEST_PATH_IMAGE001
，
其中，H为绝缘子高度，单位为mm；m为复合绝缘子中轴线温度曲线的点数；f T (i)为复合绝缘子芯棒中轴线温度曲线f T 上第i个点的温度数值；f T (i+1)为复合绝缘子芯棒中轴线温度曲线f T 上第i+1个点的温度数值；k 1(i)为复合绝缘子芯棒中轴线温度梯度曲线k 1上第i个点的梯度数值；l为复合绝缘子中轴线温度曲线相邻两个数据点之间的空间距离。
进一步地，复合绝缘子芯棒中轴线温度梯度标准差Skd、温度梯度相对标准差Srkd与复合绝缘子芯棒中轴线温度梯度曲线k 1的关系为：
Figure 833487DEST_PATH_IMAGE002
，
Figure 972344DEST_PATH_IMAGE003
，
式中，
Figure 618089DEST_PATH_IMAGE004
为复合绝缘子芯棒中轴线温度梯度曲线平均值，
Figure 867805DEST_PATH_IMAGE005
为复合绝缘子芯棒中轴线温度梯度曲线绝对值的平均值，m为复合绝缘子芯棒中轴线温度曲线的点数；k 1(i)为复合绝缘子芯棒中轴线温度梯度曲线k 1上第i个点的梯度数值。
进一步地，复合绝缘子芯棒中轴线温度曲线低频分量f LT由复合绝缘子芯棒中轴线温度曲线通过小波分解重构得到，小波基为dmey，分解层数为3或4。
进一步地，复合绝缘子芯棒中轴线温度曲线低频分量梯度曲线k 2与芯棒中轴线温度曲线低频分量f LT的关系为：
Figure 416860DEST_PATH_IMAGE006
，
其中，H为复合绝缘子结构高度，m为复合绝缘子芯棒中轴线温度曲线的数据点数，f LT (i)为复合绝缘子芯棒中轴线温度曲线低频分量f LT上第i个点的温度数值，f LT (i+1)为复合绝缘子芯棒中轴线温度曲线低频分量f LT上第i+1个点的温度数值，k 2(i)为复合绝缘子芯棒中轴线温度低频分量梯度曲线k 2上第i个点的梯度数值，l为复合绝缘子温度曲线相邻两个数据点之间的空间距离。
进一步地，复合绝缘子芯棒中轴线温度低频分量梯度标准差SLkd、温度低频分量梯度相对标准差SLrkd与复合绝缘子芯棒中轴线温度低频分量梯度曲线k 2的关系为：
Figure 726619DEST_PATH_IMAGE007
，
Figure 797343DEST_PATH_IMAGE008
，
式中，
Figure 913067DEST_PATH_IMAGE009
为复合绝缘子温度低频分量梯度曲线平均值，
Figure 752847DEST_PATH_IMAGE010
为复合绝缘子温度低频分量梯度曲线绝对值的平均值，m为复合绝缘子芯棒中轴线温度曲线的点数。
进一步地，步骤h)中，对目标复合绝缘子，重复步骤a）至步骤e)，获得温度梯度标准差和温度低频分量梯度标准差，通过步骤g)中正常、发热复合绝缘子温度梯度标准差和温度低频分量梯度标准差的分布分界线，判断目标复合绝缘子是否存在发热缺陷。
进一步地，步骤h)中，对目标复合绝缘子，重复步骤a）至步骤e)，获得温度梯度相对标准差和温度低频分量梯度相对标准差，通过步骤g)中正常、发热复合绝缘子温度梯度相对标准差和温度低频分量梯度相对标准差的分布分界线，判断目标复合绝缘子是否存在发热缺陷。
进一步地，所述的机器学习方法包括支持向量机法或神经网络法。
与现有方法相比，本发明利用图像处理实现复合绝缘子中轴线温度曲线的自动获取，避免了人工添加测温线或者测温框的繁重工作；同时利用芯棒中轴线温度梯度、温度低频分量梯度特征实现复合绝缘子发热缺陷判断，避免了人工选取温度基准点的主观误差。
附图说明
图1为本发明方法的流程图；
图2为本发明中建立复合绝缘子芯棒中轴线检测模型的流程图；
图3为本发明中获取正常、发热复合绝缘子芯棒温度梯度特征量的二维空间分布分界线的流程图；
图4为本发明具体实施方式中复合绝缘子芯棒高压端与金具连接处、低压端与金具连接处标注位置示例图；
图5为本发明具体实施方式中复合绝缘子芯棒中轴线自动检测结果示例图；
图6为本发明具体实施方式中正常、发热110kV复合绝缘子温度梯度相对标准差、温度低频分量梯度相对标准差的分布图；
图7位本发明具体实施方式中正常、发热110kV复合绝缘子温度梯度标准差、温度低频分量梯度标准差的分布图；
图8为本发明具体实施方式中通过支持向量机获得的正常、发热110kV复合绝缘子温度梯度相对标准差、温度低频分量梯度相对标准差的分布图；
图9为本发明具体实施方式中正常、发热110kV复合绝缘子温度梯度相对标准差、温度低频分量梯度相对标准差的分布图；
图10为本发明具体实施方式中目标复合绝缘子芯棒中轴线温度曲线图；
图11为本发明具体实施方式中目标复合绝缘子芯棒中轴线温度梯度曲线图；
图12为本发明具体实施方式中目标复合绝缘子芯棒中轴线温度低频分量图；
图13为本发明具体实施方式中目标复合绝缘子芯棒中轴线温度低频分量梯度曲线图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步说明。
以110kV架空线路复合绝缘子为例，下面应用本发明建立该批复合绝缘子芯棒中轴线检测模型，流程如图2所示，具体步骤如下：
1）拍摄得到该批复合绝缘子红外图像，拍摄时距离不超过10m，拍摄背景为天空。
2）在该批复合绝缘子红外图像中选择部分为训练集，剩余部分为测试集。
3）对训练集复合绝缘子图像标注芯棒高压端与金具联接点、芯棒低压端与金具联接点，获得标注后的数据集及对应的标签数据集，标注例子见附图4，其中A为芯棒高压端与金具联接点，B为芯棒低压端与金具联接点。
4）进行基于openpose算法的机器视觉模型训练，获得复合绝缘子芯棒高压端与金具联接点、复合绝缘子芯棒低压端与金具联接点的检测模型。
5）对获得芯棒高压端与金具联接点、芯棒低压端与金具联接点的复合绝缘子，连接上述两点得到芯棒中轴线。
6）选取剩余的测试复合绝缘子进行测试，完成的复合绝缘子芯棒中轴线检测如附图5，附图5中C指向的芯棒位置中间的直线即为检测得到的芯棒中轴线。
以110kV架空线路复合绝缘子为例，下面应用本发明建立110kV正常及发热复合绝缘子芯棒温度梯度特征量的二维空间分布分界线，流程如图3所示，具体步骤如下：
1）获取一批110kV正常、发热复合绝缘子结构高度和伞裙单元数量，分别为1490mm、14。
2）获取该批正常、发热复合绝缘子红外测温图像。
3）利用预先建立的复合绝缘子芯棒中轴线检测模型和红外软件温度场数据接口，获得一批正常、发热复合绝缘子芯棒中轴线温度曲线。
4）对复合绝缘子芯棒中轴线温度曲线进行梯度计算，得到芯棒中轴线温度梯度曲线，计算依据式（1）进行：
Figure 233507DEST_PATH_IMAGE001
(1)
其中，H为绝缘子高度，单位为mm；m为复合绝缘子中轴线温度曲线的点数；f T (i)为复合绝缘子芯棒中轴线温度曲线f T 上第i个点的温度数值；f T (i+1)为复合绝缘子芯棒中轴线温度曲线f T 上第i+1个点的温度数值；k 1(i)为复合绝缘子芯棒中轴线温度梯度曲线k 1上第i个点的梯度数值；l为复合绝缘子中轴线温度曲线相邻两个数据点之间的空间距离。
5）利用复合绝缘子芯棒中轴线温度梯度曲线得到复合绝缘子芯棒中轴线温度梯度标准差Skd、温度梯度相对标准差Srkd，计算依据式（2）、（3）进行：
Figure 588265DEST_PATH_IMAGE011
(2)
Figure 445362DEST_PATH_IMAGE003
(3)
式中，
Figure 139649DEST_PATH_IMAGE004
为复合绝缘子温度梯度曲线平均值，
Figure 539013DEST_PATH_IMAGE005
为复合绝缘子温度梯度曲线绝对值的平均值，m为复合绝缘子温度曲线的点数。
6)对复合绝缘子芯棒中轴线温度曲线进行小波分解与低频分量重构，得到复合绝缘子芯棒中轴线温度曲线低频分量f LT，f LT由复合绝缘子芯棒中轴线温度曲线通过小波分解重构得到，小波基为dmey，分解层数为4。
7)对复合绝缘子芯棒中轴线温度曲线低频分量进行梯度计算，得到芯棒中轴线温度低频分量梯度曲线k 2，计算依据式（4）进行：
Figure 584329DEST_PATH_IMAGE006
（4）
其中，H为复合绝缘子结构高度，m为复合绝缘子芯棒中轴线温度曲线的数据点数，f LT (i)为复合绝缘子芯棒中轴线温度曲线低频分量f LT上第i个点的温度数值，f LT (i+1)为复合绝缘子芯棒中轴线温度曲线低频分量f LT上第i+1个点的温度数值，k 2(i)为复合绝缘子芯棒中轴线温度低频分量梯度曲线k 2上第i个点的梯度数值，l为复合绝缘子温度曲线相邻两个数据点之间的空间距离。
8)利用复合绝缘子芯棒中轴线温度低频分量梯度曲线得到复合绝缘子芯棒中轴线温度低频分量梯度标准差SLkd、温度低频分量梯度相对标准差SLrkd，计算依据式（5）、（6）进行：
Figure 979538DEST_PATH_IMAGE007
(5)
Figure 590648DEST_PATH_IMAGE008
(6)
式中，
Figure 678690DEST_PATH_IMAGE009
为复合绝缘子温度梯度曲线平均值，
Figure 945723DEST_PATH_IMAGE010
为复合绝缘子温度梯度曲线绝对值的平均值，m为复合绝缘子温度曲线的点数。
9)利用该批正常、存在发热缺陷的复合绝缘子，采用温度梯度标准差、温度低频分量梯度标准差构建训练样本，上述特征量的空间分布图见附图6。
10)利用该批正常、存在发热缺陷的复合绝缘子，采用温度梯度相对标准差、温度低频分量梯度相对标准差构建训练样本，上述特征量的空间分布图见附图7。
11)利用步骤10)建立的训练样本，采用支持向量机，获得正常、发热缺陷复合绝缘子梯度特征二维空间分布和分界线，特征量为复合绝缘子温度梯度标准差、温度低频分量梯度标准差，得到的特征量的空间分布分界线见附图8。
12)利用步骤10)建立的训练样本，采用支持向量机，获得正常、发热缺陷复合绝缘子梯度特征二维空间分布和分界线，特征量为复合绝缘子温度梯度相对标准差、温度低频分量梯度相对标准差，得到的特征量的空间分布分界线见附图9。
以一支发热的110kV架空线路复合绝缘子为例，下面应用本发明的方法判断其是否发热，流程如图1所示，具体步骤如下：
1）获取一支110kV的目标复合绝缘子结构高度和伞裙单元数量，分别为1490mm、7。
2）获取该支复合绝缘子红外测温图像。
3）利用预先建立的复合绝缘子芯棒中轴线检测模型和红外软件温度场数据接口，获得该支复合绝缘子芯棒中轴线温度曲线，见图10。
4）对复合绝缘子芯棒中轴线温度曲线进行梯度计算，得到芯棒中轴线温度梯度曲线，
计算依据式（1）进行，温度梯度计算结果见图11。
Figure 708405DEST_PATH_IMAGE001
(1)
其中，H为绝缘子高度1490mm，m为复合绝缘子温度曲线的点数399，f T (i)为复合绝缘子芯棒中轴线温度曲线f T 上第i个点的温度数值f T (i+1)为复合绝缘子芯棒中轴线温度曲线f T 上第i+1个点的温度数值，k(i)为复合绝缘子芯棒中轴线温度梯度曲线k 2上第i个点的梯度数值，l为复合绝缘子温度曲线相邻两个数据点之间的空间距离。
5）利用复合绝缘子芯棒中轴线温度梯度曲线通过式（2）、（3）计算得到复合绝缘子芯棒中轴线温度梯度标准差Skd为0.0709K/mm、温度梯度相对标准差Srkd为1.0891。
Figure 111705DEST_PATH_IMAGE002
(2)
Figure 370648DEST_PATH_IMAGE003
(3)
式中，
Figure 124977DEST_PATH_IMAGE004
为复合绝缘子温度梯度曲线平均值，
Figure 924306DEST_PATH_IMAGE005
为复合绝缘子温度梯度曲线绝对值的平均值，m为复合绝缘子温度曲线的点数。
6)对复合绝缘子芯棒中轴线温度曲线进行小波分解与低频分量重构，得到复合绝缘子芯棒中轴线温度曲线低频分量f LT，f LT由复合绝缘子芯棒中轴线温度曲线通过小波分解重构得到，小波基为dmey，分解层数为4，得到的芯棒中轴线温度曲线低频分量f LT见图12。
7)对复合绝缘子芯棒中轴线温度曲线低频分量进行梯度计算，得到芯棒中轴线温度低频分量梯度曲线k 2，计算依据式（4）进行，计算得到的温度低频分量梯度k 2见图13。
Figure 447691DEST_PATH_IMAGE006
（4）
其中，H为复合绝缘子结构高度1490mm，m为复合绝缘子温度曲线的数据点数399，f LT (i)为复合绝缘子芯棒中轴线温度曲线低频分量f LT上第i个点的温度数值，f LT (i+1)为复合绝缘子芯棒中轴线温度曲线低频分量f LT上第i+1个点的温度数值，k 2(i)为复合绝缘子芯棒中轴线温度低频分量梯度曲线k 2上第i个点的梯度数值，l为复合绝缘子温度曲线相邻两个数据点之间的空间距离。
8)利用复合绝缘子芯棒中轴线温度低频分量梯度曲线通过式（5）、（6）得到复合绝缘子芯棒中轴线温度低频分量梯度标准差SLkd为0.013 K/mm、温度低频分量梯度相对标准差SLrkd为1.1469。
Figure 877535DEST_PATH_IMAGE007
(5)
Figure 915898DEST_PATH_IMAGE008
(6)
式中，
Figure 456601DEST_PATH_IMAGE009
为复合绝缘子温度梯度曲线平均值，
Figure 100072DEST_PATH_IMAGE010
为复合绝缘子温度梯度曲线绝对值的平均值，m为复合绝缘子温度曲线的点数。
9）利用附图8所示的110kV正常、发热复合绝缘子芯棒中轴线温度梯度标准差、温度低频分量梯度标准差的分布分界线，判断被测复合绝缘子的芯棒中轴线温度梯度标准差、温度低频分量梯度标准差（0.013K/mm，0.0709K/mm）位于发热区域，判断该复合绝缘子存在发热。
10）利用附图9所示的110kV正常、发热复合绝缘子芯棒中轴线温度梯度相对标准差、温度低频分量梯度相对标准差的分布分界线，判断被测复合绝缘子芯棒中轴线温度梯度相对标准差、温度低频分量梯度相对标准差（1.1469，1.0891）位于发热区域，判断该复合绝缘子存在发热。
11）在本实施例中，对式（3）芯棒中轴线温度梯度相对标准差进行进一步分析，将式（1）代入式（3）得到：
Figure 497555DEST_PATH_IMAGE012
(7)
其中，参数H也即复合绝缘子结构高度在计算中会自动消去。式（6）芯棒中轴线温度低频分量梯度相对标准差计算时，参数H也即复合绝缘子结构高度同样会消去。因此，采用芯棒中轴线温度梯度相对标准差、芯棒中轴线温度低频分量梯度相对标准差这两个参数进行计算时，可以不必收集现场复合绝缘子的结构高度参数。现场复合绝缘子型式、参数多样，一条线路上也往往存在多种不同高度的绝缘子，因此采用芯棒中轴线温度梯度相对标准差、芯棒中轴线温度低频分量梯度相对标准差进行发热缺陷判断可以进一步减少工作量，也避免了因绝缘子参数有误带来的结果误差。
以上所述，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上所述而顺畅地实施本发明；但是，凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时，凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。

Claims (10)

1.复合绝缘子发热缺陷自动判断方法，其特征在于，包括步骤：
a)收集设备资料，获取复合绝缘子结构高度和伞裙单元数量；
b)对在运复合绝缘子进行红外测试，获取复合绝缘子红外测温图像；
c)利用深度学习中的openpose算法建立的复合绝缘子芯棒中轴线检测模型，获得复合绝缘子芯棒中轴线，结合红外软件温度场数据接口，得到复合绝缘子芯棒中轴线温度曲线；
d)对复合绝缘子芯棒中轴线温度曲线进行梯度计算，获得复合绝缘子芯棒中轴线温度梯度曲线，通过标准差计算得到复合绝缘子芯棒中轴线温度梯度标准差和温度梯度相对标准差；
e)对复合绝缘子芯棒中轴线温度曲线进行小波分解与低频分量重构，得到复合绝缘子芯棒中轴线温度曲线低频分量；对复合绝缘子芯棒中轴线温度曲线低频分量进行梯度计算，得到复合绝缘子芯棒中轴线温度低频分量梯度曲线，通过标准差计算得到复合绝缘子芯棒中轴线温度低频分量梯度标准差和温度低频分量梯度相对标准差；
f)利用在运的正常、存在发热缺陷的复合绝缘子，重复步骤a）至步骤e)，构建训练样本，训练样本包含两种：第一种为温度梯度标准差和温度低频分量梯度标准差，第二种为温度梯度相对标准差和温度低频分量梯度相对标准差；
g)利用步骤f)建立的训练样本，采用机器学习方法，获得正常、发热缺陷复合绝缘子梯度特征二维空间分布分界线，二维空间分布分界线分为两种：第一种为正常、发热复合绝缘子温度梯度标准差和温度低频分量梯度标准差的分布分界线；第二种为复合绝缘子温度梯度相对标准差和温度低频分量梯度相对标准差的分布分界线；
h)对于目标复合绝缘子，利用所述的分布分界线判断是否存在发热缺陷。
2.根据权利要求1所述的复合绝缘子发热缺陷自动判断方法，其特征在于，所述的复合绝缘子芯棒中轴线检测模型通过以下步骤建立：
c1)采集复合绝缘子红外测温图像，包含复合绝缘子在天空背景和不超过10m测试距离下的复合绝缘子红外测温图像；
c2)在采集到的红外测温图像中选择部分为训练集，剩余部分为测试集；
c3)对训练集中的复合绝缘子红外测温图像进行标注，分别标注复合绝缘子芯棒高压端与金具联接点、复合绝缘子芯棒低压端与金具联接点，获得标注后的数据集及对应的标签数据集；
c4)利用标注后获得的数据集及对应的标签数据集，进行基于openpose算法的机器视觉目标检测技术的模型训练，根据训练调节参数获得复合绝缘子芯棒高压端与金具联接点、复合绝缘子芯棒低压端与金具联接点的检测模型；
c5)连接复合绝缘子芯棒高压端与金具联接点、复合绝缘子芯棒低压端与金具联接点，得到复合绝缘子芯棒中轴线，形成复合绝缘子芯棒中轴线检测模型。
3.根据权利要求1或2所述的复合绝缘子发热缺陷自动判断方法，其特征在于，复合绝缘子芯棒中轴线温度梯度曲线k 1与复合绝缘子芯棒中轴线温度曲线f T的关系为：
Figure 328930DEST_PATH_IMAGE001
，
其中，H为绝缘子高度，单位为mm；m为复合绝缘子芯棒中轴线温度曲线的点数；f T (i)为复合绝缘子芯棒中轴线温度曲线f T 上第i个点的温度数值；f T (i+1)为复合绝缘子芯棒中轴线温度曲线f T 上第i+1个点的温度数值；k 1(i)为复合绝缘子芯棒中轴线温度梯度曲线k 1上第i个点的梯度数值；l为复合绝缘子芯棒中轴线温度曲线相邻两个数据点之间的空间距离。
4.根据权利要求1或2所述的复合绝缘子发热缺陷自动判断方法，其特征在于，复合绝缘子芯棒中轴线温度梯度标准差Skd、温度梯度相对标准差Srkd与复合绝缘子芯棒中轴线温度梯度曲线k 1的关系为：
Figure 72502DEST_PATH_IMAGE002
，
Figure 383397DEST_PATH_IMAGE003
，
式中，
Figure 513027DEST_PATH_IMAGE004
为复合绝缘子芯棒中轴线温度梯度曲线平均值，
Figure 858558DEST_PATH_IMAGE005
为复合绝缘子芯棒中轴线温度梯度曲线绝对值的平均值，m为复合绝缘子芯棒中轴线温度曲线的点数；k 1(i)为复合绝缘子芯棒中轴线温度梯度曲线k 1上第i个点的梯度数值。
5.根据权利要求1或2所述的复合绝缘子发热缺陷自动判断方法，其特征在于，复合绝缘子芯棒中轴线温度曲线低频分量f LT由复合绝缘子芯棒中轴线温度曲线通过小波分解重构得到，小波基为dmey，分解层数为3或4。
6.根据权利要求1或2所述的复合绝缘子发热缺陷自动判断方法，其特征在于，复合绝缘子芯棒中轴线温度曲线低频分量梯度曲线k 2与芯棒中轴线温度曲线低频分量f LT的关系为：
Figure 212179DEST_PATH_IMAGE006
，
其中，H为复合绝缘子结构高度，m为复合绝缘子芯棒中轴线温度曲线的数据点数，f LT (i)为复合绝缘子芯棒中轴线温度曲线低频分量f LT上第i个点的温度数值，f LT (i+1)为复合绝缘子芯棒中轴线温度曲线低频分量f LT上第i+1个点的温度数值，k 2(i)为复合绝缘子芯棒中轴线温度低频分量梯度曲线k 2上第i个点的梯度数值，l为复合绝缘子温度曲线相邻两个数据点之间的空间距离。
7.根据权利要求1或2所述的复合绝缘子发热缺陷自动判断方法，其特征在于，复合绝缘子芯棒中轴线温度低频分量梯度标准差SLkd、温度低频分量梯度相对标准差SLrkd与复合绝缘子芯棒中轴线温度低频分量梯度曲线k 2的关系为：
Figure 807108DEST_PATH_IMAGE007
，
Figure 537167DEST_PATH_IMAGE008
，
式中，
Figure 238669DEST_PATH_IMAGE009
为复合绝缘子温度低频分量梯度曲线平均值，
Figure 763191DEST_PATH_IMAGE010
为复合绝缘子温度低频分量梯度曲线绝对值的平均值，m为复合绝缘子芯棒中轴线温度曲线的点数。
8.根据权利要求1或2所述的复合绝缘子发热缺陷自动判断方法，其特征在于，步骤h)中，对目标复合绝缘子，重复步骤a）至步骤e)，获得温度梯度标准差和温度低频分量梯度标准差，通过步骤g)中正常、发热复合绝缘子温度梯度标准差和温度低频分量梯度标准差的分布分界线，判断目标复合绝缘子是否存在发热缺陷。
9.根据权利要求1或2所述的复合绝缘子发热缺陷自动判断方法，其特征在于，步骤h)中，对目标复合绝缘子，重复步骤a）至步骤e)，获得温度梯度相对标准差和温度低频分量梯度相对标准差，通过步骤g)中正常、发热复合绝缘子温度梯度相对标准差和温度低频分量梯度相对标准差的分布分界线，判断目标复合绝缘子是否存在发热缺陷。
10.根据权利要求1或2所述的复合绝缘子发热缺陷自动判断方法，其特征在于，所述的机器学习方法包括支持向量机法或神经网络法。
CN202210480510.8A 2022-05-05 2022-05-05 复合绝缘子发热缺陷自动判断方法 Active CN114577853B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210480510.8A CN114577853B (zh) 2022-05-05 2022-05-05 复合绝缘子发热缺陷自动判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210480510.8A CN114577853B (zh) 2022-05-05 2022-05-05 复合绝缘子发热缺陷自动判断方法

Publications (2)

Publication Number Publication Date
CN114577853A CN114577853A (zh) 2022-06-03
CN114577853B true CN114577853B (zh) 2022-09-02

Family

ID=81785097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210480510.8A Active CN114577853B (zh) 2022-05-05 2022-05-05 复合绝缘子发热缺陷自动判断方法

Country Status (1)

Country Link
CN (1) CN114577853B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115421006A (zh) * 2022-08-17 2022-12-02 广州科易光电技术有限公司 绝缘子串缺陷检测方法、设备终端及存储介质
CN117953401B (zh) * 2024-03-26 2024-06-25 国网浙江省电力有限公司电力科学研究院 一种复杂背景红外图像复合绝缘子发热缺陷自动识别方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004144668A (ja) * 2002-10-25 2004-05-20 Jfe Steel Kk 欠陥検出方法
CN104713901B (zh) * 2015-01-23 2017-08-25 国家电网公司 基于红外精确测温的复合绝缘子绝缘缺陷检测方法
CN108760814A (zh) * 2018-06-21 2018-11-06 湖南湖大华龙电气与信息技术有限公司 一种复合绝缘子红外与毫米波联合智能检测方法及其装置
CN111398339B (zh) * 2020-03-26 2022-08-30 国网浙江省电力有限公司电力科学研究院 一种现场架空线路复合绝缘子发热缺陷分析判断方法及系统
CN111965214B (zh) * 2020-07-09 2023-05-16 国网浙江省电力有限公司电力科学研究院 一种架空线路复合绝缘子发热缺陷判断方法及系统
CN113358227B (zh) * 2021-04-21 2022-10-14 国网浙江省电力有限公司电力科学研究院 复合绝缘子发热缺陷局部温差计算方法及系统
CN113469950A (zh) * 2021-06-08 2021-10-01 海南电网有限责任公司电力科学研究院 一种基于深度学习的复合绝缘子异常发热缺陷的诊断方法
CN113484635A (zh) * 2021-06-17 2021-10-08 海南电网有限责任公司电力科学研究院 绝缘子异常发热热源及其材料劣化特征分析方法
CN113588714B (zh) * 2021-08-26 2024-07-26 国网四川省电力公司成都供电公司 一种复合绝缘子缺陷检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Interface defect detection for composite insulators based on infrared thermography axial temperature method;Jianguo Wang等;《Infrared Physics & Technology》;20180809;第232-239页 *
含人工缺陷复合绝缘子红外特征试验研究;李 特等;《浙江电力》;20211231;第94-100页 *
基于 OpenPose 的自动扶梯智能监控系统应用研究;张鑫鑫等;《黑龙江工业学院学报》;20201031;第49-55页 *

Also Published As

Publication number Publication date
CN114577853A (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN114577853B (zh) 复合绝缘子发热缺陷自动判断方法
CN109934423B (zh) 基于并网逆变器运行数据的光伏电站功率预测方法及系统
CN113358227B (zh) 复合绝缘子发热缺陷局部温差计算方法及系统
Huang et al. An online technology for measuring icing shape on conductor based on vision and force sensors
CN107103598A (zh) 一种基于红外图像聚类处理的电力电缆热故障诊断方法
CN111398339B (zh) 一种现场架空线路复合绝缘子发热缺陷分析判断方法及系统
CN103954842B (zh) 一种确定大型接地系统接地电阻值的方法
CN102519846B (zh) 基于高光谱的复合绝缘子憎水性检测方法
CN111965214B (zh) 一种架空线路复合绝缘子发热缺陷判断方法及系统
CN103901291A (zh) 一种变电设备内部绝缘缺陷的诊断方法
CN109063729A (zh) 一种基于pso-nsct的多传感器图像融合方法
CN109408901B (zh) 电缆接头电场分布的三维仿真模型的建模方法
CN114037694A (zh) 基于U-net分割的复合绝缘子缺陷诊断方法
CN115307716A (zh) 一种基于数据映射的主变压器振动可视化检测方法
CN113466607B (zh) 一种三相电缆中间接头受潮状态分析方法
CN110059972B (zh) 基于泛函深度信念网络的日太阳辐射资源评估方法
Zheng et al. Three-dimensional defects detection of high-voltage cable joint based on iterative residual fitting
CN116152540A (zh) 一种基于卷积神经网络的复合绝缘子憎水性分布图像测定方法
CN112147465B (zh) 基于多重分形与极限学习机的gis局部放电光学诊断方法
CN117953401B (zh) 一种复杂背景红外图像复合绝缘子发热缺陷自动识别方法及系统
CN114494186A (zh) 一种高压输变电线路电气设备的故障检测方法
CN114757895B (zh) 一种复合绝缘子红外图像阳光直射干扰判断方法及系统
CN114565581A (zh) 一种配电线路低值绝缘子的检测方法、记录媒体及系统
CN113487601A (zh) 基于高精度三维点云数据计算雷击保护角的方法
Chu et al. Structural dimension measurement and error analysis of power cable based on image computing

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