CN114994069B - 基于高光谱的绝缘子污秽成分和含量的检测方法及系统 - Google Patents
基于高光谱的绝缘子污秽成分和含量的检测方法及系统 Download PDFInfo
- Publication number
- CN114994069B CN114994069B CN202210431990.9A CN202210431990A CN114994069B CN 114994069 B CN114994069 B CN 114994069B CN 202210431990 A CN202210431990 A CN 202210431990A CN 114994069 B CN114994069 B CN 114994069B
- Authority
- CN
- China
- Prior art keywords
- pollution
- component
- content
- insulator
- components
- 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
Links
- 239000012212 insulator Substances 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 32
- 150000003839 salts Chemical class 0.000 claims abstract description 83
- 238000001514 detection method Methods 0.000 claims abstract description 67
- 230000009471 action Effects 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011109 contamination Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000012153 distilled water Substances 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 8
- 238000004140 cleaning Methods 0.000 abstract description 6
- 238000011160 research Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 239000008367 deionised water Substances 0.000 description 3
- 229910021641 deionized water Inorganic materials 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 230000003679 aging effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010292 electrical insulation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000004255 ion exchange chromatography Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Insulators (AREA)
Abstract
本发明公开了一种基于高光谱的绝缘子污秽成分和含量的检测方法及系统，属于输变电设备运行状态检测技术领域，该方法包括：获取n个绝缘子的高光谱图像，并检测其成分和相应的含量；构建污秽检测模型；用污秽检测模型检测输电线路绝缘子的成分和含量，将每一种成分对应的等值盐密和所有成分共同作用的等值盐密相结合来表征绝缘子的污秽度，提高评估绝缘子污秽度的准确性。因污闪电压不仅与污秽程度相关，与污秽成分也有着显著关系，本检测方法能够在非接触的情况下，实现输电线路自然积污绝缘子污秽成分与含量的双重检测，解决了现有研究无法准确判定污秽成分对污闪电压影响的问题，根据检测结果，可以针对性的制定绝缘子表面污秽的清扫方案。
Description
技术领域
本发明属于输变电设备运行状态检测技术领域，尤其涉及一种基于高光谱的绝缘子污秽成分和含量的检测方法及系统。
背景技术
绝缘子是高压输电线路中不可或缺的设备之一，在输电线路和铁塔之间起着机械连接和电气绝缘的双重作用。绝缘子工作状态的好坏将直接影响输电线路的使用和运行寿命，但由于长期受到自然环境、机械应力的老化作用其耐污性能将显著下降，使得绝缘子的绝缘效果降低，进而造成污秽闪络，严重危害电网安全。研究表明，污闪电压不仅与污秽程度相关，更与污秽成分有着显著关系，因此实现绝缘子表面污秽成分和含量的有效识别，制定绝缘子清扫方案、防治污闪事故具有重要意义。然而现有对于绝缘子污秽成分的检测流程繁琐，需登杆拆卸绝缘子并擦洗、溶解绝缘子表面全部污秽，对含有污秽的溶液进行过滤、烘干、分离等操作检测成分，现有的技术无法进行现场带电检测。若需测量绝缘子各局部区域的污秽度，需要将绝缘子表面污秽全部擦洗溶解，检测溶液电导率，进而求得等值盐密表征绝缘子表面的污秽度。以上的检测过程都依赖测量人员技术与经验，在测量过程中易造成误差，且需重复上述操作，耗费人力物力且人工干扰较多致使测量结果分散性较大。综上所述，现有的绝缘子污秽成分和含量的识别方法有一定的条件限制。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于高光谱的绝缘子污秽成分和含量的检测方法及系统，解决了现有技术无法准确分辨自然污秽绝缘子表面污秽类型的问题，实现绝缘子污秽情况的及时检测。
为了达到上述发明目的，本发明采用的技术方案为：一种基于高光谱的绝缘子污秽成分和含量的检测方法，包括以下步骤：
S1、取若干输电线路绝缘子，利用高光谱仪获取其中n个绝缘子的高光谱图像，并检测所述n个绝缘子的污秽成分及其污秽含量；
S2、对所述高光谱图像进行预处理，提取不同污秽成分高光谱图像的特征波段，并分别以高光谱图像的全波段数据对应污秽成分，以高光谱图像的特征波段数据对应污秽含量，构建污秽检测模型；
S3、利用所述污秽检测模型识别待检测绝缘子的污秽成分和污秽含量，并选取污秽含量高的污秽成分作为主要污秽成分；
S4、根据所述主要污秽成分及其污秽含量，计算每种主要污秽成分对应的等值盐密，并根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密；
S5、将每种主要污秽成分对应的等值盐密以及整个绝缘子所有污秽成分共同作用的等值盐密相结合，表征绝缘子的污秽度，完成绝缘子自然污秽成分和含量的检测。
本发明的有益效果是：本发明通过获取自然积污绝缘子样品和高光谱图像，建立了污秽成分和含量的检测模型，检测未知绝缘子的污秽和含量，进而计算整只绝缘子的主要污秽成分及其等值盐密，实现输电线路绝缘子等值盐密检测与污秽程度评估。在实际应用时，用高光谱仪对自然污秽状态信息进行非接触采集，结合建立的污秽检测模型，能够高效检测自然积污绝缘子的成分和相应的含量，解决了现阶段检测污秽成分和含量开展条件复杂，缺乏应用于实际工况下能大范围检测的有效手段的缺陷；将每一种污秽成分对应的等值盐密和所有成分共同作用的等值盐密相结合来表征绝缘子的污秽情况，高效准确的实现绝缘子污秽程度的整体评估，有效解决相同盐密条件下绝缘子的污闪电压有较大的差异的问题，避免因为污秽成分不同造成的输电线路绝缘子污闪事故，为绝缘子的清扫提供一定的技术参考。
进一步地，所述步骤S2包括以下步骤：
S201、分别利用校正和变换对所述高光谱图像进行预处理；
S202、根据经预处理后的高光谱图像，利用连续投影法提取不同污秽成分高光谱图像的特征波段；
S203、分别以高光谱图像的全波段数据和特征波段数据作为输入，以污秽成分和对应的污秽含量作为输出，构建污秽检测模型。
上述进一步方案的有益效果是：通过对高光谱图像进行校正和变换处理，能较好的消除光源不均匀性和光敏单元本身响应差异等因素的影响，能够较好的消除图像噪声，去除非特征波动，获取强度均匀的图像，有效地提高光谱的信噪比。利用连续投影法提取特征波长，消除原始光谱矩阵中冗余的信息。构建的污秽检测模型包含高光谱图像的有用信息，能够高效的检测自然积污绝缘子的成分和相应的含量。
再进一步地，所述步骤S3中主要污秽成分的选取条件为：
其中，Xj表示污秽含量最高的污秽成分Mj对应的污秽含量，Xi表示待检测绝缘子的污秽成分M对应的污秽含量。
上述进一步方案的有益效果是：利用该选取条件可以判断待检测绝缘子的污秽成分和污秽含量，并选择污秽含量较大的成分作为主要成分，用来指导该绝缘子的污秽分布情况。
再进一步地，所述步骤S4包括以下步骤：
S401、根据所述主要污秽成分及其污秽含量，将污秽含量转换成对应的电导率；
S402、根据所述电导率，计算得到每种主要污秽成分的盐度，并根据每种主要污秽成分的盐度，计算得到每种主要污秽成分对应的等值盐密；
S403、根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密。
再进一步地，所述步骤S401中转换成对应的电导率的表达式如下：
δ'k＝Yk·Xj
其中，δ'k表示第K种主要污秽成分对应的电导率，Xj表示第K种主要污秽成分的污秽含量，Yk表示第K种主要污秽成分的含量与电导率的对应系数。
上述进一步方案的有益效果是：传统的计算电导率的方法是将污秽物充分溶解于水中，用电导率仪测量，再进行矫正，此发明利用主要污秽成分的含量与电导率之间的对应系数计算电导率，省去了较为繁琐的步骤，准确得到电导率值。
再进一步地，所述每种主要污秽成分对应的等值盐密的表达式如下：
Sak＝(5.7δ'k)1.03
其中，Sak表示第K种主要污秽成分的盐度，ESDDk表示第K种主要污秽成分对应的等值盐密，V表示蒸馏水体积，A表示待检测污秽绝缘子表面的面积；
整个绝缘子所有污秽成分共同作用的等值盐密的表达式如下：
ESDD整体＝ESDD1+ESDD2+…+ESDDk
其中，ESDD整体表示整个绝缘子所有污秽成分共同作用的等值盐密。
上述进一步方案的有益效果是：将主要污秽成分单独对应的等值盐密和所有成分共同作用的等值盐密相结合来表征绝缘子的污秽状态，可以提高评估绝缘子污秽度的准确性，有效解决相同盐密条件下绝缘子的污闪电压有较大的差异的问题。
本发明还提供了一种基于高光谱的绝缘子污秽成分和含量的检测系统，包括：
获取模块，用于取若干输电线路绝缘子，利用高光谱仪获取其中n个绝缘子的高光谱图像，并检测所述n个绝缘子的污秽成分及其污秽含量；
污秽检测模型构建模块，用于对所述高光谱图像进行预处理，提取不同污秽成分高光谱图像的特征波段，并分别以高光谱图像的全波段数据对应污秽成分，以高光谱图像的特征波段数据对应污秽含量，构建污秽检测模型；
主要污秽成分选取模块，用于利用所述污秽检测模型识别待检测绝缘子的污秽成分和污秽含量，并选取污秽含量高的污秽成分作为主要污秽成分；
等值盐密计算模块，用于根据所述主要污秽成分及其污秽含量，计算每种主要污秽成分对应的等值盐密，并根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密；
检测模块，用于将每种主要污秽成分对应的等值盐密以及整个绝缘子所有污秽成分共同作用的等值盐密相结合，表征绝缘子的污秽度，完成绝缘子自然污秽成分和含量的检测。
本发明的有益效果是：本发明提供了一种基于高光谱的绝缘子污秽成分和含量的检测系统，获取自然积污绝缘子样品和高光谱图像，通过提取特征波段建立污秽成分和含量的检测模型，用该模型检测未知绝缘子的污秽成分和含量，选择主要成分并换算为相应的等值盐密来表征绝缘子的积污情况。应用高光谱技术对积污绝缘子进行非接触检测，避免了传统盐密测量清洗、称重等过程中污秽量的损耗与测量不准确，和人工检测方式带来的误差，提高了检测结果的准确性。将每一种成分对应的等值盐密和所有成分共同作用的等值盐密相结合来表征绝缘子的污秽状态，可以提高评估绝缘子污秽度的准确性，避免了绝缘子表面相同盐密下因污秽成分不同致使的污闪电压有较大的差异的问题，减少污闪事故的发生，提高了输电线路的可靠性和安全性。检测过程操作简便并且有效可靠，节约了人力物力，适用于现场带电检测，为有目标和针对性的清扫绝缘子提供科学依据，可实现大范围绝缘子污秽的检测，满足输电线路绝缘子检测的需求。
附图说明
图1为本发明的方法流程图。
图2为本发明的系统结构示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，本发明提供了一种基于高光谱的绝缘子污秽成分和含量的检测方法，其实现方法如下：
S1、取若干输电线路绝缘子，利用高光谱仪获取其中n个绝缘子的高光谱图像，并检测所述n个绝缘子的污秽成分及其污秽含量；
本实施例中，选择多个地区污秽类型不同的自然积污绝缘子作为污秽样本，增加模型的可靠性。
本实施例中，对n个绝缘子测试其污秽成分和相应的污秽含量的具体方法为：在绝缘子表面标记一定的区域，利用洁净的棉花或者小毛刷粘取去离子水反复擦拭标记的绝缘子伞裙表面，并每次将棉花或小毛刷浸于去离子水中以保证污秽完全处于去离子水中，对污秽进行收集，使用漏斗过滤含污秽的溶液。对可溶污秽物溶液，采用离子色谱法分析溶液中的污秽成分和含量，对不可溶性物质采用X射线衍射确定污秽成分和污秽含量。
S2、对所述高光谱图像进行预处理，提取不同污秽成分高光谱图像的特征波段，并分别以高光谱图像的全波段数据对应污秽成分，以高光谱图像的特征波段数据对应污秽含量，构建污秽检测模型，其实现方法如下：
S201、分别利用校正和变换对所述高光谱图像进行预处理；
S202、根据经预处理后的高光谱图像，利用连续投影法提取不同污秽成分高光谱图像的特征波段；
S203、分别以高光谱图像的全波段数据和特征波段数据作为输入，以污秽成分和对应的污秽含量作为输出，构建污秽检测模型。
本实施例中，对高光谱图像的预处理包括校正和变换处理，校正为黑白校正或者多元散射校正，变换处理为标准正态变换或者小波去噪。
黑白校正的处理公式为：
其中，R表示黑白校正后的高光谱图像数据，Sample表示原始高光谱图像数据，dark为全黑标定高光谱数据，White为全白标定高光谱图像。
多元散射校正的具体方法为：
A1、计算高光谱数据平均值，平均值计算公式为：
A2、基于高光谱数据平均值，对高光谱数据进行一元线性回归，一元线性回归的公式为：
A3、对高光谱数据进行多元散射校正，多元散射校正公式为：
其中，mf表示高光谱原始数据与平均光谱数据进行线性回归后的相对偏移系数，bf表示平移量，n表示图像数据中样本点个数，f表示样本数，f＝1,2,…,n；d表示第d个波段，d＝1,2,…,256；Af,d表示原始高光谱数据矩阵中第f个样本数据的第s个波段处的反射率值，表示f个样本数据的平均值组成的矩阵，Af表示第f个样本原始高光谱数据，Af(MSC)表示经过MSC校正后的数据矩阵。
本实施例中，变换处理采用标准正态变换或者小波去噪中的任一种。
本实施例中，采用连续投影法提取特征波段，分别以高光谱图像的全波段数据和特征波段数据作为输入，污秽成分Mi和对应的含量Si作为输出，用BP神经网络建立污秽检测模型。在采用连续投影法提取特征波段，通过计算高光谱矩阵中某一波长对其他波长的投影，根据投影信息量的多少决定入选波长，消除众多波长间的共线性影响，降低模型复杂度。
S3、利用所述污秽检测模型识别待检测绝缘子的污秽成分和污秽含量，并选取污秽含量高的污秽成分作为主要污秽成分；
本实施例中，将高光谱波段数据输入建立的污秽检测模型，检测到绝缘子的污秽成分M＝M1，M2，…，Mi，对应的污秽含量X＝X1，X2，…，Xi，其中Xj为污秽成分Mj所对应的含量，j＝1,2,...,i，i表示污秽成分的种类，选取主要成分的原则是：
则污秽含量Xj对应的污秽成分Mj为主要成分，Xj表示污秽含量最高的污秽成分Mj对应的污秽含量，Xi表示待检测绝缘子的污秽成分M对应的污秽含量。
S4、根据所述主要污秽成分及其污秽含量，计算每种主要污秽成分对应的等值盐密，并根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密，其实现方法如下：
S401、根据所述主要污秽成分及其污秽含量，将污秽含量转换成对应的电导率；
S402、根据所述电导率，计算得到每种主要污秽成分的盐度，并根据每种主要污秽成分的盐度，计算得到每种主要污秽成分对应的等值盐密；
S403、根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密；
S5、将每种主要污秽成分对应的等值盐密以及整个绝缘子所有污秽成分共同作用的等值盐密相结合，表征绝缘子的污秽度，完成绝缘子自然污秽成分和含量的检测。
本实施例中，计算每种污秽成分对应等值盐密的具体方法是：基于选取的主要成分M＝M1，M2，…，Mk，污秽含量X＝X1，X2，…，Xj，已知在一定温度下，每种污秽成分及含量与校正后的电导率之间的对应关系Y，将每种成分的污秽含量换算成相应的电导率，换算后的电导率δ′＝δ′1，δ′2，…，δ′k，换算公式如下：
δ'k＝Yk·Xj
其中，δ′k为第K种主要成分对应的电导率，Xj为第k种主要成分的含量，Yk为第K种主要成分的含量与电导率的对应系数，k为主要成分的种类，k∈(1，i)。
每种主要成分对应的等值盐密计算公式如下：
Sak＝(5.7δ'k)1.03
其中，Sak为第k种主要成分的盐度(kg/m3)，ESDDk为第k种主要成分对应的值盐密(kg/cm2)，V为蒸馏水体积(cm3)，A为待检测污秽绝缘子表面的面积(cm2)。
整支绝缘子所有成分共同作用的等值盐密ESDD整体为：
ESDD整体＝ESDD1+ESDD2+…+ESDDk
其中，ESDD1，ESDD2，…，ESDDk为每种主要成分对应的等值盐密。
本发明通过取样自然积污绝缘子的污秽样本检测其污秽成分和污秽含量，并获取高光谱图像，建立污秽检测模型，运用该模型可实现绝缘子污秽成分和含量的非接触检测，解决了现有技术成分识别困难，无法观测绝缘子表面污秽成分分布的问题。本发明利用污秽检测模型检测积污绝缘子的等值盐密，避免了传统检测等值盐密的操作过程繁琐，且由于人工操作会带来较大的误差的问题，同时可减少人力物力的投入。同时本发明将每一种成分对应的等值盐密和所有成分共同作用的等值盐密相结合来表征绝缘子的污秽度，提高评估绝缘子污秽度的准确性，有效解决相同盐密条件下绝缘子的污闪电压有较大的差异的问题，提高输电线路的可靠性。
如图2所示，本发明提供了一种基于高光谱的绝缘子污秽成分和含量的检测系统，包括：
获取模块，用于取若干输电线路绝缘子，利用高光谱仪获取其中n个绝缘子的高光谱图像，并检测所述n个绝缘子的污秽成分及其污秽含量；
污秽检测模型构建模块，用于对所述高光谱图像进行预处理，提取不同污秽成分高光谱图像的特征波段，并分别以高光谱图像的全波段数据对应污秽成分，以高光谱图像的特征波段数据对应污秽含量，构建污秽检测模型；
主要污秽成分选取模块，用于利用所述污秽检测模型识别待检测绝缘子的污秽成分和污秽含量，并选取污秽含量高的污秽成分作为主要污秽成分；
等值盐密计算模块，用于根据所述主要污秽成分及其污秽含量，计算每种主要污秽成分对应的等值盐密，并根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密；
检测模块，用于将每种主要污秽成分对应的等值盐密以及整个绝缘子所有污秽成分共同作用的等值盐密相结合，表征绝缘子的污秽度，完成绝缘子自然污秽成分和含量的检测
如图2所示实施例提供的基于高光谱的绝缘子污秽成分和含量检测系统可以执行上述方法实施例基于高光谱的绝缘子污秽成分和含量检测方法所示的技术方案，其实现原理与有益效果类似，此处不再赘述。
本发明实施例中，本申请可以根据点基于高光谱的绝缘子污秽成分和含量检测方法进行功能单元的划分，例如可以将各个功能划分为各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成单元即可以采用硬件的形式来实现，也可以采用软件功能单元的形式来实现。需要说明的是，本发明中对单元的划分是示意性的，仅仅为一种逻辑划分，实际实现时可以有另外的划分方式。
本发明基于上述设计，能够在非接触的情况下，实现输电线路自然污秽绝缘子污秽成分与含量的双重检测，解决了现有技术无法准确分辨自然污秽绝缘子表面污秽类型的问题，实现绝缘子污秽情况的及时检测。根据检测结果，可以针对性的制定绝缘子表面污秽的清扫方案，避免输电线路绝缘子因污秽受潮引发的污闪问题，提高输电线路的可靠性和安全性。
Claims (4)
1.一种基于高光谱的绝缘子污秽成分和含量的检测方法，其特征在于，包括以下步骤：
S1、取若干输电线路绝缘子，利用高光谱仪获取其中n个绝缘子的高光谱图像，并检测所述n个绝缘子的污秽成分及其污秽含量；
S2、对所述高光谱图像进行预处理，提取不同污秽成分高光谱图像的特征波段，并分别以高光谱图像的全波段数据对应污秽成分，以高光谱图像的特征波段数据对应污秽含量，构建污秽检测模型；
S3、利用所述污秽检测模型识别待检测绝缘子的污秽成分和污秽含量，并选取污秽含量高的污秽成分作为主要污秽成分；
S4、根据所述主要污秽成分及其污秽含量，计算每种主要污秽成分对应的等值盐密，并根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密；所述步骤S4包括以下步骤：
S401、根据所述主要污秽成分及其污秽含量，将污秽含量转换成对应的电导率；
所述步骤S401中转换成对应的电导率的表达式如下：
其中，表示第/>种主要污秽成分对应的电导率，/>表示第/>种主要污秽成分的污秽含量，/>表示第/>种主要污秽成分的含量与电导率的对应系数；
S402、根据所述电导率，计算得到每种主要污秽成分的盐度，并根据每种主要污秽成分的盐度，计算得到每种主要污秽成分对应的等值盐密；
S403、根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密；
所述步骤S402中每种主要污秽成分对应的等值盐密的表达式如下：
其中，表示第K种主要污秽成分的盐度，/>表示第K种主要污秽成分对应的等值盐密，/>表示蒸馏水体积，/>表示待检测污秽绝缘子表面的面积；
整个绝缘子所有污秽成分共同作用的等值盐密的表达式如下：
其中，表示整个绝缘子所有污秽成分共同作用的等值盐密；
S5、将每种主要污秽成分对应的等值盐密以及整个绝缘子所有污秽成分共同作用的等值盐密相结合，表征绝缘子的污秽度，完成绝缘子自然污秽成分和含量的检测。
2.根据权利要求1所述的基于高光谱的绝缘子污秽成分和含量的检测方法，其特征在于，所述步骤S2包括以下步骤：
S201、分别利用校正和变换对所述高光谱图像进行预处理；
S202、根据经预处理后的高光谱图像，利用连续投影法提取不同污秽成分高光谱图像的特征波段；
S203、分别以高光谱图像的全波段数据和特征波段数据作为输入，以污秽成分和对应的污秽含量作为输出，构建污秽检测模型。
3.根据权利要求1所述的基于高光谱的绝缘子污秽成分和含量的检测方法，其特征在于，所述步骤S3中主要污秽成分的选取条件为：
其中，表示污秽含量最高的污秽成分/>对应的污秽含量，/>表示待检测绝缘子的污秽成分/>对应的污秽含量。
4.一种基于高光谱的绝缘子污秽成分和含量的检测系统，其特征在于，包括：
获取模块，用于取若干输电线路绝缘子，利用高光谱仪获取其中n个绝缘子的高光谱图像，并检测所述n个绝缘子的污秽成分及其污秽含量；
污秽检测模型构建模块，用于对所述高光谱图像进行预处理，提取不同污秽成分高光谱图像的特征波段，并分别以高光谱图像的全波段数据对应污秽成分，以高光谱图像的特征波段数据对应污秽含量，构建污秽检测模型；
主要污秽成分选取模块，用于利用所述污秽检测模型识别待检测绝缘子的污秽成分和污秽含量，并选取污秽含量高的污秽成分作为主要污秽成分；
等值盐密计算模块，用于根据所述主要污秽成分及其污秽含量，计算每种主要污秽成分对应的等值盐密，并根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密，其具体为：
根据所述主要污秽成分及其污秽含量，将污秽含量转换成对应的电导率；
所述转换成对应的电导率的表达式如下：
其中，表示第/>种主要污秽成分对应的电导率，/>表示第/>种主要污秽成分的污秽含量，/>表示第/>种主要污秽成分的含量与电导率的对应系数；
根据所述电导率，计算得到每种主要污秽成分的盐度，并根据每种主要污秽成分的盐度，计算得到每种主要污秽成分对应的等值盐密；
根据每种主要污秽成分对应的等值盐密，计算整个绝缘子所有污秽成分共同作用的等值盐密；
所述每种主要污秽成分对应的等值盐密的表达式如下：
其中，表示第K种主要污秽成分的盐度，/>表示第K种主要污秽成分对应的等值盐密，/>表示蒸馏水体积，/>表示待检测污秽绝缘子表面的面积；
整个绝缘子所有污秽成分共同作用的等值盐密的表达式如下：
其中，表示整个绝缘子所有污秽成分共同作用的等值盐密；
检测模块，用于将每种主要污秽成分对应的等值盐密以及整个绝缘子所有污秽成分共同作用的等值盐密相结合，表征绝缘子的污秽度，完成绝缘子自然污秽成分和含量的检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210431990.9A CN114994069B (zh) | 2022-04-22 | 2022-04-22 | 基于高光谱的绝缘子污秽成分和含量的检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210431990.9A CN114994069B (zh) | 2022-04-22 | 2022-04-22 | 基于高光谱的绝缘子污秽成分和含量的检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114994069A CN114994069A (zh) | 2022-09-02 |
| CN114994069B true CN114994069B (zh) | 2024-05-14 |
Family
ID=83025245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210431990.9A Active CN114994069B (zh) | 2022-04-22 | 2022-04-22 | 基于高光谱的绝缘子污秽成分和含量的检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114994069B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117517335B (zh) * | 2023-12-27 | 2024-03-29 | 国网辽宁省电力有限公司电力科学研究院 | 变电设备绝缘子污秽监测系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105093077A (zh) * | 2015-08-24 | 2015-11-25 | 国家电网公司 | 一种输电线路区域污秽度表征方法 |
| CN106770070A (zh) * | 2016-11-11 | 2017-05-31 | 清华大学深圳研究生院 | 一种绝缘子表面等值盐密测量方法及装置 |
| CN109612947A (zh) * | 2019-01-17 | 2019-04-12 | 西南交通大学 | 基于偏最小二乘回归法的绝缘子污秽等值盐密检测方法 |
| CN112414950A (zh) * | 2020-11-05 | 2021-02-26 | 西南交通大学 | 一种协同高光谱与红外技术的绝缘子等值盐密检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9384560B2 (en) * | 2014-10-27 | 2016-07-05 | King Fahd University Of Petroleum And Minerals | Contamination level estimation method for high voltage insulators |
-
2022
- 2022-04-22 CN CN202210431990.9A patent/CN114994069B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105093077A (zh) * | 2015-08-24 | 2015-11-25 | 国家电网公司 | 一种输电线路区域污秽度表征方法 |
| CN106770070A (zh) * | 2016-11-11 | 2017-05-31 | 清华大学深圳研究生院 | 一种绝缘子表面等值盐密测量方法及装置 |
| CN109612947A (zh) * | 2019-01-17 | 2019-04-12 | 西南交通大学 | 基于偏最小二乘回归法的绝缘子污秽等值盐密检测方法 |
| CN112414950A (zh) * | 2020-11-05 | 2021-02-26 | 西南交通大学 | 一种协同高光谱与红外技术的绝缘子等值盐密检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于高光谱技术的绝缘子污秽含水量检测;马欢;郭裕钧;张血琴;张晓青;李春茂;吴广宁;;高电压技术;20200430(第04期);全文 * |
| 新型电导盐密仪的设计与实现;王丽霞;孙长秋;孟强;;电子质量;20100420(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114994069A (zh) | 2022-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112414950B (zh) | 一种协同高光谱与红外技术的绝缘子等值盐密检测方法 | |
| CN111751376B (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
| CN114994069B (zh) | 基于高光谱的绝缘子污秽成分和含量的检测方法及系统 | |
| CN207103187U (zh) | 一种基于高光谱成像及电阻抗的玉米种子活力检测装置 | |
| CN110782455B (zh) | 一种基于图像处理方法测定原砂的含泥量的新方法 | |
| CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
| CN107764976A (zh) | 土壤氮素快速诊断方法及在线监测系统 | |
| CN115047010B (zh) | 一种基于多源光谱感知技术的绝缘子污秽程度检测方法 | |
| CN115372551A (zh) | 一种监测天麻蜜环菌菌种质量系统 | |
| CN111879709A (zh) | 湖泊水体光谱反射率检验方法及装置 | |
| CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
| CN106126879B (zh) | 一种基于稀疏表示技术的土壤近红外光谱分析预测方法 | |
| CN113376107B (zh) | 基于云平台的水质监测系统和方法 | |
| CN116932996A (zh) | 基于改进Hapke模型的土壤有机质含量的估测方法 | |
| CN109668862B (zh) | 一种基于激光诱导击穿光谱的铝电解质分子比检测方法 | |
| CN116124716A (zh) | 基于近感高光谱的水质监测方法及装置 | |
| CN109856088B (zh) | 一种绝缘子表面附沙密度的在线非接触检测方法 | |
| CN115144362A (zh) | 基于标准校准板的光谱模型自适应方法 | |
| Ma et al. | Identification Method of Insulator Pollution Type Based on W-SVM | |
| CN111898314A (zh) | 湖泊水体参数检验方法、装置、电子设备及存储介质 | |
| CN116540041B (zh) | 一种高压套管沿面放电故障的检测方法 | |
| CN117254772B (zh) | 一种基于电能计量装置的数据处理方法和系统 | |
| Liu et al. | An Evaluation Method of Composite Insulator Aging Grade Based on Probabilistic Neural Network | |
| CN203596815U (zh) | 模拟量采集装置 | |
| CN215493141U (zh) | 一种土壤养分光谱测量装置 |
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 |