CN115639434A - 超声与红外融合的变电站一次设备局放源联合定位方法 - Google Patents
超声与红外融合的变电站一次设备局放源联合定位方法 Download PDFInfo
- Publication number
- CN115639434A CN115639434A CN202210669263.6A CN202210669263A CN115639434A CN 115639434 A CN115639434 A CN 115639434A CN 202210669263 A CN202210669263 A CN 202210669263A CN 115639434 A CN115639434 A CN 115639434A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- image
- infrared
- partial discharge
- map
- 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
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种超声与红外融合的变电站一次设备局放源联合定位方法,包括以下,步骤1:一次设备的红外图像及超声图谱和相位图获取;步骤2:步骤1获取的一次设备的红外图像和超声信号图谱预处理;步骤3:采用基于最大选择的融合规则对红外图像和超声信号图谱进行融合;步骤4:基于融合后的红外超声图像实现对局放源的联合定位。本发明的联合定位方法更为省时省力,利用这个方法对图像和信号图谱进行融合,能够降低不良因素的影响,提高目标源的识别度,进而保证对局放源的准确定位,检测效率高、缺陷深度探测能力强。避免了主观判断因素的干扰,较传统检测方法更为精确,检测过程更安全。
Description
技术领域
本发明属于设备故障检测领域,特别是涉及一种超声与红外融合的变 电站一次设备局放源联合定位方法。
背景技术
变电站的一次设备是完成发电、配输电功能的重要设备,在设备的制 造和运输过程中,无法避免的会产生一些绝缘缺陷,在高压电场的作用下, 这些缺陷的内部会发生局部放电。这些弱电不断累计可能会导致绝缘系统 的故障和高压部件的故障,一旦设备故障,必然会造成重大经济损失。在 绝缘劣化的前期阶段会产生局部放电现象由于局部放电是电力设备绝缘老 化的主要原因,因此对局部放电进行快速、有效检测变得十分重要。由于 局部放电检测现场存在较多的干扰信号,对局部放电进行精准定位的难度 较大。但通过确定局部放电源的准确位置,可以更精确地掌握设备的绝缘 状况并制定相应的维修策略。因此,局部放电的检测和定位对于保证电力 设备的安全运行非常关键局部放电检测被用作检测绝缘缺陷的方法。当放 电发生时,带电粒子和中性粒子会发生碰撞。在绝缘结构中产生局部放电 时,会伴随产生电脉冲、超声波、电磁辐射、光、化学反应,并引起局部 发热等现象;现有的技术大多是通过红外图像定位,超声局放定位单独定 位,或者通过红外超声定位法,即通过超声发出激励信号,使得缺陷处温 度升高,再通过红外热像仪获取红外图像,易收到外界因素干扰,在图像 处理的过程中涉及去噪,特征分析,图像优化等一系列问题,相对较为复 杂。
发明内容
为了解决上述存在的技术问题,本发明提供一种超声与红外融合的变 电站一次设备局放源联合定位方法,利用该方法获取的融合图像,能够避 免不良因素的影响,提高对局放信号的识别,便于对一次设备的局放源定 位。
为了解决现有技术存在的问题,本发明采用的技术方案如下:
一种超声与红外融合的变电站一次设备局放源联合定位方法,该方法 包括以下步骤:
步骤1:获取一次设备的红外温差图像及超声信号图谱和超声相位图;
步骤2:对步骤1获取的一次设备的红外温差图像、超声信号图谱以及 超声信号图谱对应的超声相位图进行预处理,所述预处理包括:利用超声 信号图谱和超声相位图的局放信号分布规律对红外温差图像进行目标区域 的划分,以及利用红外温差图像的热分布规律对超声信号图谱和超声相位 图进行目标区域的划分;
步骤3:采用基于最大选择的融合规则对预处理后的红外温差图像和超 声信号图谱以及超声相位图进行融合形成红外超声图像;
步骤4:采用融合后的红外超声图像导入至由摄像机拍摄的一次设备图 像中,将红外超声图像信息与真实的设备图像相对应,定位局放源。
进一步地,所述步骤1中的红外温差图像获取热分布规律,以及超声 信号图谱以及对应的超声相位图获取局放信号分布规律。
进一步地,所述步骤2中利用超声信号图谱和超声相位图的局放信号 分布规律对红外温差图像进行目标区域的划分包括:
步骤2.1、根据局放信号分布规律,利用阈值分割法,将阈值内的局放 信号的目标区域分布对应到一次设备的红外图像;
步骤2.2、圈定温度显著升高的目标区域,设定温度阈值,利用匹配滤 波增强目标图像的温差分布脉络,采用曲波变换的方法对目标图像进行分 割将脉络分离,获得目标图像的温差分布脉络图。
进一步地,利用红外温差图像的热分布规律对超声信号图谱和超声相 位图进行目标区域的划分包括:利用原始红外温差图像,设定局放阈值, 将在阈值内红外温差图像区域获取幅值显著变化的超声信号图谱及对应位 置局放相位图。
进一步地,所述步骤2.2中利用匹配滤波增强目标图像的温差分布脉 络,采用曲波变换的方法对目标图像进行分割将脉络分离包括:
a.对增强型脉络图像的响应进行曲线变换;
b.保持低频分量,并去除所有其他系数;
c.应用不等间距的快速傅里叶逆变换;
d.温度阈值使用图像的像素值的平均值;
e.应用长度过滤,并删除错误分类的像素。
进一步地,所述步骤3具体包括:根据目标图像的温度分布脉络图,采 用基于幅值-相位极值化的模糊ISODATA算法对分割后的超声信号图谱和 相位图,按照温度分布脉络进行数据提取,生成融合温度和超声信号的超 声红外图像。
进一步地,采用基于幅值-相位极值化的模糊ISODATA算法包括:
3.1)选择初始聚类中心Zi(0),目标图像的红外脉络分布作为对照组, 分为c组,将超声信号数据以及对应的相位信息分为c组,每组超声数据样本 的均值作为第一个聚类中心,然后每个特征方向上加和减一个均方差,共 得到c(2n+1)个聚类中心,n是样本的维数;
3.2)计算隶属度矩阵U(0),矩阵元素的计算方法为;
式中,dij是第j个样本到第i类初始聚类中心Zi(0)的距离,为避免分母 为0,特规定:若dij=0,则μij=1,μpj(0)=0(p≠i)。可见,dij越大,μij(0)越 小;
3.3)求新的各类聚类中心Zi(L),L为迭代次数:
式中,参数m≥2,是一个控制聚类结果模糊程度的常数;
3.4)计算新的隶属度矩阵U(L+1),矩阵元素的计算方法为
式中,dij是第L次迭代完成时,第j个样本到第i类初始聚类中心Zi(L)的 距离。为避免分母为0,特规定:若dij=0,则μij(L+1)=1,μpj(L+1)=0(p≠i)。 可见,dij越大,μij(L+1)越小;
3.5)回到步骤3.3),重复至收敛,收敛条件为max{μij(L+1)-μij(L)}≤ε, 其中ε为规定的参数;
3.6)构造准则矩阵:
式中,||Xj-Zi||2表示第j个样本与第i类初始聚类中心之间的欧式距离; J表示所有待聚类样本与所属类中心之间距离的平方和。
利用实验设备获取一次设备的红外图像及超声信号图谱和超声相位图 获取,得到一次设备的热分布规律和局放信号分布规律;
进一步地,所述步骤2包括以下步骤:
步骤2.1、基于局放信号状况,利用阈值分割法,对一次设备的红外图 像进行预处理;
步骤2.2、圈定温度显著升高的目标区域,利用匹配滤波增强目标图像 的温差分布脉络,设定温度阈值,采用曲波变换的方法对目标图像进行分 割,步骤如下:
2.21)基于步骤2.1,基于超声信号图谱和相位图,获得局放源分布状 况,然后采用快速傅立叶变换(DFT)对红外图像相位T(n)进行分析,设 (p,q)为网络的采样点,红外图像T(K)的快速傅里叶变换表示为:
式中,WN为N点DFT的变换核函数,WN=l-j2π/N。
2.22)对一次设备的红外图像进行区域分割,选出温度显著升高的区域, 即局放源所在区域;
2.23)设定温度阈值,采用匹配滤波器增强目标图像温度分布脉络,可 以用一个高斯形状的曲线来近似。在此基础上,二维匹配的滤波器核被设 计为与增强后的图像进行卷积,以放大脉络。一个原型匹配的过滤器内核 表示为:
f(x,y)=-exp(-x2/(2σ2))for|y|≤L/2
式中,σ是噪声的标准差,L为假定具有固定方向的一条温度脉络长度, 高斯函数中的负号表明温度分布的差异性。这里假设图像的方向是沿着y轴 对齐的。因为图像可以面向任何角度,所以内核需要为所有可能的角度旋 转内核。因此,这个核在12个不同的方向,每个方向各15°,保留每个像 素的最大响应。
2.24)采用曲波变化对目标图像进行分割,脉络提取算法如下:
a.对增强型脉络图像的响应进行曲线变换;
b.保持低频分量,并去除所有其他系数;
c.应用逆变换;
d.阈值使用图像的像素值的平均值;
e.应用长度过滤,并删除错误分类的像素。
步骤2.3、基于原始红外温差图像,分割幅值显著变化的超声信号图谱 和对应的相位图,与目标区域适应,步骤如下:
2.31)利用全聚焦成像技术全矩阵采集模式采集数据,获得一次设备的 超声局放信号图谱及局放信号相位图。
2.32)基于原始红外温差图像,设定局放阈值,获取幅值显著变化的超 声信号图谱及对应位置局放相位图,与红外目标图像相适应。
步骤3、基于目标图像的温度分布脉络图,采用基于幅值-相位极值化的 模糊ISODATA算法对分割后的超声信号图谱和相位图的数据进行提取,生 成超声红外图像。
进一步地,所述步骤3包括以下步骤:
3.1)选择初始聚类中心Zi(0),目标图像红外脉络分布作为对照组,分 为c组,将超声信号数据也分为c组,每组超声数据样本的均值作为第一个聚 类中心,然后每个特征方向上加和减一个均方差,共得到c(2n+1)个聚类中 心,n是样本的维数。
3.2)计算隶属度矩阵U(0),矩阵元素的计算方法为
式中,dij是第j个样本到第i类初始聚类中心Zi(0)的距离。为避免分母 为0,特规定:若dij=0,则μij=1,μpj(0)=0(p≠i)。可见,dij越大,μij(0)越 小。
3.3)求新的各类聚类中心Zi(L),L为迭代次数。
式中,参数m≥2,是一个控制聚类结果模糊程度的常数。
3.4)计算新的隶属度矩阵U(L+1),矩阵元素的计算方法为
式中,dij是第L次迭代完成时,第j个样本到第i类初始聚类中心Zi(L)的 距离。为避免分母为0,特规定:若dij=0,则μij(L+1)=1,μpj(L+1)=0(p≠i)。 可见,dij越大,μij(L+1)越小。
3.5)回到第3.3),重复至收敛。收敛条件为max{|μij(L+1)-μij(L)|}≤ε, 其中ε为规定的参数。
3.6)构造准则矩阵:
式中,||Xj-Zi||2表示第j个样本与第i类初始聚类中心之间的欧式距离; J表示所有待聚类样本与所属类中心之间距离的平方和。
步骤4、将融合后的红外超声图像导入由摄像机拍摄的一次设备图像 中,实现局放源的联合定位。
本发明所具有的优点和有益效果是:
本发明是一种超声与红外融合的变电站一次设备局放源联合定位方 法,能够优化红外温差脉络图,结合超声局放信号检测,实现超声和红外 两种识别技术的融合,提高对局放源的识别,操作简单,实用性高,原理 通俗易懂,具有较高的实用性。检测方法更为省时省力,利用这个方法对 图像和信号图谱进行融合,能够降低不良因素的影响,提高目标源的识别 度,进而保证对局放源的准确定位,检测效率高、缺陷深度探测能力强。 避免了主观判断因素的干扰,较传统检测方法更为精确,检测过程更安全。
附图说明
下面结合附图和实施例对本发明进行详细描述:
图1为本发明流程示意图。
图2为图1中红外图像预处理流程图;
图3为红外超声融合流程图;
图4为局放源处红外图像,图4(a)是原始红外图像,图4(b)是基于 超声信号定位的局放源附近的红外温差图像,是图4(a)的一部分;
图5为超声局放相位图;图5(a)是原始局放图像,图5(b)是基于红 外温差图像定位的局放源附近的超声局放图像,是图5(a)的一部分;
图6为红外温差分布脉络图。
图7为红外超声融合示意图。
图8红外超声融合图与一次设备图像融合示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本 发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描 述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。 基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提 下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明是一种超声与红外融合的变电站一次设备局放源联 合定位方法,一种超声与红外融合的变电站一次设备局放源联合定位方法, 该方法包括以下步骤:
步骤1:获取一次设备的红外温差图像及超声信号图谱和超声相位图;
步骤2:对步骤1获取的一次设备的红外温差图像、超声信号图谱以及 超声信号图谱对应的超声相位图进行预处理,所述预处理包括:利用超声 信号图谱和超声相位图的局放信号分布规律对红外温差图像进行目标区域 的划分,以及利用红外温差图像的热分布规律对超声信号图谱和超声相位 图进行目标区域的划分;
步骤3:采用基于最大选择的融合规则对预处理后的红外温差图像和超 声信号图谱以及超声相位图进行融合形成红外超声图像;
步骤4:采用融合后的红外超声图像导入至由摄像机拍摄的一次设备图 像中,将红外超声图像信息与真实的设备图像相对应,定位局放源。
步骤1包括以下步骤:
利用实验设备获取一次设备的红外图像及超声信号图谱和超声相位图 获取,得到一次设备的热分布规律和局放信号分布规律;
步骤2中利用超声信号图谱和超声相位图的局放信号分布规律对红外 温差图像进行目标区域的划分包括以下步骤:
步骤2.1、根据局放信号分布规律,利用阈值分割法,将局放信号阈值 内的区域与对一次设备的红外图像对应;
步骤2.2、圈定温度显著升高的目标区域,设定温度阈值,利用匹配滤 波增强目标图像的温差分布脉络,采用曲波变换的方法对目标图像进行分 割:
具体的,超声信号图谱和相位图,获得局放源分布规律,采用快速傅 立叶变换(DFT)对红外图像相位T(n)进行分析,设(p,q)为网络的采样点, 红外图像T(K)的快速傅里叶变换表示为:
式中,WN为N点DFT的变换核函数,WN=l-j2π/N。对一次设备的红外图 像进行区域分割,选出温度显著升高的区域,即局放源所在区域;
设定温度阈值,采用匹配滤波器增强目标图像温度分布脉络,可以用 一个高斯形状的曲线来近似。在此基础上,二维匹配的滤波器核被设计为 与增强后的图像进行卷积,以放大脉络。一个原型匹配的过滤器内核表示 为:
f(x,y)=-exp(-x2/(2σ2))for|y|≤L/2
式中,σ是噪声的标准差,L为假定具有固定方向的一条温度脉络长度, 高斯函数中的负号表明温度分布的差异性。这里假设图像的方向是沿着y轴 对齐的。因为图像可以面向任何角度,所以内核需要为所有可能的角度旋 转内核。因此,这个核在12个不同的方向,每个方向各15°,保留每个像 素的最大响应;
采用曲波变化对目标图像进行分割,脉络提取过程如下:
a.对增强型脉络图像的响应进行曲线变换;
b.保持低频分量,并去除所有其他系数;
c.应用不等间距的快速傅里叶逆变换;
d.阈值使用图像的像素值的平均值;
e.应用长度过滤,并删除错误分类的像素。
利用红外温差图像的热分布规律对超声信号图谱和超声相位图进行目 标区域的划分:根据原始红外温差图像,分割幅值显著变化的超声信号图 谱和对应的相位图,与红外目标区域适应,具体地:
利用全聚焦成像技术全矩阵采集模式采集数据,获得一次设备的超声 局放信号图谱及局放信号相位图后,基于原始红外温差图像,设定局放阈 值,获取幅值显著变化的超声信号图谱及对应位置局放相位图,与红外目 标图像相适应;
采用目标图像的温度分布脉络图,采用基于幅值-相位极值化的模糊 ISODATA算法对分割后的超声信号图谱和相位图的数据进行提取,生成超 声红外图像。其中,基于幅值-相位极值化的模糊ISODATA算法对分割后的 超声信号图谱和相位图的数据进行提取包括以下步骤:
3.1)选择初始聚类中心Zi(0),目标图像红外脉络分布作为对照组,分 为c组,将超声信号数据也分为c组,每组超声数据样本的均值作为第一个聚 类中心,然后每个特征方向上加和减一个均方差,共得到c(2n+1)个聚类中 心,n是样本的维数。
3.2)计算隶属度矩阵U(0),矩阵元素的计算方法为
式中,dij是第j个样本到第i类初始聚类中心Zi(0)的距离。为避免分母 为0,特规定:若dij=0,则μij=1,μpj(0)=0(p≠i)。可见,dij越大,μij(0)越 小。
3.3)求新的各类聚类中心Zi(L),L为迭代次数。
式中,参数m≥2,是一个控制聚类结果模糊程度的常数。
3.4)计算新的隶属度矩阵U(L+1),矩阵元素的计算方法为
式中,dij是第L次迭代完成时,第j个样本到第i类初始聚类中心Zi(L)的 距离。为避免分母为0,特规定:若dij=0,则μij(L+1)=1,μpj(L+1)=0(p≠i)。 可见,dij越大,μij(L+1)越小。
3.6)构造准则矩阵:
式中,||Xj-Zi||2表示第j个样本与第i类初始聚类中心之间的欧式距离; J表示所有待聚类样本与所属类中心之间距离的平方和。
最后将融合后的红外超声图像导入由摄像机拍摄的一次设备图像中, 实现局放源的联合定位。
图4,由(a)到(b)是红外目标区域获取,图4(a)是原始红外图像, 图4(b)是基于超声信号定位的局放源附近的红外温差图像,是图4(a) 的一部分,对应步骤2.2,图5,由(a)到(b)是超声局放目标区域获取, 图5(a)是原始局放图像,图4(b)是基于红外温差图像定位的局放源附 近的超声局放图像,是图5(a)的一部分,对应步骤2.2,图6经过曲波增 强分割后的温度脉络图,图7,是温度脉络与超声局放信号结合后的红外超 声示意图,温度脉络和局放幅值变化比较大地方可明显体现,图8,是将红 外超声融合图与一次设备图像融合后的局放源定位图,实现局放源的定位。
Claims (7)
1.一种超声与红外融合的变电站一次设备局放源联合定位方法,其特征在于,该方法包括以下步骤:
步骤1:获取一次设备的红外温差图像及超声信号图谱和超声相位图;
步骤2:对步骤1获取的一次设备的红外温差图像、超声信号图谱以及超声信号图谱对应的超声相位图进行预处理,所述预处理包括:利用超声信号图谱和超声相位图的局放信号分布规律对红外温差图像进行目标区域的划分,以及利用红外温差图像的热分布规律对超声信号图谱和超声相位图进行目标区域的划分;
步骤3:采用基于最大选择的融合规则对预处理后的红外温差图像和超声信号图谱以及超声相位图进行融合形成红外超声图像;
步骤4:采用融合后的红外超声图像导入至由摄像机拍摄的一次设备图像中,将红外超声图像信息与真实的设备图像相对应,定位局放源。
2.根据权利要求1所述的一种超声与红外融合的变电站一次设备局放源联合定位方法,其特征在于,所述步骤1中的红外温差图像获取热分布规律,以及超声信号图谱以及对应的超声相位图获取局放信号分布规律。
3.根据权利要求2所述的一种超声与红外融合的变电站一次设备局放源联合定位方法,其特征在于,所述步骤2中利用超声信号图谱和超声相位图的局放信号分布规律对红外温差图像进行目标区域的划分包括:
步骤2.1、根据局放信号分布规律,利用阈值分割法,将阈值范围内的局放信号分布的目标区域对应到一次设备的红外图像,实现对红外图像的区域分割;
步骤2.2、圈定温度显著升高的目标区域,设定温度阈值,利用匹配滤波增强目标图像的温差分布脉络,采用曲波变换的方法对目标图像进行分割将脉络分离,获得目标图像的温差分布脉络图。
4.根据权利要求1所述的一种超声与红外融合的变电站一次设备局放源联合定位方法,其特征在于,利用红外温差图像的热分布规律对超声信号图谱和超声相位图进行目标区域的划分包括:利用原始红外温差图像,设定局放阈值,将在阈值内红外温差图像区域获取幅值显著变化的超声信号图谱及对应位置局放相位图。
5.根据权利要求3所述的一种超声与红外融合的变电站一次设备局放源联合定位方法,其特征在于,所述步骤2.2中利用匹配滤波增强目标图像的温差分布脉络,采用曲波变换的方法对目标图像进行分割将脉络分离包括:
a.对增强型脉络图像的响应进行曲线变换;
b.保持低频分量,并去除所有其他系数;
c.应用不等间距的快速傅里叶逆变换;
d.温度阈值使用图像的像素值的平均值;
e.应用长度过滤,并删除错误分类的像素。
6.根据权利要求3所述的超声与红外融合的变电站一次设备局放源联合定位方法,其特征在于,所述步骤3具体包括:根据目标图像的温度分布脉络图,采用基于幅值-相位极值化的模糊ISODATA算法对分割后的超声信号图谱和相位图,按照温度分布脉络进行数据提取,生成融合温度和超声信号的超声红外图像。
7.根据权利要求6所述的超声与红外融合的变电站一次设备局放源联合定位方法,其特征在于,采用基于幅值-相位极值化的模糊ISODATA算法包括:
3.1)选择初始聚类中心Zi(0),目标图像的红外脉络分布作为对照组,分为c组,将超声信号数据以及对应的相位信息分为c组,每组超声数据样本的均值作为第一个聚类中心,然后每个特征方向上加和减一个均方差,共得到c(2n+1)个聚类中心,n是样本的维数;
3.2)计算隶属度矩阵U(0),矩阵元素的计算方法为;
式中,dij是第j个样本到第i类初始聚类中心Zi(0)的距离,为避免分母为0,特规定:若dij=0,则μij=1,μpj(0)=0(p≠i)。可见,dij越大,μij(0)越小;
3.3)求新的各类聚类中心Zi(L),L为迭代次数:
式中,参数m≥2,是一个控制聚类结果模糊程度的常数;
3.4)计算新的隶属度矩阵U(L+1),矩阵元素的计算方法为
式中,dij是第L次迭代完成时,第j个样本到第i类初始聚类中心Zi(L)的距离。为避免分母为0,特规定:若dij=0,则μij(L+1)=1,μpj(L+1)=0(p≠i)。可见,dij越大,μij(L+1)越小;
3.5)回到步骤3.3),重复至收敛,收敛条件为max{|μij(L+1)-μij(L)|}≤ε,其中ε为规定的参数;
3.6)构造准则矩阵:
式中,||Xj-Zi||2表示第j个样本与第i类初始聚类中心之间的欧式距离;J表示所有待聚类样本与所属类中心之间距离的平方和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210669263.6A CN115639434A (zh) | 2022-06-14 | 2022-06-14 | 超声与红外融合的变电站一次设备局放源联合定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210669263.6A CN115639434A (zh) | 2022-06-14 | 2022-06-14 | 超声与红外融合的变电站一次设备局放源联合定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115639434A true CN115639434A (zh) | 2023-01-24 |
Family
ID=84940531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210669263.6A Pending CN115639434A (zh) | 2022-06-14 | 2022-06-14 | 超声与红外融合的变电站一次设备局放源联合定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115639434A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116482501A (zh) * | 2023-06-14 | 2023-07-25 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及系统 |
CN117420402A (zh) * | 2023-11-20 | 2024-01-19 | 国网上海市电力公司 | 一种电力电缆局放红外声纹联合诊断方法、装置及介质 |
CN117706293A (zh) * | 2023-12-04 | 2024-03-15 | 国网宁夏电力有限公司电力科学研究院 | 一种基于超声信号的串抗匝间击穿故障定位系统 |
CN117420402B (zh) * | 2023-11-20 | 2024-07-16 | 国网上海市电力公司 | 一种电力电缆局放红外声纹联合诊断方法、装置及介质 |
-
2022
- 2022-06-14 CN CN202210669263.6A patent/CN115639434A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116482501A (zh) * | 2023-06-14 | 2023-07-25 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及系统 |
CN116482501B (zh) * | 2023-06-14 | 2023-08-29 | 西安邮电大学 | 用于高压电缆接头局部放电检测的超声成像方法及系统 |
CN117420402A (zh) * | 2023-11-20 | 2024-01-19 | 国网上海市电力公司 | 一种电力电缆局放红外声纹联合诊断方法、装置及介质 |
CN117420402B (zh) * | 2023-11-20 | 2024-07-16 | 国网上海市电力公司 | 一种电力电缆局放红外声纹联合诊断方法、装置及介质 |
CN117706293A (zh) * | 2023-12-04 | 2024-03-15 | 国网宁夏电力有限公司电力科学研究院 | 一种基于超声信号的串抗匝间击穿故障定位系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115639434A (zh) | 超声与红外融合的变电站一次设备局放源联合定位方法 | |
CN107784661B (zh) | 基于区域生长法的变电站设备红外图像分类识别方法 | |
CN108230237B (zh) | 一种用于电气设备在线检测的多光谱图像重构方法 | |
CN110458839B (zh) | 一种有效的电线电缆监测系统 | |
CN109584193A (zh) | 一种基于目标预提取的无人机红外与可见光图像融合方法 | |
CN111199523B (zh) | 电力设备识别方法、装置、计算机设备和存储介质 | |
CN108765327B (zh) | 一种基于景深和稀疏编码的图像去雨方法 | |
CN109559273B (zh) | 一种面向车底图像的快速拼接方法 | |
CN110660065B (zh) | 一种红外故障检测识别算法 | |
CN107273803B (zh) | 云层图像检测方法 | |
CN115880501A (zh) | 一种基于红外相机的高压电线红外图像处理方法和系统 | |
Lu et al. | Thermal Fault Diagnosis of Electrical Equipment in Substations Based on Image Fusion. | |
CN109919936B (zh) | 一种复合绝缘子运行状态的分析方法、装置及设备 | |
CN105374029A (zh) | 变电站设备红外图像感兴趣区域的分割方法及系统 | |
CN114898412A (zh) | 一种针对低质量指纹、残缺指纹的识别方法 | |
CN117197700B (zh) | 智能化无人巡检接触网缺陷识别系统 | |
CN113920062A (zh) | 一种红外热成像电力设备故障检测方法 | |
Xu et al. | A deep neural network-based intelligent detection model for manufacturing defects of automobile parts | |
CN115169406A (zh) | 基于经验模态分解的瞬时相位指纹特征增强方法 | |
Niu et al. | Infrared image edge extraction of cable terminal based on improved eight direction Sobel operator | |
Wu et al. | Infrared image segmentation for power equipment failure based on fuzzy clustering and wavelet decomposition | |
CN113793372A (zh) | 异源图像的优化配准方法及系统 | |
CN117689917B (zh) | 基于热成像及激光探测技术的舱内安全状态监测方法 | |
Wu et al. | Edge‐preserving colour‐to‐greyscale conversion | |
CN117808809B (zh) | 晶圆表面缺陷的视觉检测方法及系统 |
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 |