CN116188505A - 基于紫外红外协同检测的绝缘电力设备在线监测系统 - Google Patents
基于紫外红外协同检测的绝缘电力设备在线监测系统 Download PDFInfo
- Publication number
- CN116188505A CN116188505A CN202211502043.0A CN202211502043A CN116188505A CN 116188505 A CN116188505 A CN 116188505A CN 202211502043 A CN202211502043 A CN 202211502043A CN 116188505 A CN116188505 A CN 116188505A
- Authority
- CN
- China
- Prior art keywords
- image
- ultraviolet
- infrared
- point
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 238000009413 insulation Methods 0.000 title claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000003384 imaging method Methods 0.000 claims abstract description 10
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 239000012212 insulator Substances 0.000 claims description 13
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009422 external insulation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000009666 routine test Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000000825 ultraviolet detection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于紫外红外协同检测的绝缘电力设备在线监测系统,包括多信息数据采集模块、无线通讯模块及工作站;所述多数据信息采集模块将采集的图像、温湿度和风速信息通过无线通讯模块发送到工作站;所述工作站对采集的图像进行边缘提取、图像配准、图像重建及重建图像的特征提取,获取绝缘电力设备的故障特征;该系统通过对紫外成像和红外测温图像的融合可以更清晰地获取电晕放电的信息;对于判断放电的类型和严重程度具有重要意义;将图像配准后的红外和紫外图像的主要特征组合成一幅图像,可以更加直观地显示了绝缘设备的故障特征。
Description
技术领域
本发明涉及电力设备监测技术领域,特别涉及一种基于紫外红外协同检测的绝缘电力设备在线监测系统。
背景技术
绝缘是电网的重要组成部分,其缺陷和故障会严重威胁电网的安全。及时发现绝缘故障是防止绝缘闪络的关键。红外(IR)和紫外(UV)图像检测技术具有操作简单、检测速度快等优点,在电气设备故障检测领域得到了广泛应用。通过温度分布,红外图像可以帮助识别接触不良的设备、过热的端子和外部绝缘污染;紫外图像可以帮助识别绝缘子和避雷器的表面放电。当前,紫外和红外成像检测技术在电力设备故障带电检测方面得到了广泛应用,并取得了一定的效果,但是综合国内外研究现状可以看到,电力设备紫外成像检测技术的应用与研究仍然处在发展阶段,在准确度、稳定性以及权威的检修和故障处置等方面有待进一步深化与提升,面临的典型问题主要有:(1)紫外成像检测设备的光子数和图像存在着明显差异,仪器不同、增益不同、检测距离、检测环境等因素严重影响检测效果,造成检测结果存在很大差异性,历史数据参考性和对比性较差,给电力设备故障的定性、定量分析工作造成困难;(2)电力设备发生放电故障时通常伴有异常发热故障时,在实际应用中,因为设备故障时发热或者放电现象总有一个比较明显、突出,所以人们总是只关注其一,同时紫外检测技术或者红外检测技术均无法同时检测发热和放电故障,同时,由于复杂的检测条件和图像特征的干扰因素,单光谱图像检测的精度较低。绝缘设备的放电和温升相互促进,因此对两幅图像的主要特征进行信息融合有助于提高绝缘故障诊断的准确性。此外,红外和紫外图像的融合可以有效地结合两幅图像的特点,有助于工作人员在现场检测过程中更好地定位故障。
目前,多源信息融合在电气设备故障诊断中的研究非常丰富。J.Song等人利用人工神经网络和专家系统实现了高压电机绝缘的故障诊断和状态评估。W.Chao等人根据状态评估、例行试验结果和维护记录等可用数据,提出了一种基于分层结构和信息融合技术的电力变压器寿命估计模型。C.Kang等分别采用超声波、TEV和红外测温技术对开关柜进行状态评估,并采用贝叶斯条件概率模型对三种状态评估结果进行融合。这些研究通过多源信息融合检测和评估各类电气设备的典型故障,提高了电气设备状态监测的智能性。为了提高绝缘设备故障检测和诊断的准确性,本发明重点研究了红外—紫外特征融合技术,进而实现基于紫外红外协同检测的变电站电力设备在线监测。
发明内容
本发明的目的是提供一种基于紫外红外协同检测的绝缘电力设备在线监测系统。
为此,本发明技术方案如下:
一种基于紫外红外协同检测的绝缘电力设备在线监测系统,包括多信息数据采集模块、无线通讯模块及工作站;所述多数据信息采集模块将采集的图像、温湿度和风速信息通过无线通讯模块发送到工作站;所述工作站对采集的图像进行边缘提取、图像配准、图像重建及重建图像的特征提取,获取绝缘电力设备的故障特征。
进一步的,所述多信息数据采集模块包括全日盲紫外成像仪、红外测温摄像头、微气象装置;所述全日盲紫外成像仪和红外测温摄像头、微气象装置均安装在旋转云台上,通过云台的旋转实现对被监测高压电力设备局部放电和温度分布的二维扫描;所述微气象装置用来检测温湿度和风速;旋转云台上还设有无线通信模块,无线通信模块将采集的信息发送到工作站。
进一步的,所述工作站对图像进行边缘提取的方法为:
用canny算子提取红外灰度图像中绝缘子的边缘;
通过阈值分割得到紫外光斑图像;
然后利用canny算子分别提取紫外灰度图像和紫外光斑图像中的绝缘子边缘。
进一步的,所述图像配准采用SURF算法与RANSAC算法相结合的方法,具体匹配过程如下:
分别读入两幅图像,图像1与图像2;
分别对图像1与图像2进行关键点检测,得到关键点数据组points1和points2;
对每个points1中的点i在points2中找到对应的点j;对每个points2中的点j在points1中找到对应的点i;
如果points1中的点i在points2中的匹配点为j,且points2中的点j在points2中的匹配点为i,则匹配成功;
用RANSAC算法去除预匹配的误匹项。
进一步的,所述图像重建的方法为:
提取红外图像中的异常温度区域和紫外图像中的放电斑点区域;
将红外图像中的异常温度区域覆盖在紫外图像上,然后在其上放置不透明度为50%的放电光斑区域;
放电斑点区域Iedge的边缘通过“canny”算子提取,并变成绿色突出显示。
进一步的,所述提取红外图像中的异常温度区域和紫外图像中的放电斑点区域,方法如下:
其中Iinf和Iuv分别表示IR和UV图像的R、G和B分量;I1和I2分别代表IR和UV图像中提取区域的R、G和B分量;Tinf(x,y)表示红外图像中点(x,y)的温度;Guv(x,y)表示UV图像中点(x,y)的灰度值;Tthresh和Gthresh分别为温度阈值和灰度阈值。
进一步的,所述图像融合的方法为:
其中,I代表融合图像,I0代表提取的紫外图像区域,I3代表提取的红外图像区域,Iedge(x,y,2)表示放电斑点区域Iedge中点(x,y)的G分量。
进一步的,对重建图像的特征进行提取时,包括对融合图像放电斑的边缘的提取,具体方法为:
其中I(x,y,1),I(x,y,2)和I(x,y,3)是融合图像I中点(x,y)的像素的R,G和B分量;
在消除上述放电斑边缘时,使用下式来填充空白像素:
其中,I'2为填充处理后的放电斑边缘。
与现有技术相比,该基于红外紫外协同检测的变电站电力设备在线监测系统获取放电信息方面更加精确、可靠和全面。检测系统采集的两路图像信号将在PC机上完成图像融合处理。通过对紫外成像和红外测温图像的融合可以更清晰地获取电晕放电的信息;对于判断放电的类型和严重程度具有重要意义;将SURF特征应用到边缘图像配准中,将图像配准后的红外和紫外图像的主要特征组合成一幅图像,可以更加直观地显示了绝缘设备的故障特征。
附图说明
图1(a)为绝缘体的红外图像;图1(b)为提取红外图像中绝缘子的边缘示意图;图1(c)为绝缘体的紫外图像;图1(d)为提取紫外图像中绝缘子的边缘示意图。
图2为图像配准之后的边缘覆盖图像。
图3为重组图像的结构示意图。
图4(a)为放电斑结构示意图;图4(b)为对重组图像放电斑边缘进行提取的结构示意图;图4(c)为对重组图像放电斑边缘进行处理的结构示意图;图4(d)为提取的重组图像温度异常区域示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的说明,但下述实施例绝非对本发明有任何限制。
本发明提供了一种基于紫外红外协同检测的绝缘电力设备在线监测系统,包括多信息数据采集模块、无线通讯模块及工作站;所述多数据信息采集模块将采集的图像、温湿度和风速信息通过无线通讯模块发送到工作站;所述工作站对采集的图像进行边缘提取、图像配准、图像重建及重建图像的特征提取,获取绝缘电力设备的故障特征。
该监测系统的一般工作过程为:电力设备放电图像的获取,修正环境参数,图像融合技术和光学图像融合技术,最终判断电力设备工作状态。
所述多信息数据采集模块包括全日盲紫外成像仪、红外测温摄像头、微气象装置;所述全日盲紫外成像仪和红外测温摄像头、微气象装置均安装在旋转云台上,通过云台的旋转实现对被监测高压电力设备局部放电和温度分布的二维扫描;红外光测温摄像头用于检测电气设备的温度,紫外光成像仪用于监测电气设备的电晕放电紫外盲区,微气象装置中含有温湿度和风速传感器;旋转云台上还设有无线通信模块,无线通信模块将采集的信息发送到工作站。
接下来对图像处理部分的内容进行一下介绍和说明。
A、特征提取
为了准确识别异常区域及便于后续的图像融合,首先对紫外图像和红外图像进行边缘提取。本发明以ZSW-10/4绝缘子为例来说明算法的过程,污秽绝缘子在其工作电压下的红外和紫外图像如图1(a)-(c)所示;灰度化处理后,用“canny”算子提取红外和紫外图像中绝缘子的边缘,结果如图3所示。但是在紫外图像中,紫外光斑的边缘会影响结果,所以首先通过阈值分割得到紫外光斑图像,然后利用canny算子分别提取紫外灰度图像和紫外光斑图像中的绝缘子边缘,并计算两个边缘图像的值。
B、图像配准
尺度不变特征变换(SIFT)是灰度图像配准中关键点提取和匹配的常用算法。然而,由于SIFT中关键点的主方向是由灰度梯度决定的,因此将SIFT应用于二值图像配准时,容易造成主方向误差和失配。
本发明采用Herbert Bay提出的SURF算法进行红外—紫外图像配准。SURF是SIFT的一种改进算法。当处理多个图像时,比SIFT快几倍,具有更好的鲁棒性。在确定主方向时,SURF计算关键点邻域中Harr小波的特征,并通过距离而不是梯度直方图对它们进行加权。在二值图像中,该方法避免了计算不精确的梯度特征方向,找到了更准确的关键点主方向。
SURF算法主要包括关键点检测、主方向确定、特征描述和匹配;但是由于紫外图像中边缘信息较少,边缘存在缺陷,这种不匹配是不可避免的,因此使用随机样本一致性(RANSAC)来选择匹配和删除不匹配,具体匹配过程如下:
分别读入两幅图像,图像1与图像2;
分别对图像1与图像2进行关键点检测,得到关键点数据组points1和points2;
对每个points1中的点i在points2中找到对应的点j;对每个points2中的点j在points1中找到对应的点i;
如果points1中的点i在points2中的匹配点为j,且points2中的点j在points2中的匹配点为i,则匹配成功;
用RANSAC算法去除预匹配的误匹项;图2示出了图像配准之后的边缘覆盖图像。
C、图像重建
红外图像中的温升和紫外图像中的放电斑是反映绝缘故障程度的主要特征。它们的位置与故障位置直接相关。因此,在图像融合之后,需要提取红外图像中的异常温度区域和紫外图像中的放电斑点区域。
提取红外图像中的异常温度区域和紫外图像中的放电斑点区域。方法如下:
其中Iinf和Iuv分别表示IR和UV图像的R、G和B分量;I1和I2分别代表IR和UV图像中提取区域的R、G和B分量;Tinf(x,y)表示红外图像中点(x,y)的温度;Guv(x,y)表示UV图像中点(x,y)的灰度值;Tthresh和Gthresh分别为温度阈值和灰度阈值。
在红外图像中,绝缘表面的温度、环境和故障位置是不同的,因此Tthresh可以通过温度直方图包络线来计算。当UV成像器捕获图像时,放电斑区域的灰度值被设置为255。考虑到图像融合转换过程中的颜色变化,将Gthresh设置为240。
紫外图像的主要特征是放电斑区域的面积,但是紫外图像所包含的可见光信息也可以帮助确定故障位置和故障类型。本发明提出的红外—紫外图像融合方法是将红外图像中的异常温度区域覆盖在紫外图像上,然后在其上放置不透明度为50%的放电光斑区域。放电斑点区域Iedge的边缘通过“canny”算子提取,并变成绿色突出显示,这也有助于与异常温度区域区分开来。换句话说,放电斑点区域Iedge的R和B分量是0,G分量是255。这也是因为红外图像中绿色分量的值较小,明显的绿色线条有利于紫外光斑区域的区分。
EO-UV图像融合的算法可以描述如下。
其中,I代表融合图像,I0代表提取的紫外图像区域,I3代表提取的红外图像区域,Iedge(x,y,2)表示放电斑点区域Iedge中点(x,y)的G分量。
根据上述算法,在图像配准之后可以获得红外和紫外图像的融合图像,并且应该添加温度标尺来显示温度信息。图3示出了IR图像中的异常温度区域覆盖了绝缘体的第四盘,用刻度表征了温度;带有绿色边缘的半透明斑点漂浮在图像上,表征放电强度;还保留了紫外图像的颜色信息以显示故障位置。图像融合后,温升和放电信息都变得明显。特征和被测设备的相对位置保持不变,便于故障定位。
D、重建图像的特征提取
融合图像将温度和放电特征结合在一幅图像中,但是在评估绝缘故障时,应该提取这些特征。通过对融合图像的处理,提取并计算这些特征。
首先提取放电斑的边缘:
其中I(x,y,1),I(x,y,2)和I(x,y,3)是融合图像I中点(x,y)的R,G和B分量;
边缘曲线通常画在灰度边缘的左侧或顶部,所以绿色边缘的初始值接近它的左侧或顶部点。
在消除绿色边缘时,使用下式来填充空白像素,在图4(c)中示出了处理后的图像I′2,填充方法如下:
温度异常区的R分量高于其它区域,而B分量则低得多,因此阈值分割和形态滤波可用于提取图4(c)中的异常温度区域,提取的结果显示在图4(d)中。
需要补充说明的是,由于红外光电传感器的探测区域较小,为了尽可能全面地采集电气设备的温升信息,将监测点设置在电气设备容易出现温度异常的部位。温度传感器用于检测环境温度,从而得到电气设备的温升。紫外光电仪可以感知空间区域的紫外光,所有数据被传送到附近的工作站进行缺陷检测。
紫外成像的光斑面积受诸多环境因素影响,因此先要得到环境因素修正后的光斑面积,再根据光斑面积与局放量的关系,才能推算出局放量,实现局放量的定量分析。为了增加可比性、实现局放量的定量分析,将温度20℃,观测距离8m,增益50%,湿度50%,风速2m/s,电压110kV,定义为标准环境因素。
归一化红外异常发热区的相对温差以及紫外异常放电点的局放量,实现红外和紫外成像法的协同检测和分析,判断出故障情况,基于已有数据库,给出基于特征融合的绝缘故障评价。
Claims (8)
1.一种基于紫外红外协同检测的绝缘电力设备在线监测系统,其特征在于,包括多信息数据采集模块、无线通讯模块及工作站;所述多数据信息采集模块将采集的图像、温湿度和风速信息通过无线通讯模块发送到工作站;所述工作站对采集的图像进行边缘提取、图像配准、图像重建及重建图像的特征提取,获取绝缘电力设备的故障特征。
2.根据权利要求1所述的基于紫外红外协同检测的绝缘电力设备在线监测系统,其特征在于,所述多信息数据采集模块包括全日盲紫外成像仪、红外测温摄像头、微气象装置;所述全日盲紫外成像仪和红外测温摄像头、微气象装置均安装在旋转云台上,通过云台的旋转实现对被监测高压电力设备局部放电和温度分布的二维扫描;所述微气象装置用来检测温湿度和风速;旋转云台上还设有无线通信模块,无线通信模块将采集的信息发送到工作站。
3.根据权利要求2所述的基于紫外红外协同检测的绝缘电力设备在线监测系统,其特征在于,所述工作站对图像进行边缘提取的方法为:
用canny算子提取红外灰度图像中绝缘子的边缘;
通过阈值分割得到紫外光斑图像;
然后利用canny算子分别提取紫外灰度图像和紫外光斑图像中的绝缘子边缘。
4.根据权利要求3所述的基于紫外红外协同检测的绝缘电力设备在线监测系统,其特征在于,所述图像配准采用SURF算法与RANSAC算法相结合的方法,具体匹配过程如下:
分别读入两幅图像,图像1与图像2;
分别对图像1与图像2进行关键点检测,得到关键点数据组points1和points2;
对每个points1中的点i在points2中找到对应的点j;对每个points2中的点j在points1中找到对应的点i;
如果points1中的点i在points2中的匹配点为j,且points2中的点j在points2中的匹配点为i,则匹配成功;
用RANSAC算法去除预匹配的误匹项。
5.根据权利要求4所述的基于紫外红外协同检测的绝缘电力设备在线监测系统,其特征在于,所述图像重建的方法为:
提取红外图像中的异常温度区域和紫外图像中的放电斑点区域;
将红外图像中的异常温度区域覆盖在紫外图像上,然后在其上放置不透明度为50%的放电光斑区域;
放电斑点区域Iedge的边缘通过“canny”算子提取,并变成绿色突出显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211502043.0A CN116188505A (zh) | 2022-11-28 | 2022-11-28 | 基于紫外红外协同检测的绝缘电力设备在线监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211502043.0A CN116188505A (zh) | 2022-11-28 | 2022-11-28 | 基于紫外红外协同检测的绝缘电力设备在线监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116188505A true CN116188505A (zh) | 2023-05-30 |
Family
ID=86437182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211502043.0A Pending CN116188505A (zh) | 2022-11-28 | 2022-11-28 | 基于紫外红外协同检测的绝缘电力设备在线监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188505A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116880279A (zh) * | 2023-07-12 | 2023-10-13 | 中冀电力集团股份有限公司 | 一种智慧用电控制管理系统 |
CN118362844A (zh) * | 2024-06-18 | 2024-07-19 | 深圳友讯达科技股份有限公司 | 环网箱的绝缘状态检测方法、装置、设备及存储介质 |
-
2022
- 2022-11-28 CN CN202211502043.0A patent/CN116188505A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116880279A (zh) * | 2023-07-12 | 2023-10-13 | 中冀电力集团股份有限公司 | 一种智慧用电控制管理系统 |
CN118362844A (zh) * | 2024-06-18 | 2024-07-19 | 深圳友讯达科技股份有限公司 | 环网箱的绝缘状态检测方法、装置、设备及存储介质 |
CN118362844B (zh) * | 2024-06-18 | 2024-09-03 | 深圳友讯达科技股份有限公司 | 环网箱的绝缘状态检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116188505A (zh) | 基于紫外红外协同检测的绝缘电力设备在线监测系统 | |
CN112734692B (zh) | 一种变电设备缺陷识别方法及装置 | |
CN111242123B (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
CN108765373A (zh) | 一种基于集成分类器在线学习的绝缘子异常自动检测方法 | |
CN105447471A (zh) | 基于红外检测的设备气体泄漏识别方法和装置 | |
CN112381796B (zh) | 一种基于红外数据的导线缺陷识别及检测方法 | |
CN114998352A (zh) | 一种基于图像处理的生产设备故障检测方法 | |
CN109345586A (zh) | 基于紫外成像技术的电气设备放电特征提取方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
CN114494185B (zh) | 一种基于rgb-t多尺度特征融合的电气设备故障检测方法 | |
CN112734698A (zh) | 基于红外图像的电缆终端异常诊断方法和装置 | |
CN116167999A (zh) | 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 | |
CN112541478A (zh) | 一种基于双目摄像头的绝缘子串污损检测方法及系统 | |
CN106548211A (zh) | 基于红外图像的变电站测温点自动识别方法和装置 | |
CN117455843A (zh) | 一种电缆头缺陷智能化检测系统 | |
CN109948629B (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
CN114724042A (zh) | 一种输电线路中零值绝缘子自动检测方法 | |
CN105374029A (zh) | 变电站设备红外图像感兴趣区域的分割方法及系统 | |
CN113506290B (zh) | 一种线路绝缘子缺陷检测方法及装置 | |
CN117252840B (zh) | 一种光伏阵列缺陷消除评定方法、装置及计算机设备 | |
CN114792328A (zh) | 一种红外热成像图像处理和分析的方法 | |
CN113077447A (zh) | 一种可探测高压设备微弱放电并进行缺陷分析的方法 | |
CN115077722B (zh) | 一种应用于高压柜的局放和温度综合监测系统及方法 | |
Shen et al. | Transmission line safety early warning technology based on multi-source data perception | |
CN114418941B (zh) | 一种基于电力巡检设备检测数据的缺陷诊断方法及系统 |
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 |