CN116399405A - 一种基于多模态融合感知的绝缘子串状态诊断方法和系统 - Google Patents
一种基于多模态融合感知的绝缘子串状态诊断方法和系统 Download PDFInfo
- Publication number
- CN116399405A CN116399405A CN202310668304.4A CN202310668304A CN116399405A CN 116399405 A CN116399405 A CN 116399405A CN 202310668304 A CN202310668304 A CN 202310668304A CN 116399405 A CN116399405 A CN 116399405A
- Authority
- CN
- China
- Prior art keywords
- representing
- insulator
- fusion
- data
- temperature
- 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
Links
- 239000012212 insulator Substances 0.000 title claims abstract description 197
- 230000004927 fusion Effects 0.000 title claims abstract description 98
- 238000003745 diagnosis Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000008447 perception Effects 0.000 title claims abstract description 14
- 238000009413 insulation Methods 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 51
- 239000013598 vector Substances 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 10
- 150000003839 salts Chemical class 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011109 contamination Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 4
- 238000005282 brightening Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 229930014626 natural product Natural products 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000003014 reinforcing effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 25
- 238000012423 maintenance Methods 0.000 description 16
- 230000007547 defect Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000012843 least square support vector machine Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
Description
技术领域
本发明属于输电线路绝缘子串状态诊断领域,更具体地,具体涉及一种基于多模态融合感知的绝缘子串状态诊断方法和系统。
背景技术
特高压输电线路运维的数字化是智能电网发展的必然趋势,绝缘子串是特高压输电线路的关键组件,其是否可靠直接影响线路的安全稳定运行。近几年,由于特高压输电线路长期在户外运行,受强电场、高杆塔微气象环境等影响,绝缘子串上的问题日益增多,严重威胁着特高压输电线路的安全运行。突出表现为以下三方面,一是绝缘子串挂点处的销钉脱落,二是连接处及绝缘子串本体等的发热,三是绝缘子串本体的泄漏电流。
因绝缘子串结构空间狭小、表面不规则且电磁环境复杂,针对绝缘子串异常发热、挂点处销钉脱落与绝缘子泄漏电流等缺乏实时、持续、高效、适用的传感装置,严重阻碍了绝缘子串的运维数字化与诊断智能化发展。
现有技术文件1(CN107516015 A)公开了一种基于多特征量的复合绝缘子老化状态综合评估方法,定义复合绝缘子的老化状态表现包括五大类:表观状态、憎水性能、电气性能、机械性能和其他因素;以这五种因素作为项目层,选取外观检查、伞盘硬化、憎水性、增水迁移性、泄漏电流、工频干耐受、陡坡冲击、工频干湿闪、密封性能、机械耐受、机械破坏值、运行年限、温度和湿度这14个指标作为第二层指标层。现有技术文件1的不足之处在于,通用性和实用性性有待提高,过多考虑是涉水性能,但输电线路实际上可能通过环境不同的大片区域,并且参数指标不利于架空线路日常采集,部分数据不能够以实时采集的方式获取,大量依靠运维人员进行采集。
现有技术文件2(CN109711687 B)公开了一种基于改进熵值法的绝缘子状态模糊评估方法,包括:S1、建立绝缘子状态模糊评价指标层,根据绝缘子历史运行数据及其所处环境因素的影响,定义对绝缘子状态的评价等级;S2、将绝缘子状态模糊评价指标层中各项指标的权重进行归一化;S3、利用改进熵值法对归一化后的各项指标进行计算。现有技术文件2的不足之处在于,较为依赖主观评价,不仅需要大量的运维专家人力投入,并且不同的运维专家可能导致输出结果偏差较大。
现有技术文件3(CN104502410A)公开了最小二乘支持向量机与遗传算法的绝缘子等值盐密及灰度预测方法,但该算法不仅繁琐,而且输入参数的选取导致计算精度不稳定。
以上述现有技术为代表的绝缘子串监控技术,存在受销钉尺寸小、发热本体设备表面不规则、强电场下绝缘子泄漏电流测量困难等条件约束,传统的大尺寸传感器或有线式的在线监测方法难以匹配绝缘子串状态感知的应用场景;人工登塔检测方式存在不能长时间对设备进行实时监测、无法对设备温度和泄漏电流变化进行数据复合分析等问题。获取的数据差异性大、不确定性高、缺乏全面有效的数据特征,大大增加了班组运维难度和工作量,滞后了数字化班组建设成效。
发明内容
为解决现有技术中存在的不足,本发明提供一种基于多模态融合感知的绝缘子串状态诊断方法和系统,实现特高压输电线路绝缘子串的智能感知与诊断,提升数字化运维水平,研究成果可同时向低电压等级线路推广应用。
为实现特高压输电线路绝缘子串的智能感知与诊断,本发明提供一种基于多模态融合感知的特高压输电线路绝缘子串状态诊断方法与系统,基于红外图像(InfraredImaging,图像)、柔性温度传感器数据、柔性销钉压力传感器数据、泄漏电流特征量(包括泄漏电流有效值、最大值、三次谐波与基波幅值比值、总的谐波畸变率)、相对环境湿度等多模态数据,对绝缘子串状态做出综合诊断。
本发明采用如下的技术方案。本发明的第一方面提供了一种基于多模态融合感知的绝缘子串状态诊断方法,包括以下步骤:
步骤3,构建污秽测算模型,使用泄漏电流特征量、相对环境湿度测算当前污秽情况下绝缘水平指数,并在超过设定值的情况下,输出绝缘子串故障信息;
步骤4,使用锁紧销钉压力传感器数据,绘制锁紧销钉工作状态轨迹曲线,在曲线越限情况下,输出绝缘子串故障信息;
步骤5,使用步骤2中的绝缘子串内部最高温度、步骤3中的当前污秽情况下绝缘水平指数,以及步骤4中的轨迹当前点位模值,计算用于综合诊断的多模态特征数据融合指标,得出综合诊断结果。
优选地,步骤2具体包括:
步骤2.5,基于温度传感器实时数据,对温度矩阵进行校正;
优选地,步骤2.1具体包括:
步骤2.1.2,在频率域对图像进行加强,以如下公式表示,
式中:
式中:
优选地,步骤2.2具体包括:
式中:
优选地,步骤2.3具体包括:
式中:
优选地,步骤2.4具体包括:
使用步骤2.3获得的绝缘子轮廓,提取/>图像中原始温度数据,剔除环境参数辐射率/>、反射温度/>、距离/>、大气温度/>、外部光学温度/>、外部光学传输/>、相对湿度/>对原始温度数据的影响,获得绝缘子轮廓内的温度矩阵/>。
式中:
式中:
式中:
校正后的温度矩阵以如下公式表示,
式中:
优选地,步骤3具体包括:
式中:
式中:
式中:
式中:
式中:
优选地,步骤4中,实时将绘制在平面直角坐标系xOy作为销钉工作状态情况判据,如果/>位于第三象限,表示锁紧销钉处于正常工作状态,输出/>与坐标原点之间的距离,作为/>模值,表示为锁紧销钉工作状态/>,用于后续状态诊断,如果/>离开第三象限,表示锁紧销钉已经工作状态,生成报警信号。
优选地,步骤5具体包括:
步骤5.3,将多模态特征数据融合指标带入将三角形分布和梯形分布相结合的判据,进而得出综合诊断结果。
式中:
优选地,步骤5.2中,
特征融合向量以如下公式表示,
式中:
优选地,对特征融合向量进行优化,以如下公式表示,
式中:
综合诊断多模态特征数据融合指标以如下公式表示,
式中:
式中:
本发明的第二方面提供了一种基于多模态融合感知的绝缘子串状态诊断系统,运行所述的一种基于多模态融合感知的绝缘子串状态诊断方法:
云台的底座部分可装载在无人机上的移动底座上;
柔性温度传感器、柔性销钉压力传感器、泄露电流传感器均安装在绝缘子上,对绝缘子的状态信息进行采集;
多模态融合分析模块的分析处理单元用于对绝缘子串状态进行融合诊断。
本发明的有益效果在于,与现有技术相比,本发明提供的一种基于多模态融合感知的特高压输电线路绝缘子串状态诊断系统,融合多模态数据,能够对绝缘子串销钉脱离、连接处与本体异常发热、绝缘子污秽等缺陷和故障做出诊断,实现绝缘子串的综合状态评价,提高了输电运维人员日常巡视的效率,增加了状态感知和缺陷预警的可靠性,减少了输电运维人员工作压力,提升了运维人员的工作安全性。
附图说明
图1为本发明基于多模态融合感知的特高压输电线路绝缘子串状态诊断方法流程示意图;
图3为绝缘子串的绘制锁紧销钉工作状态轨迹曲线示意图。
具体实施方式
为使本发明的目的、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,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例,都属于本发明的保护范围。
如图1所示,本发明的实施例1提供了一种基于多模态融合感知的特高压输电线路绝缘子串状态诊断方法,包括以下步骤:
如图2所示,步骤2,对图像进行图像加强,识别加强后图像中的设备轮廓,提取绝缘子,剔除绝缘子以外的设备,进而读取绝缘子轮廓内的温度信息,并基于柔性温度传感器实时数据进行/>图像温度矩阵校正,根据温度信息做出故障诊断。
步骤2.1.2,在频率域对图像进行加强,以如下公式表示,
式中:
式中:
表示调节常数,/>,优选地但非限制性地,/>,更优选地,/>。在工程实践当中,/>取值越小越有利于后续步骤识别绝缘子轮廓,但不利于剔除绝缘子以外的全部像素;/>取值越大越不利于后续步骤识别绝缘子轮廓,但有利于剔除绝缘子以外的全部像素。
式中:
步骤2.3,提取绝缘子,剔除绝缘子以外的设备;
在优选但非限制性的实施方式中,步骤2.3具体包括:
步骤2.3.2,剔除其他设备,提取绝缘子可以通过边界比较的方式实现,进行次降亮运算,再进行/>次提亮,以此对绝缘子区域重构,其中/>。剔除矩阵/>对的灰度降低记为/>,对/>的灰度提升算记为/>,进而以如下公式表示:
式中:
获得仅包括绝缘子轮廓的图像,可以以/>的矩阵表示,即/>行/>列矩阵。值得注意的是,因为绝缘子串周围的设备例如引流线、传输线等相较于绝缘子串更“细”,使用剔除矩阵/>在进行/>次降亮运算时,就会变得更细,直至“抹”掉,但带来的弊端是绝缘子串的边界也会变得更“细”即绝缘子串的边界向内收缩。因此需要使用剔除矩阵在进行/>次降亮运算,使用剔除矩阵/>进行降亮运算相当于复原绝缘子串边界,直至达到原来的边界水平。
步骤2.4,使用步骤2.3获得的绝缘子轮廓,提取绝缘子轮廓内的/>图像中原始温度数据,将该数据做解码转换处理生成/>图像温度矩阵。可以理解的是,使用步骤2.3获得的绝缘子轮廓/>意味着不再关注绝缘子外部的温度,只需要将提取的范围限制在绝缘子内部即可,一方面使提取更加有针对性,另一方面节约了计算资源。
若温度矩阵为数据类型不符合处理要求,则对其进行整形转换,并进行位运算获得可用过渡矩阵。修正环境参数对可用过渡矩阵/>的影响,例如但不限于,环境参数辐射率/>、反射温度/>、距离/>、大气温度/>、外部光学温度/>、外部光学传输/>、相对湿度/>等,生成/>图像的温度矩阵/>。从IR图像提取温度矩阵以及使用环境因素进行修正仅是本发明一个优选的步骤,本领域技术人员可以任选合适的技术手段实现,都落入本发明的构思之内。进而,使用步骤2.3获得的绝缘子轮廓,绝缘子轮廓内的温度矩阵/>以如下公式表示,
式中:
式中:
式中:
校正后的温度矩阵以如下公式表示,
式中:
在优选但非限制性的实施方式中,步骤3具体包括:
步骤3.1,建立绝缘子污秽历史数据集,以如下公式表示,
式中:
表示绝缘子污秽历史数据集/>中第/>个数据点,即/>表示第/>个已知采集向量,/>表示与/>对应的第/>个/>(Equivalent Salt Deposit Density,等值附盐密度,以下简称/>参数),/>,/>表示历史数据集的点数。
式中:
式中:
式中:
步骤3.4,将实时采集的泄漏电流有效值,泄漏电流最大值/>,三次谐波与基波幅值比值/>,总的谐波畸变率/>,相对环境湿度/>构成绝缘子污秽测算向量/>,即在/>时刻采集的已知采集向量,以如下公式表示,
式中:
值得注意的是,与现有技术显著不同的是,本发明提供能够明显改善表征绝缘子污秽情况折算绝缘水平的算法,这种算法的优越性体现在,发明人更加深入地认识到绝缘子污秽情况与泄漏电流有效值、泄漏电流最大值、三次谐波与基波幅值比值、总的谐波畸变率和相对环境湿度这五个参数最为密切相关。
现有技术中,输电线路通常横跨不同地域、不同大气环境,选择其他参数,在跨度大的不同地域、不同大气环境下,测算结果明显偏差。而本发明克服了现有技术中的这个缺陷,并且提供了输入融合算法,使用该融合算法之后,即使在超远距离输电线路上进行使用,测算结果波动明显减小。在此基础上本发明还给出了进一步给出了使用绝缘子污秽情况的判据,既可以单独使用,还能够用于后续步骤的综合判断。
式中:
实时将绘制在平面直角坐标系xOy作为销钉工作状态情况判据,如果/>位于第三象限,表示锁紧销钉处于正常工作状态,输出/>与坐标原点之间的距离,表示为锁紧销钉工作状态/>,用于后续状态诊断,如果/>离开第三象限,表示锁紧销钉已经处于非正常工作状态,生成报警信号;
值得注意的是,现有技术中一般采用视频或图像分析绝缘子锁紧销钉是否存在缺陷,尤其依赖运维人员的工作经验,有些技术方案采用锁紧压力监控,但是只能判断锁紧程度。但在运维实践中,锁紧销钉的缺陷包括失效、变形、脱落等等多种情形。由此,本领域技术人员可以认识到,本发明与现有技术显著不同的是,本发明提供了锁紧销钉状态更加准确和全面的监控手段。
本发明同时计及锁紧压力和销钉所在高度,一方面使得状态诊断可靠性得以提升,锁紧压力传感器和气压传感器形成了冗余监控,这种冗余并不是同类型传感器设置两套或两套以上,而是分别形成对锁紧销钉的状态监测判据,互相支持,即使其中某一个传感器出现故障,另一个传感器也能够继续执行监控任务;另一方面,锁紧压力表征锁紧销钉锁紧程度,经过本发明的横坐标判据将其转化为是否偏离整定值,同时结合气压传感器的数据,经过本发明的纵坐标判据,将其转化为是否从绝缘子串处脱落。横纵坐标的综合判断,就能够判断绝缘子锁紧销钉是原位锁紧力减小导致失效、变形还是断裂脱落,并且通过轨迹可视化的形式给出诊断结果。不再依赖图像处理和运维人员的工作经验,大幅度提高了诊断效率和准确性。
步骤5具体包括:
为清楚地表述技术方案,将综合诊断多模态特征数据向量记为第一特征数据向量,对综合诊断多模态特征数据向量/>进行归一化处理,例如但不限于,使用最大最小标准化、/>标准化或/>范数归一化当中至少一种执行归一化操作。得到第二特征数据向量/>,以如下公式表示,
式中:
其中,特征融合向量以如下公式表示,
式中:
在优选但非限制性的实施方式中,投入运行时间与第二特征数据向量的第一分量/>和第二特征数据向量/>的第二分量/>的第一、第二特征融合分量/>和/>呈正相关,例如但不限于,每过一个季度,为第一、第二特征融合分量/>和/>增加/>,/>。进一步优选地,/>的取值也与时间呈正相关,按照特定的时间节点调增/>取值,用于表征绝缘子老化程度加快。
大气特别污染严重地区,距离海岸盐场距离近,周围具有化学污染源,第二特征数据向量的第三分量/>需要配置较高第三特征融合分量/>,例如但不限于;相反,大气清洁地区,无污染,无盐场地区,第二特征数据向量/>的第三特征融合分量/>,例如但不限于/>。
综合诊断多模态特征数据融合指标以如下公式表示,
式中:
在进一步选但非限制性的实施方式中,可以对特征融合向量进行优化,以如下公式表示,
式中:
综合诊断多模态特征数据融合指标进一步以如下公式表示,
值得注意的是,优化权重的目的在于,强化了三个分量之间的耦合关系,在之前的权重配置当中,单独考量了输电线路环境以及时间对于绝缘子状态的影响,但在输电线路运维工程实践当中,这三个参数并不是完全独立的关系,三者之间存在一定的耦合关系,为了使配置更加准确,对三个权重进行融合再分配,能够进一步提升诊断精度。
更加值得注意的是,本发明给出的权重耦合方法是一种举例,任何对参数进行融合配置权重的方式都落入本发明的构思范围之内。
步骤5.3,将多模态特征数据融合指标带入将三角形分布和梯形分布相结合的判据,采用改进的三角梯形分布可更准确地表达分布状态及隶属度,进而得出综合诊断结果,以如下公式表示,
式中:
表示第一诊断函数,/>表示第二诊断函数,/>表示第三诊断函数,/>表示第四诊断函数。在优选但非限制性的实施方式中,第一诊断函数至第四诊断函数分别可以是安全1-4级诊断函数,其中安全1级最为安全,级别越高,表示安全状态越差,安全4级表示安全状态最差。在更优选的实施方式中,第一至第四可以分别表示为正常、注意、异常和严重诊断函数。
在本发明的第2实施例中,还提供了一种基于多模态融合感知的特高压输电线路绝缘子串状态诊断系统,用于运行如实施例1所述的基于多模态融合感知的特高压输电线路绝缘子串状态诊断方法,包括:
云台的底座部分可装载在无人机上的移动底座上;
柔性温度传感器、柔性销钉压力传感器、泄露电流传感器均安装在绝缘子上,对绝缘子的状态信息进行采集;
多模态融合分析模块的分析处理单元用于对绝缘子串状态进行融合诊断。
本发明的有益效果在于,与现有技术相比,本发明提供的一种基于多模态融合感知的特高压输电线路绝缘子串状态诊断系统,融合多模态数据,能够对绝缘子串销钉脱离、连接处与本体异常发热、绝缘子污秽等缺陷和故障做出诊断,实现绝缘子串的综合状态评价,提高了输电运维人员日常巡视的效率,增加了状态感知和缺陷预警的可靠性,减少了输电运维人员工作压力,提升了运维人员的工作安全性。
Claims (20)
1.一种基于多模态融合感知的绝缘子串状态诊断方法,其特征在于,包括以下步骤:
步骤3,构建污秽测算模型,使用泄漏电流特征量、相对环境湿度测算当前污秽情况下绝缘水平指数,并在超过设定值的情况下,输出绝缘子串故障信息;
步骤4,使用锁紧销钉压力传感器数据,绘制锁紧销钉工作状态轨迹曲线,在曲线越限情况下,输出绝缘子串故障信息;
步骤5,使用步骤2中的绝缘子串内部最高温度、步骤3中的当前污秽情况下绝缘水平指数,以及步骤4中的轨迹当前点位模值,计算用于综合诊断的多模态特征数据融合指标,得出综合诊断结果。
3.根据权利要求2所述的一种基于多模态融合感知的绝缘子串状态诊断方法,其特征在于:
步骤2具体包括:
步骤2.5,基于温度传感器实时数据,对温度矩阵进行校正;
9.根据权利要求1至5中任一项所述的一种基于多模态融合感知的绝缘子串状态诊断方法,其特征在于:
步骤3具体包括:
式中:
式中:
式中:
20.一种基于多模态融合感知的绝缘子串状态诊断系统,运行根据权利要求1-19任意一项所述的一种基于多模态融合感知的绝缘子串状态诊断方法,其特征在于:
云台的底座部分可装载在无人机上的移动底座上;
柔性温度传感器、柔性销钉压力传感器、泄露电流传感器均安装在绝缘子上,对绝缘子的状态信息进行采集;
多模态融合分析模块的分析处理单元用于对绝缘子串状态进行融合诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310668304.4A CN116399405B (zh) | 2023-06-07 | 2023-06-07 | 一种基于多模态融合感知的绝缘子串状态诊断方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310668304.4A CN116399405B (zh) | 2023-06-07 | 2023-06-07 | 一种基于多模态融合感知的绝缘子串状态诊断方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116399405A true CN116399405A (zh) | 2023-07-07 |
CN116399405B CN116399405B (zh) | 2023-09-15 |
Family
ID=87012728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310668304.4A Active CN116399405B (zh) | 2023-06-07 | 2023-06-07 | 一种基于多模态融合感知的绝缘子串状态诊断方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116399405B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117330883A (zh) * | 2023-12-01 | 2024-01-02 | 国网山西省电力公司电力科学研究院 | 一种架空线路绝缘子运行状态监测系统及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038262A (zh) * | 2007-04-03 | 2007-09-19 | 西安交通大学 | 一种供电系统外绝缘污秽状态的在线监测装置及方法 |
CN104459489A (zh) * | 2014-12-05 | 2015-03-25 | 深圳供电局有限公司 | 一种支柱绝缘子污秽度识别方法 |
US20160117845A1 (en) * | 2014-10-27 | 2016-04-28 | King Fahd University Petroleum and Minerals | Contamination level estimation method for high voltage insulators |
CN106124949A (zh) * | 2016-08-30 | 2016-11-16 | 国网山东省电力公司济南供电公司 | 一种基于热红外成像技术对绝缘子故障在线监测方法 |
CN107507194A (zh) * | 2017-08-07 | 2017-12-22 | 广东电网有限责任公司珠海供电局 | 一种基于红外图像温度分布规律和bp神经网络的绝缘子串故障检测方法 |
CN109358271A (zh) * | 2018-11-05 | 2019-02-19 | 中科伟博(苏州)智能科技有限公司 | 一种基于mems光纤微电流传感技术的绝缘子劣化及污秽检测方法 |
CN110702161A (zh) * | 2019-10-31 | 2020-01-17 | 国网上海市电力公司 | 一种输电铁塔绝缘子销钉脱落监测定位装置及方法 |
WO2022082660A1 (zh) * | 2020-10-22 | 2022-04-28 | 华为数字能源技术有限公司 | 电站巡视系统及电站巡视方法 |
RU2791597C1 (ru) * | 2022-07-27 | 2023-03-13 | Общество с ограниченной ответственностью "БО-ЭНЕРГО" | Система мониторинга, диагностирования и управления техническим состоянием силовых трансформаторов |
CN115902541A (zh) * | 2022-11-14 | 2023-04-04 | 国网河南省电力公司濮阳供电公司 | 一种输电线路绝缘子放电及缺陷的诊断方法及系统 |
WO2023083366A1 (zh) * | 2021-11-15 | 2023-05-19 | 广东电网有限责任公司揭阳供电局 | 基于在线监测数据的避雷器运行状态识别方法、装置 |
-
2023
- 2023-06-07 CN CN202310668304.4A patent/CN116399405B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038262A (zh) * | 2007-04-03 | 2007-09-19 | 西安交通大学 | 一种供电系统外绝缘污秽状态的在线监测装置及方法 |
US20160117845A1 (en) * | 2014-10-27 | 2016-04-28 | King Fahd University Petroleum and Minerals | Contamination level estimation method for high voltage insulators |
CN104459489A (zh) * | 2014-12-05 | 2015-03-25 | 深圳供电局有限公司 | 一种支柱绝缘子污秽度识别方法 |
CN106124949A (zh) * | 2016-08-30 | 2016-11-16 | 国网山东省电力公司济南供电公司 | 一种基于热红外成像技术对绝缘子故障在线监测方法 |
CN107507194A (zh) * | 2017-08-07 | 2017-12-22 | 广东电网有限责任公司珠海供电局 | 一种基于红外图像温度分布规律和bp神经网络的绝缘子串故障检测方法 |
CN109358271A (zh) * | 2018-11-05 | 2019-02-19 | 中科伟博(苏州)智能科技有限公司 | 一种基于mems光纤微电流传感技术的绝缘子劣化及污秽检测方法 |
CN110702161A (zh) * | 2019-10-31 | 2020-01-17 | 国网上海市电力公司 | 一种输电铁塔绝缘子销钉脱落监测定位装置及方法 |
WO2022082660A1 (zh) * | 2020-10-22 | 2022-04-28 | 华为数字能源技术有限公司 | 电站巡视系统及电站巡视方法 |
WO2023083366A1 (zh) * | 2021-11-15 | 2023-05-19 | 广东电网有限责任公司揭阳供电局 | 基于在线监测数据的避雷器运行状态识别方法、装置 |
RU2791597C1 (ru) * | 2022-07-27 | 2023-03-13 | Общество с ограниченной ответственностью "БО-ЭНЕРГО" | Система мониторинга, диагностирования и управления техническим состоянием силовых трансформаторов |
CN115902541A (zh) * | 2022-11-14 | 2023-04-04 | 国网河南省电力公司濮阳供电公司 | 一种输电线路绝缘子放电及缺陷的诊断方法及系统 |
Non-Patent Citations (3)
Title |
---|
姚建刚;付鹏;李唐兵;朱向前;伍也凡;欧阳旭;付强;: "基于红外图像的绝缘子串自动提取和状态识别", 湖南大学学报(自然科学版), vol. 42, no. 02, pages 74 - 80 * |
张士利: "输电线路绝缘子串锁紧销分析", 山西电力, no. 06, pages 21 - 23 * |
汤明文;: "基于多特征信息融合的绝缘子状态检测与诊断技术研究", 能源与环境, vol. 136, no. 03, pages 52 - 53 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117330883A (zh) * | 2023-12-01 | 2024-01-02 | 国网山西省电力公司电力科学研究院 | 一种架空线路绝缘子运行状态监测系统及方法 |
CN117330883B (zh) * | 2023-12-01 | 2024-02-27 | 国网山西省电力公司电力科学研究院 | 一种架空线路绝缘子运行状态监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116399405B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lei et al. | New crack detection method for bridge inspection using UAV incorporating image processing | |
CN116399405B (zh) | 一种基于多模态融合感知的绝缘子串状态诊断方法和系统 | |
CN112734692A (zh) | 一种变电设备缺陷识别方法及装置 | |
CN101281250B (zh) | 基于图像要素的在轨卫星遥感器调制传递函数的监测方法 | |
CN109829908B (zh) | 基于双目影像的电力线下方地物安全距离检测方法及设备 | |
CN105262441B (zh) | 基于红外图像的光伏阵列故障等级划分方法 | |
CN106649598A (zh) | 一种输电线路覆冰厚度的检测方法 | |
CN113075065B (zh) | 基于图像识别的深海管道裂纹扩展监测与可靠性评估系统 | |
CN105158257A (zh) | 滑板测量方法及装置 | |
CN117168331B (zh) | 基于光纤传感器的天然冰场冰层厚度实时检测方法 | |
CN112686938A (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
CN108537170A (zh) | 一种电力设备固件无人机巡检销钉缺失检测方法 | |
CN112013966B (zh) | 一种基于测量温度的电力设备红外图像处理方法 | |
CN115993096A (zh) | 一种高层建筑变形测量方法 | |
CN113095189B (zh) | 基于机器视觉和数据分析的电力系统变电站运行环境安全智能监测管理系统 | |
CN110530876B (zh) | 基于长短期记忆神经网络的绝缘子污秽度发展预测方法 | |
CN103984952A (zh) | 基于机器视觉图像对电力系统风力发电机叶片表面裂纹故障进行诊断的方法 | |
CN113947555A (zh) | 基于深度神经网络的红外与可见光融合的视觉系统及方法 | |
CN109255785A (zh) | 一种轴承外观缺陷检测系统 | |
CN103852018A (zh) | 基于图像处理的输电线路覆冰厚度测量算法 | |
Zhang et al. | Detection and condition assessment of icicle bridging for suspension glass insulator by image analysis | |
CN113052103A (zh) | 一种基于神经网络的电气设备缺陷检测方法及装置 | |
CN114663375B (zh) | 基于小样本学习的浮空器主缆绳表面缺陷检测方法及系统 | |
CN110992361A (zh) | 基于代价平衡的发动机紧固件检测系统及检测方法 | |
CN114552601A (zh) | 双目视觉输电线震荡监测及三维重建方法 |
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 |