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 PDF

Info

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
Application number
CN202310668304.4A
Other languages
English (en)
Other versions
CN116399405B (zh
Inventor
何冰
梁云
贾鹏飞
刘颖异
李伟
倪祺
戴缘生
谢小松
王媚
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.)
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Shanghai 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 State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Shanghai Electric Power Co Ltd
Priority to CN202310668304.4A priority Critical patent/CN116399405B/zh
Publication of CN116399405A publication Critical patent/CN116399405A/zh
Application granted granted Critical
Publication of CN116399405B publication Critical patent/CN116399405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种基于多模态融合感知的绝缘子串状态诊断方法及系统，方法包括以下步骤：采集绝缘子串的状态参量；使用
Figure ZY_1
图像和温度传感器数据判断绝缘子串工作温度，若温升超过设定值，输出绝缘子串故障信息，若温升未超过设定值，输出绝缘子串内部最高温度；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
Figure ZY_2
，若超过设定值，输出绝缘子串故障信息；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，若曲线越限，输出绝缘子串故障信息；使用绝缘子串内部最高温度、当前污秽情况下绝缘水平指数
Figure ZY_3
，轨迹当前点位模值，计算综合诊断多模态特征数据融合指标，得出综合诊断结果。

Description

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
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，
Figure SMS_1
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1，采集绝缘子串的状态参量，包括
Figure SMS_2
图像、温度传感器数据、泄漏电流特征量、相对环境湿度、以及锁紧销钉压力传感器数据；
步骤2，使用
Figure SMS_3
图像和温度传感器数据判断绝缘子串工作温度，在温升超过整定值的情况下，输出绝缘子串故障信息，在温升未超过整定值的情况下输出绝缘子串内部最高温度；
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1中，漏电流特征量包括泄漏电流有效值
Figure SMS_4
、最大值/>
Figure SMS_5
、三次谐波与基波幅值比值/>
Figure SMS_6
、总的谐波畸变率/>
Figure SMS_7
。
优选地，步骤2具体包括：
步骤2.1，对绝缘子串
Figure SMS_8
图像/>
Figure SMS_9
进行加强，得到加强后的/>
Figure SMS_10
图像/>
Figure SMS_11
，
Figure SMS_12
表示空间域坐标；
步骤2.2，识别绝缘子加强后的
Figure SMS_13
图像/>
Figure SMS_14
中的设备轮廓/>
Figure SMS_15
；
步骤2.3，从设备轮廓
Figure SMS_16
提取绝缘子轮廓，剔除绝缘子以外的设备；
步骤2.4，使用步骤2.3获得的绝缘子轮廓，提取
Figure SMS_17
图像中绝缘子轮廓内的原始温度数据，生成绝缘子轮廓内的温度矩阵；
步骤2.5，基于温度传感器实时数据，对温度矩阵进行校正；
步骤2.6，根据运行经验整定的温度阈值
Figure SMS_18
，对校正后的温度矩阵逐个元素进行对比，对绝缘子中温升故障进行判断，并且输出绝缘子内部最大温度，用于后续综合诊断。
优选地，步骤2.1具体包括：
步骤2.1.1，以
Figure SMS_19
表示绝缘子原始/>
Figure SMS_20
图像，对原始/>
Figure SMS_21
图像进行傅氏变换，得到/>
Figure SMS_22
，/>
Figure SMS_23
表示频率域坐标；
步骤2.1.2，在频率域对图像进行加强，以如下公式表示，
Figure SMS_24
式中：
Figure SMS_25
表示绝缘子加强后的频率域/>
Figure SMS_26
图像，
Figure SMS_27
表示加强函数，
Figure SMS_28
式中：
Figure SMS_29
表示自然常数/>
Figure SMS_30
的指数函数，
Figure SMS_31
表示频率域图像的中心点，
Figure SMS_32
表示调节常数，/>
Figure SMS_33
；
步骤2.1.3，将加强后的频率域
Figure SMS_34
图像/>
Figure SMS_35
执行傅氏逆变换，得到空间域绝缘子加强后的/>
Figure SMS_36
图像/>
Figure SMS_37
。
优选地，步骤2.2具体包括：
对于非图片边沿的每个像素点
Figure SMS_38
，其周围具有8个像素点，以左上角为1号，顺时针依次编号2至8，其灰度值为/>
Figure SMS_39
，由此识别绝缘子加强后的/>
Figure SMS_40
图像/>
Figure SMS_41
中的设备轮廓可以以如下公式表示，
Figure SMS_42
式中：
Figure SMS_43
表示轮廓第一分量，以如下公式表示，
Figure SMS_44
Figure SMS_45
表示轮廓第二分量，以如下公式表示，
Figure SMS_46
Figure SMS_47
表示轮廓第三分量，以如下公式表示，
Figure SMS_48
Figure SMS_49
表示轮廓第四分量，以如下公式表示，
Figure SMS_50
Figure SMS_51
表示设备轮廓点集，/>
Figure SMS_52
当中既包括了绝缘子轮廓，也包括其他设备的轮廓，
Figure SMS_53
表示设备轮廓阈值，
Figure SMS_54
表示最大值函数，
Figure SMS_55
表示设备轮廓采集函数。
优选地，步骤2.3具体包括：
步骤2.3.1，构建剔除矩阵
Figure SMS_56
，
步骤2.3.2，进行
Figure SMS_59
次降亮运算，再进行/>
Figure SMS_60
次提亮，用以重构绝缘子区域，其中
Figure SMS_62
，剔除矩阵/>
Figure SMS_58
对/>
Figure SMS_61
的灰度降低记为“/>
Figure SMS_63
”，对/>
Figure SMS_64
的灰度提升算记为“/>
Figure SMS_57
”，以如下公式表示，
Figure SMS_65
Figure SMS_66
式中：
Figure SMS_67
表示剔除矩阵/>
Figure SMS_68
第/>
Figure SMS_69
行第/>
Figure SMS_70
列的元素，
步骤2.3.3，获得仅包括绝缘子轮廓
Figure SMS_71
的图像，以的矩阵表示。
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
Figure SMS_74
，提取/>
Figure SMS_77
图像中原始温度数据，剔除环境参数辐射率/>
Figure SMS_79
、反射温度/>
Figure SMS_73
、距离/>
Figure SMS_76
、大气温度/>
Figure SMS_80
、外部光学温度/>
Figure SMS_81
、外部光学传输/>
Figure SMS_72
、相对湿度/>
Figure SMS_75
对原始温度数据的影响，获得绝缘子轮廓内的温度矩阵/>
Figure SMS_78
。
优选地，步骤2.5具体包括：从
Figure SMS_82
中提取柔性温度传感器所在位置的温度矩阵，以如下公式表示，
Figure SMS_83
式中：
Figure SMS_84
的下标是指温度传感器在/>
Figure SMS_85
矩阵中所在位置，
计算温度矩阵
Figure SMS_86
各元素的算术平均值，以如下公式表示，
Figure SMS_87
式中：
Figure SMS_88
表示温度矩阵/>
Figure SMS_89
各元素的算术平均值，
再根据
Figure SMS_90
图像拍摄时间/>
Figure SMS_91
，读取同一时间/>
Figure SMS_92
时柔性温度传感器采集的数据
Figure SMS_93
，计算温度矩阵/>
Figure SMS_94
的校正系数，以如下公式表示，
Figure SMS_95
式中：
Figure SMS_96
表示温度矩阵/>
Figure SMS_97
的校正系数，
校正后的温度矩阵以如下公式表示，
Figure SMS_98
式中：
Figure SMS_99
表示校正后的温度矩阵。
优选地，步骤3具体包括：
步骤3.1，建立绝缘子污秽历史数据集，包括泄漏电流有效值
Figure SMS_100
，泄漏电流最大值/>
Figure SMS_101
，三次谐波与基波幅值比值/>
Figure SMS_102
，总的谐波畸变率/>
Figure SMS_103
，相对环境湿度/>
Figure SMS_104
和
Figure SMS_105
参数值；以如下公式表示，
Figure SMS_106
Figure SMS_107
式中：
Figure SMS_108
表示绝缘子污秽历史数据集，
Figure SMS_110
表示绝缘子污秽历史数据集/>
Figure SMS_112
中第/>
Figure SMS_115
个数据点，/>
Figure SMS_111
表示第个/>
Figure SMS_114
已知采集向量，/>
Figure SMS_117
表示与/>
Figure SMS_119
对应的第/>
Figure SMS_109
个/>
Figure SMS_113
参数，/>
Figure SMS_116
，/>
Figure SMS_118
表示历史数据集的点数，
步骤3.2，构建按照权重计算
Figure SMS_120
参数的测算函数，以如下公式表示，
Figure SMS_121
式中：
Figure SMS_122
表示/>
Figure SMS_123
参数偏移量，/>
Figure SMS_124
表示中间权重，
Figure SMS_126
表示第/>
Figure SMS_129
个已知采集向量/>
Figure SMS_131
中的第/>
Figure SMS_125
个元素，/>
Figure SMS_128
，/>
Figure SMS_130
表示第
Figure SMS_132
个已知采集向量/>
Figure SMS_127
中元素的个数，
Figure SMS_133
表示权重值个数，/>
Figure SMS_134
，
Figure SMS_135
表示调节常数，/>
Figure SMS_136
；
步骤3.3，随机初始化
Figure SMS_137
参数偏移量/>
Figure SMS_138
和中间权重/>
Figure SMS_139
，并开始迭代，每次迭代对/>
Figure SMS_140
参数偏移量/>
Figure SMS_141
和中间权重/>
Figure SMS_142
进行修改，直至收敛；
步骤3.4，将针对绝缘子污秽在
Figure SMS_143
时刻采集的已知采集向量/>
Figure SMS_144
带入/>
Figure SMS_145
参数的测算函数，实时计算当前的/>
Figure SMS_146
参数的值/>
Figure SMS_147
，
步骤3.5，将当前的
Figure SMS_148
参数的值/>
Figure SMS_149
带入如下判据输出/>
Figure SMS_150
时刻污秽情况下绝缘水平指数/>
Figure SMS_151
，
Figure SMS_152
式中：
Figure SMS_153
表示安全常数，/>
Figure SMS_154
表示自然常数，
Figure SMS_155
是底角括号，表示向下取整，
若下绝缘水平指数
Figure SMS_156
超过设定值的情况下，另外输出绝缘子串故障信息。
优选地，步骤3.3中，随机初始化
Figure SMS_157
参数偏移量/>
Figure SMS_158
和中间权重/>
Figure SMS_159
，并开始迭代，每次迭代对/>
Figure SMS_160
参数偏移量/>
Figure SMS_161
和中间权重/>
Figure SMS_162
进行步进式修改，以如下公式计算，
Figure SMS_163
式中：
Figure SMS_164
表示当前迭代次数，
将第
Figure SMS_165
迭代计算结果/>
Figure SMS_166
带入如下判据，判断是否可以停止迭代，如果满足以下公式判据，则获取最优/>
Figure SMS_167
参数偏移量/>
Figure SMS_168
和中间权重/>
Figure SMS_169
，
Figure SMS_170
Figure SMS_171
表示停止迭代常数。
优选地，步骤4中，实时采集第一压力数据
Figure SMS_172
，用于表征锁紧压力，以及第二压力数据/>
Figure SMS_173
，用于表征所处位置气压，以如下公式绘制锁紧销钉工作状态轨迹曲线，
Figure SMS_174
式中：
Figure SMS_175
表示锁紧销钉工作状态轨迹曲线，
Figure SMS_176
表示锁紧销钉投入运行时初始压力数据，/>
Figure SMS_177
表示/>
Figure SMS_178
时刻采集的锁紧销钉第一压力数据，/>
Figure SMS_179
表示第一数据偏差安全值；/>
Figure SMS_180
表示标准大气压；
Figure SMS_181
表示/>
Figure SMS_182
时刻采集的锁紧销钉第二压力数据，/>
Figure SMS_183
表示绝缘子所在高度，在替代性的实施方式中，以杆塔塔顶高度替代绝缘子所在高度；/>
Figure SMS_184
表示测算常数；/>
Figure SMS_185
表示表示第二数据偏差安全值。
优选地，步骤4中，实时将
Figure SMS_186
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/>
Figure SMS_187
位于第三象限，表示锁紧销钉处于正常工作状态，输出/>
Figure SMS_188
与坐标原点之间的距离，作为/>
Figure SMS_189
模值，表示为锁紧销钉工作状态/>
Figure SMS_190
，用于后续状态诊断，如果/>
Figure SMS_191
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5.1，以锁紧销钉工作状态
Figure SMS_192
，温度最大值/>
Figure SMS_193
和/>
Figure SMS_194
时刻污秽情况下绝缘水平指数/>
Figure SMS_195
，构建综合诊断多模态特征数据向量/>
Figure SMS_196
；
步骤5.2，构建特征融合向量，结合综合诊断多模态特征数据向量
Figure SMS_197
计算用于综合诊断的多模态特征数据融合指标/>
Figure SMS_198
，
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。
优选地，步骤5.1中，以锁紧销钉工作状态
Figure SMS_199
，温度最大值/>
Figure SMS_200
和/>
Figure SMS_201
时刻污秽情况下绝缘水平指数/>
Figure SMS_202
，构建综合诊断多模态特征数据向量/>
Figure SMS_203
，以如下公式表示，
Figure SMS_204
使用最大最小标准化、
Figure SMS_205
标准化或L2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/>
Figure SMS_206
，以如下公式表示，
Figure SMS_207
式中：
Figure SMS_208
表示第二特征数据向量/>
Figure SMS_209
的第一分量，即归一化后的/>
Figure SMS_210
时刻锁紧销钉工作状态；
Figure SMS_211
表示第二特征数据向量/>
Figure SMS_212
的第二分量，即归一化后的/>
Figure SMS_213
时刻温度最大值
Figure SMS_214
；
Figure SMS_215
表示第二特征数据向量/>
Figure SMS_216
的第三分量，即归一化后的/>
Figure SMS_217
时刻污秽情况下绝缘水平指数/>
Figure SMS_218
。
优选地，步骤5.2中，
特征融合向量以如下公式表示，
Figure SMS_219
式中：
Figure SMS_220
表示特征融合向量，
Figure SMS_221
分别表示第二特征数据向量/>
Figure SMS_222
的第一、第二和第三特征融合分量，三个融合分量之和为1；
投入运行时间与第二特征数据向量
Figure SMS_223
的第一分量/>
Figure SMS_224
和第二特征数据向量
Figure SMS_225
的第二分量/>
Figure SMS_226
的第一、第二特征融合分量/>
Figure SMS_227
和/>
Figure SMS_228
呈正相关。
优选地，每隔设定时间段，为第一、第二特征融合分量
Figure SMS_229
和/>
Figure SMS_230
增加/>
Figure SMS_231
，
Figure SMS_232
的取值也与时间呈正相关，按照特定的时间节点调增/>
Figure SMS_233
取值。
优选地，大气特别污染严重、距离海岸盐场距离近或周围具有化学污染源的地域比大气清洁，无污染，无盐场的地域，配置更大第三特征融合分量
Figure SMS_234
。
优选地，对特征融合向量进行优化，以如下公式表示，
Figure SMS_235
式中：
Figure SMS_236
表示权重优化系数，
Figure SMS_237
表示第二特征数据向量/>
Figure SMS_238
的每个分量进行/>
Figure SMS_239
次方运算，
Figure SMS_240
表示两个向量相同位置的元素相乘，
Figure SMS_241
表示/>
Figure SMS_242
中的各分量，即优化后的第一、第二和第三特征融合分量，
综合诊断多模态特征数据融合指标以如下公式表示，
Figure SMS_243
式中：
Figure SMS_244
表示转置。
优选地，综合诊断多模态特征数据融合指标
Figure SMS_245
带入三角形分布和梯形分布相结合的判据，输出综合诊断结果，以如下公式表示，
Figure SMS_246
Figure SMS_247
Figure SMS_248
Figure SMS_249
式中：
Figure SMS_250
表示第一诊断函数，/>
Figure SMS_251
表示第二诊断函数，/>
Figure SMS_252
表示第三诊断函数，/>
Figure SMS_253
表示第四诊断函数；
Figure SMS_254
表示第一诊断阈值，/>
Figure SMS_255
表示第二诊断阈值，/>
Figure SMS_256
表示第三诊断阈值，
Figure SMS_257
表示第四诊断阈值。
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：
包括：可见光图像采集模块、
Figure SMS_258
图像采集模块、双目摄像头一体化外壳、云台、柔性温度传感器、柔性销钉压力传感器、泄漏电流传感器、机载通讯模块、站端通讯模块和多模态融合分析模块；
可见光图像、
Figure SMS_259
图像采集模块封装在双目摄像头一体化外壳中，用于同步采集绝缘子串/>
Figure SMS_260
图像；
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；
机载通讯模块用于将通过无人机获取的
Figure SMS_261
图像数据和各传感器采集数据传输至站端通讯模块；
多模态融合分析模块的通讯单元用于接收
Figure SMS_262
图像数据和各传感器采集数据；
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2为绝缘子串
Figure SMS_263
图像处理流程示意图；
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：
步骤1，对绝缘子串的状态参量进行采集，包括
Figure SMS_264
图像、设置在绝缘子串上的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、相对环境湿度/>
Figure SMS_265
等。
在优选但非限制性的实施方式中，泄漏电流特征量包括泄漏电流有效值
Figure SMS_266
、最大值/>
Figure SMS_267
、三次谐波与基波幅值比值/>
Figure SMS_268
、总的谐波畸变率/>
Figure SMS_269
。
如图2所示，步骤2，对
Figure SMS_270
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/>
Figure SMS_271
图像温度矩阵校正，根据温度信息做出故障诊断。
步骤2.1，对绝缘子串
Figure SMS_272
图像进行加强。
步骤2.1.1，以
Figure SMS_273
表示绝缘子原始/>
Figure SMS_274
图像，/>
Figure SMS_275
表示空间域坐标，对原始/>
Figure SMS_276
图像进行傅氏变换，得到/>
Figure SMS_277
，/>
Figure SMS_278
表示频率域坐标；
步骤2.1.2，在频率域对图像进行加强，以如下公式表示，
Figure SMS_279
式中：
Figure SMS_280
表示绝缘子加强后的频率域/>
Figure SMS_281
图像，
Figure SMS_282
表示加强函数，优选但非限制性地，以如下公式表示，
Figure SMS_283
式中：
Figure SMS_284
表示自然常数的指数函数，
Figure SMS_285
表示频率域对图像的中心点，
Figure SMS_286
表示调节常数，/>
Figure SMS_287
，优选地但非限制性地，/>
Figure SMS_288
，更优选地，/>
Figure SMS_289
。在工程实践当中，/>
Figure SMS_290
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；/>
Figure SMS_291
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。
步骤2.1.3，将加强后的频率域
Figure SMS_292
图像/>
Figure SMS_293
执行傅氏逆变换，得到空间域绝缘子加强后的/>
Figure SMS_294
图像/>
Figure SMS_295
。
步骤2.2，可以理解的是，对于非图片边沿的每个像素点
Figure SMS_296
，其周围具有8个像素点，以左上角为1号，顺时针依次编号2至8，其灰度值为/>
Figure SMS_297
，由此识别绝缘子加强后的/>
Figure SMS_298
图像/>
Figure SMS_299
中的设备轮廓可以以如下公式表示，
Figure SMS_300
式中：
Figure SMS_301
表示轮廓第一分量，以如下公式表示，
Figure SMS_302
Figure SMS_303
表示轮廓第二分量，以如下公式表示，
Figure SMS_304
Figure SMS_305
表示轮廓第三分量，以如下公式表示，
Figure SMS_306
Figure SMS_307
表示轮廓第四分量，以如下公式表示，
Figure SMS_308
Figure SMS_309
表示设备轮廓图像，值得注意的是，设备轮廓图像/>
Figure SMS_310
当中既包括了绝缘子轮廓，也包括了引流线、传输线等其他设备的轮廓；/>
Figure SMS_311
表示设备轮廓阈值，
Figure SMS_312
表示最大值函数，
Figure SMS_313
表示设备轮廓采集函数。
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2.3.1，构建剔除矩阵
Figure SMS_314
，在优选但非限制性的实施方式中，剔除矩阵/>
Figure SMS_315
为
Figure SMS_316
的矩阵，其中4角的元素为0，其余元素为1。
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
Figure SMS_318
次降亮运算，再进行/>
Figure SMS_320
次提亮，以此对绝缘子区域重构，其中/>
Figure SMS_322
。剔除矩阵/>
Figure SMS_319
对
Figure SMS_321
的灰度降低记为/>
Figure SMS_323
，对/>
Figure SMS_324
的灰度提升算记为/>
Figure SMS_317
，进而以如下公式表示：
Figure SMS_325
Figure SMS_326
式中：
Figure SMS_327
表示剔除矩阵/>
Figure SMS_328
第/>
Figure SMS_329
行第/>
Figure SMS_330
列的元素。
获得仅包括绝缘子轮廓
Figure SMS_333
的图像，可以以/>
Figure SMS_334
的矩阵表示，即/>
Figure SMS_338
行/>
Figure SMS_332
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/>
Figure SMS_335
在进行/>
Figure SMS_339
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
Figure SMS_340
在进行/>
Figure SMS_331
次降亮运算，使用剔除矩阵/>
Figure SMS_336
进行降亮运算相当于复原绝缘子串边界，直至
Figure SMS_337
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
Figure SMS_341
，提取绝缘子轮廓内的/>
Figure SMS_342
图像中原始温度数据，将该数据做解码转换处理生成/>
Figure SMS_343
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/>
Figure SMS_344
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
Figure SMS_347
。修正环境参数对可用过渡矩阵/>
Figure SMS_349
的影响，例如但不限于，环境参数辐射率/>
Figure SMS_352
、反射温度/>
Figure SMS_346
、距离/>
Figure SMS_351
、大气温度/>
Figure SMS_354
、外部光学温度/>
Figure SMS_356
、外部光学传输/>
Figure SMS_345
、相对湿度/>
Figure SMS_350
等，生成/>
Figure SMS_353
图像的温度矩阵/>
Figure SMS_355
。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/>
Figure SMS_348
以如下公式表示，
Figure SMS_357
步骤2.5，基于设置在绝缘子串上的柔性温度传感器实时数据进行温度矩阵校正，需要从
Figure SMS_358
中提取柔性温度传感器所在位置的温度矩阵，以如下公式表示，
Figure SMS_359
式中：
t的下标是指温度传感器在
Figure SMS_360
矩阵中所在位置，
计算温度矩阵
Figure SMS_361
各元素的算术平均值，以如下公式表示，
Figure SMS_362
式中：
Figure SMS_363
表示温度矩阵/>
Figure SMS_364
各元素的算术平均值。
再根据
Figure SMS_365
图像拍摄时间/>
Figure SMS_366
，读取同一时间/>
Figure SMS_367
时柔性温度传感器采集的数据
Figure SMS_368
，计算温度矩阵/>
Figure SMS_369
的校正系数，以如下公式表示，
Figure SMS_370
式中：
Figure SMS_371
表示温度矩阵/>
Figure SMS_372
的校正系数，
校正后的温度矩阵以如下公式表示，
Figure SMS_373
/>
式中：
Figure SMS_374
表示校正后的温度矩阵。
步骤2.6，使用排序算法对校正后的温度矩阵
Figure SMS_375
中所有元素排序，根据运行经验整定的温度阈值/>
Figure SMS_376
，对绝缘子中温升故障进行判断，并且输出绝缘子内部最大温度，用于综合诊断。
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
Figure SMS_377
，并在超过设定值的情况下，输出绝缘子串故障信息。
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，
Figure SMS_378
Figure SMS_379
式中：
Figure SMS_380
表示绝缘子污秽历史数据集，
Figure SMS_382
表示绝缘子污秽历史数据集/>
Figure SMS_386
中第/>
Figure SMS_390
个数据点，即/>
Figure SMS_384
表示第/>
Figure SMS_387
个已知采集向量，/>
Figure SMS_389
表示与/>
Figure SMS_392
对应的第/>
Figure SMS_381
个/>
Figure SMS_385
（Equivalent Salt Deposit Density，等值附盐密度，以下简称/>
Figure SMS_388
参数），/>
Figure SMS_391
，/>
Figure SMS_383
表示历史数据集的点数。
Figure SMS_394
表示第/>
Figure SMS_396
个泄漏电流有效值，/>
Figure SMS_399
表示第/>
Figure SMS_395
个泄漏电流最大值，/>
Figure SMS_398
表示第
Figure SMS_401
个三次谐波与基波幅值比值，/>
Figure SMS_402
表示第/>
Figure SMS_393
个总的谐波畸变率，/>
Figure SMS_397
表示第/>
Figure SMS_400
个相对环境湿度。
在本发明进一步优选但非限制性的实施方式中，对第
Figure SMS_403
个已知采集向量/>
Figure SMS_404
进行归一化处理，例如但不限于，使用最大最小标准化、/>
Figure SMS_405
标准化或/>
Figure SMS_406
范数归一化当中至少一种执行归一化操作。
优选地，使用如下公式对个已知采集向量
Figure SMS_407
进行归一化，
Figure SMS_408
式中：
Figure SMS_409
表示归一化后的第/>
Figure SMS_410
个已知采集向量/>
Figure SMS_411
中的第/>
Figure SMS_412
个元素，/>
Figure SMS_415
表示第/>
Figure SMS_416
个已知采集向量/>
Figure SMS_418
中的第/>
Figure SMS_414
个元素，/>
Figure SMS_417
，/>
Figure SMS_419
表示第/>
Figure SMS_420
个已知采集向量/>
Figure SMS_413
中元素的个数。
步骤3.2，构建以泄漏电流有效值
Figure SMS_421
，泄漏电流最大值/>
Figure SMS_422
，三次谐波与基波幅值比值/>
Figure SMS_423
，总的谐波畸变率/>
Figure SMS_424
，相对环境湿度/>
Figure SMS_425
按照权重计算/>
Figure SMS_426
参数的测算函数，以如下公式表示，
Figure SMS_427
式中：
Figure SMS_428
表示E参数偏移量，/>
Figure SMS_429
表示中间权重，
Figure SMS_430
表示权重值个数，/>
Figure SMS_431
，即权重值的数量不少于缘子污秽历史数据集/>
Figure SMS_432
的点数，
Figure SMS_433
表示调节常数，/>
Figure SMS_434
，例如但不限于，/>
Figure SMS_435
或/>
Figure SMS_436
或/>
Figure SMS_437
等。
步骤3.3，随机初始化
Figure SMS_438
参数偏移量/>
Figure SMS_439
和中间权重/>
Figure SMS_440
，并开始迭代，每次迭代对/>
Figure SMS_441
参数偏移量/>
Figure SMS_442
和中间权重/>
Figure SMS_443
进行修改，以如下公式计算，
Figure SMS_444
式中：
Figure SMS_445
表示当前迭代次数，
将第
Figure SMS_446
迭代计算结果/>
Figure SMS_447
带入如下判据，判断是否可以停止迭代，如果满足以下公式判据，则获取最优/>
Figure SMS_448
参数偏移量/>
Figure SMS_449
和中间权重/>
Figure SMS_450
，
Figure SMS_451
Figure SMS_452
表示停止迭代常数，表征当前/>
Figure SMS_453
参数测算函数的精确程度，/>
Figure SMS_454
越小，表示当前获得的/>
Figure SMS_455
参数测算函数越精确，优选但不限于，/>
Figure SMS_456
。
步骤3.4，将实时采集的泄漏电流有效值
Figure SMS_457
，泄漏电流最大值/>
Figure SMS_458
，三次谐波与基波幅值比值/>
Figure SMS_459
，总的谐波畸变率/>
Figure SMS_460
，相对环境湿度/>
Figure SMS_461
构成绝缘子污秽测算向量/>
Figure SMS_462
，即在/>
Figure SMS_463
时刻采集的已知采集向量，以如下公式表示，
Figure SMS_464
将绝缘子污秽测算向量
Figure SMS_465
带入/>
Figure SMS_466
参数测算函数，实时计算当前的/>
Figure SMS_467
参数值/>
Figure SMS_468
。
步骤3.5，将当前的
Figure SMS_469
参数值/>
Figure SMS_470
带入如下判据输出/>
Figure SMS_471
时刻污秽情况下绝缘水平指数/>
Figure SMS_472
，
Figure SMS_473
式中：
Figure SMS_474
表示自然常数，
Figure SMS_475
表示安全常数，例如但不限于，/>
Figure SMS_476
，
Figure SMS_477
是底角括号，表示向下取整，
如果绝缘水平指数
Figure SMS_478
，发出预警信号，如果/>
Figure SMS_479
，发出警报信号。
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。
步骤4，通过在绝缘子球形联结锁紧销设置锁紧压力传感器和气压传感器，可以实时采集第一压力数据
Figure SMS_480
，用于表征锁紧压力，以及第二压力数据/>
Figure SMS_481
绘制锁紧销钉工作状态曲线，判断销钉工作状态。
通过在绝缘子球形联结锁紧销设置锁紧压力传感器和气压传感器，可以实时采集第一压力数据
Figure SMS_482
，用于表征锁紧压力，以及第二压力数据/>
Figure SMS_483
，用于表征所处位置气压，以如下公式绘制锁紧销钉工作状态轨迹曲线，如图3所示；
Figure SMS_484
式中：
Figure SMS_485
表示锁紧销钉工作状态轨迹曲线，
Figure SMS_486
表示锁紧销钉投入运行时初始压力数据，/>
Figure SMS_487
表示/>
Figure SMS_488
时刻采集的锁紧销钉第一压力数据，/>
Figure SMS_489
表示第一数据偏差安全值，优选但非限制性地，/>
Figure SMS_490
；
Figure SMS_491
表示标准大气压；
Figure SMS_492
表示/>
Figure SMS_493
时刻采集的锁紧销钉第二压力数据，/>
Figure SMS_494
表示绝缘子所在高度，在替代性的实施方式中，以杆塔塔顶高度替代绝缘子所在高度；/>
Figure SMS_495
表示测算常数，优选但不限于，/>
Figure SMS_496
；/>
Figure SMS_497
表示表示第二数据偏差安全值，/>
Figure SMS_498
，
实时将
Figure SMS_499
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/>
Figure SMS_500
位于第三象限，表示锁紧销钉处于正常工作状态，输出/>
Figure SMS_501
与坐标原点之间的距离，表示为锁紧销钉工作状态/>
Figure SMS_502
，用于后续状态诊断，如果/>
Figure SMS_503
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，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
Figure SMS_504
，以及步骤4中的轨迹当前点位模值，计算综合诊断多模态特征数据融合指标，得出综合诊断结果。
步骤5具体包括：
步骤5.1，构建综合诊断多模态特征数据向量，并进行归一化预处理。具体地，以锁紧销钉工作状态
Figure SMS_505
，温度最大值/>
Figure SMS_506
和/>
Figure SMS_507
时刻污秽情况下绝缘水平指数/>
Figure SMS_508
，构建综合诊断多模态特征数据向量/>
Figure SMS_509
，以如下公式表示，
Figure SMS_510
为清楚地表述技术方案，将综合诊断多模态特征数据向量
Figure SMS_511
记为第一特征数据向量，对综合诊断多模态特征数据向量/>
Figure SMS_512
进行归一化处理，例如但不限于，使用最大最小标准化、/>
Figure SMS_513
标准化或/>
Figure SMS_514
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/>
Figure SMS_515
，以如下公式表示，
Figure SMS_516
式中：
Figure SMS_517
表示第二特征数据向量/>
Figure SMS_518
的第一分量，即归一化后的/>
Figure SMS_519
时刻锁紧销钉工作状态/>
Figure SMS_520
；
Figure SMS_521
表示第二特征数据向量/>
Figure SMS_522
的第二分量，即归一化后的/>
Figure SMS_523
时刻温度最大值
Figure SMS_524
；
Figure SMS_525
表示第二特征数据向量/>
Figure SMS_526
的第三分量，即归一化后的/>
Figure SMS_527
时刻污秽情况下绝缘水平指数/>
Figure SMS_528
。
步骤5.2，构建特征融合向量，结合综合诊断多模态特征数据向量
Figure SMS_529
，计算综合诊断多模态特征数据融合指标/>
Figure SMS_530
。
其中，特征融合向量以如下公式表示，
Figure SMS_531
式中：
Figure SMS_532
表示特征融合向量，/>
Figure SMS_533
分别表示第二特征数据向量/>
Figure SMS_534
的第一、第二和第三特征融合分量，三个特征融合分量之和为1；
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
Figure SMS_536
的第一分量/>
Figure SMS_540
和第二特征数据向量/>
Figure SMS_543
的第二分量/>
Figure SMS_538
的第一、第二特征融合分量/>
Figure SMS_541
和/>
Figure SMS_544
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/>
Figure SMS_546
和/>
Figure SMS_535
增加/>
Figure SMS_539
，/>
Figure SMS_542
。进一步优选地，/>
Figure SMS_545
的取值也与时间呈正相关，按照特定的时间节点调增/>
Figure SMS_537
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
Figure SMS_547
的第三分量/>
Figure SMS_548
需要配置较高第三特征融合分量/>
Figure SMS_549
，例如但不限于
Figure SMS_550
；相反，大气清洁地区，无污染，无盐场地区，第二特征数据向量/>
Figure SMS_551
的第三特征融合分量/>
Figure SMS_552
，例如但不限于/>
Figure SMS_553
。
综合诊断多模态特征数据融合指标以如下公式表示，
Figure SMS_554
式中：
Figure SMS_555
表示向量转置，
Figure SMS_556
表示综合诊断多模态特征数据融合指标。
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，
Figure SMS_557
式中：
Figure SMS_558
表示权重优化系数，优先但非限制性地，/>
Figure SMS_559
值可以为-0.85、-0.8或-0.75，
Figure SMS_560
表示第二特征数据向量/>
Figure SMS_561
的每个分量进行/>
Figure SMS_562
次方运算，
Figure SMS_563
表示相同位置的元素相乘，/>
Figure SMS_564
表示/>
Figure SMS_565
与/>
Figure SMS_566
对应元素相乘，
Figure SMS_567
表示/>
Figure SMS_568
中的各分量，即优化后的第一、第二和第三特征融合分量，/>
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，
Figure SMS_569
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，
Figure SMS_570
Figure SMS_571
Figure SMS_572
Figure SMS_573
式中：
Figure SMS_574
表示第一诊断函数，/>
Figure SMS_575
表示第二诊断函数，/>
Figure SMS_576
表示第三诊断函数，/>
Figure SMS_577
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。
Figure SMS_578
表示第一诊断阈值，/>
Figure SMS_579
表示第二诊断阈值，/>
Figure SMS_580
表示第三诊断阈值，
Figure SMS_581
表示第四诊断阈值。
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：
可见光图像采集模块、
Figure SMS_582
图像采集模块、双目摄像头一体化外壳、云台、柔性温度传感器、柔性销钉压力传感器、泄漏电流传感器、机载通讯模块、站端通讯模块和多模态融合分析模块；
可见光图像、
Figure SMS_583
图像采集模块封装在双目摄像头一体化外壳中，用于同步采集绝缘子串/>
Figure SMS_584
图像；
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；
机载通讯模块用于将通过无人机获取的
Figure SMS_585
图像数据和各传感器采集数据传输至站端通讯模块；
多模态融合分析模块的通讯单元用于接收
Figure SMS_586
图像数据和各传感器采集数据；
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1，采集绝缘子串的状态参量，包括
Figure QLYQS_1
图像、温度传感器数据、泄漏电流特征量、相对环境湿度、以及锁紧销钉压力传感器数据；
步骤2，使用
Figure QLYQS_2
图像和温度传感器数据判断绝缘子串工作温度，在温升超过整定值的情况下，输出绝缘子串故障信息，在温升未超过整定值的情况下输出绝缘子串内部最高温度；
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。
2.根据权利要求1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1中，漏电流特征量包括泄漏电流有效值
Figure QLYQS_3
、最大值/>
Figure QLYQS_4
、三次谐波与基波幅值比值/>
Figure QLYQS_5
、总的谐波畸变率/>
Figure QLYQS_6
。
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2.1，对绝缘子串
Figure QLYQS_7
图像/>
Figure QLYQS_8
进行加强，得到加强后的/>
Figure QLYQS_9
图像/>
Figure QLYQS_10
，
Figure QLYQS_11
表示空间域坐标；
步骤2.2，识别绝缘子加强后的
Figure QLYQS_12
图像/>
Figure QLYQS_13
中的设备轮廓/>
Figure QLYQS_14
；
步骤2.3，从设备轮廓
Figure QLYQS_15
提取绝缘子轮廓，剔除绝缘子以外的设备；
步骤2.4，使用步骤2.3获得的绝缘子轮廓，提取
Figure QLYQS_16
图像中绝缘子轮廓内的原始温度数据，生成绝缘子轮廓内的温度矩阵；
步骤2.5，基于温度传感器实时数据，对温度矩阵进行校正；
步骤2.6，根据运行经验整定的温度阈值
Figure QLYQS_17
，对校正后的温度矩阵逐个元素进行对比，对绝缘子中温升故障进行判断，并且输出绝缘子内部最大温度，用于后续综合诊断。
4.根据权利要求3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2.1具体包括：
步骤2.1.1，以
Figure QLYQS_18
表示绝缘子原始/>
Figure QLYQS_19
图像，对原始/>
Figure QLYQS_20
图像进行傅氏变换，得到
Figure QLYQS_21
，/>
Figure QLYQS_22
表示频率域坐标；
步骤2.1.2，在频率域对图像进行加强，以如下公式表示，
Figure QLYQS_23
式中：
Figure QLYQS_24
表示绝缘子加强后的频率域/>
Figure QLYQS_25
图像，
Figure QLYQS_26
表示加强函数，
Figure QLYQS_27
式中：
Figure QLYQS_28
表示自然常数/>
Figure QLYQS_29
的指数函数，
Figure QLYQS_30
表示频率域图像的中心点，
Figure QLYQS_31
表示调节常数，/>
Figure QLYQS_32
；
步骤2.1.3，将加强后的频率域
Figure QLYQS_33
图像/>
Figure QLYQS_34
执行傅氏逆变换，得到空间域绝缘子加强后的/>
Figure QLYQS_35
图像/>
Figure QLYQS_36
。
5.根据权利要求4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2.2具体包括：
对于非图片边沿的每个像素点
Figure QLYQS_37
，其周围具有8个像素点，以左上角为1号，顺时针依次编号2至8，其灰度值为/>
Figure QLYQS_38
，由此识别绝缘子加强后的/>
Figure QLYQS_39
图像/>
Figure QLYQS_40
中的设备轮廓可以以如下公式表示，
Figure QLYQS_41
式中：
Figure QLYQS_42
表示轮廓第一分量，以如下公式表示，
Figure QLYQS_43
Figure QLYQS_44
表示轮廓第二分量，以如下公式表示，
Figure QLYQS_45
Figure QLYQS_46
表示轮廓第三分量，以如下公式表示，
Figure QLYQS_47
Figure QLYQS_48
表示轮廓第四分量，以如下公式表示，
Figure QLYQS_49
Figure QLYQS_50
表示设备轮廓点集，/>
Figure QLYQS_51
当中既包括了绝缘子轮廓，也包括其他设备的轮廓，
Figure QLYQS_52
表示设备轮廓阈值，
Figure QLYQS_53
表示最大值函数，
Figure QLYQS_54
表示设备轮廓采集函数。
6.根据权利要求4或5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2.3具体包括：
步骤2.3.1，构建剔除矩阵
Figure QLYQS_55
，
步骤2.3.2，进行
Figure QLYQS_58
次降亮运算，再进行/>
Figure QLYQS_60
次提亮，用以重构绝缘子区域，其中
Figure QLYQS_62
，剔除矩阵/>
Figure QLYQS_57
对/>
Figure QLYQS_59
的灰度降低记为“/>
Figure QLYQS_61
”，对/>
Figure QLYQS_63
的灰度提升算记为“/>
Figure QLYQS_56
”，以如下公式表示，
Figure QLYQS_64
Figure QLYQS_65
式中：
Figure QLYQS_66
表示剔除矩阵/>
Figure QLYQS_67
第/>
Figure QLYQS_68
行第/>
Figure QLYQS_69
列的元素，
步骤2.3.3，获得仅包括绝缘子轮廓
Figure QLYQS_70
的图像，以/>
Figure QLYQS_71
的矩阵表示。
7.根据权利要求6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2.4具体包括：
使用步骤2.3获得的绝缘子轮廓
Figure QLYQS_74
，提取/>
Figure QLYQS_75
图像中原始温度数据，剔除环境参数辐射率/>
Figure QLYQS_78
、反射温度/>
Figure QLYQS_73
、距离/>
Figure QLYQS_76
、大气温度/>
Figure QLYQS_79
、外部光学温度/>
Figure QLYQS_81
、外部光学传输
Figure QLYQS_72
、相对湿度/>
Figure QLYQS_77
对原始温度数据的影响，获得绝缘子轮廓内的温度矩阵/>
Figure QLYQS_80
。
8.根据权利要求7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2.5具体包括：从
Figure QLYQS_82
中提取柔性温度传感器所在位置的温度矩阵，以如下公式表示，
Figure QLYQS_83
式中：
Figure QLYQS_84
的下标是指温度传感器在/>
Figure QLYQS_85
矩阵中所在位置，
计算温度矩阵
Figure QLYQS_86
各元素的算术平均值，以如下公式表示，
Figure QLYQS_87
式中：
Figure QLYQS_88
表示温度矩阵/>
Figure QLYQS_89
各元素的算术平均值，
再根据
Figure QLYQS_90
图像拍摄时间/>
Figure QLYQS_91
，读取同一时间/>
Figure QLYQS_92
时柔性温度传感器采集的数据
Figure QLYQS_93
，计算温度矩阵/>
Figure QLYQS_94
的校正系数，以如下公式表示，
Figure QLYQS_95
式中：
Figure QLYQS_96
表示温度矩阵/>
Figure QLYQS_97
的校正系数，
校正后的温度矩阵以如下公式表示，
Figure QLYQS_98
式中：
Figure QLYQS_99
表示校正后的温度矩阵。
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：
步骤3.1，建立绝缘子污秽历史数据集，包括泄漏电流有效值
Figure QLYQS_100
，泄漏电流最大值/>
Figure QLYQS_101
，三次谐波与基波幅值比值/>
Figure QLYQS_102
，总的谐波畸变率/>
Figure QLYQS_103
，相对环境湿度/>
Figure QLYQS_104
和/>
Figure QLYQS_105
参数值；以如下公式表示，
Figure QLYQS_106
Figure QLYQS_107
式中：
Figure QLYQS_108
表示绝缘子污秽历史数据集，
Figure QLYQS_109
表示绝缘子污秽历史数据集/>
Figure QLYQS_112
中第/>
Figure QLYQS_115
个数据点，/>
Figure QLYQS_111
表示第/>
Figure QLYQS_114
个已知采集向量，/>
Figure QLYQS_117
表示与/>
Figure QLYQS_119
对应的第/>
Figure QLYQS_110
个/>
Figure QLYQS_113
参数，/>
Figure QLYQS_116
，/>
Figure QLYQS_118
表示历史数据集的点数，
步骤3.2，构建按照权重计算
Figure QLYQS_120
参数的测算函数，以如下公式表示，
Figure QLYQS_121
式中：
Figure QLYQS_122
表示/>
Figure QLYQS_123
参数偏移量，/>
Figure QLYQS_124
表示中间权重，
Figure QLYQS_126
表示第/>
Figure QLYQS_129
个已知采集向量/>
Figure QLYQS_131
中的第/>
Figure QLYQS_127
个元素，/>
Figure QLYQS_128
，/>
Figure QLYQS_130
表示第/>
Figure QLYQS_132
个已知采集向量/>
Figure QLYQS_125
中元素的个数，
Figure QLYQS_133
表示权重值个数，/>
Figure QLYQS_134
，
Figure QLYQS_135
表示调节常数，/>
Figure QLYQS_136
；
步骤3.3，随机初始化
Figure QLYQS_137
参数偏移量/>
Figure QLYQS_138
和中间权重/>
Figure QLYQS_139
，并开始迭代，每次迭代对/>
Figure QLYQS_140
参数偏移量/>
Figure QLYQS_141
和中间权重/>
Figure QLYQS_142
进行修改，直至收敛；
步骤3.4，将针对绝缘子污秽在
Figure QLYQS_143
时刻采集的已知采集向量/>
Figure QLYQS_144
带入/>
Figure QLYQS_145
参数的测算函数，实时计算当前的/>
Figure QLYQS_146
参数的值/>
Figure QLYQS_147
，
步骤3.5，将当前的
Figure QLYQS_148
参数的值/>
Figure QLYQS_149
带入如下判据输出/>
Figure QLYQS_150
时刻污秽情况下绝缘水平指数
Figure QLYQS_151
，
Figure QLYQS_152
式中：
Figure QLYQS_153
表示安全常数，/>
Figure QLYQS_154
表示自然常数，
Figure QLYQS_155
是底角括号，表示向下取整，
若下绝缘水平指数
Figure QLYQS_156
超过设定值的情况下，另外输出绝缘子串故障信息。
10.根据权利要求9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3.3中，随机初始化
Figure QLYQS_157
参数偏移量/>
Figure QLYQS_158
和中间权重/>
Figure QLYQS_159
，并开始迭代，每次迭代对
Figure QLYQS_160
参数偏移量/>
Figure QLYQS_161
和中间权重/>
Figure QLYQS_162
进行步进式修改，以如下公式计算，
Figure QLYQS_163
式中：
Figure QLYQS_164
表示当前迭代次数，
将第
Figure QLYQS_165
迭代计算结果/>
Figure QLYQS_166
带入如下判据，判断是否可以停止迭代，如果满足以下公式判据，则获取最优/>
Figure QLYQS_167
参数偏移量/>
Figure QLYQS_168
和中间权重/>
Figure QLYQS_169
，
Figure QLYQS_170
Figure QLYQS_171
表示停止迭代常数。
11.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4中，实时采集第一压力数据
Figure QLYQS_172
，用于表征锁紧压力，以及第二压力数据/>
Figure QLYQS_173
，用于表征所处位置气压，以如下公式绘制锁紧销钉工作状态轨迹曲线，
Figure QLYQS_174
式中：
Figure QLYQS_175
表示锁紧销钉工作状态轨迹曲线，
Figure QLYQS_176
表示锁紧销钉投入运行时初始压力数据，/>
Figure QLYQS_177
表示/>
Figure QLYQS_178
时刻采集的锁紧销钉第一压力数据，/>
Figure QLYQS_179
表示第一数据偏差安全值；/>
Figure QLYQS_180
表示标准大气压；
Figure QLYQS_181
表示/>
Figure QLYQS_182
时刻采集的锁紧销钉第二压力数据，/>
Figure QLYQS_183
表示绝缘子所在高度，在替代性的实施方式中，以杆塔塔顶高度替代绝缘子所在高度；/>
Figure QLYQS_184
表示测算常数；/>
Figure QLYQS_185
表示表示第二数据偏差安全值。
12.根据权利要求11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4中，实时将
Figure QLYQS_186
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/>
Figure QLYQS_187
位于第三象限，表示锁紧销钉处于正常工作状态，输出/>
Figure QLYQS_188
与坐标原点之间的距离，作为
Figure QLYQS_189
模值，表示为锁紧销钉工作状态/>
Figure QLYQS_190
，用于后续状态诊断，如果/>
Figure QLYQS_191
离开第三象限，表示锁紧销钉已经工作状态，生成报警信号。
13.根据权利要求12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5具体包括：
步骤5.1，以锁紧销钉工作状态
Figure QLYQS_192
，温度最大值/>
Figure QLYQS_193
和/>
Figure QLYQS_194
时刻污秽情况下绝缘水平指数/>
Figure QLYQS_195
，构建综合诊断多模态特征数据向量/>
Figure QLYQS_196
；
步骤5.2，构建特征融合向量，结合综合诊断多模态特征数据向量
Figure QLYQS_197
计算用于综合诊断的多模态特征数据融合指标/>
Figure QLYQS_198
，
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。
14.根据权利要求13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5.1中，以锁紧销钉工作状态
Figure QLYQS_199
，温度最大值/>
Figure QLYQS_200
和/>
Figure QLYQS_201
时刻污秽情况下绝缘水平指数/>
Figure QLYQS_202
，构建综合诊断多模态特征数据向量/>
Figure QLYQS_203
，以如下公式表示，
Figure QLYQS_204
使用最大最小标准化、
Figure QLYQS_205
标准化或L2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/>
Figure QLYQS_206
，以如下公式表示，
Figure QLYQS_207
式中：
Figure QLYQS_208
表示第二特征数据向量/>
Figure QLYQS_209
的第一分量，即归一化后的/>
Figure QLYQS_210
时刻锁紧销钉工作状态
Figure QLYQS_211
；
Figure QLYQS_212
表示第二特征数据向量/>
Figure QLYQS_213
的第二分量，即归一化后的/>
Figure QLYQS_214
时刻温度最大值/>
Figure QLYQS_215
；
Figure QLYQS_216
表示第二特征数据向量/>
Figure QLYQS_217
的第三分量，即归一化后的/>
Figure QLYQS_218
时刻污秽情况下绝缘水平指数/>
Figure QLYQS_219
。
15.根据权利要求14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5.2中，
特征融合向量以如下公式表示，
Figure QLYQS_220
式中：
Figure QLYQS_221
表示特征融合向量，
Figure QLYQS_222
分别表示第二特征数据向量/>
Figure QLYQS_223
的第一、第二和第三特征融合分量，三个融合分量之和为1；
投入运行时间与第二特征数据向量
Figure QLYQS_224
的第一分量/>
Figure QLYQS_225
和第二特征数据向量/>
Figure QLYQS_226
的第二分量/>
Figure QLYQS_227
的第一、第二特征融合分量/>
Figure QLYQS_228
和/>
Figure QLYQS_229
呈正相关。
16.根据权利要求15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：
每隔设定时间段，为第一、第二特征融合分量
Figure QLYQS_230
和/>
Figure QLYQS_231
增加/>
Figure QLYQS_232
，/>
Figure QLYQS_233
的取值也与时间呈正相关，按照特定的时间节点调增/>
Figure QLYQS_234
取值。
17.根据权利要求16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：
大气特别污染严重、距离海岸盐场距离近或周围具有化学污染源的地域比大气清洁，无污染，无盐场的地域，配置更大第三特征融合分量
Figure QLYQS_235
。
18.根据权利要求15至17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：
对特征融合向量进行优化，以如下公式表示，
Figure QLYQS_236
式中：
Figure QLYQS_237
表示权重优化系数，
Figure QLYQS_238
表示第二特征数据向量/>
Figure QLYQS_239
的每个分量进行/>
Figure QLYQS_240
次方运算，
Figure QLYQS_241
表示两个向量相同位置的元素相乘，
Figure QLYQS_242
表示/>
Figure QLYQS_243
中的各分量，即优化后的第一、第二和第三特征融合分量，
综合诊断多模态特征数据融合指标以如下公式表示，
Figure QLYQS_244
式中：
Figure QLYQS_245
表示转置。
19.根据权利要求18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：
综合诊断多模态特征数据融合指标
Figure QLYQS_246
带入三角形分布和梯形分布相结合的判据，输出综合诊断结果，以如下公式表示，
Figure QLYQS_247
Figure QLYQS_248
Figure QLYQS_249
Figure QLYQS_250
式中：
Figure QLYQS_251
表示第一诊断函数，/>
Figure QLYQS_252
表示第二诊断函数，/>
Figure QLYQS_253
表示第三诊断函数，/>
Figure QLYQS_254
表示第四诊断函数；
Figure QLYQS_255
表示第一诊断阈值，/>
Figure QLYQS_256
表示第二诊断阈值，/>
Figure QLYQS_257
表示第三诊断阈值，/>
Figure QLYQS_258
表示第四诊断阈值。
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：
包括：可见光图像采集模块、
Figure QLYQS_259
图像采集模块、双目摄像头一体化外壳、云台、柔性温度传感器、柔性销钉压力传感器、泄漏电流传感器、机载通讯模块、站端通讯模块和多模态融合分析模块；
可见光图像、
Figure QLYQS_260
图像采集模块封装在双目摄像头一体化外壳中，用于同步采集绝缘子串/>
Figure QLYQS_261
图像；
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；
机载通讯模块用于将通过无人机获取的
Figure QLYQS_262
图像数据和各传感器采集数据传输至站端通讯模块；
多模态融合分析模块的通讯单元用于接收
Figure QLYQS_263
图像数据和各传感器采集数据；
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。
CN202310668304.4A 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 Active CN116399405B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (11)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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