CN118091489A - 一种输电线路玻璃绝缘子状态的检测方法 - Google Patents

一种输电线路玻璃绝缘子状态的检测方法 Download PDF

Info

Publication number
CN118091489A
CN118091489A CN202410514082.5A CN202410514082A CN118091489A CN 118091489 A CN118091489 A CN 118091489A CN 202410514082 A CN202410514082 A CN 202410514082A CN 118091489 A CN118091489 A CN 118091489A
Authority
CN
China
Prior art keywords
leakage current
time sequence
current time
sequence data
detected
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
CN202410514082.5A
Other languages
English (en)
Other versions
CN118091489B (zh
Inventor
吉喆
陈建明
凌一凡
陈敏
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.)
Zhejiang Tilon Insulator Co ltd
Original Assignee
Zhejiang Tilon Insulator 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 Zhejiang Tilon Insulator Co ltd filed Critical Zhejiang Tilon Insulator Co ltd
Priority to CN202410514082.5A priority Critical patent/CN118091489B/zh
Publication of CN118091489A publication Critical patent/CN118091489A/zh
Application granted granted Critical
Publication of CN118091489B publication Critical patent/CN118091489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1245—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of line insulators or spacers, e.g. ceramic overhead line cap insulators; of insulators in HV bushings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Chemical & Material Sciences (AREA)
  • Ceramic Engineering (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本发明涉及电数字数据处理技术领域，具体涉及一种输电线路玻璃绝缘子状态的检测方法，方法包括以下步骤：步骤S1：获取待测玻璃绝缘子的检测泄漏电流时序数据，所述检测泄漏时序数据包括多个检测泄漏电流值及其对应时序值；步骤S2：基于标准泄漏电流时序数据对待测玻璃绝缘子的检测泄漏电流时序数据进行分析和排除处理得到剩余的检测泄漏电流时序数据段；步骤S3：对所述剩余的检测泄漏电流时序数据段进行处理以筛选出异常的检测泄漏电流时序数据段；步骤S4：异常的检测泄漏电流时序数据段进行处理得到待测玻璃绝缘子的状态。本发明能够提高玻璃绝缘子状态检测的准确性。

Description

一种输电线路玻璃绝缘子状态的检测方法
技术领域
本发明涉及电数字数据处理技术领域，具体涉及一种输电线路玻璃绝缘子状态的检测方法。
背景技术
输电线路上使用的玻璃绝缘子是一种重要的电气绝缘部件，主要用于高压输电和配电线路中，将电线悬挂于输电塔上，同时阻隔电流通过输电塔流向地面，确保电力的安全、稳定传输。而玻璃绝缘子的泄漏电流数据则是在电力传输过程中绝缘子表面泄漏电流的大小，它可以反映其绝缘性能和表面污染程度，它直接关系到绝缘子的绝缘性能和系统的可靠性。
目前基于玻璃绝缘子的实时泄漏电流数据来评判其是否处于异常状态时，一般通过固定的泄漏电流阈值来判断实时的泄漏电流数据是否异常，但由于玻璃绝缘子存在多种型号，不同型号所测量的泄漏电流标准大小不同，那么对应的泄漏电流异常情况也不同，因此使用固定的泄漏电流阈值的方式可能无法准确的判断存在异常的泄漏电流数据。
发明内容
本发明的目的在于提供一种输电线路玻璃绝缘子状态的检测方法，用于解决使用固定的泄漏电流阈值的方式无法准确判断存在异常泄漏电流数据的问题。
为解决上述技术问题，本发明提供了一种输电线路玻璃绝缘子状态的检测方法，包括以下步骤：
步骤S1：获取待测玻璃绝缘子的检测泄漏电流时序数据，所述检测泄漏电流时序数据包括多个检测泄漏电流值及其对应时序值；
步骤S2：基于标准泄漏电流时序数据对待测玻璃绝缘子的检测泄漏电流时序数据进行分析和排除处理得到剩余的检测泄漏电流时序数据段；其中，所述标准泄漏电流时序数据包括多个标准泄漏电流值及其对应时序值，所述标准泄漏电流为待测玻璃绝缘子所用型号的标准泄漏电流数据；
步骤S3：对所述剩余的检测泄漏电流时序数据段进行处理以筛选出异常的检测泄漏电流时序数据段；
步骤S4：异常的检测泄漏电流时序数据段进行处理得到待测玻璃绝缘子的状态。
具体地，在步骤S2中，剩余的检测泄漏电流时序数据段的处理得到过程至少包括：
S21：使用ISODATA算法对所有检测泄漏电流值进行聚类得到多个检测泄漏电流时序数据段；
S22：基于标准泄漏电流时序数据对所有检测泄漏电流时序数据段进行分析以确定每个检测泄漏电流时序数据段的离群程度；
S23：根据所有检测泄漏电流时序数据段的离群程度确定待测玻璃绝缘子的离散阈值，并根据待测玻璃绝缘子的离散阈值对待测玻璃绝缘子的所有检测泄漏电流时序数据段进行处理得到剩余的检测泄漏电流时序数据段。
具体地，在S22中，每个检测泄漏电流时序数据段的离群程度的确定过程包括：
（1）对每个检测泄漏电流时序数据段对应的时序值进行处理得到每个检测泄漏电流时序数据段的时序持续时间的相对值；
（2）基于待测玻璃绝缘子的标准泄漏电流时序数据中的标准泄漏电流值对每个检测泄漏电流时序数据段中的检测泄漏电流值进行处理得到每个检测泄漏电流时序数据段的电流差异值；
（3）根据每个检测泄漏电流时序数据段的时序持续时间的相对值以及电流差异值得到每个检测泄漏电流时序数据段的离群程度。
具体地，每个检测泄漏电流时序数据段的时序持续时间的相对值的处理过程至少包括：
a、根据每个检测泄漏电流时序数据段对应的时序值确定每个检测泄漏电流时序数据段的时序持续时间；
b、对所有检测泄漏电流时序数据的时序持续时间进行处理得到所有检测泄漏电流时序数据段中的最长时序持续时间以及所有检测泄漏电流时序数据段的时序持续时间的平均值；
c、根据每个检测泄漏电流时序数据段的时序持续时间、所有检测泄漏电流时序数据段中的最长时序持续时间以及所有检测泄漏电流时序数据段的时序持续时间的平均值确定每个检测泄漏电流时序数据段的时序持续时间的相对值。
具体地，每个检测泄漏电流时序数据段的电流差异值的过程至少包括：
a、根据每个检测泄漏电流时序数据段中的检测泄漏电流值确定每个检测泄漏电流时序数据段中的泄漏电流谷值和泄漏电流峰值；
b、对每个检测泄漏电流时序数据段中的泄漏电流谷值、泄漏电流峰值以及待测玻璃绝缘子的标准泄漏电流时序数据中的标准泄漏电流值进行处理得到每个检测泄漏电流时序数据段的电流差异值。
具体地，在步骤S3中，异常的检测泄漏电流时序数据段的筛选过程至少包括：
S31：采用STL的残差项和DTW最小匹配距离对剩余的检测泄漏电流时序数据段进行处理得到剩余的检测泄漏电流时序数据段中每个检测泄漏电流时序数据段的波动程度值；
S32：根据所有检测泄漏电流时序数据段的波动程度值确定每个检测泄漏电流时序数据段的异常值；
S33：根据所有检测泄漏电流时序数据段的异常值确定待测玻璃绝缘子的异常阈值，并根据待测玻璃绝缘子的异常阈值对剩余的检测泄漏电流时序数据段进行筛选处理得到待测玻璃绝缘子的异常的检测泄漏电流时序数据段。
具体地，在S31中，剩余的检测泄漏电流时序数据段中每个检测泄漏电流时序数据段的波动程度值的得到过程至少包括：
（1）基于DTW最小匹配距离确定每个检测泄漏电流时序数据段的最小匹配距离的相对值；
（2）基于STL的残差对每个检测泄漏电流时序数据段中所有检测点进行处理得到每个检测泄漏电流时序数据段的平均残差；
（3）对每个检测泄漏电流时序数据段内的所有检测泄漏电流值进行求平均得到电流平均值，并根据所述电流平均值和待测玻璃绝缘子的标准泄漏电流值得到每个检测泄漏电流时序数据段的绝对平均值；
（4）根据每个检测泄漏电流时序数据段的最小匹配距离的相对值、平均残差和绝对平均确定每个检测泄漏电流时序数据段的波动程度值。
具体地，在S32中，每个检测泄漏电流时序数据段的异常值的确定过程至少包括：
（1）对所有检测泄漏电流时序数据段的波动程度值进行处理得到每个检测泄漏电流时序数据段的相对波动水平；
（2）对每个检测泄漏电流时序数据段及其前后相邻两个检测泄漏电流时序数据段的波动程度值进行计算得到每个检测泄漏电流时序数据段的相邻波动差异；
（3）对所有检测泄漏电流时序数据段的波动程度值进行处理得到每个检测泄漏电流时序数据段的频次特征；
（4）根据每个检测泄漏电流时序数据段的相对波动水平、相邻波动差异和频次特征得到每个检测泄漏电流时序数据段的异常值。
具体地，待测玻璃绝缘子的状态的得到过程至少包括：
先根据对待测玻璃绝缘子的异常的检测泄漏电流时序数据段进行数量的统计和异常持续时间的计算，从而确定待测玻璃绝缘子的异常规模；
再根据待测玻璃绝缘子中所有异常的检测泄漏电流时序数据段的总量、所有异常的检测泄漏电流时序数据段的异常持续时间和待测玻璃绝缘子的采样周期确定待测玻璃绝缘子的异常规模；
最后，根据待测玻璃绝缘子的异常规模判断待测玻璃绝缘子的状态。
具体地，待测玻璃绝缘子的异常规模为：
式中，待测玻璃绝缘子中所有异常的检测泄漏电流时序数据段的总量为；每个 异常的检测泄漏电流时序数据段的异常持续时间为，即待测玻璃绝缘子的第个异常的 检测泄漏电流时序数据段的异常持续时间；待测玻璃绝缘子的采样周期为；表示 所有异常的检测泄漏电流时序数据段的异常持续时间的总和。
本发明具有如下有益效果：
本发明基于标准泄漏电流时序数据对获取的检测泄漏电流时序数据进行处理，实现独立分析待测玻璃绝缘子的状态，即通过独立分析待测玻璃绝缘子的实时泄漏电流时序数据（检测泄漏电流时序数据）的相似性计算排除离群后的检测泄漏电流时序数据段的波动程度值，然后对比分析离群后的所有检测泄漏时序数据从而确定异常的检测泄漏电流时序数据；再根据异常的检测泄漏电流时序数据段确定待测玻璃绝缘子的异常规模，进而检测出玻璃绝缘子的状态。本发明通过对独立分析的方式，使得异常的检测泄漏电流数据的检测能够基于对应的整体检测泄漏电流数据的波动水平进行，降低了现有采用固定阈值检测的误差，使得异常泄漏电流的检测更加准确、高效。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明实施例中输电线路玻璃绝缘子状态的检测方法的流程示意图；
图2为现有技术中使用玻璃绝缘子的架空输电线路的局部示意图；
图3为本发明实施例中不同泄漏电流曲线的对比示意图；
图4为本发明实施例中剩余的检测泄漏电流时序数据段的处理流程示意图；
图5为本发明实施例中异常的检测泄漏电流时序数据段的筛选过程的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。另外，本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。
本发明针对使用固定的泄漏电流阈值的方式可能无法准确的判断存在异常的泄漏电流数据即异常判断不准确的问题，提出对每一个玻璃绝缘子的泄漏电流数据进行独立判断，通过分析样本的实时泄漏电流数据与标准泄漏电流的差异进而确定可能产生异常的数据，最后针对此样本确定对应的数据异常程度从而精准的定位异常样本。
为了解决实用固定的泄漏电流阈值导致无法准确判断存在异常泄漏电流数据的问题，本实施例提供了一种输电线路玻璃绝缘子状态的检测方法，该方法对应的流程如图1所示，包括以下步骤：
步骤S1：获取待测玻璃绝缘子的检测泄漏电流时序数据，所述检测泄漏电流时序数据包括多个检测泄漏电流值及其对应时序值；
在本发明具体实施例中，如图2所示为实际应用过程中使用玻璃绝缘子的架空输电线路的局部示意图，具体的，图2中方框所示为玻璃绝缘子。泄漏电流一般有直接泄漏电流测量、差分泄漏电流测量和等效泄漏电流测量等测量方法，在本发明为了保证测试的安全性和便携性，采用相关的泄漏电流的测量设备进行测量。
具体地，获取每个待测玻璃绝缘子在一个采样周期内的实时泄漏电流数据，采样周期为6个小时，采样间隔为1分钟；当采样间隔越小时，采样数据的精密度越高，也更利于后期筛选出异常数据，因此，也可以将采样间隔定为30秒；当为了处理更长时间内的实时泄漏电流数据，也可以将采样周期设定为8个小时或10个小时；具体采样周期和采样间隔根据实际需要进行设定，本发明对此不做限定。
为便于分析待测样本中异常泄漏电流的存在，本发明具体实施例中假设获取的一个检测泄漏电流时序数据中存在检测泄漏电流值，如图3所示的不同泄漏电流曲线的对比示意图，包括一个标准泄漏电流曲线、一个正常泄漏电流曲线和检测泄漏电流曲线（检测泄漏电流可直接理解为异常泄漏电流）；其中，检测泄漏电流为待测玻璃绝缘子产生异常时对应的实时泄漏电流数据，相对应的，检测泄漏电流时序数据包括多个检测泄漏电流值及其对应时序值；正常泄漏电流为待测玻璃绝缘子在正常状态时对应的实时泄漏电流数据，相对应的，正常泄漏电流时序数据包括多个正常泄漏电流值及其对应时序值；标准泄漏电流为待测玻璃绝缘子所用型号的标准泄漏电流数据，相对应的，标准泄漏电流时序数据包括多个标准泄漏电流值及其对应时序值；绝缘子制造商可能会提供一些测试条件下的标准泄漏电流数据，用于比较和评估特定型号绝缘子的性能。不同型号的样本对应的标准泄漏电流值可能不同。
本发明通过将检测泄漏电流（异常泄漏电流）与正常泄漏电流、标准泄漏电流进行对比分析可知，检测泄漏电流（异常泄漏电流）相对于正常泄漏电流波动浮动更大且与标准泄漏电流有较大的差异，本发明根据此差异特征区别为核心，通过分析检测泄漏电流与标准泄漏电流的差异确定是否产生异常。
步骤S2：基于标准泄漏电流时序数据对待测玻璃绝缘子的检测泄漏电流时序数据进行分析和排除处理得到剩余的检测泄漏电流时序数据段；
本发明为了更准确的对检测待测玻璃绝缘子的异常情况，首先对所有的检测泄漏电流时序数据进行分段，从中排除可能的离群数据段，那么剩余数据段就只包含正常数据段与异常数据段。
在本发明具体实施例中，考虑到环境影响导致可能存在部分离群数据，而离群数据的存在可能会影响后续对异常数据的判断，因此，本步骤使用ISODATA算法对获取的检测泄漏电流值聚类划分成若干数据段，然后分析每个数据段的数据特征，并将可能的离群数据对应的数据段进行排除，从而得到剩余的检测泄漏电流时序数据段。
优选地，如图4所示的剩余的检测泄漏电流时序数据段的处理得到过程至少包括：
S21：使用ISODATA算法对所有检测泄漏电流值进行聚类得到多个检测泄漏电流时序数据段；
本发明的ISODATA算法为一种自适应的聚类方法，可以根据数据的分布自动确定聚类的数量，并将波动相似的数据聚为一个数据簇，那么不同波动程度的数据会被划分为不同簇，最后整个数据曲线将会被为多个相似性数据段（簇）即本发明的多个检测泄漏电流时序数据段，从而可以更方便的基于每个检测泄漏电流时序数据段进行后续分析。
在本发明具体实施例中，i表示检测泄漏电流时序数据段对应的序号；因此，本发明得到的多个检测泄漏电流时序数据段依次为第1个检测泄漏电流时序数据段、第2个检测泄漏电流时序数据段、第3个检测泄漏电流时序数据段、……、第i个检测泄漏电流时序数据段、……。其中，i为大于3的自然数。
S22：基于标准泄漏电流时序数据对所有检测泄漏电流时序数据段进行分析以确定每个检测泄漏电流时序数据段的离群程度；
在复杂地形或密集布线的环境中，由于输电线路和绝缘子周围的电场不均匀，可能导致某些绝缘子承受不均匀的电压分布，进而产生较高的离群泄漏电流值；而离群泄漏电流值与由于绝缘子状态异常导致的异常值存在差异，即离群数据相对于异常数据的持续时间更短且波动更剧烈。即离群数据段相对于正常泄漏电流数据以及异常值数据段更短且峰谷值相对标准值更的差异更大。
每个检测泄漏电流时序数据段的离群程度的确定过程包括：
（1）对每个检测泄漏电流时序数据段对应的时序值进行处理得到每个检测泄漏电流时序数据段的时序持续时间的相对值；
在本发明具体实施例中，每个检测泄漏电流时序数据段的时序持续时间的相对值的处理过程至少包括：
a、根据每个检测泄漏电流时序数据段对应的时序值确定每个检测泄漏电流时序数据段的时序持续时间；
在本发明具体实施例中，i表示检测泄漏电流时序数据段的序号；因此，本发明第1 个检测泄漏电流时序数据段的时序持续时间为、第2个检测泄漏电流时序数据段的时序 持续时间为、第3个检测泄漏电流时序数据段的时序持续时间为、……、第i个检测泄漏 电流时序数据段的时序持续时间为、……。
b、对所有检测泄漏电流时序数据的时序持续时间进行处理得到所有检测泄漏电流时序数据段中的最长时序持续时间以及所有检测泄漏电流时序数据段的时序持续时间的平均值；
在本发明具体实施例中，将第1个检测泄漏电流时序数据段的时序持续时间、第 2个检测泄漏电流时序数据段的时序持续时间、第3个检测泄漏电流时序数据段的时序持 续时间、……、第i个检测泄漏电流时序数据段的时序持续时间、……进行比较后得到 所有检测泄漏电流时序数据的最长时序持续时间。
在本发明具体实施例中，将第1个检测泄漏电流时序数据段的时序持续时间、第 2个检测泄漏电流时序数据段的时序持续时间、第3个检测泄漏电流时序数据段的时序持 续时间、……、第i个检测泄漏电流时序数据段的时序持续时间、……进行求平均后得 到所有检测泄漏电流时序数据的时序持续时间的平均值。
c、根据每个检测泄漏电流时序数据段的时序持续时间、所有检测泄漏电流时序数据段中的最长时序持续时间以及所有检测泄漏电流时序数据段的时序持续时间的平均值确定每个检测泄漏电流时序数据段的时序持续时间的相对值；
在本发明具体实施例中，将每个检测泄漏电流时序数据段的时序持续时间的相对 值的计算方式为：所有检测泄漏电流时序数据中的最长时序持续时间与每个检测泄漏 电流时序数据段的时序持续时间的差值与所有检测泄漏电流时序数据的时序持续时间 的平均值进行相除得到每个检测泄漏电流时序数据段的时序持续时间的相对值。
每个检测泄漏电流时序数据段的时序持续时间的相对值△T=；由于离群的 检测泄漏电流时序数据段的持续时间相对较短，因此，检测泄漏电流时序数据段的时序持 续时间的相对值△T越大则说明第i个检测泄漏电流时序数据段的持续时间越短，那么，第i 个检测泄漏电流时序数据段为离群的检测泄漏电流时序数据段的可能性越大。
（2）基于待测玻璃绝缘子的标准泄漏电流时序数据中的标准泄漏电流值对每个检测泄漏电流时序数据段中的检测泄漏电流值进行处理得到每个检测泄漏电流时序数据段的电流差异值；
每个检测泄漏电流时序数据段的电流差异值的过程至少包括：
a、根据每个检测泄漏电流时序数据段中的检测泄漏电流值确定每个检测泄漏电流时序数据段中的泄漏电流谷值和泄漏电流峰值；
在本发明具体实施例中，对每个检测泄漏电流时序数据段中的检测泄漏电流值进行大小比较以确定每个检测泄漏电流时序数据段中的泄漏电流谷值和泄漏电流峰值。
本发明用I表示电流，v表示谷值，p表示峰值；
那么，第1个检测泄漏电流时序数据段中的泄漏电流谷值为、第2个检测泄漏电 流时序数据段中的泄漏电流谷值为、第3个检测泄漏电流时序数据段中的泄漏电流谷值 为、……、第i个检测泄漏电流时序数据段中的泄漏电流谷值为、……。
那么，第1个检测泄漏电流时序数据段中的泄漏电流峰值为、第2个检测泄漏电 流时序数据段中的泄漏电流峰值为、第3个检测泄漏电流时序数据段中的泄漏电流峰值 为、……、第i个检测泄漏电流时序数据段中的泄漏电流峰值为、……。
b、对每个检测泄漏电流时序数据段中的泄漏电流谷值和泄漏电流峰值以及待测玻璃绝缘子的标准泄漏电流时序数据中的标准泄漏电流值进行处理得到每个检测泄漏电流时序数据段的电流差异值；
在本发明实施例中，每个检测泄漏电流时序数据段的电流差异值△I为：
其中，为待测玻璃绝缘子的标准泄漏电流时序数据中的标准泄漏电流值；表示第i个检测泄漏电流时序数据段中的泄漏电流峰值与标准泄漏电流值的峰 值差异，表示第i个检测泄漏电流时序数据段中的泄漏电流谷值与标准泄漏电流 值的谷值差异，表示第i个检测泄漏电流时序数据段的峰值差异与谷值 差异的乘积，并将该乘积作为第i个检测泄漏电流时序数据段的电流差异值。
该的电流差异值越大，说明第i个检测泄漏电流时序数据段的 数据整体波动性越激烈，那么，第i个检测泄漏电流时序数据段为离群的检测泄漏电流时序 数据段的可能性越大。
（3）根据每个检测泄漏电流时序数据段的时序持续时间的相对值以及电流差异值得到每个检测泄漏电流时序数据段的离群程度；
在本发明具体实施例中，每个检测泄漏电流时序数据段的离群程度为：
本发明先将每个检测泄漏电流时序数据段的时序持续时间的相对值以及电流差 异值进行相乘，然后对相乘的结果进行归一化，得到每个检测泄漏电流时序数据段的离群程度在 [0,1]。
该离群程度的电流差异值越大，说明第i个检测泄漏电流时序数据段为离群的检 测泄漏电流时序数据段的可能性越大。
S23：根据所有检测泄漏电流时序数据段的离群程度确定待测玻璃绝缘子的离散阈值，并根据待测玻璃绝缘子的离散阈值对待测玻璃绝缘子的所有检测泄漏电流时序数据段进行处理得到剩余的检测泄漏电流时序数据段；
本发明根据所有检测泄漏电流时序数据段的离群程度[、、、……、、……] 确定待测玻璃绝缘子的离散阈值Y。假设所有检测泄漏电流时序数据段的离群程度依次为、、、、、、、、、……、、、、、……；一种具体实现方式 为：通过数据进行统计分析，确定选取0.9作为待测玻璃绝缘子的离散阈值Y。作为其他实现 方式，也可以根据所有检测泄漏电流时序数据段的离群程度的特征选取0.92作为待测玻璃 绝缘子的离散阈值Y。
本发明再将待测玻璃绝缘子的所有检测泄漏电流时序数据段的离群程度大于待测玻璃绝缘子的离散阈值的检测泄漏电流时序数据段排除后得到剩余的检测泄漏电流时序数据。更具体地，当待测玻璃绝缘子的离散阈值Y=0.9时，若检测泄漏电流时序数据段的离群程度大于0.9时，表示该检测泄漏电流时序数据段为离散的检测泄漏电流时序数据段，需要将该离散的检测泄漏电流时序数据段排除，当将所有离散的检测泄漏电流时序数据段从检测泄漏电流时序数据中排出后得到剩余的检测泄漏电流时序数据。
相对于现有技术中采用固定泄漏电流阈值来检测玻璃绝缘子的异常泄漏电流数据，本发明通过对比独立样本（待测玻璃绝缘子）的所有检测泄漏电流时序数据段的波动程度排除受环境等影响导致存在的离散的检测泄漏电流输出，得到仅包含异常的检测泄漏电流时序数据段和正常的检测泄漏电流时序数据段的剩余的检测泄漏电流时序数据段，通过剩余的检测泄漏电流时序数据段进行异常判断能够提高准确检测异常待测玻璃绝缘子的目的。
步骤S3：对所述剩余的检测泄漏电流时序数据段进行处理以筛选出异常的检测泄漏电流时序数据段；
本发明待测玻璃绝缘子的剩余的检测泄漏电流时序数据段包括正常的检测泄漏电流时序数据段和异常的检测泄漏电流时序数据段。为了从剩余的检测泄漏电流时序数据段中筛选出异常的检测泄漏电流时序数据段，先根据异常的检测泄漏电流时序数据段相对于正常的检测泄漏电流时序数据段的波动程度差异建立波动评价，然后通过比较剩余的检测泄漏电流时序数据段中多个相邻的检测泄漏电流时序数据段的波动评价筛选出可能异常的检测泄漏电流时序数据段。
在本发明实施例中，如图5所示的异常的检测泄漏电流时序数据段的筛选过程至少包括：
S31：采用STL的残差项和DTW最小匹配距离对剩余的检测泄漏电流时序数据段进行处理得到剩余的检测泄漏电流时序数据段中每个检测泄漏电流时序数据段的波动程度值；
对于剩余的检测泄漏电流时序数据段中异常的检测泄漏电流时序数据段的波动程度整体相对于正常的检测泄漏电流时序数据段的波动程度较大，那么为了衡量剩余的检测泄漏电流时序数据段的波动情况，本发明借助STL的残差项及DTW最小匹配距离以及数据极差进行综合判断。
本发明所采用的STL（Seasonal and Trend decomposition using Loess）是一个非常通用和稳健强硬的分解时间序列的方法，其中，Loess是一种估算非线性关系的方法。STL将时间序列分解成三个主要分量：趋势、季节项和残差；即STL的残差项包含了除趋势项和季节项之外的其他影响因素，那么，异常的检测泄漏电流时序数据段的数据变化在对应的残差上能够得到更明显的反映。
本发明所采用的动态时间规整DTW是满足一定条件的时间规整函数W(n)描述测试模板和参考模板的时间对应关系，求解两模板匹配时累计距离最小所对应的规整函数；简单的说，DTW通过匹配两曲线得到最小匹配距离，然后根据最小匹配距离来衡量两曲线的相似性，对于本发明来讲，对剩余的检测泄漏电流时序数据段中每个检测泄漏电流时序数据段与标准泄漏电流时序数据段进行匹配，通过对比多个数据段匹配结果的差异可以衡量某数据段的波动程度。
在本发明实施例中，剩余的检测泄漏电流时序数据段中每个检测泄漏电流时序数据段的波动程度值的得到过程至少包括：
（1）基于DTW最小匹配距离确定每个检测泄漏电流时序数据段的最小匹配距离的相对值；
在本发明具体实施例中，第个检测泄漏电流时序数据段的最小匹配距离的相对值 为：
其中，l为剩余的检测泄漏电流时序数据段的新定义序号值，为第个检测泄 漏电流时序数据段的检测时间序列(简称，第个检测时间序列)与标准泄漏电流时序数据 段中与第个检测时间序列等长的标准时间序列的DTW最小匹配距离，为剩余的 检测泄漏电流时序数据段中所有检测时间序列与对应的标准时间序列的DTW最小匹配距离 的最大值；分别为剩余的检测泄漏电流时序数据段中所有检测时间序列与对应 的标准时间序列的DTW最小匹配距离的最小值。
本发明中，由于每个检测泄漏电流时序数据段所得的最小匹配距离都代表了其与 标准时间序列的DTW最小匹配距离，且最小匹配距离的相对值越小越相似；那么，第个检测 泄漏电流时序数据段的最小匹配距离的相对值越大，即越大，则第个检 测泄漏电流时序数据段的检测时间序列与标准时间序列越不相似，时间序列偏差越大；说 明第个检测泄漏电流时序数据段的波动程度就越大。
（2）基于STL的残差对每个检测泄漏电流时序数据段中所有检测点进行处理得到每个检测泄漏电流时序数据段的平均残差；
在本发明具体实施例中，第个检测泄漏电流时序数据段的平均残差为：
其中，为第个检测泄漏电流时序数据段中第个检测点对应的残差，为第个 检测泄漏电流时序数据段中包含检测点的总数量。
本发明中，由于STL的残差在一定程度上反映了异常偏离程度，因此，若第个检测 泄漏电流时序数据段的平均残差越大，说明第个检测泄漏电流时序数据段的波动程度越 大。
（3）对每个检测泄漏电流时序数据段内的所有检测泄漏电流值进行求平均得到电流平均值，并根据所述电流平均值和待测玻璃绝缘子的标准泄漏电流值得到每个检测泄漏电流时序数据段的绝对平均值；
在本发明具体实施例中，第个检测泄漏电流时序数据段的绝对平均值为：
其中，表示第个检测泄漏电流时序数据段内的电流平均值，为待测玻璃绝缘子 的标准泄漏电流值。
本发明中，若绝对平均偏差越大，则第个检测泄漏电流时序数据段的检测泄漏电 流相对标准泄漏电流的差距越大，说明第个检测泄漏电流时序数据段的波动程度越大。
（4）根据每个检测泄漏电流时序数据段的最小匹配距离的相对值、平均残差和绝对平均确定每个检测泄漏电流时序数据段的波动程度值。
在本发明实施例中，剩余的检测泄漏电流时序数据段中第个检测泄漏电流时序数 据段的波动程度值为：
本发明将第个检测泄漏电流时序数据段的最小匹配距离的相对值、平均残差和绝 对平均相乘作为波动程度值。本发明通过 波动程度值来评价每个检测泄漏电流时序数据段的波动程度情况，若波动程度值越大，说 明该检测泄漏电流时序数据段的波动程度越大，反之，波动程度越小。
S32：根据所有检测泄漏电流时序数据段的波动程度值确定每个检测泄漏电流时序数据段的异常值；
本发明考虑到虽然异常的检测泄漏电流时序数据段相对于正常的检测泄漏电流时序数据段的波动程度更大，但是单纯根据每个检测泄漏电流时序数据段的波动程度值去判断某个检测泄漏电流时序数据段是否为异常的检测泄漏电流时序数据段与通过固定泄漏电流阈值筛选无本质区别，均会产生误判的情况。因此，为了更准确的筛选出异常的检测泄漏电流时序数据段，本发明综合某个检测泄漏电流时序数据段与其前后相邻的检测泄漏电流时序数据段的波动程度以及波动程度出现的频次对每个检测泄漏电流时序数据段是否异常进行判断。
在本发明实施例中，剩余的检测泄漏电流时序数据段中每个检测泄漏电流时序数据段的异常值的确定过程至少包括：
（1）对所有检测泄漏电流时序数据段的波动程度值进行处理得到每个检测泄漏电流时序数据段的相对波动水平；
在本发明具体实施例中，第个检测泄漏电流时序数据段的相对波动水平为；
式中，为第个检测泄漏电流时序数据段的波动程度值；为所有检测泄漏电 流时序数据段的波动程度值的最小值。
本发明中，将作为第个检测泄漏电流时序数据段的相对波动水平，若的取 值越大，说明第个检测泄漏电流时序数据段的波动越大，那么，第个检测泄漏电流时序数 据段越有可能异常。
（2）对每个检测泄漏电流时序数据段及其前后相邻两个检测泄漏电流时序数据段的波动程度值进行计算得到每个检测泄漏电流时序数据段的相邻波动差异；
在实际过程中，若某个检测泄漏电流时序数据段的波动程度值相对于左右相邻的两个检测泄漏电流时序数据段的波动程度都大，那么此检测泄漏电流时序数据段为异常的检测泄漏电流时序数据段的可能性就越大。因此，本发明将对每个检测泄漏电流时序数据段及其前后相邻两个检测泄漏电流时序数据段的波动程度值的处理结果作为异常的判断依据。
在本发明具体实施例中，第个检测泄漏电流时序数据段的相邻波动差异为；
式中，为第个检测泄漏电流时序数据段的波动程度值，为第个检测泄 漏电流时序数据段的波动程度值，为第个检测泄漏电流时序数据段的波动程度 值。
当计算第1个检测泄漏电流时序数据段的相邻波动差异时，并不存在前一个检测泄漏电流时序数据段的波动程度值，此时第1个检测泄漏电流时序数据段的波动程度值与其前一个检测泄漏电流时序数据段的波动程度值的差值设置为1；当计算最后一个检测泄漏电流时序数据段的相邻波动程差异时，也不存在后一个检测泄漏电流时序数据段的波动程度值，此时将最后一个检测泄漏电流时序数据段与其后一个检测泄漏电流时序数据段的波动成都至的差值设置为1；也就是说，若某个检测泄漏电流时序数据段不存在前一个或后一个检测泄漏电流时序数据段时，那么其对应的相邻两个波动程度值的差值就设置为1。
本发明中，相邻波动差异越大，说明第个检测泄漏电流时 序数据段相对于前后两个相邻检测泄漏电流时序数据段的波动程度的差异越大，那么，第 个检测泄漏电流时序数据段越有可能异常。
（3）对所有检测泄漏电流时序数据段的波动程度值进行处理得到每个检测泄漏电流时序数据段的频次特征；
在实际过程中，由于所有检测泄漏电流时序数据段中异常的检测泄漏电流时序数据段相对于正常的所有检测泄漏电流时序数据段的规模更小，即大部分的检测泄漏电流时序数据段的波动程度都较小，存在的小部分异常的检测泄漏电流时序数据波动程度越大，那么可以统计大于或小于某一检测泄漏电流时序数据段波动评价的频次，若大于某一检测泄漏电流时序数据段的波动程度的频次比小于某一检测泄漏电流时序数据段的波动程度的频次越小，那么某一检测泄漏电流时序数据段的异常程度就越大。因此，本发明根据对所有检测泄漏电流时序数据段的波动程度值的处理频次结果作为异常的判断依据。
在本发明具体实施例中，第个检测泄漏电流时序数据段的频次特征为；
式中，为所有检测泄漏电流时序数据段中小于第个检测泄漏电流时序 数据段的波动程度值的频次；为所有检测泄漏电流时序数据段中大于第个检测 泄漏电流时序数据段的波动程度值的频次。
本发明中，将作为第个检测泄漏电流时序数据段的频次特征，若 越大，说明大于第个检测泄漏电流时序数据段的波动程度值的频次相对于小于第个检测 泄漏电流时序数据段的波动程度值的频次越少，那么，第个检测泄漏电流时序数据段越有 可能异常。
（4）根据每个检测泄漏电流时序数据段的相对波动水平、相邻波动差异和频次特征得到每个检测泄漏电流时序数据段的异常值。
在本发明具体实施例中，第个检测泄漏电流时序数据段的异常值为：
式中，为第个检测泄漏电流时序数据段的异常值，sigmoid（）表示S型函数。
本发明通过sigmoid函数对第个检测泄漏电流时序数据段的相对波动水平、相邻 波动差异和频次特征的乘积结果进行处理得到第个检测泄漏电流时序数据段的检测泄漏 电流时序数据段的异常值。
S33：根据所有检测泄漏电流时序数据段的异常值确定待测玻璃绝缘子的异常阈值，并根据待测玻璃绝缘子的异常阈值对剩余的检测泄漏电流时序数据段进行筛选处理得到待测玻璃绝缘子的异常的检测泄漏电流时序数据段；
本发明所有检测泄漏电流时序数据段的异常值[、、……、、……]，采用统 计分析或特征分析的方式对所有检测泄漏电流时序数据段的异常值进行处理确定待测玻 璃绝缘子的异常阈值M。具体地，选取0.88或0.86作为待测玻璃绝缘子的异常阈值M，在其他 实施例中可由实施者根据实际情况调整该取值。
本发明再将剩余的检测泄漏电流时序数据段中所有检测泄漏电流时序数据段的异常大于待测玻璃绝缘子的异常阈值的检测泄漏电流时序数据段筛选出，从而得到待测玻璃绝缘子的所有异常的检测泄漏电流时序数据段。
步骤S4：对异常的检测泄漏电流时序数据段进行处理得到待测玻璃绝缘子的状态；
本发明先根据对待测玻璃绝缘子的异常的检测泄漏电流时序数据段进行数量的处理的确定待测玻璃绝缘子的异常规模；然后根据待测玻璃绝缘子的异常规模实现对待测玻璃绝缘子的状态检测。
具体地，待测玻璃绝缘子的状态的得到过程至少包括：
先根据对待测玻璃绝缘子的异常的检测泄漏电流时序数据段进行数量的统计和异常持续时间的计算，从而确定待测玻璃绝缘子的异常规模；
在本发明具体实施例中，待测玻璃绝缘子中所有异常的检测泄漏电流时序数据段 的总量为m；每个异常的检测泄漏电流时序数据段的异常持续时间为，即待测玻璃绝缘子 的第个异常的检测泄漏电流时序数据段的异常持续时间；
再根据待测玻璃绝缘子中所有异常的检测泄漏电流时序数据段的总量、所有异常的检测泄漏电流时序数据段的异常持续时间和待测玻璃绝缘子的采样周期确定待测玻璃绝缘子的异常规模；
在本发明具体实施例中，待测玻璃绝缘子的异常规模为：
式中，表示所有异常的检测泄漏电流时序数据段的异常持续时间的总和， 将所有异常的检测泄漏电流时序数据段的异常持续时间的总和与采样周期的比值作为待 测玻璃绝缘子的异常规模。
最后，根据待测玻璃绝缘子的异常规模判断待测玻璃绝缘子的状态。
在本发明实施例中，根据经验认为异常规模大于或等于10%认为状态异常，即认为当前待测玻璃绝缘子状态异常。在其他实施例中，实施者根据实际情况调整 该异常规模的阈值，例如确定为11%或9%等。
通过本发明的检测方法能够独立的对输电电路中任意玻璃绝缘子的异常的检测泄漏电流时序数据段及其异常值进行确定，进而准确的确定玻璃绝缘子的异常规模，根据异常规模判断实现精准的定位出异常的玻璃绝缘子状态，即实现对玻璃绝缘子状态的准确检测。
在本发明具体实施例中，当检测出异常后，根据待测玻璃绝缘子的异常状态对所述待测玻璃绝缘子采取相关维护措施。具体地，对于异常状态的玻璃绝缘子进行外观检查，若绝缘子存在损坏迹象则对其进行更换。若是由于污垢，盐分等污染物覆盖导致的绝缘性能下降误损坏情况，可以清洁绝缘子表面可以移除这些导电污染物，恢复其绝缘性能。
需要说明的是：以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种输电线路玻璃绝缘子状态的检测方法，其特征在于，包括以下步骤：
步骤S1：获取待测玻璃绝缘子的检测泄漏电流时序数据，所述检测泄漏电流时序数据包括多个检测泄漏电流值及其对应时序值；
步骤S2：基于标准泄漏电流时序数据对待测玻璃绝缘子的检测泄漏电流时序数据进行分析和排除处理得到剩余的检测泄漏电流时序数据段；其中，所述标准泄漏电流时序数据包括多个标准泄漏电流值及其对应时序值，所述标准泄漏电流为待测玻璃绝缘子所用型号的标准泄漏电流数据；
步骤S3：对所述剩余的检测泄漏电流时序数据段进行处理以筛选出异常的检测泄漏电流时序数据段；
步骤S4：对异常的检测泄漏电流时序数据段进行处理得到待测玻璃绝缘子的状态。
2.根据权利要求1所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，在步骤S2中，剩余的检测泄漏电流时序数据段的处理得到过程至少包括：
S21：使用ISODATA算法对所有检测泄漏电流值进行聚类得到多个检测泄漏电流时序数据段；
S22：基于标准泄漏电流时序数据对所有检测泄漏电流时序数据段进行分析以确定每个检测泄漏电流时序数据段的离群程度；
S23：根据所有检测泄漏电流时序数据段的离群程度确定待测玻璃绝缘子的离散阈值，并根据待测玻璃绝缘子的离散阈值对待测玻璃绝缘子的所有检测泄漏电流时序数据段进行处理得到剩余的检测泄漏电流时序数据段。
3.根据权利要求2所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，在S22中，每个检测泄漏电流时序数据段的离群程度的确定过程包括：
（1）对每个检测泄漏电流时序数据段对应的时序值进行处理得到每个检测泄漏电流时序数据段的时序持续时间的相对值；
（2）基于待测玻璃绝缘子的标准泄漏电流时序数据中的标准泄漏电流值对每个检测泄漏电流时序数据段中的检测泄漏电流值进行处理得到每个检测泄漏电流时序数据段的电流差异值；
（3）根据每个检测泄漏电流时序数据段的时序持续时间的相对值以及电流差异值得到每个检测泄漏电流时序数据段的离群程度。
4.根据权利要求3所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，每个检测泄漏电流时序数据段的时序持续时间的相对值的处理过程至少包括：
a、根据每个检测泄漏电流时序数据段对应的时序值确定每个检测泄漏电流时序数据段的时序持续时间；
b、对所有检测泄漏电流时序数据的时序持续时间进行处理得到所有检测泄漏电流时序数据段中的最长时序持续时间以及所有检测泄漏电流时序数据段的时序持续时间的平均值；
c、根据每个检测泄漏电流时序数据段的时序持续时间、所有检测泄漏电流时序数据段中的最长时序持续时间以及所有检测泄漏电流时序数据段的时序持续时间的平均值确定每个检测泄漏电流时序数据段的时序持续时间的相对值。
5.根据权利要求3所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，每个检测泄漏电流时序数据段的电流差异值的过程至少包括：
a、根据每个检测泄漏电流时序数据段中的检测泄漏电流值确定每个检测泄漏电流时序数据段中的泄漏电流谷值和泄漏电流峰值；
b、对每个检测泄漏电流时序数据段中的泄漏电流谷值、泄漏电流峰值以及待测玻璃绝缘子的标准泄漏电流时序数据中的标准泄漏电流值进行处理得到每个检测泄漏电流时序数据段的电流差异值。
6.根据权利要求1所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，在步骤S3中，异常的检测泄漏电流时序数据段的筛选过程至少包括：
S31：采用STL的残差项和DTW最小匹配距离对剩余的检测泄漏电流时序数据段进行处理得到剩余的检测泄漏电流时序数据段中每个检测泄漏电流时序数据段的波动程度值；
S32：根据所有检测泄漏电流时序数据段的波动程度值确定每个检测泄漏电流时序数据段的异常值；
S33：根据所有检测泄漏电流时序数据段的异常值确定待测玻璃绝缘子的异常阈值，并根据待测玻璃绝缘子的异常阈值对剩余的检测泄漏电流时序数据段进行筛选处理得到待测玻璃绝缘子的异常的检测泄漏电流时序数据段。
7.根据权利要求6所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，在S31中，剩余的检测泄漏电流时序数据段中每个检测泄漏电流时序数据段的波动程度值的得到过程至少包括：
（1）基于DTW最小匹配距离确定每个检测泄漏电流时序数据段的最小匹配距离的相对值；
（2）基于STL的残差对每个检测泄漏电流时序数据段中所有检测点进行处理得到每个检测泄漏电流时序数据段的平均残差；
（3）对每个检测泄漏电流时序数据段内的所有检测泄漏电流值进行求平均得到电流平均值，并根据所述电流平均值和待测玻璃绝缘子的标准泄漏电流值得到每个检测泄漏电流时序数据段的绝对平均值；
（4）根据每个检测泄漏电流时序数据段的最小匹配距离的相对值、平均残差和绝对平均确定每个检测泄漏电流时序数据段的波动程度值。
8.根据权利要求6所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，在S32中，每个检测泄漏电流时序数据段的异常值的确定过程至少包括：
（1）对所有检测泄漏电流时序数据段的波动程度值进行处理得到每个检测泄漏电流时序数据段的相对波动水平；
（2）对每个检测泄漏电流时序数据段及其前后相邻两个检测泄漏电流时序数据段的波动程度值进行计算得到每个检测泄漏电流时序数据段的相邻波动差异；
（3）对所有检测泄漏电流时序数据段的波动程度值进行处理得到每个检测泄漏电流时序数据段的频次特征；
（4）根据每个检测泄漏电流时序数据段的相对波动水平、相邻波动差异和频次特征得到每个检测泄漏电流时序数据段的异常值。
9.根据权利要求8所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，待测玻璃绝缘子的状态的得到过程至少包括：
先根据对待测玻璃绝缘子的异常的检测泄漏电流时序数据段进行数量的统计和异常持续时间的计算，从而确定待测玻璃绝缘子的异常规模；
再根据待测玻璃绝缘子中所有异常的检测泄漏电流时序数据段的总量、所有异常的检测泄漏电流时序数据段的异常持续时间和待测玻璃绝缘子的采样周期确定待测玻璃绝缘子的异常规模；
最后，根据待测玻璃绝缘子的异常规模判断待测玻璃绝缘子的状态。
10.根据权利要求9所述的输电线路玻璃绝缘子状态的检测方法，其特征在于，待测玻璃绝缘子的异常规模为：
式中，待测玻璃绝缘子中所有异常的检测泄漏电流时序数据段的总量为；每个异常的检测泄漏电流时序数据段的异常持续时间为/>，即待测玻璃绝缘子的第/>个异常的检测泄漏电流时序数据段的异常持续时间；待测玻璃绝缘子的采样周期为/>；/>表示所有异常的检测泄漏电流时序数据段的异常持续时间的总和。
CN202410514082.5A 2024-04-26 2024-04-26 一种输电线路玻璃绝缘子状态的检测方法 Active CN118091489B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410514082.5A CN118091489B (zh) 2024-04-26 2024-04-26 一种输电线路玻璃绝缘子状态的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410514082.5A CN118091489B (zh) 2024-04-26 2024-04-26 一种输电线路玻璃绝缘子状态的检测方法

Publications (2)

Publication Number Publication Date
CN118091489A true CN118091489A (zh) 2024-05-28
CN118091489B CN118091489B (zh) 2024-06-28

Family

ID=91150955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410514082.5A Active CN118091489B (zh) 2024-04-26 2024-04-26 一种输电线路玻璃绝缘子状态的检测方法

Country Status (1)

Country Link
CN (1) CN118091489B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180031454A (ko) * 2016-09-20 2018-03-28 한국전력공사 애자련 상태 감시장치 및 방법
CN112034253A (zh) * 2020-09-21 2020-12-04 国网福建省电力有限公司 一种moa在线监测方法
CN113194827A (zh) * 2018-12-28 2021-07-30 德克斯康公司 分析物传感器与阻抗确定
CN115201630A (zh) * 2022-07-19 2022-10-18 云南电网有限责任公司电力科学研究院 绝缘子故障检测方法、系统及设备
WO2023041154A1 (en) * 2021-09-15 2023-03-23 Callidus Grupa D.O.O. Insulator condition monitoring device and corresponding data processing system
CN116008861A (zh) * 2023-02-13 2023-04-25 广东电网有限责任公司 一种绝缘子检测方法、装置和设备
CN116109004A (zh) * 2023-02-27 2023-05-12 广东电网有限责任公司 一种绝缘子泄漏电流的预测方法、装置、设备及介质
CN116703871A (zh) * 2023-06-12 2023-09-05 杭州国翌科技有限公司 一种基于绝缘子stl模型的爬电距离测量方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180031454A (ko) * 2016-09-20 2018-03-28 한국전력공사 애자련 상태 감시장치 및 방법
CN113194827A (zh) * 2018-12-28 2021-07-30 德克斯康公司 分析物传感器与阻抗确定
CN112034253A (zh) * 2020-09-21 2020-12-04 国网福建省电力有限公司 一种moa在线监测方法
WO2023041154A1 (en) * 2021-09-15 2023-03-23 Callidus Grupa D.O.O. Insulator condition monitoring device and corresponding data processing system
CN115201630A (zh) * 2022-07-19 2022-10-18 云南电网有限责任公司电力科学研究院 绝缘子故障检测方法、系统及设备
CN116008861A (zh) * 2023-02-13 2023-04-25 广东电网有限责任公司 一种绝缘子检测方法、装置和设备
CN116109004A (zh) * 2023-02-27 2023-05-12 广东电网有限责任公司 一种绝缘子泄漏电流的预测方法、装置、设备及介质
CN116703871A (zh) * 2023-06-12 2023-09-05 杭州国翌科技有限公司 一种基于绝缘子stl模型的爬电距离测量方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡伟, 李敏, 杨颜红: "污秽绝缘子在线监测系统的设计与实现", 电力系统自动化, no. 17, 15 September 2002 (2002-09-15) *

Also Published As

Publication number Publication date
CN118091489B (zh) 2024-06-28

Similar Documents

Publication Publication Date Title
CN108008176B (zh) 一种光伏阵列实时状态监测与故障定位系统
CN116879662B (zh) 基于数据分析的变压器故障检测方法
US6192317B1 (en) Statistical pattern analysis methods of partial discharge measurements in high voltage insulation
CN108920429B (zh) 一种水位动态监测的异常数据分析方法
CN116865269B (zh) 一种风电机组高谐波补偿方法及系统
CN113344134A (zh) 一种低压配电监控终端数据采集异常检测方法及系统
CN117668684B (zh) 基于大数据分析的电网电能数据异常检测方法
CN118091234B (zh) 一种用于故障诊断处理的电流互感器
CN113805018A (zh) 一种配电网10kV电缆局部放电故障类型智能识别方法
CN116510223B (zh) 基于物联网的自识别消防泵电参数巡检监测系统
CN118091300B (zh) 基于数据分析的贴片电阻故障诊断方法
CN117783689A (zh) 一种特高压gis设备盆式绝缘子缺陷智能评定方法
CN118091489B (zh) 一种输电线路玻璃绝缘子状态的检测方法
CN117314020A (zh) 一种浮游生物的湿地碳汇数据监测系统
CN117092541A (zh) 一种直流充电大数据计算电池健康的分析方法
CN116087759A (zh) 一种电路板导电路径的检验方法及电路系统
CN116184060A (zh) 一种适用于瓷质绝缘子带电作业的异动监测方法和系统
CN114090949A (zh) 一种鲁棒的振动信号特征值计算方法
CN110598617B (zh) 煤矿安全监控系统瓦斯异常数据辨识与重构方法
CN113408383A (zh) 基于有界β(g,h)分布和MWKPCA的可听噪声无效数据判定方法
CN113672658A (zh) 基于复相关系数的电力设备在线监测错误数据识别方法
CN113884970A (zh) 一种电能质量监测装置谐波参数的现场在线校验方法
CN118642036B (zh) 一种数字化电能计量设备远程校准系统及方法
CN118376953B (zh) 负载点电源中断测试方法及系统
CN112083238A (zh) 基于基波谐波变点检测的运行电器荷载状态监测系统

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
GR01 Patent grant
GR01 Patent grant