2019年悬式瓷绝缘子红外检测技术研究及应用.pptx

《2019年悬式瓷绝缘子红外检测技术研究及应用.pptx》由会员分享，可在线阅读，更多相关《2019年悬式瓷绝缘子红外检测技术研究及应用.pptx（37页珍藏版）》请在三个皮匠报告上搜索。

1、悬式瓷绝缘子红外检测技术研究及应用,国网江西省电力有限公司电力科学研究院,目录,1,一、技术背景,无法适应电网安全生产和规模快速增长的要求！,3,一、技术背景,三大难题,理论不完善,特征不明显,准确率低,绝缘子的发热模型建立不完全，没有能够反映绝缘子盘面发热的数学模型。,发热量小，热像特征不明显，肉眼难以识别，人工检测困难。,4,一、技术背景,主要内容1：绝缘子发热模型及规律,钢帽和盘面的发热可以间接反映绝缘子的劣化及污秽状况，但已有绝缘子发热模型不能反应盘面发热状况。,引入绝缘子污秽层表面电阻率、湿润程度、电弧模型等复杂可变因素，建立绝缘子的三种运行状态，即整体湿污均匀、湿污+干燥带和湿污+

2、干燥带电弧的数学模型。,湿度对积污绝缘子串电压分布的影响,湿污绝缘子三种运行状态,5,二、主要研究内容,二、主要研究内容,6,电压,温升,主要内容2：劣化绝缘子红外检测方法,传统绝缘子红外检测方法判据单一，适用性不强,开展绝缘子温升规律仿真及试验研究，挖掘盘面及钢帽温升特征与劣化绝缘子的关系，建立大样本绝缘子红外热像图谱库。,绝缘子红外热像图,绝缘电阻与钢帽发热的关系,温度曲线,7,二、主要研究内容,8,二、主要研究内容,组织供电公司采集不同阻值劣化绝缘子，在江西电科院污秽试验室开展大量的模拟试验，得出劣化绝缘子在不同阻值、位置，以及不同温度、湿度条件下的绝缘子串温升特征。,9,二、主要研究内

3、容,1、劣化绝缘子串（含零值0.08M）电压及温度曲线特征,1号位,2号位,13号位,7号位,10,二、主要研究内容,2、劣化绝缘子串（含低值58.8M）电压及温度曲线特征,1号位,2号位,13号位,7号位,11,二、主要研究内容,1号位绝缘子绝缘阻值与温升关系曲线,3、不同位置劣化绝缘子绝缘电阻阻值与温升关系特征,12,二、主要研究内容,4、环境温度对绝缘子发热成像影响试验,同串绝缘子在不同环境温度下钢帽温升曲线,13,二、主要研究内容,湿度为70%,湿度为86%,湿度为94%凝露,湿度为80%,5、环境湿度对绝缘子发热成像影响试验（含零值）,14,二、主要研究内容,湿度为70%,湿度为86

4、%,湿度为94%,湿度为80%,6、环境湿度对绝缘子发热成像影响试验（含低值）,15,二、主要研究内容,7、风速对绝缘子发热成像影响试验,主要内容3：绝缘子红外检测装备开发,传统检测手段效率低且无法及时、准确地掌握绝缘子状态信息；绝缘子红外热像特征不明显，肉眼难以识别。,研究基于深度学习算法的绝缘子红外图像处理算法，开发绝缘子检测装备，提高检测的效率和准确率。,原图,二值化,提取绝缘子串,原图,二、主要研究内容,提出了基于边缘提取与深度学习融合的绝缘子特征区域提取方法，研制了适用于现场绝缘子红外检测的装备，解决了现行绝缘子检测方法存在工作强度大、安全风险高和准确率低的问题。,部分系统界面,便携

5、式检测装备,二、主要研究内容,图像处理流程图,二、主要研究内容,基于边缘提取与深度学习融合的绝缘子特征区域提取方法,基于边缘提取与深度学习融合的绝缘子特征区域提取方法,算法基本流程：1.图像预处理 2.利用边缘检测算法确定图像中的绝缘子轮廓区域 3.利用Hough变换进行绝缘子串角度矫正 4.通过绝缘子串区域构造数据集 5.卷积神经网络（CNN）训练 6.滑动窗口+钢帽、盘面识别 7.钢帽、盘面精确区域提取（Otsu阈值二值化、形态学分水岭算法分割）,二、主要研究内容,，,灰度化、去噪、二值分割,图像处理算法演示,红外图像预处理,二、主要研究内容,步骤一：预处理后图片,步骤二：利用多尺度形态学

6、梯度算法定位绝缘子串边缘,步骤三：提取绝缘子串,步骤四：还原定位到原红外图像，确定绝缘子区域，保证绝缘子串边缘不被过滤,基于多尺度形态学梯度边缘检测算法对绝缘子轮廓定位,二、主要研究内容,Hough变化,形态学处理,形态学处理及Hough变换,二、主要研究内容,通过提取的绝缘子区域创造训练集图片构造了如下图所示的78000张绝缘子钢帽盘面背景等数据集,训练过程,通过卷积、池化操作提取图像高阶、低阶特征,由于训练集有超过75000张图片，一次性完成训练处理需要很长的时间，为了提高处理速度，我们采用Mini-Batch