[发明专利]一种复合绝缘子盐雾闪络预测方法、装置和存储介质在审

专利信息
申请号: 202211633550.8 申请日: 2022-12-19
公开(公告)号: CN115856550A 公开(公告)日: 2023-03-28
发明(设计)人: 吴潇翔;郝艳捧;阳林;毕继凯;吴海鑫;黄磊;郑尧 申请(专利权)人: 华南理工大学
主分类号: G01R31/12 分类号: G01R31/12
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 郑宏谋
地址: 510641 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 复合 绝缘子 盐雾闪络 预测 方法 装置 存储 介质
【说明书】:

发明公开了一种复合绝缘子盐雾闪络预测方法、装置和存储介质,其中方法包括:搭建盐雾闪络试验系统;在盐雾闪络试验系统进行闪络试验,记录雾室中每一次试验的复合绝缘子的电弧图像和光谱分析仪数据;提取电弧图像中的电弧特征,建立盐雾闪络数据集;根据盐雾闪络数据集获取训练集,搭建神经网络模型,并采用训练集对神经网络模型进行训练;将训练后的神经网络模型用于复合绝缘子盐雾环境下的电弧图像闪络判据与预测。本发明利用光谱分析仪测量电弧温度,协同电弧可见光图像特征识别绝缘表面放电强度,能准确的实现复合绝缘子盐雾环境下的可见光电弧图像闪络判据与预测。本发明可广泛应用于输变电绝缘设备领域。

技术领域

本发明涉及输变电绝缘设备领域,尤其涉及一种复合绝缘子盐雾闪络预测方法、装置和存储介质。

背景技术

运行中的输电线路外绝缘要求在工作电压、暂态操作过电压和雷电过电压下均能可靠运行,不出现绝缘击穿、闪络、损坏等严重事故。但沉积在输电线路绝缘子上的污秽物与大雾、露、毛毛雨、融冰、融雪等恶劣气象条件同时作用,其外绝缘性能将大大降低,从而使输电线路的外绝缘不仅可能在过电压作用下发生闪络,更有甚者在工作电压下也常会发生闪络跳闸,造成停电事故。若闪络问题严重,则可能导致电网解列、出现大面积停电事故,严重危害电力系统的安全稳定运行。另外,输电线路绝缘子都是并列运行的,出现问题的概率要比单串时高,因此任何一串绝缘子出现闪络事故都将导致整条线路及相关设备出现事故,给电力系统的安全稳定运行、工农业生产和人们的日常生活造成严重危害,国民经济也会遭受巨大损失。据统计,在目前的电压等级下,闪络损失是雷电冲击和操作过电压损失的十倍,并且随着电压等级的升高,系统容量的增加和各类工业污染的加剧,盐雾闪络的威胁呈持续上升的趋势。

为了减少盐雾闪络事故的发生,提高电力系统的供电可靠性,经过研究新型防闪措施,建立闪络模型,掌握闪络规律,规范闪络试验手段和绝缘子合理设计方面取得了很大的进步。不过目前这些成果离建立高效防盐雾闪络机制还有一定的距离,在绝缘子盐雾闪络预测和预警机制的建立上,其系统性还存在一定程度的欠缺。针对沿海地区面临的外绝缘盐雾闪络威胁,绝缘子电弧监测和闪络预警技术极度缺乏,盐雾闪络理论不能指导工程实践情况凸显,尤其是闪络发生后多改用复合绝缘子或涂RTV涂料,但是目前还不存在被普遍接受的憎水表面盐雾闪络模型。由于憎水表面的动态特点以及(导电的和不导电的)污秽物和湿润剂存在着复杂的相互作用,复合绝缘子表面水滴、污秽受潮、干带形成和局部电弧以及闪络等重要阶段与瓷、玻璃绝缘子存在着异同,其状态判据和演化机理的研究对检测、监测技术和状态预警理论提出巨大的挑战。

人工神经网络通过自身训练学习某种规律,在规定输入值时得到最接近期望输出值的结果,无需实现确定输入与输出之间映射关系。卷积神经网络是深度学习算法的一种,在处理多维数据方面具有独特优势,在图像识别领域有广泛的应用。作为前馈神经网络的一种,卷积神经网络能从二维样本中提取拓扑结构,并通过反向传播优化网络本身,具有良好的容错能力、并行处理能力和自主学习能力,可处理环境信息复杂、背景知识模糊或推理规则不明确情况下的问题。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一,本发明的目的在于提供一种电弧可见光图像和光谱测温协同的复合绝缘子盐雾闪络预测方法、装置和存储介质。

本发明所采用的技术方案是:

一种复合绝缘子盐雾闪络预测方法,包括以下步骤:

搭建盐雾闪络试验系统;

在盐雾闪络试验系统进行闪络试验,记录雾室中每一次试验的复合绝缘子的电弧图像和光谱分析仪数据;

提取电弧图像中的电弧特征,建立盐雾闪络数据集;其中,电弧特征包括色度特征、亮度特征和光谱特征;

根据盐雾闪络数据集获取训练集,搭建神经网络模型,并采用训练集对神经网络模型进行训练;

将训练后的神经网络模型用于复合绝缘子盐雾环境下的电弧图像闪络判据与预测。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211633550.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top