摘要
为了准确检测变电站高压电器设备的局部放电故障,使用多轴平行摄影系统同时采集基于可见光、紫外线、红外线等的多频谱视频数据,使用多咪头采集现场的噪声数据,并采用三点定位法分别实现故障位置定位。在机器学习架构设计中,使用6个独立的归一化神经网络模块对6个探头的数据进行归一化处理,使用1个神经网络核心模块进行二值化分析,最终得到分析结果。仿真分析表明,该系统可对1×108 pF规模的放电现象实现敏感性100%的捕捉和判断;可以在较小的工程量基础上,实现对高压设备微小隐性故障的早期发现和早期处理,可以有效提升变电站的状态检修水平。