摘要
随着电力大数据的发展,传统的人工检测手段已经难以满足电力系统海量数据的检测与诊断。红外图像等非结构化数据的引入,在为监测提供极大便利的同时,也对诊断模型的优化设计提出了新的要求。以三伞瓷质劣化绝缘子单片为研究对象,利用红外成像技术采集成像,对获取图像依次进行分层切割、正则化、同态滤波去噪、随机排列,形成绝缘子单片集。采用的BP神经网络算法,提取绝缘子单片中心线的RGB颜色矩阵作为特征参量进行训练和分析,并与颜色矩、颜色直方图等传统的特征量进行比较研究,构建了基于中心线颜色矩阵的绝缘子单片在故障情况下的红外诊断模型。经过测试分析,该模型同传统的诊断方法相比,训练速度快,准确度较高,为绝缘子单片的监控分析提供了一种高效可靠的诊断方法。
-
单位华北电力大学; 国网河北省电力公司