绝缘子运行状态的评估关乎到输电工程的安全运行。紫外成像技术提供了一种绝缘子评估的量化手段, 为此, 提出了一种基于改进自适应神经模糊推理系统(adaptive neuro-fuzzy inference system, ANFIS)的绝缘子紫外光斑评估方法。首先, 搭建了绝缘子污秽放电测试平台, 开展了不同测试距离和增益下的绝缘子放电强度研究。其次, 将增益以及紫外光斑面积作为训练数据, 建立了基于贝叶斯推理的 ANFIS模型。最后, 进行了现场验证测试。结果表明, 该方法具有良好的预测精度和测试效率, 适用于绝缘子紫外成像量化评估, 为绝缘子运行状态的评估提供了技术支撑。

为研究盘式绝缘子积污放电的紫外图谱特征, 提出了一种基于图像分割的光斑面积计算方法。首先, 基于 C-V模型, 开展积污绝缘子紫外图像径向分布的研究。接着, 与红外温度场曲线进行对比研究, 验证其合理性。最后, 研究不同电阻率、风速情况下积污绝缘子的紫外图谱特征。研究结果表明: C-V模型应用于图像处理中, 具有较强的抗干扰性, 适用于盘式绝缘子径向放电强度的研究; 随着表面电阻率的降低, 盘式绝缘子紫外光斑面积会增大; 风速对盘式绝缘子放电强度有明显的影响; 研究结果可为盘式绝缘子径向放电强度的评估提供一定的参考。

激光回波易被噪声污染, 被干扰或遮挡时会出现数据缺失。针对该问题, 提出一种基于贝叶斯因子分析(Bayesian factor analysis, BFA)模型的激光回波信号增强算法。首先利用因子分析(factor analysis, FA)模型对激光回波进行建模, 从而将信号增强问题转换为对模型参数的求解问题；然后将自动相关确定(automatic relevance determination, ARD)理论引入FA模型, 实现对因子个数的自适应寻优；最后采用变分贝叶斯期望最大(variational Bayes expectation maximization, VBEM)算法对模型参数进行迭代更新, 在贝叶斯后验概率最大准则下实现激光回波的噪声抑制和缺失样本恢复。基于实测数据开展试验, 在低信噪比和数据随机缺失情况下, 所提方法能够获得较好的噪声抑制性能和较高的缺失样本恢复性能, 从而保证后续信号处理能够准确采集到回波中的高价值信息。