瓷绝缘子在配电线路中应用广泛, 受长期机电应力与户外恶劣环境影响, 在运行中易发生劣化。红外热像法是一种重要的劣化绝缘子带电检测方法, 具有检测方便、安全高效和非接触式的优点, 已成为线路巡检的重要手段, 但劣化绝缘子热像特征不明显, 肉眼识别易出现误判。为此, 本文首先对配电线路瓷绝缘子进行温度场仿真分析, 然后提出了一种劣化绝缘子红外热像检测方法, 采用多尺度模板匹配算法定位识别绝缘子, 获取绝缘子红外图像中的坐标参数, 并对其进行分割提取, 通过最小二乘线性拟合提取绝缘子表面温度。结合相关标准与仿真分析结果, 通过同类比较判断法对比多个绝缘子温度状态的差异, 实现劣化绝缘子检测。

文章回顾了本研究小组将人工神经网络(ANN)和深度神经网络(DNN)用于提取布里渊光时域分析仪(BOTDA)传感系统中的温度分布信息的研究工作。在对ANN或者DNN模型进行适当的训练之后，沿被测光纤的温度分布信息能够被训练完成的ANN或DNN从实验获得的布里渊增益谱(BGS)中直接提取出来，而不需要像传统的洛伦兹线型拟合(LCF)方法一样先对BGS拟合得到布里渊频移(BFS)，再将其转换成温度信息。实验结果展示出了用ANN和DNN进行温度提取的方法相比于用传统LCF方法的优势。