1 南瑞集团（国网电力科学研究院）有限公司, 江苏南京 211106
2 国网电力科学研究院武汉南瑞有限责任公司, 湖北武汉 430074
绝缘子的红外图像分析一般采用图像处理的方法, 易受背景环境和数据量的影响, 准确率和效率均较低, 本文提出一种深度学习的异常诊断方法, 基于改进的 Faster R-CNN方法搭建检测网络, 开展不同类型的绝缘子测试。研究结果表明: 相对于神经网络（ Back Propagation, BP）、Faster R-CNN方法, 本文方法可高效地诊断出绝缘子的异常缺陷, 平均检测精度达到 90.2%；单 I型和 V型绝缘子的异常诊断准确率高于双 I型绝缘子。研究结果可为输电线路绝缘子异常诊断提供一定的参考。
绝缘子 异常诊断 深度学习 平均检测精度 红外图谱 insulator, abnormal diagnosis, deep learning, Fast Faster R-CNN
1 河南开封供电公司, 河南 开封475003
2 光纤通信技术和网络国家重点实验室 烽火富华电气有限责任公司, 湖北 武汉430074
新型光纤数字化电子式电流互感器(ECT)是在普通ECT的基础上改进其存在的一些不足, 使之精度更高, 功耗更低, 功能更完善, 适用于数字化变电站的要求。文章首先介绍了新型光纤数字化ECT的总体设计, 然后分别介绍了组成新型数字化ECT的高压侧数据采集器和低压侧合并单元(MU), 最后介绍了新型数字化ECT的供能方案。
电子式电流互感器 数据采集 合并单元 激光供能 ECT data collector MU laser power supply
