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。

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。

基于光纤的布里渊频移特性和输电线路基本方程, 建立了输电线路分布式弧垂与输电线路温度的关系, 通过监测OPGW(光纤复合架空地线)的光纤频移值, 获得了输电线路的温度分布, 进而计算获得了输电线路的分布式弧垂。通过对比现场弧垂勘察和监测值, 得出弧垂监测误差在10%以内。为输电线路的弧垂监测提供了一种安全、方便和有效的监测方法。