摘  要：针对高压绝缘子污闪事故频繁发生，给电力系统造成巨大损失的状况，本文提出了一种基于BP神经网络的绝缘子污秽度在线检测系统，通过对绝缘子的表面泄漏电流采样、数据处理及样本训练后，仿真效果表明，该神经网络系统能达到在线检测绝缘子污秽度的要求。

关键词：绝缘子;污秽度;BP神经网络

中图分类号：TM216;TP183       文献标识码：A 文章编号：2096-4706（2019）21-0038-03

Abstract：In view of the frequent occurrence of pollution flashover accidents of high-voltage insulator，which causes huge losses to the power system. In this paper，an online detection system of insulator contamination based on BP neural network is proposed. After the sampling，data processing and sample training of insulator surface leakage current，the simulation results show that the neural network system can meet the requirements of online detection of insulator contamination.

Keywords：insulator;contamination;BP neural network

0  引  言

目前，我国电力系统污闪事故数量巨大，仅次于雷击事故数量，且污闪事故造成的直接损失是雷击损失的10倍以上[1]。因此，开发一套高效的绝缘子污秽度在线检系测统是十分必要的。有了在线检测系统，能够准确划分污区，并确定清扫周期[2]。

本文开发了一种对高压绝缘子污秽度在线检测的BP神经网络系统，首先用电感流传器对绝缘子的表面泄漏电流采样，经过滤波限幅、消谐及远程参数设定等数据处理后，用数据对BP神经网络样本训练。仿真效果在一定误差范围内与盐灰密度法的实验结果基本符合，证明该神经网络系统能达到在线检测绝缘子污秽度的要求。

1  表面泄漏电流的采样及数据处理

1.1  采样系统

本文对表面泄漏电流采样的系统如图1所示[3]。

在图1中，电感流传器装在绝缘子的最后一片上，初始信号经电感流传器输入检测仪及程控增益处进行滤波限幅，接着进行谐波治理环节，之后将数额输入MCU，结合环境温度、湿度等进行远程参数设定。

1.2  数据处理

1.2.1  滤波限幅、放大

本文对初始泄漏电流进行滤波后，对泄漏电流的峰值、峰值平均值及脉冲数等数据由多路复用器和程控增益放大器限幅放大。……