马立新，豆晨飞，宋晨灿，杨天笑

基于VGGNet算法的绝缘子无损检测

马立新*，豆晨飞，宋晨灿，杨天笑

上海理工大学机械工程学院，上海 200093

针对电力系统中存在的难以检测运营中的绝缘子劣化问题，本文在深入分析卷积神经网络模型的原理和结构的基础上，运用卷积神经网络算法对绝缘子劣化程度进行评估。通过绝缘子工频闪络试验使其产生无放电、弱放电、强放电三种状态，并使用紫外成像仪采集不同放电状态下的绝缘子紫外图像构建紫外图像样本库。利用VGGNet框架神经网络算法对样本进行分类训练和状态预测评估，最终达到判断绝缘子是否劣化的目的。由实验结果可知，该算法准确率高达98.4%，在绝缘子劣化检测上有宽广的应用前景，并为其他电力设备的可靠性检测提供了思路。

卷积神经网络；紫外放电；无损检测；绝缘子

1 引 言

我国是一个电力大国，电力系统结构复杂，而电力系统的供电可靠性关系到国计民生，为了维持电力系统的稳定性以及可靠性，需要拥有各种可靠稳定的设备，绝缘子就是其中一种。绝缘子是安装在不同电位的导体或导体与接地构件之间的能够耐受电压和机械应力作用的器件，其主要功能是实现电气绝缘和机械固定，是电力系统中的重要设备[1]。绝缘子绝缘性能的完好与否，影响整条线路的使用寿命和安全运行。因此，如何准确快速的检测运营中的绝缘子劣化程度，是一个重要的研究方向。

近年来，各种各样的绝缘子检测算法层出不穷，如文献[2]提出的基于红外成像法的检测算法，文献[3]提出的基于彩色可见光的绝缘子缺陷检测方法等。……