国网湖南省电力有限公司常德供电公司 蔡 杰 刘 星 潘 炜 毋靖轩

红外测温技术广泛应用于电力设备巡检，通过对测温图谱分析能够有效发现电力设备异常状态，及时消除设备隐患对维护电力系统稳定具有重大意义。红外测温设备众多，数据庞大，目前依靠人工进行数据整理效率低下，且众多的红外数据无法进行整合，不便于进行大数据的综合分析处理。基于此，文章利用BP神经网络算法，对红外测温图谱的温度识别进行了研究，并通过实际图谱对该算法的正确性和有效性进行了验证。验证结果表明，利用BP神经网络算法不仅为实现红外测温数据自解析和图谱数据的自动诊断功能奠定基础，还可以进行大数据的积累，进一步提高变电站的智能化水平。

随着电网规模不断扩大，电力设备的正常运行保障工作越来越重要，其中电力设备的温度监控成为设备安全保障的关键部分。红外精准测温工作全程采用人工监控的方式不仅存在人力成本高、人为漏判或误判等问题，而且可能会出现数据丢失或者数据更新不及时的情况，这使得变电设备测温工作效率低下，数据可靠性和有效性方面令人难以满意。因此，为了解决人工识别分析图谱的低质量、低效率问题，红外图谱智能识别成为了一种新的发展方向。

基于红外图谱的设备故障识别，最重要的是图谱温度的识别。红外图谱的温度信息可作为判断变电设备电流制热型故障的直接依据，也是判断电压制热型故障的基本特征数据。……