基于智能感知与深度学习的智能变电站设备 状态检测方法*
2022-08-06李远松丁津津汤汉松单荣荣
电气工程学报 2022年2期
李远松 丁津津 徐 晨 高 博 汤汉松 单荣荣
(1. 国网安徽省电力有限公司电力科学研究院 合肥 230601; 2. 安徽新力电业科技咨询有限责任公司 合肥 230022; 3. 江苏凌创电气自动化股份有限公司 镇江 212009; 4. 国电南瑞科技股份有限公司 南京 211106)
1 引言
随着用电量不断增长,电力系统需要通过变电站实现输配电线路的大规模互联,以满足用户需求。一旦变电站设备故障,电网超负荷运行下容易出现异常情况,进而影响系统的稳定可靠性[1]。因此需要在变电站内配置监控设备,以实时监测站内设备状态,并在发现设备异常时上报工作人员[2]。
自20世纪70年代以来,电力系统中绝缘子故障一直是常见的设备问题,由于电力变压器、配电绝缘体等变电设备的套管绝缘失效,造成电力中断,给电网造成严重损失[3-4]。但依靠人工检查监测变电站设备的状态是一项很耗时的工作,并且很难全面地查找出设备故障。而使用热像仪监测变电站设备状态能够获取较为准确的图像,工作人员根据图像掌握设备状态以采取适当的措施。但该监测方式周期较长,而微小故障持续时间长,缺乏对其连续监测可能会导致危险的发生[5]。而目前常用的措施是在变电站上方安装低功率热像仪以监测设备,利用热像仪采集热信号,并进行状态监测分析,而数据分析方法的性能对设备状态的准确获取至关重要。
红外图像处理通过数据处理获得表征设备运行状态的特征量,并利用自适应神经模糊推理系统、深度学习等方法实现设备状态的分类或识别[6]。……
登录APP查看全文
