论文部分内容阅读
随着电力系统的容量增大、高电压及特高压等电网的建设,使得整个电网结构变得更加复杂。电力设备电气可靠性很大程度上取决于其绝缘性,这对电力系统安全可靠地运行环境也提出更高的要求,传统的实验和诊断方法在一定程度上很难满足现行电气设备的检测与维修,因此克服传统检测缺陷和改变以往检测方式显得尤为重要,一种能对电力设备状况实时监控的在线检测的方式已成为研究热点。
电力系统在线检测技术研究不仅包括用于设备监测、信息传输、数据处理的硬件设施,其软件技术也是关键问题。即在线监测系统当面对检测设备反馈的故障信息时候必须拥有能快速有效的处理故障的能力,并能将分析的故障信息整理存储作为经验积累。因此对于在线监测技术系统,重点是对监测设备所检测的状况数据进行鉴别处理,将故障信息快速分析整理以便及时发现故障隐患。
本论文在对现有绝缘子运行工况在线检测原理和常见故障分析基础上,对几种现行的监测方法获得的故障图片开展研究。图片故障定位主要涉及图像增强和特征提取,而不同处理方法对图像特征侧重点不同,作者利用阈值法对故障信息敏感而边缘检测算法能快速提取边缘信息的特点,综合两者的优点来获得比较理想的故障图片。同时通过对电气设备一般故障图片上故障信息小而背景信息量大的特点提出一种自动判断阈值分割故障信息的方法,改变了需要人工设定阈值才能获得故障信息的特点,该方法所获得结果以不损失关键信息又保证数据存储较小的前提下,结合监测设备反馈的环境信息就能对故障发生大小、位置做出综合性的判断。该方法为电力系统在线监测系统智能化提供了理论基础,对实现电力系统电气设备大规模在线监测图像识别提供了技术手段。