大量化石燃料的过度开采与使用,导致当前亟待解决的环境问题进一步恶化,开发具有清洁特性的新型能源势在必行。分布式能源(distributed energy resources,DER)作为大电网有效补充方式,其因为清洁无污染、安装运行维护便利等优点逐渐被人们所接受,并取得了快速发展。当DER接入配电网后,辐射式网络变为一个遍布多电源和用户互联的网络,电网特性发生明显变化。电网中的避雷设备能够有效降低电网遭受雷击的运行风险,考虑到DER接入电网后,其动作次数和保护范围因为系统潮流分布而受到一定程度的影响,因此加强对避雷设备的动作次数和泄露电流的监测工作对指导电网安全稳定运行具有重要意义。本文围绕新型避雷器状态巡视技术开展研究。论文首先研究避雷器仪表畸变矫正算法。考虑到换流站用避雷器仪表和摄像机布局点的复杂性,其在采集原始数据时会发生一定程度的畸变,研究基于透视变换的图像矫正技术。其次研究避雷器动作次数的辨识方法。首先利用垂直投影法对原始图片进行分割,将图片分割成具体的字符,再利用改进的BP神经网络完成动作次数的识别。BP神经网络权值修正时,增加了动量项,并且使用了自适应调整学习率,这样可以加快收敛速度,提高识别速度和识别精度。最后研究避雷器泄露电流的识别算法。先采用减影法提取指针,再由改进的Hough变换快速准确的识别出泄漏电流的大小。通过实验证明改进后的Hough变换较传统Hough变换在识别时间上的改进。仿真结果表明所提方法能有效克服传统仪表自动识别算法的局限性,提高读数识别的准确性,采用改进的BP网络识别字符具有很好的辨识效果,能正确地识别出换流站用避雷器的泄漏电流,保证精确度的同时,大大地缩减了识读所用时间,达到了系统实时性的要求,具有重大的社会效益及潜在经济的效益。