所属栏目：光电技术论文范文发布时间：2026-03-13浏览量:556
摘要：近年来复合绝缘子红外图像识别发展迅速，其识别过程中不乏存在可见光干扰导致的绝缘子发热误判。首先，基于小波塔式分解算法，并结合希尔伯特变换，对现场在运复合绝缘子红外测试所提取的温度曲线进行处理，得到温度曲线中高频分量的包络线特征量。然后，对正常状态、阳光干扰、发热3 种不同类型下的绝缘子红外图像特征量进行计算，并分析了其分布差异。结果表明，所提方法能有效识别出受阳光影响的绝缘子红外图像，也可筛选出受阳光干扰叠加发热的绝缘子红外图像，进行红外补测，防止因阳光干扰造成绝缘子发热漏判。
关键词：复合绝缘子;温度曲线;小波;希尔伯特变换;红外图像;可见光干扰;发热
论文《可见光干扰下复合绝缘子红外测试温度分布特征研究》发表在《智慧电力》，版权归《智慧电力》所有。本文来自网络平台，仅供参考。
0 引言
相较于传统陶瓷绝缘子，复合绝缘子有防污闪、憎水迁移性、质量轻等优点，广泛用于输电线路[1]。运行中复合绝缘子受到高压线路电气效应与热效应、外部极端天气环境带来的雨雪风暴影响，部分复合绝缘子在运行中出现护套老化受潮、芯棒酥朽、表面积污等缺陷[2-3]，缺陷进一步发展可能导致绝缘子断串、内部击穿事件，影响其电气、机械性能，严重危害大电网稳定运行[4-8]。红外、紫外测试则是发现现场运行绝缘子发热的有效手段[9-13]。
文献[2]制作了3 种人工缺陷绝缘子，分析了不同空间分辨率红外镜头对红外测试结果的影响，建议提高现场所用红外镜头空间分辨率。文献[14]提出了一种基于多光谱法的联合检测技术，将可见光检测、红外检测、紫外检测技术有效结合，成果成功应用于500 kV 交流输电线路和±660 kV 直流输电线路。文献[15]通过小波分解与低频分量重构，有效抑制了绝缘子红外测试后温度曲线中高频分量，降低了红外结果误判概率。文献[16]对复合绝缘子芯棒的缺陷类型、发热机理、红外特征进行梳理，总结比较了绝缘子红外测试的影响因素与测试方法。文献[17]基于现场实际运行数据统计与实验室试验结果，建议红外测温在低湿环境下进行。
综上所述，现有研究多倾向于夜间或者清晨、傍晚进行无人机红外巡视以尽量减弱白天可见光对红外测温图像带来的干扰[18]。白天阳光直射绝缘子，使得红外测试绝缘子芯棒温差增大，同时可能掩盖绝缘子可能存在的发热区域[19-20]。但是输电线路杆塔数量众多、分布分散，当前技术条件下要完成大规模测试，难以完全避免阳光的影响。获得阳光对绝缘子红外测试的温度分布特征，有助于现场红外图像的分析和绝缘子红外图像的自动处理。
基于现场大量在运绝缘子的红外图像发热类型判断的区分需求，采用小波塔式分解算法(小波基函数dmey)对绝缘子芯棒温度曲线分解，结合希尔伯特变换(Hilbert transform , HT)得到温度曲线中高频分量的包络线，利用所得包络线求取其绝对值的平均值和标准差，实现正常状态、阳光干扰、发热3 种不同类型绝缘子的红外图像区分。
1 研究方法与研究对象
1.1 现场测试方法与测试对象
利用无人机搭载红外摄像装备开展复合绝缘子现场红外测试，现场典型红外镜头设备参数见表1 所示。
表1 现场红外镜头参数 Table 1 Parameters of on-site infrared lens
|红外镜头型号|焦距/ mm|测温灵敏度/ mK|测温范围/°C|测试帧频/ Hz|像元间距/ m|空间分辨率/ mrad|
|XTS|19|<50|-25~135|30|17|0.895|
表2 线路电压等级与红外图谱数量 Table 2 Voltage level and infrared spectra number
|绝缘子状态|电压等级/kV|红外图片数量|
|阳光干扰|110/220|28/30|
|护套老化受潮|110/220|20/60|
|积污|110/220|25/57|
|正常|110/220|237/278|
测试时风速不大于5 m/s，反射率取0.95，距离小于10 m。以天空为测试背景来增加对比，利于红外设备聚焦和后续数据分析处理。测试时确保绝缘子伞裙未对芯棒产生遮挡，避免因遮挡导致绝缘子芯棒发热漏测[21]。
测试的绝缘子数据包括正常、发热、阳光干扰3 种情况，其中发热情况又细分为护套老化受潮发热与积污发热。各类绝缘子所在线路电压等级与红外图谱数量见表2。现场典型红外图谱见图1 所示。
(a)正常状态 (b)发热(护套老化受潮) (c)发热(积污) (d)阳光干扰
图1 现场典型红外图谱 Fig.1 On-site typical infrared spectrum
为获取正常(无发热、无阳光干扰)状态下复合绝缘子红外数据，选取阴天进行红外测试。同时为防止绝缘子表面凝露或其他液态水对测试其发热情况产生影响，测试当天与测试前1 d 均无降水[22]，并避免在雾天进行测试。测试后对所得红外图像进行复核，确认绝缘子各部位芯棒、伞裙没有明显的色温差异，以此确定复合绝缘子无发热或阳光干扰存在。此部分绝缘子的测试环境相对湿度不超过80%。正常状态下绝缘子典型红外图谱见图1 (a)。
为获取发热状态下的复合绝缘子红外图像，利用2020 年8 月台风过境引发部分线路绝缘子快速积污从而产生发热的时机进行测试;同时对平时运维掌握的存在护套老化受潮引起端部发热的线路复合绝缘子进行测试。对测试所得红外图像进行复核，确认绝缘子芯棒存在由发热引起的亮区部分。为确保发热图谱的获取，此部分绝缘子的测试环境相对湿度处于75%~95% 间。护套老化受潮发热、表面积污发热绝缘子的典型红外图谱见图1 (b) 和图1 (c)。
为获取阳光干扰下的复合绝缘子红外图像，在阳光光照较强的天气下，利用中午时间进行测试。为避免护套老化受潮、表面积污引发绝缘子发热，测试时的相对湿度低于70%。同时对红外图像进行复核，确认伞裙或芯棒表面存在边界明显的亮区。阳光干扰下绝缘子的典型红外图谱见图1 (d)。阳光干扰图片拍摄于 年 月，光辐照度为125.8 W / m²。
1.2 数据分析方法
拍摄现场典型红外图像，结合分析软件导出绝缘子芯棒中轴线温度曲线的各个离散点数据，如式 (1)所示:
式中：$f_T$ 为芯棒温度曲线; $m$ 为数据点数; $T_{i}$ 为第 $i$ 个测点位置温度数值。
基于温度曲线 $f_{T}$，计算温度峰值与 $f_{T}$ 平均值之差 $T_{P}$ 表征温升幅值，如式(2)所示:
式中: $T_{max }$ 为温度曲线最大值。
复合绝缘子芯棒方向温度曲线 $f_{T}$ 包含高频和低频分量[15]，其中高频分量表现为多个窄带温度脉冲。采用小波塔式分解算法(小波基函数dmey)对温度曲线 $f_{T}$ 分解[23]，分解过程见图2。
图2 温度曲线分解过程 Fig.2 Temperature curve decomposition process
图中，温度曲线 $f_{T}$ 被分解为近似分量 $f_{1AT}$ 和细节分量 $f_{1DT}$。近似分量 $f_{1AT}$ 进一步分解为近似分量 $f_{2AT}$ 和细节分量 $f_{2DT}$，细节分量 $f_{1DT}$ 不做分解。经多层分解后得到近似分量 $f_{4AT}$，作为芯棒温度曲线 $f_{T}$ 的低频分量 $f_{LT}$。温度曲线 $f_{T}$ 的高频分量 $f_{HT}$ 如式 (3)所示:
对式(3)所得高频分量 $f_{HT}$，采用希尔伯特变换[24](Hilbert transform ,HT)得其包络线。
首先定义 $f_{HT}$ 信号的希尔伯特变换[24]
[H(X(t))=Y(t)=frac{1}{pi t}* X(t)]
式中: $X(t)$ 为高频分量 $f_{HT}$ 信号; $f_{HT}$ 信号经希尔伯特变换后为 $Y(t)$。
根据柯西原理积分值[25]，构建 $f_{HT}$ 信号的解析信号 $z(t)$:
[z(t)=X(t)+j Y(t)=A(t) e^{j heta(t)}]
$A(t)$ 与 $ heta(t)$ 分别为瞬时幅值与瞬时相位，由式 (6)和式(7)给出:
[A(t)=left[X^{2}(t)+Y^{2}(t) ight]^{1 / 2}]
[ heta(t)=arctan (Y(t)/X(t))]
基于HT 提取高频分量 $f_{HT}$ 信号的包络线 $HT(f_{HT})$，由式(8)所得。
[HT(X(t))=Y(t)=frac{1}{pi} int_{-infty}^{+infty} frac{X( au)}{t- au} d au(8)]
式中: $ au$ 为积分变量，$t$ 为自变量。
求取高频分量 $f_{HT}$ 信号包络线 $HT(f_{HT})$ 后，利用所得包络线求取其绝对值的平均值 $f_{MHHT }$ 和标准差 $S_{kHHT}$，也即 $f_{MHHT }$ 为温度高频分量包络线绝对值平均值，$S_{kHHT}$ 为温度高频分量包络线绝对值标准差[26]。
2 温度分布特征
2.1 温差特征
对第2 节所述绝缘子样本进行现场红外测试后，分别按照110 kV 与220 kV 电压等级，以及正常状态、护套老化受潮发热、污秽发热、阳光干扰4 种情况对绝缘子进行分类并编号。绝缘子红外图像温度曲线的温升幅值 $f_{P}$ 见图3。
图3 现场测试绝缘子红外图谱温差特征 Fig.3 Temperature difference characteristics of infrared spectrum of on-sit insulator test
(a) 110kV (b) 220kV
由图3 可知，110 kV、220 kV 复合绝缘子的温差特征如下:
1) 正常状态下绝缘子温差幅值波动不大，110 kV 绝缘子样本处于0~2 K 之间，220 kV 处于0~5 K 之间;当绝缘子产生发热时，绝缘子温差幅度上升。
2) 当污秽发热绝缘子，110 kV 与220 kV 绝缘子温差幅度明显增大，与正常状态下的温差幅度仅有少部分重叠。
3) 当护套老化受潮发热时，大部分110 kV 绝缘子、220 kV 绝缘子的温差幅度相较于正常情况升高，但少数绝缘子发热情况不严重，温差幅度与正常绝缘子温差幅度存在重叠。
4) 在阳光影响下，110 kV、220 kV 绝缘子的温差幅度处于护套老化受潮发热与污秽发热2 种不同发热情况的温差幅度之间，导致用温差作为判据时，难以区分真正发热的绝缘子与阳光干扰下的正常绝缘子。因此仅靠温差特征无法自动区分正常情况、护套老化受潮发热、污秽发热、阳光干扰4 种情况下的绝缘子红外图谱。
2.2 高频分量包络线特征量分布
对绝缘子样本分别按照110 kV 与220 kV 电压等级，以及正常状态、护套老化受潮发热、污秽发热、阳光干扰4 种情况对绝缘子进行分类，计算红外图谱的温度曲线高频分量 $f_{HT}$ 信号的包络线绝对值平均值 $f_{MHHT }$ 和标准差 $S_{kHHT}$。110 kV 与220 kV 的各类绝缘子特征量分布见图4。
图4 现场测试绝缘子红外图谱 $f_{MHHT }$ 与 $S_{kHHT}$ 分布特征 Fig.4 Distribution characteristics of $f_{MHHT }$ and $S_{kHHT}$ for infrared spectra of on-sit insulator test
(a) 110kV (b) 220kV
由图4 可知，110 kV、220 kV 复合绝缘子的 $f_{MHHT }$、$S_{kHHT}$ 参数空间分布如下:
1) 正常状态、发热、阳光干扰3 类绝缘子红外图谱的特征量空间分布存在明显差异。因此，$f_{MHHT }$、$S_{kHHT}$ 参数可以用于红外图片中绝缘子是否受到阳光干扰的判断。
2) 对于发热绝缘子，污秽发热和端部护套老化受潮发热2 种类型特征量空间分布也有较为明显的差异。
3) 端部护套老化受潮发热绝缘子与正常状态下绝缘子的特征量分布存在重叠、与阳光干扰下的绝缘子特征量分布空间距离较远。
4) 积污发热绝缘子与正常绝缘子特征量分布存在重叠、与阳光干扰下的绝缘子特征量分布空间距离较近。
2.3 特征量分布差异机理
由图4 可知，正常、发热、阳光干扰下的绝缘子 $f_{MHHT }$ 与 $S_{kHHT}$ 二维特征量分布存在显著差异。以图5 所示的110 kV 典型正常状态、发热、阳光干扰下的绝缘子为例，说明三类绝缘子 $f_{MHHT }$ 与 $S_{kHHT}$ 特征量分布存在差异的原因。
图5 典型110 kV绝缘子红外图谱与温度曲线 Fig.5 Typical infrared spectra and temperature curve for 110 kV insulator
(a)正常110kV绝缘子红外图谱和温度曲线 (b)发热110kV绝缘子红外图谱和温度曲线 (c)阳光干扰110kV绝缘子红外图谱和温度曲线
正常、发热、阳光干扰下绝缘子的温度曲线高频分量及其温度曲线中高频分量的包络线绝对值如图6 所示。
图6 110 kV绝缘子温度高频分量及其包络线绝对值 Fig.6 High frequency component of 110 kV insulator temperature and its envelope absolute value
(a)正常绝缘子高频分量与高频分量包络线绝对值 (b)发热绝缘子高频分量与高频分量包络线绝对值 (c)阳光干扰绝缘子高频分量与高频分量包络线绝对值
结合图5 (a)、图6 (a)可知，正常状态下绝缘子表面温度波动较小，温度高频分量的幅值较小，其包络线绝对值在0~0.5℃间。
结合图5 (c)、图6 (c)可知，在阳光干扰下，绝缘子温度曲线的高频分量幅值显著增大。这是因为阳光照射在绝缘子上时，绝缘子多片伞裙或多段芯棒上产生了亮区，相应区域通过红外测试读取到的温度较高，致使绝缘子温度曲线产生了近似周期性出现的脉冲分量，如图5 (c)所示。温度曲线中相应高频分量幅值的增大，导致了温度高频分量包络线绝对值的平均值 $f_{MHHT }$ 与标准差 $S_{kHHT}$ 数据增大，因此在正常状态与阳光干扰下的绝缘子温度高频分量特征量 $f_{MHHT }$ 与 $S_{kHHT}$ 的分布产生了显著差异。
结合图5 (b)、图6 (b)可知，对于发热绝缘子，其发热区域边界也存在较高幅值的高频分量，但在非发热区域，高频分量幅值较小，发热绝缘子高频分量包络线绝对值标准差 $S_{kHHT}$ 主要来源于发热区域边界的贡献，而发热区域的数量有限，因此当发热绝缘子高频分量特征量 $S_{kHHT}$ 与阳光干扰下的绝缘子特征量 $S_{kHHT}$ 相同时，其高频分量包络线绝对值平均值 $f_{MHHT }$ 数值更小，因此发热与阳光干扰下的绝缘子温度高频分量特征量 $f_{MHHT }$ 与 $S_{kHHT}$ 分布存在差异。
值得指出，积污发热绝缘子与端部护套老化受潮发热绝缘子的发热特点并不相同。护套老化受潮绝缘子发热多集中于高压端部，而积污绝缘子则通常存在多处发热，其温度曲线上存在有多处高频分量较大的区域，从而导致其 $f_{MHHT }$、$S_{kHHT}$ 参数大于端部护套老化受潮发热绝缘子。因此在特征量 $f_{MHHT }$、$S_{kHHT}$ 参数的空间分布中，端部护套老化受潮发热绝缘子更接近正常状态绝缘子，而积污发热绝缘子则更接近于阳光干扰下绝缘子。
2.4 绝缘子长度的影响
在现场测试时，可能存在由于仪器拍摄角度与距离约束限制所导致的绝缘子红外图像拍摄不全情况。分别取绝缘子的完整长度以及从高压段起始至50% 长度的温度曲线，对220 kV 复合绝缘子特征量 $f_{MHHT }$、$S_{kHHT}$ 参数进行计算，包括正常状态、护套老化受潮发热、积污发热、阳光干扰下绝缘子结果如图7 所示。
图7 不同长度220 kV复合绝缘子特征量分布差异 Fig.7 Differences in characteristic quantity distribution of 220 kV composite insulators with different lengths
(a)正常 (b)护套老化受潮发热 (c)污秽发热 (d)阳光干扰
由图7 可知，(1) 对于正常状态、护套老化受潮发热的绝缘子样本，当 $S_{kHHT}$ 数值较小时，全长度、半长度绝缘子特征量分布没有明显差异;当 $S_{kHHT}$ 数值较大时，半长度与全长度的绝缘子特征量分布存在差异，半长度绝缘子特征量 $f_{MHHT }$、$S_{kHHT}$ 数值增大明显;(2) 对于污秽发热绝缘子，规律类似，由于其 $S_{kHHT}$ 数值较大的样本占比更多，因此长度变化对其特征量分布影响较正常状态、护套老化受潮发热绝缘子更为显著;(3) 对于阳光干扰下的绝缘子，半长度下 $f_{MHHT }$ 参数有所增加，而 $S_{kHHT}$ 变化不明显。
因此，绝缘子长度对其特征量 $f_{MHHT }$、$S_{kHHT}$ 数值大小与分布具有一定影响，在利用上述特征量判断是否存在阳光干扰时，由于不同电压等级绝缘子长度不同，建议对各电压等级下的绝缘子利用其各自样本构建独立的判断方法。
3 可见光干扰叠加发热缺陷的判断
现场拍摄的一处220 kV 双串绝缘子的红外图像如图8 所示。
图8 阳光干扰下叠加发热220 kV复合绝缘子红外图像 Fig.8 Infrared image of 220 kV composite insulator with heating under sunlight interference
其中左侧绝缘子在第4 大伞位置存在因内部缺陷引起的发热，右侧绝缘子高压端部存在发热。同时这2 支绝缘子红外测试时受到了外部阳光的影响，伞裙边缘可见阳光引起的反光。提取两者的温度曲线见图9 所示。
图9 阳光干扰下叠加发热220 kV复合绝缘子温度曲线 Fig.9 Temperature curves for 220 kV composite insulator with heating under sunlight interference
(a)阳光干扰叠加非高压端发热 (b)阳光干扰叠加高压端发热
图9(a)中横坐标100 位置附近的温度高峰即为内部缺陷发热，图9(b)中温度曲线起始位置的温度最高达到30 ℃，为端部发热。计算出2 支绝缘子的特征量 $f_{MHHT }$、$S_{kHHT}$，并与前述提及的绝缘子样本特征量进行比对，如图10 所示。
图10 阳光干扰叠加发热220 kV复合绝缘子特征量分布 Fig.10 Distribution of characteristic quantity for 220 kV composite insulator with heating under sunlight interference
由图10 可知，复合绝缘子在阳光干扰下叠加上高压端或非高压端发热时，本文所述方法能有效判断出绝缘子红外图像受到阳光干扰，但无法进一步区分出其是否存在阳光叠加发热的情况。从图9 可知，阳光叠加发热时，发热区域的温度曲线波峰高度、高温区域长度与阳光引发的温度波动不完全一致，因此当发热区域长度较长、发热幅值明显高于阳光反射区域的温度时，有希望通过其他算法实现发热的筛查，这一工作将在后续开展。
4 结论
本文利用小波塔式分解算法，结合希尔伯特变换，对现场在运复合绝缘子红外测试后提取的温度曲线进行处理，得到温度曲线中高频分量的包络线特征量。并对正常状态、阳光干扰、发热3 种不同类型下的绝缘子特征量分布进行分析，有效识别出受阳光干扰后的绝缘子红外图像，得到结论如下。
1) 可见光干扰下的绝缘子温差幅度与发热情况下绝缘子温差幅度区间相互重叠。仅靠温差特征无法区分出可见光干扰与发热情况下的绝缘子红外图谱。
2) 基于本文所提出的小波塔式分解算法结合希尔伯特变换后，基于绝缘子温度高频分量特征量，即平均值 $f_{MHHT }$ 和标准差 $S_{kHHT}$ 数值空间分布，可有效区分出正常状态、发热、可见光干扰下的绝缘子红外图像，可用于现场红外图像中对复合绝缘子阳光干扰的判断。
3) 拍摄所得红外图像中包含的绝缘子长度对特征量分布存在一定影响，可能影响对绝缘子状态判断结果，建议对各电压等级下的绝缘子利用其各自样本构建独立的判断方法。
4) 当绝缘子处于可见光干扰叠加发热状态时，本文所提方法能有效判断出绝缘子红外图像是否受到阳光干扰，但无法进一步区分出其是否存在阳光叠加发热的情况。相应工作将是后续探索方向。
参考文献
[1] 龚文权,钟连宏,李金法. 复合绝缘子运行与评价[J]. 高电压技术,2002, (5):46-48. GONG Wenquan,ZHONG Lianhong,LI Jinfa. Operation and evaluation of composite insulators [J]. High Voltage Technology, 2002, (5): 46-48.
[2] 尹林,胡京,王文彬,等. 环境条件对基于无人机红外检测的零值绝缘子检测判据的影响研究[J]. 电瓷避雷器,2023, (5):171-177. YIN Lin,HU Jing,WANG Wenbin,et al.Research on the influence of environmental conditions on the zero-value insulator detection criteria based on drone infrared detection[J]. Insulators and Surge Arresters, 2023, (5): 171-177.
[3] 李特,王尧平,李响,等.±500 kV 葛南线绝缘子自然积污特性研究[J].浙江电力,2023,42(6):98-104. LI Te,WANG Yaoping,LI Xiang,et al. ±500 kV Genan line insulator natural contamination characteristics research[J]. Zhejiang Electric Power,2023,42(6): 98-104.
[4] 蔡汉贤,李光茂,杨杰,等. 基于电､热､酸复合应力下复合绝缘子芯棒老化特性研究[J].电瓷避雷器,2023(4):197-204. CAI Hanxian,LI Guangmao,YANG Jie,et al. Study on aging characteristics of composite insulator core rod under electrical, thermal and acid combined stress[J].Insulators and Surge Arresters, 2023(4): 197-204.
[5] 贾志东,杨朝翔,王希林,等. 基于憎水迁移性测试的复合绝缘子老化特性[J].高电压技术,2015,41(6):1907-1914. JIA Zhidong,YANG Zhaoxiang,WANG Xilin,et al. Aging characteristics of composite insulators based on hydrophobic migration test[J]. High Voltage Technology,2015,41(6):1907-1914.
[6] 孟祥龙,尚瑞琦,樊浩楠,等. 湿热环境下脂环族环氧树脂绝缘子和硅橡胶复合绝缘子芯棒-护套界面老化特性研究[J]. 电网技术,2023,47(1):396-403. MENG Xianglong,SHANG Ruiqi,FAN Haonan,et al. Study on the aging characteristics of the core rod-sheath interface of alicyclic epoxy resin insulators and silicone rubber composite insulators under hot and humid environment[J]. Power System Technology, 2023,47(1):396-403.
[7] 刘辉,张洋,李子岳,等. 复合绝缘子内部缺陷微波致热检测方法[J].高压电器,2023,59(3):179-188. LIU Hui,ZHANG Yang,LI Ziyue,et al. Microwave heating detection method for internal defects of composite insulators[J]. High Voltage Apparatus, 2023, 59 (3): 179-188.
[8] 张东东,万武艺,刘欣,等. 基于无人机的绝缘子带电零值检测技术[J].电力工程技术,2023,42(1):234-242. ZHANG Dongdong, WAN Wuyi, LIU Xin, et al. Insulator live zero value detection technology based on drone[J]. Electric Power Engineering Technology, 2023, 42(1):234-242.
[9] 余欧然,郭裕钧,张血琴,等. 基于近红外高光谱的绝缘子污层受潮程度检测[J].电瓷避雷器,2022, (6):197-203. YU Ouran,GUO Yujun,ZHANG Xueqin,et al. Detection of moisture degree of insulator pollution layer based on near-infrared hyperspectroscopy[J]. Insulators and Surge Arresters, 2022,(6): 197-203.
[10] 彭向阳,梁福逊,钱金菊,等. 基于机载红外影像纹理特征的输电线路绝缘子自动定位[J].高电压技术,2019,45(3):922-928. PENG Xiangyang,LIANG Fuxun,QIAN Jinju,et al. Automatic positioning of transmission line insulators based on texture features of airborne infrared images[J]. High Voltage Engineering,2019,45 (3): 922-928.
[11] 申巍,宋治波,王森,等. 基于红外成像的缺陷复合绝缘子温升特性分析[J].无损检测,2023,45(9):5-11. SHEN Wei,SONG Zhibo,WANG Sen,et al. Analysis of temperature rise characteristics of defective composite insulators based on infrared imaging[J].Nondestructive Testing,2023,45(9): 5-11.
[12] 王祖林,黄涛,刘艳,等. 合成绝缘子故障的红外热像在线检测 [J].电网技术,2003, (2):17-20. WANG Zulin,HUANG Tao,LIU Yan,et al. Online detection of composite insulator faults by infrared thermal imaging[J]. Power System Technology,2003, (2): 17-20.
[13] 周阳洋,胡俊华,徐华,等. 一种瓷支柱绝缘子红外图像目标检测算法[J].浙江电力,2023,42(11):78-85. ZHOU Yangyang,HU Junhua,XU Hua,et al. An infrared image target detection algorithm for porcelain post insulators[J]. Zhejiang Electric Power,2023,42 (11): 78-85.
[14] 卢明,高超,李子岳,等. 复合绝缘子酥朽断裂事故的分布规律研究[J].高压电器,2024,60(2):133-142. LU Ming,GAO Chao,LI Ziyue,et al. Research on the distribution law of composite insulator decay and fracture accidents[J]. High Voltage Apparatus, 2024, 60(2): 133-142.
[15] 裴少通,马子儒,刘云鹏,等.500 kV 输电线路劣化瓷绝缘子非线性发热特性的红外分析[J].高压电器,2024,60(1):33-40. PEI Shaotong,MA Ziru,LIU Yunpeng,et al. Infrared analysis of nonlinear heating characteristics of deteriorated porcelain insulators of 500 kV transmission lines[J].High Voltage Apparatus, 2024, 60(1): 33-40.
[16] 李特,刘黎,巢亚锋,等. 架空线路复合绝缘子现场红外测试研究现状评述[J].水电能源科学,2020,38(8):184-187. LI Te,LIU Li,CHAO Yafeng,et al. Review of research status of on-site infrared testing of composite insulators for overhead lines [J]. Hydropower Energy Science,2020,38(8): 184-187.
[17] 王黎明,付铠玮,梅红伟,等. 环境湿度对复合绝缘子红外测温的影响[J].高电压技术,2019,45(6):1955-1961. WANG Liming,FU Kaiwei,MEI Hongwei,et al. Environmental Humidity Effect of temperature on infrared temperature measurement of composite insulators[J]. High Voltage Engineering, 2019,45(6): 1955-1961.
[18] 王仁书,吴文斌,董懿飞,等. 复合绝缘子夜间巡视图像智能处理技术研究[J].海峡科学,2022, (4):49-55. WANG Renshu,WU Wenbin,DONG Yifei,et al. Research on intelligent processing technology of night patrol images of composite insulators[J]. Strait Science,2022, (4): 49-55.
[19] 李欣然,黄齐林,陈晓琳,等. 基于不同发热特征的复合绝缘子老化原因分析[J].绝缘材料,2023,56(8):100-107. LI Xinran,HUANG Qilin,CHEN Xiaolin,et al. Analysis of the causes of composite insulator aging based on different heating characteristics[J]. Insulation Materials, 2023, 56(8):100-107.
[20] 李特,陶瑞祥,张锐,等. 典型发热缺陷复合绝缘子红外特征及无人机红外测试参数选择[J]. 高电压技术,2022,48(3): 865-875. LI Te,TAO Ruixiang,ZHANG Rui,et al. Infrared characteristics of typical thermal defect composite insulators and selection of infrared test parameters for drones[J]. High Voltage Engineering,2022,48 (3): 865-875.
[21] 刘波江,袁伟亮.玻璃绝缘子老化､污秽与表面放电强度相关性分析[J].广东电力,2023,36(6):102-110. LIU Bojiang,YUAN Weiliang.Correlation analysis between aging, contamination and surface discharge intensity of glass insulators[J]. Guangdong Electric Power,2023,36(6):102-110.
[22] LIU R,SHEN Q H,LIU H,et al. Discussion on infrared accurate temperature measuring technology of composite insulators for overhead lines[J]. The Journal of Engineering,2019,2019(16): 1759-1762.
[23] 王益群. 小波分析算法与应用[M]. 西安: 西安交通大学出版社, 2002.
[24] RAMU S K,IRUDAYARAJ G C R,SUBRAMANI S,et al. Broken rotor bar fault detection using Hilbert transform and neural networks applied to direct torque control of induction motor drive [J]. IET Power Electronics,2020,13(15): 3328-3338.
[25] ABD-EL-MALEK M B,ABDELSALAM A K,HASSAN O E. Novel approach using Hilbert Transform for multiple broken rotor bars fault location detection for three phase induction motor[J]. ISA transactions,2018,80: 439-457.
[26] BICKEL P J,DOKSUM K A. Mathematical statistics: basic ideas and selected topics,volumes I-II package[M]. Chapman and Hall/ CRC,2015.