基于紅外圖像特征參量和GK-SVM算法的復合絕緣子劣化診斷方法研究

摘要：

復合絕緣子劣化、 局部溫升已成為輸電系統運行過程中的嚴重問題， 紅外圖像可用于復合絕緣子發熱的識別， 但復合絕緣子發熱影響因素復雜、 缺乏有效識別方法等問題制約了紅外圖像的有效應用。 考慮風速、 濕度、 碳化通道長度、 水分侵入等條件， 建立了復合絕緣子碳化通道電—熱—流多物理場仿真模型， 系統研究了劣化復合絕緣子發熱的影響因素， 并提出基于環境輸入參量及紅外圖像特征參量的粒度高斯核支持向量機（GK-SVM）故障識別方法。 研究結果表明： 電壓等級、 風速、 濕度、 碳化通道長度、 水分侵入等級均對復合絕緣子缺陷處溫度產生影響， 相同條件下， 220 kV復合絕緣子缺陷處的相對溫升最大， 可達13.2 ℃。 其中碳化通道缺陷長度和水分侵入等級對復合絕緣子缺陷處溫度產生較大影響， 當缺陷長度從0 mm升至200 mm時， 缺陷處溫度相對于環境溫升增加了4.3倍； 而水分侵入等級從0級升至3級時， 缺陷處溫度相對于環境溫升增加了0.7倍。 濕度和風速均對缺陷處溫度產生負向影響， 當環境濕度從30%升至80%時， 缺陷處溫度相對于環境溫升降低了20.6%； 而環境風速從0 m/s升至6 m/s時， 缺陷處溫度相對于環境溫升降低了24.2%。 基于環境輸入參量及紅外圖像特征參量， 應用GK-SVM算法的復合絕緣子發熱故障識別方法對110 kV和220 kV線路故障絕緣子的故障識別率分別可達93.98%和94.67%， 誤報率僅為7.14%和5.33%。 研究結果對于劣化復合絕緣子診斷方法的應用具有重要的參考價值。

關" 鍵" 詞：

紅外圖像特征； 復合絕緣子； 劣化； 發熱； 識別方法； 粒度高斯核

中圖分類號：

TM216

文獻標志碼：A

文章編號：16739868（2025）02018411

收稿日期：20240306

基金項目：

國網江蘇省電力有限公司科技項目（J2023087）； 江蘇省自然科學基金項目（BK20181021）。

作者簡介：

武永泉， 高級工程師， 主要從事輸電線路運檢研究。

DOI： 10.13718/j.cnki.xdzk.2025.02.016

武永泉， 周暉， 趙軒， 等． 基于紅外圖像特征參量和GK-SVM算法的復合絕緣子劣化診斷方法研究 ［J］． 西南大學學報（自然科學版）， 2025， 47（2）： 184-194．

Research on Composite Insulator Degradation Diagnosis Method

Based on Infrared Image Feature Parameters and GK-SVM

WU Yongquan1，" ZHOU Hui1，" ZHAO Xuan1，" ZHANG Siwei1，

ZHU Renjie1，" HUANG Zhao1，" WANG Yijiao2，

QIAO Xinhan2，" ZHANG Dongdong2

1. Nanjing Power Supply Company， State Grid Jiangsu Electric Power Co. Ltd.， Nanjing 210024， China；

2. Institute of Transmission and Distribution Equipment and New Technologies， Nanjing Institute of Technology，" "Nanjing 211167， China

Abstract：

The degradation and local temperature rise of composite insulators have become a serious problem in the operation of transmission systems． Infrared image can be used for identifying the heating of composite insulators， however， the complex factors affecting the heating of composite insulators and the lack of effective identification methods have hindered the effective application of infrared image． This research considered conditions such as wind speed， humidity， carbonization channel length， and moisture intrusion to establish a electricity-heat-flow multi-physical field simulation model for composite insulator carbonization channels． The factors affecting the heating of deteriorated composite insulators were systematically studied， and a Granular Gaussian Kernel Support Vector Machine （GK-SVM） fault identification method based on environmental input parameters and infrared image characteristic parameters was proposed． Research had shown that voltage level， wind speed， humidity， carbonization channel length， and mositure intrusion all had an impact on the temperature at the defect location of composite insulators． Under the same conditions， the relative temperature rise at the defect location of 220 kV composite insulators was the highest， reaching 13.2 ℃． The length of carbonization channel defects and the level of moisture intrusion had a significant impact on the temperature at the defect site of composite insulators． When the defect length increased from 0 to 200 mm， the temperature at the defect site increased by 4.3 times relative to the environmental temperature rise． When the moisture intrusion level increased from 0 to 3， the temperature at the defect site increased by 0.7 times relative to the environmental temperature rise． Both humidity and wind speed had a negative impact on the temperature at the defect site． When the environmental humidity increased from 30% to 80%， the temperature at the defect site decreased by 20.6% relative to the environmental temperature rise． When the environmental wind speed increased from 0 to 6 m/s， the temperature at the defect site decreased by 24.2% relative to the environmental temperature rise． Based on environmental input parameters and infrared image feature parameters， the composite insulator heating fault identification method using GK-SVM can achieve identification rate of 93.98% and 94.67% with 1 alarm rate of only 7.14% and 5.33% for faulty insulators in 110 kV and 220 kV transmission lines， respectively． The research results have important reference value for the application of diagnosis method of deteriorated composite insulators．

Key words：

infrared image feature； composite insulator； deterioration； heat generation； identification method； Granular Gaussian kernel

復合絕緣子由于其重量較輕， 具有較好的抗污閃特性， 已廣泛應用于高壓和超特高壓輸電系統中［1-4］。 大多數復合絕緣子具有良好的運行狀態， 但仍有些復合絕緣子由于內部缺陷逐漸出現斷裂現象和其他極端故障［5-6］。 早期的復合絕緣子故障通常引起發熱現象， 絕緣子發熱產生溫升， 一方面容易造成復合材料的加速老化， 導致憎水性降低， 進一步導致絕緣子絕緣性能降低［7］， 從而容易發生污閃、 雨閃等外絕緣閃絡事故； 另一方面， 發熱產生溫升為復合絕緣子故障的非接觸式在線監測提供了可能［8］。 但異常溫升問題與其外部氣候條件相關， 例如， 當天氣潮濕， 水分浸入復合絕緣子時， 缺陷產生的極化損耗、 泄漏電流、 局部放電可能會導致絕緣子局部溫度升高［5， 9］。 因此在進行發熱識別過程中， 除了內部缺陷本身之外， 應充分考慮外部環境等影響因素。

為了保證復合絕緣子安全可靠的運行， 國內外學者對復合絕緣子的發熱及識別方法進行了大量的研究［5-6， 10-20］。 文獻［10］通過試驗研究了濕度、 污染和局部電場對老化絕緣子溫度和介電性能的影響， 研究發現局部加熱是造成表面硅橡膠（SIR）材料老化的主要原因， 老化后的SIR材料在高局域交流電場和高相對濕度下具有較強的介電損耗； 文獻［11］研究了復合絕緣子紅外檢測中的不穩定溫升現象， 研究發現復合絕緣子的不穩定溫升現象與環境濕度和紅外熱像儀的觀測角度有關， 高濕條件下的溫升遠高于低濕條件下的溫升， 觀測角度會影響紅外測溫結果， 建議采用多角度拍攝， 避免測量誤差； 文獻［12］研究了復合絕緣子不同形式的異常溫升。 復合絕緣子的異常溫升可分為點狀溫升和條狀溫升2種， 建議在復合絕緣子上檢測到點狀溫升時， 應適當縮短絕緣子的檢測周期； 一旦檢測到條狀溫升， 應立即更換絕緣子； 文獻［13］通過數值模擬分析和仿真模型試驗， 系統地確定了不同類型復合絕緣子條件熱缺陷的缺陷溫度與紅外結果之間的相互關系， 特別是濕度與熱之間的關系， 研究結果有助于闡明復合絕緣子的熱流傳導規律， 為了優化現有的復合絕緣子檢測標準， 應盡可能在干燥環境中檢測復合絕緣子， 盲目提高溫升的閾值是不可取的。

上述研究對于揭示復合絕緣子異常發熱原因以及基于紅外圖像故障識別方法的應用具有重要的意義。 然而， 由于缺乏系統的復合絕緣子發熱影響因素研究， 通過紅外圖像的故障識別誤檢漏檢率較高。 因此， 本文系統研究了缺陷復合絕緣子發熱影響因素， 并基于分析結果， 提出基于環境輸入參量及紅外圖像特征參量的GK-SVM故障識別方法， 研究結果對于劣化復合絕緣子的診斷具有重要參考價值。

1

劣化復合絕緣子發熱特征影響因素仿真

碳化通道缺陷及受潮缺陷是復合絕緣子最為常見的劣化類別， 圖1展示了一種芯棒碳化酥朽的解剖圖。 本文考慮風速、 濕度、 碳化通道長度、 水分侵入等條件， 對復合絕緣子最常見的碳化通道缺陷進行電—熱—流多物理場仿真研究。 為研究電壓等級的影響， 本文建立了110 kV、 220 kV、 500 kV、 1 000 kV復合絕緣子的幾何模型， 復合絕緣子結構尺寸如表1所示， 碳化通道及受潮缺陷設置位置示意圖如圖2所示。

計算過程中同時考慮電磁熱和非等溫流動多場耦合建立仿真模型， 為了提高計算效率， 網格劃分采用局部加密的方式， 局部劃分結果如圖3所示， 不同材料參量如表2所示。 其中， 缺陷碳化通道根據水分侵入受潮等級， 其介電常數均勻遞增至80 F/m（水的介電常數約為81 F/m）。

2" 復合絕緣子發熱特征影響因素仿真分析

2.1" 復合絕緣子多物理場仿真結果

根據前文所述方法， 對110 kV、 220 kV、 500 kV、 1 000 kV復合絕緣子分別建模， 施加相應電壓。 風速設置為0 m/s， 環境溫度設為20 ℃， 不考慮環境濕度影響， 以高壓端碳化缺陷100 mm為例， 研究不同電壓等級對碳化缺陷處溫度的影響情況， 不同電壓等級復合絕緣子熱場分布如圖4所示。 同時給出電場分布以解釋局部發熱原因， 如圖5所示。 根據圖4可得到電壓等級對溫升的影響， 如圖6所示。

由圖4～圖6可以看出， 電壓等級對復合絕緣子缺陷處溫度會產生一定影響。 當電壓等級從110 kV升至1 000 kV時， 絕緣子缺陷處溫度從35.3 ℃升至46.9 ℃， 絕緣子相較于空氣的溫升逐漸增加， 但是相對于同電壓等級無缺陷的溫升呈現先增加后降低的趨勢。 220 kV復合絕緣子缺陷處的相對溫升最大， 可達13.2 ℃， 這是因為隨著電壓等級的增加， 介質損耗產生的熱量越多， 所以電壓等級越高， 絕對溫升越高。 但是電壓等級越高， 其無缺陷條件的基礎溫升也增加了， 導致500 kV和1 000 kV復合絕緣子的相對溫升下降， 最終導致220 kV復合絕緣子缺陷處的相對溫升最大。 因此在通過紅外圖像對絕緣子缺陷進行識別時， 應考慮電壓等級的影響。

此外， 電場強度在碳化通道缺陷處最高。 不同電壓等級的復合絕緣子， 在碳化缺陷處的電場強度均有所升高， 絕緣子其他部位無明顯變化， 碳化通道導致的電場增加是缺陷處發熱的原因之一。

2.2" 缺陷長度及受潮的影響

本文根據實際的碳化通道尺寸調研， 選取了0、 20、 40、 60、 80、 100、 120、 140、 160、 180、 200 mm的碳化通道長度作為不同缺陷等級的模擬。 根據前文所述方法， 以110 kV復合絕緣子為例分別建模， 施加相應電壓， 風速設置為0 m/s， 環境溫度設為20 ℃， 不考慮環境濕度影響， 并根據前文所述方法， 以100 mm碳化通道長度為例， 研究4個等級的水分侵入， 仿真得到缺陷長度和水分侵入等級對溫度和溫升的影響， 如圖7、 圖8所示。

由圖7、 圖8可以看出， 復合絕緣子碳化通道缺陷長度和水分侵入等級均對復合絕緣子缺陷處溫度產生正向影響。 當缺陷長度從0 mm升至200 mm時， 絕緣子缺陷處溫度從25.5 ℃升至49.2 ℃， 相對于環境溫升由5.5 ℃升至29.2 ℃， 增加了4.3倍。 而水分侵入等級從0級升至3級時， 絕緣子缺陷處溫度從35.3 ℃升至45.6 ℃， 相對于環境溫升由15.3 ℃升至25.6 ℃， 增加0.7倍。 由此可以看出， 碳化通道尺寸和水分侵入等級均對復合絕緣子產生較大影響， 因此可以通過紅外圖像對絕緣子缺陷進行識別。

2.3" 環境因素的影響

環境因素是影響紅外圖像進行復合絕緣子缺陷識別的重要因素， 因此本文研究了濕度和風速因素對于缺陷復合絕緣子發熱的影響。 根據前文所述方法， 以110 kV復合絕緣子為例分別建模， 施加相應電壓， 風速設置為0～6 m/s， 環境溫度設為20 ℃， 環境濕度設置為30%～80%， 仿真得到濕度和風速因素對溫度和溫升的影響， 如圖9所示。

由圖9可以看出， 當高壓端碳化通道缺陷為100 mm時， 在電—熱—流耦合仿真下， 相對濕度為30%時復合絕緣子溫度分布與前文得到的整體分布結果基本一致。 由于考慮了濕度的影響， 與前文35.3 ℃的溫度相比略降低為33.1 ℃。

濕度和風速均對復合絕緣子缺陷處的溫度產生負向影響。 當環境濕度從30%升至80%時， 絕緣子缺陷處溫度從33.1 ℃降低至30.4 ℃， 相對于環境溫升由13.1 ℃降低至10.4 ℃， 降低了20.6%。 而環境風速從0 m/s升至6 m/s時， 絕緣子缺陷處溫度從35.3 ℃降低至31.6 ℃， 相對于環境溫升由15.3 ℃降低至11.6 ℃， 降低了24.2%。 由此可以看出， 濕度和風速環境因素均對復合絕緣子發熱產生一定的影響， 因此通過紅外圖像對絕緣子缺陷進行識別時， 應考慮環境因素的影響。

2.4" 空氣濕度對發熱特性的影響機制分析

本文仿真得到的空氣濕度對絕緣子缺陷處溫升的影響是負向的， 但是文獻［21］中的影響和本文的研究結果不一致， 因此本文對此不同點進行了分析。 本文仿真結果與文獻［21］測試結果對比如圖10所示。

從圖10中可以看出， 在本文的研究中， 隨著濕度的逐步增加， 仿真得到的溫升是逐漸降低的， 這是因為空氣當中水分的增加加快了芯棒的散熱， 因此有利于散熱并使得溫升降低。 但從文獻［21］中可以看出， 隨著濕度的增加， 溫升是先增加后降低的， 空氣中的水分從護套開裂處侵入絕緣子內部， 由于水分子為極性分子， 在交變電場作用下產生有損極化損耗， 從而使復合絕緣子溫升增大。

仿真與試驗最主要的區別是， 仿真溫升的影響是短時的， 僅作用于散熱方面， 而現實當中長時間的高濕度會導致水分侵入， 濕度一方面影響介質損耗發熱， 另一方面會影響散熱。 綜上， 濕度也對復合絕緣子發熱產生一定的影響， 因此通過紅外圖像對絕緣子缺陷進行識別時， 還應考慮濕度的影響。

3" 基于紅外圖像的發熱識別方法

3.1" 環境輸入參量及紅外圖像特征參量

3.1.1" 環境輸入參量

根據上一章的研究結果， 復合絕緣子發熱受到濕度、 風速等因素影響， 因此建模過程應考慮這些環境因素。 本文以輸電線路所在地區最小單位時間環境平均濕度Have、 環境平均風速Vave作為2個輸入參量， 其中最小單位時間為對應紅外圖像采集可獲得環境參數的最小時間段。 此外， 在識別模型訓練過程中將不同電壓等級納入不同類別。

3.1.2" 紅外圖像溫度特征參量

獲取復合絕緣子紅外圖像的環境背景溫度Tback、 最大溫度Tmax、 平均溫度Tave作為統計特征參量。

3.1.3" 紅外圖像幾何特征參量

首先進行圖像預處理， 預處理包括將RGB圖像轉為灰度圖像和圖像去噪， 這2個步驟都是必不可少的， 在分割算法前以提高輸入熱圖的圖像質量。

其次進行圖像分割， 采用最優閾值分割和平滑技術對重點區域進行分割， 以探索故障區域。 應用最優閾值算法得到的二值圖像數學表達式為：

B（i， j）=

1if G（i， j）≥α

0if G（i， j）＜α

（1）

式中： G （i， j）和B （i， j）分別為灰度圖像和變換后的二值圖像； α為具體閾值。

通過式（1）進行圖像分割， 可得二值圖像。 處理單元對圖像故障區域進行定位， 然后在二值對象中提取幾何和統計特征數據。

最后進行紅外圖像的特征參量提取， 其中Ar表示故障區域面積， 其數學表達式為：

Ar=∑ni=1B（x， y）（2）

式中： B（x， y）為二值圖像。

Mja表示被分割的故障區域的最長弦， 其數學表達式為：

Mja=（x2-x1）2+（y2-y1）2（3）

最長弦端點（x1， y1）和（x2， y2）通過計算對象中每個邊界像素之間的距離來確定， 邊界像素之間的最大距離被認為是最長弦。

Mna表示被分割的故障區域的最短弦， 其數學表達式為：

Mna=" （x′2-x′1）2+（y′2-y′1）2（4）

最短弦端點（x′1， y′1）和（x′2， y′2）通過計算對象中每個邊界像素之間的距離來確定， 邊界像素之間的最小距離被認為是最短弦。

偏心度Ecc（R）表示最長弦與最短弦的比值， 它提供了有關分段故障區域形狀的信息。

Ecc（R）=MjaMna（5）

P（R）為周長， 其數學表達示為：

P（R）=∑i（xi-xi+1）2+（yi-yi+1）2（6）

式中： xi和yi為邊界區域上第i個像素的坐標。

3.2" 構建GK-SVM分類器

GK-SVM表示基于粒度高斯核的支持向量機， 其中GK表示粒度核， 本文選用粒度高斯核。 傳統SVM學習算法中， 每個數據點都要參加訓練， 其學習速度取決于給定樣本的規模。 本文利用信息粒代替傳統的訓練樣本點， 可大大提高學習器的效率。

SVM從輸入特征向量中選取支持向量， 并繪制超平面進行分類， 2類決策超平面的數學表達式為：

h（xi）=

+1if f（x）≥0

-1if f（x）＜0

（7）

式中： h（xi）表示分類器超平面； f（x）表示超平面函數。 若歸類為+1， 表明位于超平面右側， 屬于正類。 相反， 若歸類為-1， 表明位于超平面左側， 屬于負類。

此外， 通常線性SVM的性能不適用于多類分類問題， 基于核的SVM在多類問題處理中具有良好效果。 因此， 采用高斯核SVM（GK-SVM）對絕緣子進行故障分類。 高斯超平面函數的數學表達式為：

f（x）=∑Ni∝iyik（xi， x）+b（8）

式中： ∝i表示權值， 它可以為0； k（xi， x）表示利用支持向量繪制的高斯核方程， 其數學表達式為：

k（xi， x）=exp‖x-xi‖22σ2（9）

為了建立分類器， 將環境輸入參量、 紅外圖像溫度和幾何特征轉化為向量集， 并按照70%和30%的比例進行訓練和測試。

3.3" 案例分析

研究中總共獲得了1 200張（110 kV的700張， 其中故障樣本83張； 220 kV的500張， 其中故障樣本75張）熱成像圖像。 以其中2個故障圖片為案例進行分析， 圖像處理過程如圖11所示。 根據GK-SVM算法進行預測識別， 關鍵參數中的正則參數C選取100， 核參數σ選取1， 并選擇人工神經網絡算法（ANN）進行對比， 最終結果如表3所示。 在表3中， 以110 kV為例， 總量表示樣本的總量為700， 故障表示樣本真實故障數為83， 故障識別表示被識別出來的真實故障樣本數量為78， 故障識別率表示正確的故障識別在真實故障數中的占比（78/83）， 誤報表示把無故障識別為故障的樣本量為6， 誤報率表示誤報數與總識別故障之比（6/（6+78））。

從表3中可以看出， 本文所提的基于環境輸入參量及紅外圖像特征參量的GK-SVM故障識別方法對于不同電壓等級的復合絕緣子故障識別率均較高， 110 kV和220 kV線路的故障識別率分別可達93.98%和94.67%， 誤報率僅為7.14%和5.33%。 110 kV和220 kV線路的故障識別率均高于ANN算法的結果， 且誤報率也低于ANN算法的結果， 具有較好的故障識別效果。

4" 結論

本文研究了基于紅外圖像特征參量和GK-SVM算法的復合絕緣子劣化診斷方法， 得到主要結論如下：

1） 電壓等級對復合絕緣子缺陷處的溫度產生一定影響， 當電壓等級從110 kV升至1 000 kV時， 缺陷處溫度相較于空氣的溫升逐漸增加， 但是相對于同電壓等級無缺陷處的溫升呈現先增加后降低的趨勢， 220 kV復合絕緣子的缺陷處相對溫升最大， 可達13.2 ℃。

2） 碳化通道缺陷長度和水分侵入等級均對復合絕緣子缺陷處的溫度產生正向影響， 缺陷長度從0 mm升至200 mm時， 缺陷處溫度相對于環境溫升增加了4.3倍。 而水分侵入等級從0級升至3級時， 缺陷處溫度相對于環境溫升增加0.7倍。 因此， 碳化通道尺寸和水分侵入等級均對復合絕緣子產生較大影響， 可以通過紅外圖像對絕緣子缺陷進行識別。

3） 濕度和風速均對復合絕緣子缺陷處的溫度產生負向影響， 當環境濕度從30%升至80%時， 絕緣子缺陷處溫度相對于環境溫升降低了20.6%。 而環境風速從0 m/s升至6 m/s時， 絕緣子缺陷處溫度相對于環境溫升降低了24.2%。

4） 基于環境輸入參量及紅外圖像特征參量， 應用GK-SVM算法的復合絕緣子發熱故障識別方法對110 kV和220 kV線路故障絕緣子的故障識別率分別可達93.98%和94.67%， 誤報率僅為7.14%和5.33%。

參考文獻：

［1］

BAKER A C， BELL S， BERNSTORF R A， et al． High Voltage Composite Line Post Insulators Combined Load Limits ［J］． IEEE Transactions on Power Delivery， 2023， 38（1）： 38-45．

［2］" JIN H， LV Z K， YUAN Z K， et al． Micro-Cracks Identification and Characterization on the Sheds of Composite Insulators by Fractal Dimension ［J］． IEEE Transactions on Smart Grid， 2021， 12（2）： 1821-1824．

［3］" LU M， LI Y Y， HU J L． Influence of Sheds Damage on the AC Pollution Flashover Performance of Different Voltage Class Composite Insulators ［J］． IEEE Access， 2020， 8： 84713-84719．

［4］" PALANGAR M F， AMIN U， BAKHSHAYESH H， et al． Identification of Composite Insulator Criticality Based on a New Leakage Current Diagnostic Index ［J］． IEEE Transactions on Instrumentation and Measurement， 2021， 70： 9004110．

［5］" 李龍龍． 考慮太陽輻射和水分浸入對復合絕緣子的溫升影響研究 ［D］． 蘭州： 蘭州理工大學， 2023．

［6］" 張立明， 馬立， 曹鋮． 某500 kV輸電線路復合絕緣子掉串故障分析 ［J］． 科技創新與應用， 2023， 13（26）： 97-101．

［7］" 文龍， 李特， 趙浩然， 等． 220 kV沿海線路復合絕緣子異常發熱問題原因分析 ［J］． 電工技術， 2023（21）： 210-213．

［8］" ZENG X J， ZHANG H F， REN Y H， et al． Finite Element Simulation on the Thermal Degradation of Silicone Rubber of Composite Insulator ［C］ //2023 IEEE 4th International Conference on Electrical Materials and Power Equipment （ICEMPE）， May 7-10， 2023， Shanghai， China． IEEE， 2023： 1-4．

［9］" 張東東， 萬武藝， 黃宵寧， 等． 基于熱—電—流耦合的芯棒碳化復合絕緣子發熱特性研究 ［J］． 電網技術， 2023， 47（7）： 3010-3018．

［10］TU Y P， GONG B， YUAN Z K， et al． Moisture Induced Local Heating of Overhead Line Composite Insulators ［J］． IEEE Transactions on Dielectrics and Electrical Insulation， 2017， 24（1）： 483-489．

［11］LI Z T， SHEN W， CAO W， et al． Study on Unstable Temperature Rise of Slightly Heating Composite Insulator Based on Infrared Detection ［C］ //2022 9th International Conference on Condition Monitoring and Diagnosis （CMD）， November 13-18， 2022， Kitakyushu， Japan． IEEE， 2022： 746-749．

［12］YUAN Z K， TU Y P， LI R H， et al． Review on the Characteristics， Heating Sources and Evolutionary Processes of the Operating Composite Insulators with Abnormal Temperature Rise ［J］． CSEE Journal of Power and Energy Systems， 2022， 8（3）： 910-921．

［13］CHENG L， LIAO R J， YANG L J， et al． An Optimized Infrared Detection Strategy for Defective Composite Insulators According to the Law of Heat Flux Propagation Considering the Environmental Factors ［J］． IEEE Access， 2018， 6： 38137-38146．

［14］YUAN Z K， TU Y P， ZHAO Y F， et al． Analysis on Heat Source of Abnormal Temperature Rise of Composite Insulator Housings ［J］． IEEE Transactions on Dielectrics and Electrical Insulation， 2017， 24（6）： 3578-3585．

［15］CHENG L， ZHANG Z H， ZHANG F Z， et al． Study on Electrical Properties and Field Solutions of Water Related Heating of Composite Insulators on 500 kV AC Transmission Lines ［C］ //2015 IEEE Conference on Electrical Insulation and Dielectric Phenomena （CEIDP）， October 18-21， 2015， Ann Arbor， MI， USA． IEEE， 2015： 672-675．

［16］胡琴， 劉黎， 徐興， 等． 基于隨機森林算法的異常發熱復合絕緣子分類模型 ［J］． 電網技術， 2024， 48（1）： 416-425．

［17］李欣然， 黃齊林， 陳曉琳， 等． 基于不同發熱特征的復合絕緣子老化原因分析 ［J］． 絕緣材料， 2023， 56（8）： 100-107．

［18］劉輝， 張洋， 李子岳， 等． 復合絕緣子內部缺陷微波致熱檢測方法 ［J］． 高壓電器， 2023， 59（3）： 179-188．

［19］王曉杰， 許軍， 林朝暉， 等． 輸電線路復合絕緣子溫升現象及其成因分析 ［J］． 電瓷避雷器， 2022（5）： 165-171．

［20］于業齊． 架空線路絕緣子內外部缺陷檢測方法研究 ［D］． 淮南： 安徽理工大學， 2022．

［21］侯思祖， 鐘正， 張思敏， 等． 不同濕度和觀測距離下酥朽復合絕緣子的溫升特性研究 ［J］． 絕緣材料， 2022， 55（5）： 102-107．

責任編輯" 柳劍

崔玉潔