[发明专利]基于机载高光谱的绝缘子污闪预测方法及系统

权利要求书

1.基于机载高光谱的绝缘子污闪预测方法，其特征在于，包括：

构建污闪预测模型；

构建污闪预测模型的步骤，包括：

制备不同湿润等级污秽绝缘子，利用高光谱成像仪采集数据，建立不同湿润等级的污秽绝缘子光谱库；

测试不同湿润等级污秽绝缘子的闪络电压值；

根据不同湿润等级污秽绝缘子光谱库及对应的闪络电压值构建污闪预测模型；

获取线路绝缘子的高光谱图像，获取所述线路绝缘子周围环境的湿润等级；

对所述高光谱图像进行黑白校正和多元散射校正，在所述湿润等级下提取特征波长；

根据所述污闪预测模型和所述特征波长，计算预测闪络电压值；

将所述预测闪络电压值与所述线路绝缘子正常闪络电压对比，实现对所述线路绝缘子污闪预测。

2.根据权利要求1所述的方法，其特征在于，所述制备不同湿润等级污秽绝缘子，利用高光谱成像仪采集数据，建立不同湿润等级的污秽绝缘子光谱库的步骤，包括：

制备不同湿润等级污秽等级样品；

利用高光谱成像仪扫描获取不同湿润等级下每个污秽等级样品的波谱曲线；

计算所述不同湿润等级下每个污秽等级样品波谱曲线的平均值，得到不同湿润等级下每个污秽等级的标准波谱特征，建立不同湿润等级的污秽绝缘子光谱库。

3.根据权利要求1所述的方法，其特征在于，还包括：

将所述特征波长与所述污秽绝缘子光谱库对比，在所述线路绝缘子周围环境的湿润等级下，确定线路绝缘子的污秽等级。

4.根据权利要求1所述的方法，其特征在于，所述黑白校正的公式为：

；

其中，为原始光谱数据DN值，D为黑校正数据，W为白校正数据。

5.根据权利要求1所述的方法，其特征在于，所述多元散射校正的步骤包括：

计算所有样品的平均光谱：；

将样品光谱与所述平均光谱进行一元线性回归：；

计算多元散射校正后的光谱：；

其中，A_i,j表示维光谱数据矩阵，n为样品数，p为光谱采集所用的波长点数，表示所有样品的原始高光谱在各个波长点处求平均值所得到的平均光谱矢量，是维矩阵，表示单个样品光谱矢量，和分别表示各样品高光谱与平均光谱进行一元线性回归后得到的相对偏移系数和平移量。

6.根据权利要求1所述的方法，其特征在于，利用连续投影算法在所述湿润等级下提取特征波长。

7.根据权利要求1所述的方法，其特征在于，所述将所述预测闪络电压值与所述线路绝缘子正常闪络电压对比，实现对线路绝缘子污闪预测的步骤包括：

计算所述预测闪络电压值与所述线路绝缘子正常闪络电压的差值百分比；

根据所述差值百分比判断污闪发生可能等级。

8.基于机载高光谱的绝缘子污闪预测系统，其特征在于，包括无人机，机载高光谱成像仪，辐射校正模块，数据传输模块，数据处理模块和温湿度传感器；

所述无人机用于搭载所述机载高光谱成像仪；

所述机载高光谱成像仪用于获取线路绝缘子的高光谱图像；

所述辐射校正模块用于对所述高光谱图像进行黑白校正和多元散射校正；

所述温湿度传感器用于获取所述线路绝缘子周围环境湿度；

所述数据传输模块用于将校正后的高光谱图像和所述周围环境湿度传输到所述数据处理模块；

所述数据处理模块用于根据所述周围环境湿度判定湿润等级，在所述湿润等级下提取所述校正后的高光谱图像特征波长；根据污闪预测模型和所述特征波长，计算预测闪络电压值；将所述预测闪络电压值与所述线路绝缘子正常闪络电压对比，实现对所述线路绝缘子污闪预测。

9.根据权利要求8所述的系统，其特征在于，所述的无人机包括大疆M600 PRO 六旋翼无人机和自稳云台；所述机载高光谱成像仪包括GaiaField 便携式地物高光谱仪，所述机载高光谱成像仪的光谱范围为400-1000nm，光谱分辨率为2.8nm。