[发明专利]基于解谱网络的绝缘子污秽成分识别方法和系统

说明书

本发明涉及输变电设备运行状态检修技术领域，为基于解谱网络的绝缘子污秽成分识别方法和系统，该方法包括制备混合污秽样品和单一污秽样本；采集混合污秽和与其对应的单一污秽的高光谱图像数据，建立污秽样本高光谱图像数据库；搭建基于解谱网络的混合污秽成分的分离识别模型，评估分离识别模型性能；通过混合污秽成分的分离识别模型，输出混合污秽样本的高光谱图像数据数的污秽种类，得到待识别的混合污秽样本对应的污秽成分。本发明实现了对具两种以上污秽化合物的绝缘子污秽成分高光谱图像谱线解谱，对混合污秽的具体单一成分谱线分离与提取，对绝缘子污秽成分的快速、非接触式的检测，提高了绝缘子混合污秽成分识别准确率。

技术领域

本发明涉及输变电设备运行状态检修技术领域，具体涉及基于解谱网络的绝缘子污秽成分识别方法和系统。

背景技术

绝缘子暴露在大气环境中受到不同天气、污染源的影响，常在表面沉积不同组分污秽，污秽溶于水破坏绝缘子绝缘性能进而引发污闪现象威胁电网安全。研究调查证明，受不同污染源的影响的不同污秽组分对绝缘子污闪现象的贡献度有很大差别，因此开展对绝缘子表面具体组成污秽成分的识别检测对预防污闪现象意义重大。

传统的绝缘子污秽成分分析测定常采用离子色谱仪、X-射线能谱仪等精密仪器，其中离子色谱仪将污秽溶液导入进样装置后利用色谱柱分离混合污秽各成分，并以一定流速流到检测器，最后连接到信号处理系统进行分析。X-射线能谱仪使用电子束轰击待测目标物表面，激发物质发射出特征x射线，从而对污秽物中各组成元素、离子进行定量与定性分析。

此后一些国内研究人员提出的非接触式的绝缘子污秽成分检测方法，基于不同污秽其高光谱谱线在幅值、峰值以及变化趋势上具有明显差异这一特性，搭建机器学习模型进行识别检测，但仅实现了单一污秽识别与两种混合污秽成分的识别，模型普适性差，且针对混合污秽识别准确率不高。

目前，对于绝缘子污秽成分测定方法通常基于一些精密仪器的接触式检测，检测污秽周期长价格昂贵，操作复杂依赖人工经验，且仅对污秽样本各元素占比进行测定，无法识别具体组成化合物。

发明内容

为解决现有技术所存在的技术问题，本发明提供基于解谱网络的绝缘子污秽成分识别方法和系统，通过搭建和训练一种具有对于两种及两种以上混合污秽成分的识别解谱功能的神经网络模型，实现了对绝缘子混合污秽成分的识别，提高了绝缘子混合污秽成分识别准确率。

本发明的第一个目的在于提供基于解谱网络的绝缘子污秽成分识别方法。

本发明的第二个目的在于提供基于解谱网络的绝缘子污秽成分识别系统。

本发明的第一个目的可以通过采取如下技术方案达到：

基于解谱网络的绝缘子污秽成分识别方法，所述方法包括：

选择多种基本污秽化合物，制备混合污秽样本和单一污秽样本；

采集混合污秽样本的高光谱图像数据，采集与混合污秽样本对应的多种单一污秽样本的高光谱图像数据，对混合污秽样本的高光谱图像数据和单一污秽样本的高光谱图像数据进行预处理，建立污秽样本高光谱图像数据库；

搭建基于解谱网络的混合污秽成分的分离识别模型，评估混合污秽成分的分离识别模型性能；

将待识别的混合污秽样本的高光谱图像数据数据输入混合污秽成分的分离识别模型，输出混合污秽样本的高光谱图像数据数的污秽种类，得到待识别的混合污秽样本对应的污秽成分。

优选的技术方案中，

所述对混合污秽样本的高光谱图像数据和单一污秽样本的高光谱图像数据进行预处理，包括：将混合污秽样本高光谱图像与单一污秽样本高光谱图像分别通过高光谱图像预处理软件ENVI进行感兴趣区域提取，将混合污秽样本高光谱图像、单一污秽样本高光谱图像以.txt的形式导出感兴趣区域的原始三维波谱数据立方数据；