基于协同深度学习的二阶段绝缘子故障检测方法

王 卓 王玉静 王庆岩 康守强 V. I. Mikulovich

（1. 哈尔滨理工大学电气与电子工程学院 哈尔滨 150080 2. 白俄罗斯国立大学 明斯克 220030）

0 引言

绝缘子作为电力系统中关键的绝缘器件，在架空输电线路中起着机械支撑和防止电流回地的重要作用[1]。作为易出现故障器件之一，受灾害、温度、潮湿等自然因素的影响，绝缘子很容易出现爆缸、金属护具脱落等物理故障，直接威胁着整个电力系统的输电稳定性。

对绝缘器件的故障检测一直是巡检工作中的重要组成部分。放电检测法是较为成熟的一种检测手段。传统的放电检测法可以分为电检测法和非电量检测法。常见的电检测法有电压分布法、敏感电阻法、电场分布法等，虽然应用效果好，但需要登塔；非电量检测法主要以红外图像法和紫外图像法为发展方向，具有可远距离、大面积快速检测的优点，体现了绝缘子检测精确、高效的发展方向。放电检测法虽然技术成熟，但易受环境等诸多因素的影响，同时工作量巨大的定期断网巡检给人们的生活和工业生产带来了诸多不便[2]。

近年来，随着无人机技术和计算机技术的飞速发展，基于航拍图像的输电线路中关键电气设备的故障巡检方式，已经成为线路巡检的主要发展方向。目前国内外在电力设备检测方面的研究已经取得了一定的进展[3-4]。

在传统图像处理领域，文献[5]在划分绝缘子区域的基础上，计算各部分的方差和纹理信息，并加权求和，有效提高了对绝缘子单一故障的检测精度。……