1. 引言
随着我国新能源汽车的发展、5G基站数量的持续增加及城市大型化的推进，用电需求在不断增加。输电线路的长度和覆盖区域都在持续增长，是实现电力传输的关键环节，与电力系统运行稳定及安全联系密切[1]-[3]。绝缘子作为架空输电线路中的一种特殊绝缘控件，为电力传输中带电导线与输配电杆塔的隔离提供了有效隔离路径[4]。
由于绝缘子复杂的工作环境，其表面易沉积污秽，导致绝缘性能下降，严重时会发生闪络现象，造成设备损坏、引发大面积停电等事故，这严重影响了电力系统的可靠性。由污秽引发的绝缘子闪络事故在电网事故中仅次于雷击事故，占据第二的位置，但污闪事故造成的损失却是雷害事故的10倍[5]-[8]。
绝缘子闪络是在高电压作用下，绝缘子周围的气体或液体电介质被击穿，沿着表面放电的现象。当绝缘子表面存在污秽物、潮湿、脏污等情况时，会使其绝缘性能降低，进而发生沿面放电。当放电发展到一定程度时，会形成电弧或火花，使绝缘子表面局部过热，造成炭化，损坏表面绝缘，最终导致闪络。为保障电力系统的正常运行，对绝缘子表面污秽的在线检测技术及仪器进行研究至关重要。因此，本文对当前应用了绝缘子污秽在线检测的相关技术及仪器进行综述。
2. 绝缘子污秽在线检测技术及仪器
随着科学技术的不断进步，对绝缘子污秽的检测技术及仪器也在不断更新和完善。自上个世纪以来，国内外学者在此领域开展了深入的研究，为绝缘子污秽的精准检测奠定了坚实的基础。
早在20世纪90年代，Richards等[9]针对高压输电线上绝缘子因遭受污染而停电的事故研发了远程绝缘子污秽监测系统，通过对污秽的形成、自然清洁、湿润和污闪发生的机理进行研究，确定监测系统所需参数。系统配备有湿度、温度、辐射、绝缘子表面风速和方向、雨量计、泄漏电流等传感器，自主研制液态水传感器(LWS)，用于测量凝结和污染水平。通过实验发现仅泄漏电流作为评判绝缘子污秽程度的指标是不可靠的，原因为绝缘子表面上的水和污秽量会影响泄漏电流。Cline等[10]使用UE-386超声波监测仪和CAT-ILD绝缘子泄漏电流检测仪，并结合当地的相对湿度指标，利用神经网络找到这些指标与污闪之间的关系，该监测器对于绝缘子是否临近污闪在安全条件运行时的误报率为11.1%，危险运行时为25%。
与此同时，国内学者也在绝缘子污秽在线检测方面有一定进展，蔡伟等[11]基于遥测技术研发的绝缘子在线监测系统能在无人值守的条件下，全天候自动监测污秽绝缘子泄漏电流的各项统计量及环境相关数据。系统采用了基于无线接力模式的通信方式，能在强电磁场干扰环境下实现数据的远程传输。为实现故障预警，系统引入了趋势分析技术，构建了绝缘子污秽状况与地区盐密进行判定的专家知识库，并且具有自学习功能。为实现电气设备在线监测的智能化和自动化，以单片机为核心开发了变电站绝缘子绝缘性能在线监测系统的远程终端[12]，系统框图如图1所示，并且利用RS485通信总线技术和后台计算机通信从而构成监测的整体系统。此系统远端可监测变电站的温度和相对湿度以及绝缘子的泄漏电流和脉冲电流，这些信息传送到中央计算机后通过模糊多级综合评判，能够较准确地给出绝缘子的绝缘性能，也能明确地给出检修建议。
Figure 1. Block diagram of substation insulator online monitoring system [12]
图1. 变电站绝缘子在线监测系统框图[12]
有学者发现，绝缘子发生污秽闪络之前，放电强度迅速增加，紫外线辐射强度也随之增加。利用这种特性，熊兰等[13]提出了一种基于日盲型紫外传感器的绝缘子污秽状态监测方法，完成了在线监测系统的软、硬件方案设计(如图2所示)。系统采用HAMAMATSU公司生产的紫外传感器R2868作为监测终端的核心部件，能够快速检测污秽绝缘子的紫外放电脉冲，同时采集环境温度、湿度数据。通过短消息形式将现场数据发送到上位机，经系统综合分析后得出绝缘子污秽状态。紫外脉冲过限时系统自动拍照，并将现场图片发送给监控人员，便于辅助分析和准确判断。
Figure 2. Physical picture of UV on-line monitor terminal [13]
图2. 紫外在线监测终端实物图[13]
Cai等[14]提出了一种基于光能损失和光场分布的用于监测绝缘子附近ESDD的新光学技术，如图3所示。通过一系列的实验，得到了石英纤维的ESDD与温度、湿度等气象参数之间的关系。应用人工神经网络的估计器可以准确地建立ESDD与最独立因素之间的关系模型。对比结果表明，ANN计算的ESDD与实际系统中测量的ESDD具有相同的对应性。
Figure 3. Propagation of the light in the quartz fiber with the dust on its surface [14]
图3. 光在表面有尘埃的石英纤维中传播[14]
图像识别技术作为人工智能领域的一个重要分支，近年来在各个领域都展现出了强大的应用潜力。通过对输入的图像进行处理和分析，提取出图像中的特征信息，然后将这些特征信息与已知的模式或对象进行比较和匹配，从而实现对图像中目标对象的识别和分类。已用于绝缘子污秽检测的图像识别为红外图像和可见光图像，利用红外探测器捕获物体发出的红外辐射形成的图像，可以识别出物体的热分布、温度差异等信息，从而实现对目标的识别、跟踪和定位。通过普通相机或摄像机捕获的自然光下的图像，广泛应用于摄影、视频监控、人脸识别、物体识别等场景。
Corso等[15]利用计算机视觉，通过对不同污染水平下的绝缘子进行摄像，获取绝缘子的图像，使用KNN算法实现对绝缘子污秽的分类。刘子英等[16]提出了一种基于绝缘子可见光图像的颜色特征和最小二乘支持向量机模型的方法，通过建立污秽等级与颜色特征的对应关系，实现了绝缘子污秽等级的识别。实验结果表明，该方法在判别绝缘子污秽等级的准确率上高达96.92%。魏东亮等[17]基于红外成像技术和混合深度神经网络，提出了瓷绝缘子表面污秽状态自动检测和智能分类方法。构建了用于瓷绝缘子红外图像自动分类的混合深度神经网络，从而评估了绝缘子的污秽严重性。性能对比实验证明所提方法取得了更精确的分类效果，准确度达到98.86%，特异度达到99.72%，精度达98.86%，F1分数达到98.86%。
通过结合红外和可见光图像[18]，分别表征了污秽绝缘子的表面温度和色彩分布，可从不同角度反映绝缘子的污秽状态，实现对绝缘子污秽等级的识别。用红外成像仪及数码相机，对深圳供电局湖洋站的ZSW-20/16型绝缘子进行污秽等级检测，分别拍摄了3个绝缘子的图像。红外图像的拍摄条件：距离为2 m，俯角为15˚，环境相对湿度为82%；可见光样本拍摄条件：距离为2 m，俯角为35˚，环境相对湿度为63%，照度18,000 ± 100 lux。图4为其中一个绝缘子的红外与可见光图像举例。相对于只采用单一光源特征，该方法的识别准确率有明显提升。
Figure 4. Insulator infrared and visible images in substation [18]
图4. 变电站绝缘子红外与可见光图像[18]
激光诱导击穿光谱(LIBS)技术是一种利用高功率激光照射样品，使样品表面产生等离子体，进而收集和分析等离子体中的原子和离子发射的特征光谱，从而实现对物质成分进行定性和定量分析的技术(原理过程如图5所示)。激光诱导击穿光谱技术具有分析速度快、灵敏度高、破坏性小、样品制备简单、可用于多种形态的样品、可用于有毒和有害环境以及可用于远程实时多元素同时检测等优点，因此在环境污染的痕量分析研究中受到越来越多的重视。
Figure 5. Laser ablation process and plasma formation mechanism
图5. 激光剥蚀过程及等离子体形成机理
周志成等[19]利用搭建好的激光诱导击穿光谱系统，采用Ultra100型脉冲激光器轰击洁净绝缘片、不同等值盐密的人工涂污绝缘片以及不同污秽程度的自然积污绝缘子，可以对自然污秽中的Na、K、Ca、Al、Si、O、H、N、Fe、Mg等元素进行有效测定，提出以Na、Al两种元素强度分别表征污秽盐密和灰密的方法，结果表明，表征盐密和灰密的元素分别与谱线强度呈正相关。王乃啸等[20]提出一种基于BP神经网络的绝缘子污秽成分激光诱导击穿光谱(LIBS)在线检测技术(如图6所示)。实验装置中激光器为调Q脉冲钇铝石榴石晶体(Nd:YAG)激光器，型号为Nimma-900，激光波长为1064 nm，激光输出频率1 Hz，激光输出能量为110 mJ，光谱仪为Avantens光谱仪，可用波长200~650 nm，延时控制器型号为DG645。获取表征绝缘子污秽成分的光谱数据，研究污秽粒径和致密度对光谱强度的影响，粒径的减小和致密度的增加均有助于提高待测元素相对光谱强度。采用BP神经网络算法建立人工污秽光谱强度与元素质量分数的定量模型，实现了包括Na、Cu、Fe在内的几种典型污秽成分的定量检测。
Figure 6. LIBS experimental setup diagram [20]
图6. LIBS试验装置图[20]
为了分析了绝缘子污秽的微区特征和元素分布，利用LIBS技术对表面人工污秽进行检测，结果[21]表明，110 mJ激光脉冲足以穿透绝缘体表面的人工污秽，随着脉冲的积累，LIBS光谱上常见污秽元素的相对光谱强度逐渐降低，并且随选择合适的延迟时间可以提高数据检测的重复性，进一步说明了污秽粒径和致密度对光谱强度的影响。考虑到激光等离子体对泄漏电流以及沿面放电电压的影响[22]，使用实验装置中激光器为Nimma-900型，波长为1064 nm，脉冲持续时间为10 ns时，输出能量可达900 mJ。光谱仪为爱万提斯6通道光谱仪，对应于从190 nm到640 nm的6个不同波段，采样间隔约为0.01 nm。延时控制器为DG645数字延时发生器，脉冲重复频率为10 MHz。发现LIBS在线检测基本不会对绝缘子的绝缘水平造成影响，此外，实验基于自然污秽进行研究，对绝缘子表面测试点的选取采用内、中、外环，将不同区域的特征谱线强度与ESDD、NSDD联系起来，使绝缘子自然污秽度的表征效果更好。绝缘子表面测试点选取如图7所示。
Figure 7. Insulator surface test points selection [22]
图7. 绝缘子表面测试点选取[22]
高光谱技术是一种结合了成像技术与光谱技术的先进方法，它在绝缘子污秽在线检测领域展现出了广阔的应用前景。它的原理基于获取目标物体的二维几何空间信息以及一维光谱信息。具体来说，高光谱技术通过非常窄的波段范围内的连续光谱数据，对目标物体进行成像，从而获取每个像素点的光谱反射率或透射率信息。高光谱技术以其高光谱分辨率、同时获取空间和光谱信息以及广泛的应用领域等优点，成为了现代科学技术中一种重要的分析工具(原理如图8所示)。
Figure 8. Schematic diagram of hyperspectral data and its testing platform [23]
图8. 高光谱数据示意图及其测试平台[23]
邱彦等[23]利用由高光谱成像系统(高光谱仪、计算机)、模拟日光光源和标准校正白板(反射率99%)组成的高光谱测试平台，能够获得指定对象的高光谱图像。通过人工积污试验使CaSO4和高岭土混合污秽沉积于复合绝缘子伞裙上，采集其高光谱图像，发现硅橡胶表面污秽种类不同时，其高光谱谱线的吸收峰、反射峰位置、幅值以及变化趋势具有明显差异，污秽种类相同时则基本不变，但谱线幅值差异明显。基于人工浸污样品高光谱谱线数据建立的SVM分类模型可对人工积污绝缘子不同伞裙的污秽等级进行划分，准确率为80%。为了检测绝缘子污秽中的含水量，采用高光谱试验平台进行研究[24]，平台核心是1台型号为GaiaField-F-V10的便携式地物扫描高光谱成像仪，波长范围为400~1040 nm，分辨率为2.4 nm，利用连续投影算法提取特征波段建立污秽含水量检测模型，能满足自然积污绝缘子的含水量检测。使用的高光谱线扫描平台包括高光谱相机(FS-13)和移动平台研究不同类型绝缘子对高光谱污秽识别的影响[25]，可以通过调整速度与高光谱相机实现同步线扫描功能。相机采集范围为400~1000 nm，光谱波段数为300，分辨率为2.5 nm，移动平台为内置卤素灯的一体化步进电机，最大速度可达30 mm/s，卤素灯光谱范围为400~2500 nm，照射角度为45˚，采用硅橡胶基材时污秽成分分类准确率可达92.5%，而采用陶瓷基材时污秽成分分类准确率为80%。张血琴等[26]利用高光谱数据采集平台，主要设备包括分析计算机、高光谱成像(GaiaField-F-V10)、补光灯(波长范围400~1000 nm)及反射率为99%的标准校正白板，提出了适用于不同材质(陶瓷、玻璃和硅橡胶)绝缘子表面污秽等级的高光谱检测方法，采集不同材质和污秽等级样本的高光谱数据，建立污秽等级检测模型，检测模型对玻璃、陶瓷和硅橡胶样本的污秽等级检测准确率分别为98.3%、95.0%和91.7%，并利用人工积污试验对模型进行了验证，污秽等级检测准确率为83.3%，证明了该模型可有效实现不同材质绝缘子表面污秽等级的高光谱检测。图9所示为分析样本及高光谱线性扫描平台。
![]()
Figure 9. Hyperspectral images of contamination insulator surface with different moisture contents [24] and scan platform of hyperspectral line [25]
图9. 不同含水量污秽绝缘子表面的高光谱图[24]及高光谱线性扫描平台[25]
3. 总结与展望
绝缘子作为电力系统中不可或缺的组成部分，其电气绝缘与机械固定的双重作用对保障电力系统的安全、稳定和高效运行具有重大意义。然而，绝缘子所处的复杂工作环境易导致其表面污秽的积累，进而影响其绝缘性能，严重时甚至可能引发闪络事故，给电力系统的稳定运行带来巨大威胁。因此，绝缘子污秽的在线检测技术及仪器的研究与开发显得尤为重要。
近年来，随着科学技术的不断进步，绝缘子污秽在线检测技术及仪器得到了广泛的研究与应用。从早期的基于泄漏电流、湿度、温度等参数的监测系统，到后来的基于神经网络、专家知识库、远程终端等技术的智能化、自动化在线监测系统，这些技术和仪器的应用为绝缘子污秽的精准检测提供了有力支持。同时，国内外学者在绝缘子污秽形成机理、检测原理、评估方法等方面也取得了丰富的研究成果，为绝缘子污秽在线检测技术的进一步发展奠定了坚实的基础。然而，尽管绝缘子污秽在线检测技术取得了一定的进展，但仍存在一些问题和挑战。例如，不同检测方法对污秽程度的评估标准存在差异，且受到环境、设备状态等多种因素的影响，使得检测结果的准确性和可靠性有待进一步提高。此外，随着电力系统的不断发展和智能化水平的提高，对绝缘子污秽在线检测技术的要求也越来越高，需要不断研究新的检测原理和方法，以满足实际应用的需求。
绝缘子污秽在线检测技术及仪器的研究将继续深入。一方面，现有技术将进一步优化和完善，提高检测精度和效率，降低检测成本。另一方面，随着新技术和新材料的不断涌现，未来可能会出现更加先进、高效的绝缘子污秽检测方法。例如，基于人工智能和机器学习算法的智能检测技术有望实现对绝缘子污秽的自动识别和分析，进一步提高电力系统的安全性和运行效率。
基金项目
项目名称：输电线路绝缘子表面污秽成分原位快速定量检测关键技术及装置研究；项目编码：030600KC23070004。