检测方法

内容简介：1、带电检测和在线监测简介；2.1、局放机理检测；2.2、电缆系统局放；2.3、检测方法；2.4、国内外发展；3.1、典型缺陷试验；3.2、局放设备测评；3.3、主流设备测评；3.4、评价复制；3.5、干扰抑制。

他介绍，为了解决高压电缆多发性本体缓冲层烧蚀严重缺陷缺乏有效检测手段的问题，湖南电力组织省电科院开展了系统攻关，经理论分析和实验室反复验证，摸索出一种基于X射线无损检测，结合图像深度处理、缺陷智能识别技术的检测方法IDIP-DR（Image Depth Intelligent Processing-Digital Radiography），可在电缆设备带电工况下，准确、直观、快速地检测高压电缆缓冲层烧蚀缺陷，判断缺陷的严重程度，并在110千伏茶菊钢电缆进行了现场应用，效果良好。为推广、深化该技术在国网系统的应用，提升公司高压电缆本质安全水平。

他指出，由于电缆附件的“半成品”属性，需要在现场开展精细的施工安装操作。然而由于施工人员操作水平参差不齐，由附件施工缺陷引发的击穿故障屡见不鲜。本文详细讲解了附件施工各环节常见缺陷引发的故障案例，包括铜芯压接屏蔽处理、主绝缘和外半导电层处理以及电缆封铅接地处理等。在此基础上，分享了江苏公司在电缆附件施工智能管控方面的探索，以及附件封铅电阻带电检测创新工作。

智能配电终端是配电网的“神经末档”和“触手”，是配电自动化的基础，对提升配电网感知能力、提高配电网可靠稳定运行水平具有重要作用。随着“十三五”期间配电自动化建设的快速推进，将有大量智能配电终端投运，仅湖南公司2018年就计划投运安装故障指示器超过20000台。然而，不同生产厂家的故障指示器故障原理各不相同，产品质量参差不齐，垂需高效的检测装备实现大批量设备的自动检测。传统人工检测方法采用继保检测仪对手工制作的多重线圈加载特征波形来模拟短路或接地故障对故障指示器进行检测，此方法效率低、标准化程度不足，难以满足海量故障指示器的入网需求。 本项目以机械自动化与自动控制技术为基础，深度融合智能机器人、图像识别与物联网等关键技术，设计了一套智能配电终端自动化检测流水线，创新实现了故障指示器产品检定的自动控制与全过程管控，为提高配电线路故障指示器的检测效率和效果、保障配电自动化系统稳定可靠运行、提升配电自动化实用化水平提供有力支撑。

首先分析高压单芯电缆接地电流的产生原因、各种接地方式的特点及适用范围，护层电流的异常情况及危害。讲解电力电缆运行规程中对接地的要求。然后给出接地电流的在线检测仪器、检测方法及注意事项。其次给出接地电流的诊断标准、检测周期及诊断依据。最后通过几种典型案例分析换位失败、交叉互联箱进水、保护器击穿及金属护层破损等故障的判断方法。

声纹传感与识别技术在电网设备状态监测中的作用逐渐得到运维人员的认可，从试点应用逐步向实用化推广过渡。本报告首先介绍目前电网中声纹传感技术的应用情况，进而介绍目前的声纹识别效果以及算法训练的培育计划，此外还对声纹监测装置以及声纹识别算法的检测方法进行了介绍，并对该技术的发展方向进行了展望。

本PPT的主要内容有：1.超高压充油海底电缆的特殊性、其所面临的风险、保护方式及评价指标介绍；2.目前市面上常用的各种海底电缆检测方法原理，其所存在的问题和局限性，带电检测的必要性；3.500kV超高压海底电缆带电埋深技术原理说明和相关设备及方案介绍；4.可搭载海缆带电埋深检测设备的水下机器人情况介绍；5.海底电缆带电埋深检测技术应用场景（即琼州海峡500kV超高压充油海底电缆）介绍及现场试验情况结果分析；

噪声与振动是运行设备的固有特性，绝大部分异常状态(工况)都会伴随振动与声的变化 。异常振动会带来结构松动、绝缘老化、材料疲劳等问题，对电网安全稳定运行造成重大隐患。声振检测与诊断技术具有非接触、不停电、可连续等优点，可及时发现设备早期潜伏性缺陷，可以作为现有监测手段的必要补充。讲座将介绍变压器、绝缘子、水轮发电机等电力设备声纹识别技术，包括抗干扰检测方法、特征量提取与模式识别、基于人工智能的声纹识别技术等。

对XLPE电缆进行串联谐振耐压+局放试验是预防性试验中主推荐的方法；DAC（阻尼振荡波）的方法和0.1Hz的试验方法因存在更多技术局限性只建议作为无条件进行串联谐振试验时的补充。 现场局放试验对某些电缆或附件缺陷存在不能有效检出的可能，般在缺陷发展到中后期放电严重时有检出可能。 建议对HVDC XLPE电缆直流耐压时同步检测局部放电，应以不低于2分钟的时间步长进行阶梯升压，以放电重复率超过1次/分钟为PDIV判别标准，推荐测试时间30~60分钟。 有条件时可分别在电缆空载和叠加模拟负荷电流至导体稳定70°C时进行直流局部放电测试。电缆放电时段可以测到局部放电，有利于规避来自电源干扰。

架空输电线路巡检是电网运维工作的一项重要内容，利用无人机进行线路巡视检测已成为运维人员完成电力巡检工作的重要手段。首先，文中概述无人机巡检任务中人机协同作业系统以及无人机智能自主作业系统的架构；其次，分析当前架空输电线路缺陷巡检领域数据集状况以及数据扩增技术；再次，综述基于深度学习的无人机图像缺陷检测典型方法以及评价指标，并对比总结各种方法的优缺点；然后，讨论无人机图像视觉检测方法中图像采集规范、数据集形式、缺陷检测算法专业化应用等对架空线路缺陷的检测效果，指出图像检测指标和类别定义在电力巡检专业化领域中的不足；最后，探讨基于深度学习的无人机图像缺陷巡检的未来发展方向。