基于高光譜技術的復合絕緣子表面老化程度評估

張血琴 張玉翠 郭裕鈞 劉 凱 吳廣寧

基于高光譜技術的復合絕緣子表面老化程度評估

張血琴 張玉翠 郭裕鈞 劉 凱 吳廣寧

（西南交通大學電氣工程學院 成都 611756）

針對現有絕緣老化檢測尚無一種便捷快速的方法，該文提出一種基于高光譜技術的復合絕緣子表面老化程度的非接觸、快速無損檢測評估方法。首先，通過對不同老化程度樣品進行傅里葉紅外測試，分析樣品表面的基團變化以及對憎水性的影響；其次，利用高光譜成像儀（900～1 700nm）獲取老化樣本光譜信息，結合傅里葉中紅外光譜，確定老化樣本基團變化和光譜信息的對應關系，從而對老化程度進行定性分析；最后，基于深度極限學習機建立絕緣子老化程度評估模型，并對60組待測數據進行預測，實現對絕緣子老化程度精確分級，分類準確率達96.67%，與BP神經網絡和支持向量機模型對比，表明該文所用模型可兼備快速性和準確性，為實現外絕緣表面老化程度的在線檢測提供了新思路。

復合絕緣子 老化程度 高光譜技術 傅里葉紅外測試 深度極限學習機

0 引言

硅橡膠復合絕緣子因其優良的憎水性和防污閃性能，近幾十年來在電力系統中得到大規模的應 用[1-4]。然而硅橡膠復合絕緣子在實際運行中面臨各種嚴酷環境，使得其極易在環境惡劣地區產生材料的老化劣化，導致絕緣子性能降低。尤其高海拔環境下，空氣稀薄，紫外線強度遠遠高于其他地區，紫外輻射成為絕緣子老化的重要影響因素[5-6]。紫外線因其較短的波長和較大的光子能量，能夠使硅橡膠材料高分子聚合物的部分化學鍵斷裂，改變材料的理化特性，直接表現為絕緣子表面憎水性降低，發生龜裂、粉化、表面粗糙度增加等，使得閃絡電壓降低，容易引發電網故障，造成極大的經濟損失[7-9]。

目前對于高海拔強紫外線等嚴酷環境的外絕緣檢測，主要分為直接法和間接法。直接法一般有絕緣電阻法、電場測量法、脈沖電流法等。絕緣電阻法是通過測量泄漏電流實現的，然而泄漏電流會受到天氣、污穢程度等多種因素影響，測量準確性會受到一定影響；電場測量法通過測量絕緣子串簡化電場模型的軸向電場分布，找出絕緣子的內絕緣通導性故障；脈沖電流法通過測量絕緣子電暈脈沖電流來判斷其絕緣狀況。直接法表現出來的明顯不足是測量效率較低，常需要工作人員登桿操作，十分不便，安全系數也不高[10]。此時非接觸式在線監測方法顯示出明顯優勢。非接觸式主要包括紫外成像法、紅外成像法和X射線成像法等[11-12]，這些方法仍存在一些缺陷，如紫外成像和紅外熱像是通過測量電、熱這種間接信號的特性來反映絕緣子狀態，且紫外成像必須在夜間進行，不利于檢測的開展[13]。因此，尋找一種更加便捷直接的非接觸、快速無損傷檢測硅橡膠材料老化的手段，對于維護電力系統安全穩定運行具有重要意義。

高光譜技術將成像技術和光譜技術有機結合，可以對紫外光、可見光、近紅外光和中紅外光區域的電磁波以多個連續細分波段進行成像，具有很高的波譜分辨率，且同時包含圖像和光譜信息，對檢測對象建立波譜庫后，可對樣本直接進行在線檢測而無需制樣，近年來不僅在遙感領域發揮了巨大作用，在工農業乃至更多行業領域也展現了巨大應用潛力[14-15]。王家云等運用高光譜成像技術實現了灘羊肉內部品質的無損檢測[16]；邵瑰瑋等利用高光譜技術采集復合絕緣子400～1 000nm波段的圖譜信息，采用主成分分析法構建特征空間，并建立神經網絡模型對幾個不同粉化程度的絕緣子進行分 類[17]。本文運用高光譜技術對人工紫外老化的硅橡膠絕緣片進行檢測，采集不同老化狀態下原始圖譜數據并進行處理，結合傅里葉紅外光譜（Fourier Transform Infrared, FTIR）相關數據，分析不同老化程度對應于高光譜譜線的響應機制和特征變化，最后運用深度極限學習機（Deep Extreme Learning Machine, DELM）算法，建立復合絕緣子表面老化程度評估模型并對樣本進行老化程度劃分。研究結果給絕緣子表面老化狀態的在線檢測和評估提供了新方法和新依據。

1 紫外加速老化平臺及樣品制備

本文針對高原環境紫外強度遠高于普通環境的特點，參照國際電工委員會標準IEC 61109-2008[18]的試驗方法及參數，搭建了人工紫外加速老化平臺，并對紫外老化平臺與高原環境的紫外輻射進行等效換算，對樣品進行0～500h的人工紫外加速老化試驗。

1.1 人工紫外加速老化平臺

1.1.1 光源及濾光

在我國高原地區（青藏、云貴等地）紫外輻射占太陽到達大氣上界總輻射的8%[19]，經大氣層的散射和吸收后，達到地表的紫外線主要是長波紫外（UVA，320～400nm）部分，僅占太陽光譜輻射量的1%～2%[20-21]。由于目前市面可用作試驗光源的氙燈，其波段范圍較廣，因而更適用于模擬太陽光照射[19, 22]，為了更好地模擬長波紫外光對樣品老化特性的影響，本文選用紫外高壓汞燈作為試驗光源，燈管主波峰為365nm。此外，為了降低樣品受光源外的光干擾以及更好地控制樣品區的溫度，在紫外老化試驗箱載物臺上方加上石英玻璃作為濾光片，其具有優良的透紫外光性能，并且還有一定的隔熱作用，同時濾除部分紅外光，使樣品接受到充足紫外輻射的同時更利于保持工作區的正常溫度。

1.1.2 試驗平臺結構

為避免紫外線直接照射人體發生一系列生理變化，需要用一箱體將紫外線密封，防止紫外線泄漏，對人員造成傷害。根據試驗的要求，對箱體的結構進行了設計。本次試驗所設計的箱體為矩形箱體，長500mm、寬300mm、高500mm。箱體采用拋光不銹鋼材料制成，不僅有良好的機械強度和耐腐蝕能力，還能反射紫外光使其聚攏在箱內。人工紫外老化平臺整體示意圖如圖1所示。

在箱體背面和燈管上部裝設冷風機，采用風冷的方式，可以使工作室溫度穩定在(35±5)℃的正常工作溫度，保證試驗效果。箱底安裝手搖式升降載物臺，通過控制載物臺高度改變樣本表面紫外輻射強度，并在箱內安裝紫外功率密度計、溫濕度計等檢測儀器，便于隨時記錄試驗過程中環境參數。

圖1 紫外老化平臺示意圖

1.2 樣品制備

對我國青藏地區，太陽輻射總量約6 500～6 700MJ/m2每年[23]，光照功率密度可用表示，有

式中，為年太陽輻射的總量；為天數；為日照小時數；為1h的秒鐘數。此處=365，=8h，= 3 600。

由于環境因素，紫外輻射約占太陽總輻射的3%[24]，由紫外功率密度計測得紫外功率密度約為45mW/cm2，因而可以將試驗箱老化時間總輻射量與自然老化進行換算比較，老化箱125.9h的輻射量約為高原上運行1年的輻射量。

本次試驗樣品為從同一塊原始高溫硫化（High Temperature Vulcanized, HTV）硅橡膠裁剪而來的25mm×50mm×5mm的絕緣片，其表面呈紅色。為保證試驗的準確性，準備了兩組完全相同的HTV硅橡膠樣品，并同時進行試驗，保證試驗結果的準確性。每組樣品分為1～6號，紫外光照射時間分別設置為0h、100h、200h、300h、400h、500h，即每間隔100h放入一號樣品直至500h。老化結束后樣品情況如圖2所示，可以看出，隨老化時間增加，表面粗糙度逐漸增大，顏色逐漸加深變黑，硬度增大并出現裂紋。

以紫外光波長計算光子能量，可得本試驗用高壓汞燈的光子能量最高的可達到500kJ/mol以上，而主鏈Si-O鍵能為446kJ/mol，側鏈上Si-C鍵能為301kJ/mol，甲基中C-H鍵能為413kJ/mol[25]，根據紫外光子能量估計，在老化試驗過程中，紫外能量可以使得硅橡膠材料發生裂解。

圖2 老化結束后絕緣子表面圖

為了解樣品表面基團變化，潔凈老化后樣品表面，并置于清潔干燥環境中一段時間待其性質穩定，對其進行FTIR測試。以樣品對角線的交點為中心點，中心點與各頂角連線的一半位置取出4個點，如此每個樣品取出5個采樣點，對其進行FTIR光譜采集，每個樣品得到5組譜線，分別對譜線取平均值后不同老化時間樣品的FTIR譜線如圖3所示。

圖3 不同老化時間樣品的FTIR平均譜線

由圖3可以看出，在波數為600～4 000cm-1傅里葉紅外光譜上，隨著老化時間的增加，沒有產生新的峰，且各個峰的位置在橫向上沒有發生偏移，但幾個代表基團對應的吸收峰峰高和峰面積均發生變化，即其相對含量隨老化時間增加而發生改變。其中，硅橡膠主鏈基團Si-O-Si、側鏈基團Si-CH3、甲基中C-H鍵以及材料中的羥基都隨老化時間增加而呈現下降趨勢，其相對含量與老化程度呈負相關[25]；而C=O鍵則呈現上升趨勢，其相對含量與老化程度呈正相關。硅橡膠復合絕緣子主要成分為聚二甲基硅氧烷，分子中甲基基團對稱分布于主鏈兩側屏蔽了Si-O鍵的強極性，整個材料對外呈現良好的憎水性。而老化后化學鍵發生斷裂，改變了原有的對稱長鏈分子結構，材料表面物質結構改變，使得老化后樣品憎水性降低，因此憎水性可作為表征老化程度的一個宏觀參量。

對樣品表面進行憎水性測試以及外觀顏色、粗糙度等宏觀量的統計。由于目前對于復合絕緣子老化程度尚無明確定量劃分的標準，因此，研究中主要結合每個老化時段期間，FTIR圖譜中基團相對含量變化情況，并依據測量的表面憎水性和外觀形貌進行樣品老化程度的標定。按此方法，各樣品的老化程度劃分見表1。可以看到，老化500h的樣品噴水分級已為HC4，此時絕緣片已經是半親水半憎水狀態，老化繼續加深將完全親水，其性能已不再滿足實際運行要求，因此研究中將老化程度做到HC4為最高等級。

表1 復合絕緣子樣品老化程度

Tab.1 Aging degree of composite insulator samples

不同老化等級的樣品其基團含量和物質構成有所差異，而高光譜圖譜能夠反映物質成分和含量引起的微觀差異。故使用高光譜采集不同類別樣品的近紅外光譜圖像，結合FTIR圖譜進行高光譜譜線響應機制分析。

2 硅橡膠復合絕緣子高光譜檢測分析

高光譜是一種反射光譜，不同物質對不同頻率光的吸收和反射不同，每種基團只吸收某種特定頻率的光，因此在高光譜譜線上表現出“指紋效應”。而老化程度不同其物質成分和結構必然不同，導致其近紅外光譜會產生差異，基于此利用高光譜技術對樣品進行檢測。通過高光譜試驗平臺對不同老化程度樣品進行光譜信息采集，由于存在噪聲干擾與光線散射影響，對數據進行校正處理，再對每個樣本所有譜線取平均，期望得到最能表征樣本表面狀態的譜線進行分析。

2.1 高光譜試驗平臺

通過高光譜試驗平臺對潔凈后的老化樣品進行圖譜采集。采用高光譜試驗平臺如圖4所示，主要包括高光譜成像儀、校正白板、補光燈、計算機及配套軟件。高光譜成像儀內有光學機械掃描器，可對樣品進行線性掃描成像，成像波長范圍為900～1 700nm，波譜分辨率為3.6nm。標準校正白板對該波段的光全反射，本身反射率為1，可用于后續對樣品圖像做黑白校正。

圖4 高光譜試驗平臺模型

2.2 圖像預處理及檢測結果

2.2.1 黑白校正

在使用高光譜成像儀對樣品光譜圖像進行采集完成后，得到原始數據是對光的絕對反射值，噪聲影響大，同時相機內暗電流的存在也對結果有影響，應當對采集到的光譜信息進行區域矯正，因此掃描標準白板，得到反射率為1的全白定標圖像，再蓋上攝像頭蓋獲得反射率為0的全黑定標圖像，對其進行黑白校正。校正公式為

式中，C為校正后反射率；0為原始圖像數據；為采集到的白板反射強度，即白校正數據；為值接近0的全黑定標圖像反射強度，即黑校正數據。

由于光線在物質表面發生反射的同時，會有部分發生散射，故除進行黑白校正外還需進行散射 校正。

2.2.2 多元散射校正

為了盡可能消除散射的影響，增大光譜信噪比，對圖像進行黑白校正后，進一步提取樣品譜線進行多元散射校正。在軟件中選擇每個老化樣品的感興趣區域，每個樣品隨機選擇40個不同區域，即每個樣品得到40條譜線，6個樣品共240條譜線，如圖5所示。

圖5 6個樣本共240條譜線

多元散射校正的基本原理是逐一求取不同樣品所有采樣點的平均光譜，并以此作為標準光譜，使每個樣品的光譜與其各自標準光譜進行一元線性回歸運算，獲得所有樣品相較于標準光譜的線性平移量和傾斜偏移量，并以此修正每條光譜的基線平移和偏移，提高光譜信噪比。以下為具體算法過程：

（1）計算平均光譜

（2）一元線性回歸

（3）多元散射校正

圖6為經過黑白校正和多元散射校正后的高光譜譜線。可以看到，相同老化時間的譜線被校正到同一基線附近，減小了散射影響，物質本身的光譜吸收信息在數據處理過程中未發生改變。但從圖中可看出，同一老化時間的樣品，其不同采樣區域譜線仍然表現出不同，反映了同一老化樣品的老化程度存在一定的不均勻性。

圖6 校正后的高光譜譜線

2.2.3 高光譜檢測結果分析

由于校正后譜線仍有部分重合區域，如圖6中點畫線框部分，不同老化時間的譜線簇出現交疊，為了便于觀察各老化程度在譜線上的響應情況，對校正后的每個樣品的40條譜線取平均，最后獲得6條不同老化程度的平均譜線，如圖7所示。

圖7 不同老化時間下樣本的平均譜線

從圖7中可以看出，在整個波段范圍內，反射率基本趨勢是隨著照射時間的增加而呈現逐漸下降的狀態。結合傅里葉中紅外光譜，依據基頻與倍頻的關系，高光譜整段譜線出現的幾個波峰波谷可以解釋為，1 150～1 250nm附近為C-H基團三倍頻特征吸收帶，1 400～1 500nm附近為-OH二倍頻特征吸收帶，通過對該波段范圍內高光譜譜線吸收峰面積進行計算，獲得C-H和-OH的吸收峰面積變化情況如圖8所示。可以觀測出，紫外老化后樣本的C-H、-OH基團逐漸減少，結合FTIR光譜，樣品部分化學鍵發生斷裂，原高聚物分子鏈受到破壞，可以推斷，HTV硅橡膠隨著紫外照射時間的增加，其憎水性等性能受到影響，表面老化程度加深。為了能夠更加快速準確地預測絕緣子表面老化程度，建立基于DELM的老化程度評估模型，實現對待測樣本表面老化程度的評估。

3 深度極限學習機模型建立與結果分析

3.1 深度極限學習機模型建立

相較于單層感知機（single layer perceptron）和支持向量機（Support Vector Machine, SVM），極限學習機（Extreme Learning Machine, ELM）的提出，對反向傳播算法（Backward Probagation, BP）進行了改進，在學習速率和泛化能力上具有明顯優勢。Huang Guangbin等提出利用ELM構建極限學習機-自動編碼器（Extreme Learning Machine_Automatic Encoder, ELM_AE），并以一次最小二乘法替換AE中的梯度下降法，擁有極快的訓練速度[26-27]。ELM_AE由輸入層、隱含層、輸出層構成，包括編碼與解碼，其輸入等于輸出。當隱含層節點數小于輸入層節點數時，將會對輸入數據維度起到一種“壓縮”效果，從而實現無監督特征提取。

當隱含層激活函數為，輸入為時，隱含層輸出為

其中

式中，分別為輸入層到隱含層的正交隨機權重與正交隨機偏置。則隱含層到輸出層權重為

式中，為正則化系數。

而深度極限學習機先采用ELM_AE進行逐層預訓練，然后利用訓練好的ELM_AE初始化DELM。與其他深度學習方法的不同之處在于，DELM沒有反向調優的過程，其模型結構如圖9所示。DELM前-1層權值由ELM_AE輸出層權重構成，第層為分類層，分類層權重為

式中，Hi-1為第i-1層隱含層輸出；Y為類別標簽。

可以看出，前-1層為無監督特征學習，第層為ELM監督分類。

使用DELM進行樣品表面老化狀態分類，輸入矩陣即高光譜各波段反射率數據矩陣，就可以進行無監督特征學習，直接訓練出分類模型，再用訓練出的模型對測試數據進行測試，輸出矩陣為6種不同老化程度的預測值。

此處原始光譜包含6類240組樣本點和224個波段，即輸入矩陣有224維，采用主成分分析（Principal Component Analysis, PCA）算法對數據進行預處理，使原始數據去相關性。在240組樣本數據中每類選取30組數據共180組作為訓練數據，建立DELM的分類模型，再將剩余的每類10組數據作為測試集，用以測試DELM模型的分類效果。

3.2 結果分析

測試集的分類效果如圖10所示，可以看出，共60個樣本測試點中只有兩個點分類錯誤，模型分類準確率達到96.67%，且整個模型的訓練時間以及測試時間合計僅有3.62s，速度快、效果好，因此，DELM分類模型可以很好地實現絕緣子表面老化程度的分類識別。

圖10 不同老化程度絕緣子預測結果

對此全波段數據同時采用SVM和BP的分類模型進行紫外老化程度的劃分，選取同樣的訓練集輸入模型進行模型訓練，再輸入相同的測試集，檢測模型的準確率并對模型訓練和測試進行計時，觀測對于此類數據不同算法的用時長短，并與深度極限學習機分類模型進行比較，結果見表2。

表2 算法效果比較

Tab.2 Algorithm effect comparison table

SVM分類模型在計算過程中，耗時7.76s，準確率為90%；BP分類模型耗時2.35s，準確率為83.33%；本文所用DELM分類模型耗時3.62s，準確率為96.67%。結果表明，SVM處理數據量大的老化數據時速率較低，總體準確率較好但仍低于DELM。BP對于維度高的數據泛化性能不高，在數據處理時需強制減少算法中循環次數，耗時雖少，但誤差較大，準確率降低。總體而言，DELM分類模型能夠在較短時間里達到較高的準確率，在學習速率和泛化能力上具有優勢，可以快速準確地對不同紫外老化程度的復合絕緣子進行分類，可對絕緣子老化程度的在線檢測提供技術參考。

4 結論

本文使用人工紫外加速老化試驗箱對HTV硅橡膠樣品進行加速老化試驗，并用高光譜技術對加速老化后樣品的老化狀態進行檢測，用DELM分類模型對老化樣品進行評估，得到以下結論：

1）人工紫外加速老化試驗箱可以較好地模擬高原環境長波紫外對樣品的影響，老化后樣品表面粗糙度增大、顏色逐漸加深以及變黑、硬度增大并出現裂紋。

2）樣本老化程度的不同反映在高光譜譜線上有顯著差異，最明顯的波段是代表C-H基團三倍頻特征吸收帶的1 150～1 250nm和代表-OH二倍頻特征吸收帶的1 400～1 500nm，全波段反射率整體趨勢為隨老化時間增加而降低。

3）基于全波段數據的深度極限學習機分類模型可以實現對不同老化時長的復合絕緣子進行表面老化程度的分類，準確率可達96.67%，且訓練速度快、泛化性好，為絕緣子老化狀態在線檢測提供了新思路。

[1] 夏云峰, 宋新明, 何建宗, 等. 復合絕緣子用硅橡膠老化狀態評估方法[J]. 電工技術學報, 2019, 34(增刊1): 440-448.

Xia Yunfeng, Song Xinming, He Jianzong, et al. Evaluation method of aging for silicone rubber of composite insulator[J]. Transactions of China Elec- trotechnical Society, 2019, 34(S1): 440-448.

[2] 邱彥, 張血琴, 郭裕鈞, 等. 基于高光譜技術的絕緣子污穢等級檢測方法[J]. 高電壓技術, 2019, 45(11): 3587-3594.

Qiu Yan, Zhang Xueqin, Guo Yujun, et al. Detection method of insulator contamination grades based on hyperspectral technique[J]. High Voltage Engineering, 2019, 45(11): 3587-3594.

[3] 張志勁, 張翼, 蔣興良, 等. 自然環境不同年限復合絕緣子硅橡膠材料老化特性表征方法研究[J]. 電工技術學報, 2020, 35(6): 1368-1376.

Zhang Zhijin, Zhang Yi, Jiang Xingliang, et al. Study on aging characterization methods of composite insulators aging in natural environment for different years[J]. Transactions of China Electrotechnical Society, 2020,35(6): 1368-1376.

[4] Samuel A, Frank S, Konstantin O P. Improved silicone rubbers for the use as housing material in composite insulators[J]. IEEE Transactions on Die- lectrics and Electrical Insulation, 2012, 19(1): 209- 211.

[5] 劉丁華. 高海拔環境紫外輻射對硅橡膠材料性能的影響[D]. 北京: 華北電力大學, 2015.

[6] 覃永雄, 虞瀾, 傅佳, 等. 長波紫外照射下高溫硫化硅橡膠的微觀物性及憎水性研究[J]. 電工技術學報, 2014, 29(12): 242-250.

Qin Yongxiong, Yu Lan, Fu Jia, et al. Research on microscopic properties and hydrophobicity of high temperature vulcanization silicone rubber under long-wave ultraviolet radiation[J]. Transactions of China Electrotechnical Society, 2014, 29(12): 242- 250.

[7] 肖雄, 王建國, 吳照國, 等. 等離子體作用后硅橡膠憎水性恢復及憎水遷移特性研究[J]. 電工技術學報, 2019, 34(增刊1): 433-439.

Xiao Xiong, Wang Jianguo, Wu Zhaoguo, et al. Study on hydrophobicity recovery and hydrophobicity transfer of plasma treated silicone rubber[J]. Transa- ctions of China Electrotechnical Society, 2019, 34(S1): 433-439.

[8] 汪佛池, 律方成, 楊升杰, 等. 基于FTIR的110kV復合絕緣子硅橡膠傘裙老化性能分析[J]. 電工技術學報, 2015, 30(8): 297-303.

Wang Fochi, Lü Fangcheng, Yang Shengjie, et al. The aging characteristic of silicon rubber sheds of 110kV composite insulators based on FTIR test[J]. Transactions of China Electrotechnical Society, 2015, 30(8): 297-303.

[9] 左國玉, 馬蕾, 徐長福, 等. 基于跨連接卷積神經網絡的絕緣子檢測方法[J]. 電力系統自動化, 2019, 43(4): 101-108.

Zuo Guoyu, Ma Lei, Xu Changfu, et al. Insulator detection method based on cross-connected con- volutional neural network[J]. Automation of Electric Power Systems, 2019, 43(4): 101-108.

[10] 朱虎, 李衛國, 林冶. 絕緣子檢測方法的現狀與發展[J]. 電瓷避雷器, 2006(6): 13-17.

Zhu Hu, Li Weiguo, Lin Ye. Present and future development of detection methods for composite insulator[J]. Insulators and Surge Arresters, 2006(6): 13-17.

[11] 張冠軍, 趙林, 周潤東, 等. 硅橡膠復合絕緣子老化表征評估研究的現狀與進展[J]. 高壓電器, 2016, 52(4): 1-15.

Zhang Guanjun, Zhao Lin, Zhou Rundong, et al. Review on aging characterization and evaluation of silicon rubber composite insulator[J]. High Voltage Apparatus, 2016, 52(4): 1-15.

[12] 譚宇翔, 任海燕. 基于傅立葉紅外光譜法的復合絕緣子老化程度診斷研究[J]. 電氣自動化, 2013, 35(1): 91-94.

Tan Yuxiang, Ren Haiyan. Study on diagnosis of composite insulators' degree of aging based on Fourier transform infrared spectroscopy test method[J]. Electrical Automation, 2013, 35(1): 91-94.

[13] 張血琴, 高潤明, 郭裕鈞, 等. 基于高光譜的復合絕緣子電暈老化狀態評估[J]. 西南交通大學學報, 2020, 55(2): 442-449.

Zhang Xueqin, Gao Runming, Guo Yujun, et al. Composite insulator corona aging status evaluation based on hyperspectral[J]. Journal of Southwest Jiaotong University, 2020, 55(2): 442-449.

[14] 童慶禧, 張兵, 鄭蘭芬, 等. 高光譜遙感—原理、技術與應用[M]. 北京: 高等教育出版社, 2006.

[15] 孫俊, 金夏明, 毛罕平, 等. 高光譜圖像技術在摻假大米檢測中國的應用[J]. 農業工程學報, 2014, 30(21): 301-307.

Sun Jun, Jin Xiaming, Mao Hanping, et al. Application of hyperspectral image technology in detection of adulterated rice[J]. Journal of Agricu- ltural Engineering, 2014, 30(21): 301-307.

[16] 王家云, 王松磊, 賀曉光, 等. 基于NIR高光譜成像技術的灘羊肉內部品質無損檢測[J]. 現代食品科技, 2014, 30(6): 257-262, 249.

Wang Jiayun, Wang Songlei, He Xiaoguang, et al. Nondestructive detection for internal qualities of tan-sheep meat using NIR hyperspectral imaging technique[J]. Modern Food Technology, 2014, 30(6): 257-262, 249.

[17] 邵瑰瑋, 付晶, 陳怡, 等. 基于圖譜特征的復合絕緣子老化神經網絡評估方法[J]. 高電壓技術, 2014, 40(3): 861-867.

Shao Guiwei, Fu Jing, Chen Yi, et al. Aging assessment method of composite insulator using neural network based on image and spectra characteristic[J]. High Voltage Engineering, 2014, 40(3): 861-867.

[18] International Electrotechnical Commission. IEC- 61109-2008. Insulators for overhead lines-composite suspension and tension insulators for a.c. systems with a nominal voltage greater than 1000V— definitons, test methods and acceptance criteria[S]. IEC, 2008.

[19] 胡行俊. 紫外光與合成材料的光老化[J]. 裝備環境工程, 2006, 3(2): 38-41.

Hu Xingjun. UV-irradiation and photoaging of syntheticm aterials[J]. Equipment Environmental Engineering, 2006, 3(2): 38-41.

[20] 王晶, 候紅英. 青島地區太陽紫外線輻射研究[J]. 中國海洋大學學報, 2006, 36(4): 671-676.

Wang Jing, Hou Hongying. Research of solar ultraviolet radiation in the Qingdao region[J]. Periodi- cal of Ocean University of China, 2006, 36(4): 671- 676.

[21] 吳兌. 太陽紫外線輻射及其生物效應[J]. 氣象, 2001, 26(4): 54-55.

Wu Dui. Surface sunny ultraviolet radiation and biology effect[J]. Meteorological, 2001, 26(4): 54-55.

[22] 莊海仁, 何文生, 林瑪麗. 國內外實驗室光源加速老化試驗設備[J]. 合成材料老化與應用, 2007, 36(4): 48-50.

Zhuang Hairen, He Wensheng, Lin Mali. Domestic and foreign laboratories light source accelerated aging test equipment[J]. Synthetic Materials Aging and Application, 2007, 36(4): 48-50.

[23] 趙翮選, 趙書榮, 王聯章, 等. 高海拔地區紫外輻射對硅橡膠復合絕緣子老化的影響[J]. 華北電力技術, 2009(3): 10-13.

Zhao Hexuan, Zhao Shurong, Wang Lianzhang, et al. Influence of UV-irradiation on degradation of siliconerubber composite insulators in high-altitude regions[J]. North China Power Technology, 2009(3): 10-13.

[24] 鄭小波, 王學鋒, 羅宇翔, 等. 1961—2005年云貴高原太陽輻射變化特征及其影響因子[J]. 氣候與環境研究, 2011, 16(5): 657-664.

Zheng Xiaobo, Wang Xuefeng, Luo Yuxiang, et al. Variation characteristics of global radiation and the associated climatic factors over Yunnan-Guizhou plateau in the southwestern part of China for 1961-2005[J]. Climatic and Environmental Research, 2011, 16(5): 657-664.

[25] 高巖峰, 王家福, 梁曦東, 等. 交直流電暈對高溫硫化硅橡膠性能的影響[J]. 中國電機工程學報, 2016, 36(1): 274-284.

Gao Yanfeng, Wang Jiafu, Liang Xidong, et al. Influence of AC and DC corona on high temperature vulcanized silicone rubber[J]. Proceedings of the CSEE, 2016, 36(1): 274-284.

[26] Huang Guangbin, Zhu Qinyu, Siew C. Extreme learning machine: a new learning scheme of feed- forward neural networks[C]//IEEE International Joint Conference on Neural Networks, 2004: 985-990.

[27] Tang Jiexiong, Deng Chenwei, Huang Guangbin. Extreme learning machine for multilayer percep- tron[J]. IEEE Transactions on Neural Networks and Learning Systems, 2015, 27(4): 809-821.

Aging Degree Evaluation of Composite Insulator Based on Hyperspectral Technology

（School of Electrical Engineering Southwest Jiaotong University Chengdu 611756 China）

There is no convenient and fast method for the insulation aging degree detection. In this paper, a non-contact and fast non-destructive testing method for surface aging of composite insulators based on hyperspectral technology is proposed. Firstly, Fourier-infrared tests were carried out on samples with different aging degrees, and the group changes on the surface of the samples and the influence on hydrophobicity were analyzed. Secondly, the hyperspectral imager (900～1 700nm) was used to obtain the spectral information of the aged samples. Combined with the Fourier mid-infrared spectroscopy, the relationship between the group content and the spectral information of the aged samples was determined, so as to qualitatively analyze the degree of aging. Finally, an aging degree evaluation model based on the deep extreme learning machine was established, and 60 groups of data to be tested were predicted to achieve accurate grading of the insulator aging degree. The classification accuracy rate was 96.67%. Compared with BP neural network model and support vector machine model, it is shown that the model used in this paper has both rapidity and accuracy, which provides a new idea for on-line detection of the aging degree of external insulation surface.

Composite insulator, aging degree, hyperspectral technology, Fourier transform infrared, deep extreme learning machine

TM216

10.19595/j.cnki.1000-6753.tces.191654

國家自然科學基金項目（51907168）、四川省杰出青年科技人才項目（2020JDJQ0039）、中央高校基本科研業務費專項資金項目（2682017CX044，2682018CX19）和國家電網有限公司科技項目（521104190007）資助。

2019-11-27

2020-01-20

張血琴 女，1979年生，博士，副教授，博士生導師，研究方向為高電壓絕緣與防護技術。E-mail: xq_zhang@home.swjtu.edu.cn

劉 凱 男，1990年生，博士，助理研究員，研究方向為高電壓絕緣技術和輸電線路防災減災。E-mail: liukai@swjtu.edu.cn（通信作者）

（編輯 崔文靜）