Machine Translated by Google
năng lượng
Ôn tập
Kỹ thuật giám sát mức độ ô nhiễm cho điện áp cao
Chất cách điện: Đánh giá
1 2
Luqman Maraaba và
Luai M. Alhems
Trích dẫn: Maraaba, L.; Al-Soufi, K.;
Ssennoga, T.; Memon, AM; Worku, MY; Alhems,
Kỹ thuật giám sát mức độ ô nhiễm LM dành cho
chất cách điện cao thế: Đánh giá.
Năng lượng 2022, 15, 7656. https://
doi.org/10.3390/en15207656
Biên tập viên học thuật: Guoming Ma,
Shuguo Gao và Hongyang Chu
Đã nhận: ngày 20 tháng 8 năm 2022
Được chấp nhận: ngày 14 tháng 10 năm 2022
Đã xuất bản: 17 tháng 10 năm 2022
Lưu ý của nhà xuất bản: MDPI giữ thái độ trung
lập đối với các khiếu nại về quyền tài phán
trong các bản đồ được xuất bản và liên kết thể chế.
sự liên kết.
Bản quyền: © 2022 của các tác giả.
Được cấp phép MDPI, Basel, Thụy Sĩ.
Bài viết này là một bài viết truy cập mở
được phân phối theo các điều khoản và
điều kiện của Creative Commons
Giấy phép ghi công (CC BY) ( https://
creativecommons.org/licenses/by/
4.0/).
Năng lượng 2022, 15, 7656. https://doi.org/10.3390/en15207656
2
, Khaled Al-Soufi , Twaha Ssennoga 3,*, Azhar M. Memon , 4 Muhammad Y. Worku
2
1
Khoa Kỹ thuật Điện, Đại học Arab American, 13 Zababdeh, Jenin PO Box 240, Trung tâm Nghiên cứu Ứng dụng Đo
2
lường, Tiêu chuẩn và Thử nghiệm Palestine, Viện Nghiên cứu, Đại học Dầu khí và Khoáng sản King Fahd, Dhahran
31261, Khoa Kiến trúc và Môi trường Xây dựng Ả Rập
3
Saudi , Khoa Kỹ thuật, Đại học Nottingham, Nottingham NG7 2RD, Trung tâm Nghiên cứu Liên ngành về Hệ
thống Điện và Năng lượng
4
Tái tạo của Vương quốc Anh (IRC-REPS), Viện Nghiên cứu, Đại học Dầu khí và Khoáng sản King Fahd, Dhahran
31261, Ả Rập Saudi * Thư từ: twaha. sennoga1@nottingham.ac.uk hoặc
sennogatwaha2007@gmail.com;
ĐT: +44-7928531186
Tóm tắt: Chất cách điện được coi là một trong những bộ phận quan trọng nhất của hệ thống điện, có
thể ảnh hưởng đến hiệu suất chung của đường dây và trạm biến áp cao áp (HV). Chất cách điện cao áp
(HV) rất quan trọng để vận hành thành công đường dây truyền tải HV trên không và nếu bất kỳ chất
cách điện nào bị hỏng do nhiễm bẩn đều có thể dẫn đến điện áp phóng điện, gây mất điện. Tuy nhiên,
hiệu suất điện của chất cách điện HV rất nhạy cảm với môi trường. Nguyên nhân chính gây ra hiện
tượng phóng điện này ở các khu vực công nghiệp, nông nghiệp, sa mạc và ven biển là do chất cách điện
bị nhiễm bẩn do điều kiện khí hậu không thuận lợi như sương, sương mù hoặc mưa. Vì vậy, mục đích của
công việc này là xem xét các phương pháp khác nhau được áp dụng để xác định mức độ nhiễm bẩn trên
chất cách điện cao áp. Một số phương pháp đã được phát triển để quan sát và đo mức độ ô nhiễm trên
chất cách điện HV, chẳng hạn như dòng điện rò rỉ, phân tách một phần và hình ảnh với sự trợ giúp của
các kỹ thuật khác nhau. Các kỹ thuật khác nhau đã được thảo luận cùng với những ưu điểm và nhược
điểm của chúng trên cơ sở công trình nghiên cứu được công bố trong thập kỷ qua. Các kỹ thuật phân
loại mức độ nhiễm bẩn chất cách điện điện áp cao chính được thảo luận bao gồm học máy, logic mờ,
giao diện thần kinh-mờ, phân tích dao động có xu hướng (DFA) và các phương pháp khác. Dữ liệu về mức
độ ô nhiễm sẽ hỗ trợ lập kế hoạch cho chất cách điện trạm biến áp rộng rãi và tốn kém cũng như việc
rửa đường dây trực tiếp được thực hiện bằng nước áp suất cao. Kết quả là, những lợi ích đáng kể về
việc cải thiện độ tin cậy của hệ thống điện và tiết kiệm chi phí bảo trì sẽ được hiện thực hóa. Bài
viết này cung cấp cái nhìn tổng quan về các phương pháp xử lý tín hiệu và học máy khác nhau được áp
dụng để xác định mức độ ô nhiễm trên các chất cách điện cao áp. Nhiều phương pháp khác nhau được
nghiên cứu và những ưu điểm cũng như nhược điểm của từng phương pháp sẽ được thảo luận. Việc xem xét
toàn diện các phương pháp đảo sẽ cung cấp cho các công ty điện lực và các nhà nghiên cứu một tài
liệu tham khảo và hướng dẫn để lựa chọn phương pháp tốt nhất được sử dụng để xác định mức độ ô nhiễm dựa trên
và tính khả thi về mặt kinh tế.
Từ khóa: quan trắc mức độ ô nhiễm; chất cách điện cao áp; xử lý tín hiệu; học máy
1. Giới thiệu
Chất cách điện được coi là một thành phần quan trọng của hệ thống điện, có thể ảnh
hưởng đến hiệu suất chung của các trạm biến áp và đường dây truyền tải. Ví dụ, phụ tải
điện y tế và nhà máy thép yêu cầu nguồn điện liên tục. Do đó, bất kỳ sự suy giảm nào về
hiệu suất của chất cách điện đều có thể dẫn đến tổn thất đáng kể về dịch vụ và doanh
thu. Có hai loại chất cách điện HV dựa trên vật liệu được sử dụng— chất cách điện bằng
gốm và không bằng gốm—và dựa trên vị trí lắp đặt trên các đường dây truyền tải trên không
—chất cách điện dạng chốt, hệ thống treo, biến dạng và cùm.
https://www.mdpi.com/journal/energies
Machine Translated by Google

Năng lượng 2022, 15, 7656 2 trên 32

Hiệu suất điện của chất cách điện HV rất nhạy cảm với môi trường. Điện áp chịu đựng
và điện áp phóng điện của chất cách điện giảm khi nó bị nhiễm bẩn và bị ướt [ 1,2]. Các
chất cách điện bằng sứ và thủy tinh thông thường đã thể hiện độ bền trong điều kiện hiện
trường là những vật dụng rất nặng có tác động khá đáng kể đến các yêu cầu cơ học của
mạng truyền tải HV [3,4]. Đối với các điều kiện bị ô nhiễm nặng, cần phải dựng các dây
dài hơn, tác động trở nên khá hạn chế đối với các thông số thiết kế và do đó, việc phụ
thuộc nhiều vào các chương trình bảo trì tốn kém, tẻ nhạt và tốn thời gian trở thành một
phần thiết yếu của thiết kế. Sự xem xét. Các công ty điện lực có nhiệm vụ rất khó khăn
là cung cấp nguồn điện đáng tin cậy cho người tiêu dùng có yêu cầu cao [5]. Hơn nữa, các
yêu cầu về độ tin cậy ngày càng trở nên khắt khe hơn khi cuộc sống tiện nghi ngày càng
phụ thuộc nhiều vào năng lượng . Do đó, các công ty điện lực hoan nghênh bất kỳ tiến bộ
công nghệ nào về vật liệu cách điện có thể giúp họ dễ dàng hiểu biết về mặt chuyên môn
mà không ảnh hưởng đến độ tin cậy của hệ thống điện. Từ những năm 1960, chất cách điện
composite đã được giới thiệu như một sự thay thế tiềm năng cho các chất cách điện bằng
sứ và thủy tinh thông thường. Những chất cách điện này có một số ưu điểm về trọng lượng
nhẹ, dễ xử lý, chống phá hoại và chi phí tương đối thấp [6–
8]. Các vật liệu khác nhau
như monome ethylene propylene diene (EPDM), cao su silicon lưu hóa ở nhiệt độ phòng
(RTV) và cao su silicon vinyl truyền nhiệt (HTV) đã được sử dụng để sản xuất chất cách
điện polyme [5,9–
11].

Việc thiết kế và xây dựng các đường dây truyền tải trên không có một số hạn chế về
kỹ thuật, kinh tế và môi trường. Ví dụ, ở những khu vực đông dân cư, điều cần thiết là
phải giảm chiều rộng của lộ giới và xem xét tác động trực quan của đường [ 12]. Ở những
khu vực xa xôi và khó tiếp cận, bắt buộc phải đảm bảo rằng các đường dây truyền tải có
hiệu suất cơ và điện cao. Việc lựa chọn chất cách điện có ảnh hưởng đáng kể đến thiết kế
đường dây tổng thể. Chất cách điện bằng sứ và thủy tinh đã phát triển qua nhiều năm và
thiết kế của chúng đã được điều chỉnh để phù hợp với việc tăng điện áp truyền tải. Chất
cách điện thanh dài bằng composite, nhờ trọng lượng nhẹ và độ bền cơ học cao, là sự thay
thế hấp dẫn cho các chất cách điện bằng thủy tinh và sứ thông thường dùng cho đường dây
truyền tải [13]. Lợi ích kinh tế của chất cách điện composite cũng cho phép xây dựng các
tòa tháp nhỏ gọn. Ngoài những ưu điểm này, chất cách điện hỗn hợp có thể được kỳ vọng sẽ
mang lại khả năng cách điện thỏa đáng trong các điều kiện ô nhiễm đối với đường rò nhất
định, nhờ hình dạng mảnh và hệ số dạng cao tổng hợp của chúng. Ngoài ra, tồn tại các
đường rò dài vì có thể dễ dàng chế tạo các nhà kho có hình dạng phức tạp. Ngoài ra, tổn
thất do dòng điện rò rỉ giảm so với các chất cách điện có bề mặt lớn. Chất cách điện
bằng composite cũng có độ nhạy va đập thấp đối với các va chạm cơ học chẳng hạn như tác
động của đạn súng trường. Do trọng lượng nhẹ nên việc vận chuyển và lắp đặt các tháp
khẩn cấp cách điện bằng chất cách điện polyme có thể được thực hiện rất hiệu quả ở những
vùng sâu vùng xa bằng cách sử dụng dịch vụ trực thăng. Tuy nhiên, một vấn đề quan trọng
với chất cách điện tổng hợp là độ nhạy của chúng với ảnh hưởng của khí quyển dưới tác dụng của đi
Ngược lại với vật liệu gốm, nhựa có thể bị hư hỏng dưới tác dụng của điện và áp suất khí
quyển kết hợp, dẫn đến giảm thời gian sử dụng hữu ích của chúng [14].
Vương quốc Ả Rập Saudi đã trải qua một chương trình công nghiệp hóa nhanh chóng
trong thập kỷ qua. Trong giai đoạn 2008–2018, tổng doanh số bán năng lượng tăng với tốc
độ nhanh hơn từ 187 TWh lên 299 TWh, tương ứng mức tăng 59,9%. Để đáp ứng nhu cầu năng
lượng ngày càng tăng, các đường dây truyền tải điện áp cao (HV) trên không đã được xây
dựng ở Vương quốc Anh với tốc độ nhanh hơn nhiều. Chất cách điện là một trong những
thành phần quan trọng nhất trong hệ thống truyền tải [15,16]. Điều kiện khí hậu và địa
lý của Vương quốc Ả Rập Xê Út rất đặc biệt, với những sa mạc rộng lớn bao quanh chủ yếu
là biển. Các điều kiện khí hậu điển hình được đặc trưng bởi nhiệt độ môi trường khắc
nghiệt với sự thay đổi đáng kể giữa ngày và đêm, sự thay đổi lớn về độ ẩm tương đối, gió
mạnh mang theo bụi và cát, các hạt bụi lơ lửng, một vài ngày có sương mù và sương mù, và
chủ yếu là những ngày nắng trong năm. . Người tiêu dùng điện ở Vương quốc chủ yếu tập
trung quanh hai khu vực ven biển ở Biển Đỏ và Vịnh và xung quanh
Machine Translated by Google

Năng lượng 2022, 15, 7656 3 trên 32

thủ đô Riyadh ở khu vực miền trung. Các hạt ô nhiễm trong không khí là
cũng được gió mang đến vùng lân cận của sợi dây cách điện, ở đó, dưới tác dụng của
của lực tĩnh điện, trọng lực và ma sát, các hạt được gắn vào chất cách điện
các bề mặt. Khi có độ ẩm do mưa nhẹ, độ ẩm tương đối cao, sương mù, v.v.,
các hạt hòa tan kết dính tạo thành các lớp dẫn điện trên bề mặt chất cách điện, cho phép

dòng điện rò rỉ. Do sự phân bố không đồng nhất vốn có của các chất gây ô nhiễm và
độ ẩm do sợi dây cách điện mang điện trải qua, mức độ bay hơi của Joule
nhiệt độ thay đổi, dẫn đến sự hình thành (các) dải khô. Trên khắp dải khô, tương đối

điện áp cao tích tụ, có thể đạt đến giá trị tới hạn, trong đó quá trình ion hóa không khí diễn ra và

thu hẹp khoảng cách. Quá trình này có thể được lặp lại cho đến khi, trong một số điều kiện không thuận lợi, không khí

quá trình ion hóa phát triển thành sự phóng điện một phần rồi lan truyền thành phóng điện bề mặt [1,17,18].

Theo tài liệu, nhiều phương pháp đã được sử dụng để theo dõi mức độ ô nhiễm của
chất cách điện. Một số phương pháp là chụp ảnh nhiệt, tia cực tím
hình ảnh, hình ảnh kỹ thuật số, tín hiệu siêu âm, tín hiệu âm thanh, dòng rò và một phần
phóng điện [19–25]. Nhiều phòng thí nghiệm và tiện ích sử dụng mức độ rò rỉ
dòng điện (LC) gây ra do nhiễm bẩn trên bề mặt chất cách điện được coi là thước đo mức độ nhiễm bẩn
mức độ, độ mòn bề mặt hoặc trạng thái chung của chất cách điện và hiệu suất của nó.

Việc quan sát, đo lường mức độ nhiễm bẩn trong cách điện cao thế là rất quan trọng.
quan trọng vì những lý do sau:

• Để ngăn chặn các hiện tượng phóng điện tai hại và giảm thời gian ngừng hoạt động bắt
buộc bằng cách cung cấp trước thông tin chính xác và chính xác về mức độ ô nhiễm;
• Để giảm chi phí bảo trì và cho phép lập kế hoạch bảo trì hiệu quả (chỉ rõ
thời gian tối ưu để giặt);
• Nâng cao độ tin cậy chung của hệ thống điện;

• Để cho phép sử dụng hiệu quả các nguồn lực hạn chế, chẳng hạn như lực lượng lao động và thời gian, bằng cách

tạo ưu tiên cho việc bảo trì chất cách điện.

2. Sự ô nhiễm chất cách điện và nguồn gây ô nhiễm

Nguồn gây ô nhiễm của chất cách điện đề cập đến loại chất gây ra
sự ô nhiễm của chất cách điện, chẳng hạn như xi măng, cát, bụi, ô nhiễm công nghiệp và
ô nhiễm nông nghiệp Những chất gây ô nhiễm này có thể ảnh hưởng đến hiệu suất của chất cách điện [26,27].

Ô nhiễm chất cách điện thường được đo bằng mật độ cặn muối tương đương (ESDD)
và được biểu thị bằng mg muối (NaCl) trên cm vuông. diện tích bề mặt của chất cách điện [28,29]. Nó
đã được quan sát thấy rằng ở một số khu vực ven biển, mức độ ô nhiễm chất cách điện tích tụ

tới mức ESDD lớn hơn 0,1 mg/cm2 trong hai tháng [30], đảm bảo độc quyền
xem xét giảm bớt ảnh hưởng của chúng lên hệ thống điện. Mức độ ô nhiễm trực tuyến
dữ liệu giám sát giúp lập lịch trình cách điện trạm biến áp rộng rãi và tốn kém,

và rửa dây chuyền trực tiếp được thực hiện bằng nước áp lực cao. Vì vậy, kết quả tích cực
đạt được về mặt cải thiện độ tin cậy của hệ thống điện và tiết kiệm chi phí bảo trì.
Bảng 1 và 2 thể hiện phân loại ô nhiễm theo tiêu chuẩn IEC-60815, CIGRE và IEEE
mức độ nghiêm trọng [31–
33].

Bảng 1. Tiêu chuẩn IEC 60815 về phân loại mức độ ô nhiễm [31–
33].

Tiêu chuẩn IEC 60815

Khoảng cách rò rỉ
ESDD (mg/cm2 ) Mức độ nghiêm trọng của trang web
(kV/lmm)

2.11 > 0,40 Rất nặng

1,70 0,15–0,40 Nặng

1,37 0,04–0,15 Trung bình

1,09 0,01–0,04 Ánh sáng

0,87 <0,01 Rất nhẹ

Machine Translated by Google

Năng lượng 2022, 15, 7656 4 trên 32

Bảng 2. Tiêu chuẩn CIGRE và IEEE để phân loại mức độ ô nhiễm [31–33].

ESDD, mg/cm2 Mức độ nghiêm trọng của trang web

IEEE CIGRE

- >0,48 Đặc biệt

- 0,24–0,48 Rất nặng

>0,10 0,12–0,24 Nặng

0,06–0,10 0,06–0,12 Trung bình/Trung bình

0,03–0,06 0,03–0,06 Ánh sáng

0–0,03 0,015–
0,03 Rất nhẹ
- 0,0075–
0,015 Không có

3. Kinh nghiệm trong ngành về cải thiện hiệu suất chất cách điện

Sự nhiễu loạn do phóng điện hồ quang của chất cách điện do phóng điện ô nhiễm (FOV)
là một trong những vấn đề mà các kỹ sư lưới điện cao áp phải đối mặt. Sự phóng điện của chất cách điện là

một vấn đề nghiêm trọng mà sự xuất hiện của nó được xác định bởi nhiều yếu tố khác nhau, thiết kế chất cách điện,

điều kiện hoạt động, tính chất của khu vực và điều kiện thời tiết [34,35]. Một trong những
các phương pháp phổ biến nhất được áp dụng như một giải pháp cho vấn đề này ở cấp thiết kế tiện ích
sự mở rộng khoảng cách rò rỉ. Trong khi giải quyết vấn đề ô nhiễm, bản chất của
ô nhiễm ở đường dây cao thế cần được xác định trước tiên. Vì sự nghiêm trọng
điều kiện ô nhiễm, việc phối hợp cách nhiệt ngoài trời đòi hỏi phải có địa lý rõ ràng
lập bản đồ trữ lượng ô nhiễm tự nhiên cũng như các nghiên cứu thống kê toàn diện [36].
Các phương pháp lấy mẫu, phân loại cũng như biểu đồ xếp hạng được chuẩn bị để thiết lập
mức độ nghiêm trọng của môi trường. Vai trò của đội bảo trì và kỹ sư thiết kế là

tìm ra cách phòng tránh hiện tượng phóng điện. Hiệu suất của chất cách điện HV
có thể được cải thiện bằng cách cải thiện khả năng cách điện của chất cách điện hoặc ngăn chặn lớp dẫn điện

sự hình thành. Các cách khác nhau, chẳng hạn như lớp phủ, bộ kéo dài đường dây, tối ưu hóa hệ thống điện
phân phối và làm sạch tại hiện trường đã được các công ty điện lực sử dụng để cải thiện chất cách điện

hiệu suất [37].

3.1. Lớp phủ cách điện

Vật liệu kỵ nước được thêm vào bề mặt chất cách điện để cải thiện hiệu suất của chất cách điện
bằng gốm. Trong số các SiR được sử dụng phổ biến trong các ứng dụng khác nhau
và hệ thống điện là; cao su silicon lưu hóa ở nhiệt độ phòng (RTV-SiR) và
cao su silicon lưu hóa ở nhiệt độ cao (HTV-SiR). Trong số tất cả các loại cao su silicone,
HTV và RTV silicone được đánh giá cao vì đặc tính tốt hơn của chúng
so với các loại khác về đặc tính cơ học nén, bảo dưỡng tốt hơn, cao
độ bền kéo, dẫn động, xử lý dễ dàng và kỵ nước tốt hơn. Silicon RTV
cao su thường được sử dụng để phun và phủ chất cách điện bằng gốm vì nó thường
khô rất nhanh. Nhưng đối với HTV, đó là quy trình sản xuất cách điện composite theo quy trình
nhiệt độ cao và áp suất cao theo tiêu chuẩn [38]. Sau đó, các vật liệu cung cấp
bề mặt kỵ nước ngăn cản sự hình thành lớp dẫn điện. Theo đó, kích thước

dòng điện rò chạy trên bề mặt cách điện giảm đi, làm giảm xác suất
của sự phóng điện [39]. Bảng 3 cho thấy cường độ dòng điện rò trên các thiết bị được phủ và không phủ
chất cách điện như là một hàm của điện áp đặt vào. Kết quả cho thấy chất cách điện được phủ có
dòng điện rò rỉ ít hơn so với chất cách điện không phủ ở cùng cấp điện áp [40].
Hiệu quả của việc sử dụng lớp phủ cao su silicon RTV của chất cách điện gốm đến rò rỉ
cường độ dòng điện đã được nghiên cứu trong [40]. Người ta kết luận rằng việc sử dụng mỡ silicon
vì vật liệu phủ không kinh tế vì nó phải được thay thế trong thời gian ngắn,
thường là sáu tháng một lần vì tuổi thọ của nó có hạn. Như vậy, lợi ích của việc sử dụng
cao su silicon RTV có tuổi thọ dài hơn, hơn 5 năm. Việc lựa chọn
thời điểm tối ưu để thay thế lớp phủ vẫn là một chủ đề nghiên cứu [41]. Hơn nữa,
việc sử dụng và loại bỏ lớp phủ do tuổi thọ quá cao rất phức tạp [9].
Machine Translated by Google

Năng lượng 2022, 15, 7656 5 trên 32

Bảng 3. Độ lớn dòng rò cách điện.

Dòng điện rò rỉ Dòng điện rò rỉ

Vôn
(mA) (mA)
(kV)
RTV tráng không tráng

0,811 - 45

0,705 - 40

0,580 Flashover 35

0,478 - 30

0,394 1.601 25

0,305 0,695 20

0,224 0,371 15

0,151 0,358 10

0,073 0,226 5

3.2. Tối ưu hóa phân phối điện trường

Phương pháp tối ưu hóa sự phân bố điện trường dọc theo chất cách điện composite
đã được đề xuất trong [42], trong đó phương pháp phần tử hữu hạn được sử dụng. Một không gian ba chiều
mô hình tính toán điện trường đã được rút ra, trong khi điện áp bề mặt
phân phối dọc theo chất cách điện composite đã được xác định. Nó đã được kết luận, từ
kết quả là điện trường ở cuối vật liệu tổng hợp đã giảm đáng kể
do sự gia tăng số lượng vật liệu cách nhiệt bằng thủy tinh kết hợp.
Bảng 4 chỉ ra sự giảm cường độ điện trường do các chất cách điện thủy tinh khác nhau
công trình lắp đặt ở cấp điện áp 500 kV, trong đó n là số đơn vị
cách điện mắc nối tiếp [41].

Bảng 4. Độ suy giảm cường độ điện trường của chất cách điện khi lắp đặt các chất cách điện bằng thủy tinh khác nhau.

N 4 3 2 1 0

Điện áp 20%
khoảng cách ở điện áp cao 38,36 41,61 45,44 51,75 63,5
kết thúc %

Điện trường tối đa

0,39 0,536 0,65 1,01 2.0
Cường độ (kV/mm)

% Điện áp của
53,26 57,91 63,76 73,62 100
chất cách điện tổng hợp

3.3. Bộ mở rộng đường dây

Điện áp phóng điện sẽ được điều chỉnh bằng cách thay đổi chiều dài đường rò của
cái cách điện , từ đó giảm dòng điện rò và cải thiện khoảng cách đánh cũng như
hình cách điện. Tùy thuộc vào loại chất cách điện, bộ kéo dài đường rò được sản xuất
với polyme bán cứng hoặc váy polyme dẻo. Bộ mở rộng đường leo rất đắt
và chỉ được sử dụng khi các kỹ thuật khác không thể thực hiện được. Hình 1 chỉ ra kết quả của
thử nghiệm phóng điện được thực hiện trên cách điện trụ 66 kV với các khoảng cách đường rò khác nhau và

mức độ ô nhiễm không đổi được xác định theo tiêu chuẩn IEC507. Nó được chỉ ra rằng
điện áp phóng điện tăng khi chiều dài đường rò tăng [9,41].
Machine Translated by Google
được bảo vệ bằng polyme bán cứng hoặc lớp polyme dẻo. Bộ mở rộng đường rò đắt tiền và chỉ được sử dụng khi

các kỹ thuật khác không thể thực hiện được. Hình 1 biểu thị kết quả của thử nghiệm phóng điện được thực hiện

trên cái cách điện trụ 66 kV với các khoảng cách đường rò khác nhau và mức độ nhiễm bẩn không đổi được xác
Năng lượng 2022, 15, 7656 6 trên 32

định theo tiêu chuẩn IEC507. Người ta chỉ ra rằng điện áp phóng điện tăng khi chiều dài đường rò tăng [9,41].

Hình 1. Điện
Hình áp phóng
1. Điện điện điện
áp phóng so với số bộ
so với số phận mở rộng
bộ phận củacủa
mở rộng cáicái
cách điện
cách sau
điện ở ở
sau mức
mức6666kVkV[9].
[9].

3.4.cách
3.4. Rửa Rửa điện
cách (Vệ
điệnsinh)
(Vệ sinh)

Kỹ thuật này cho phép rửa chất cách điện trong khi đường dây điện vẫn còn mang điện,
Kỹ thuật này cho phép rửa chất cách điện trong khi đường dây điện vẫn còn mang điện và giúp giảm tình
trạng mất điện đường dây do tắt đường dây để rửa chất cách điện ngoại tuyến.
và nó làm giảm sự cố mất điện do tắt đường dây để rửa cách điện ngoại tuyến. Việc rửa cách điện đường dây
đang hoạt động được tiến hành bằng cách sử dụng vòi phun nước có áp suất điện trở suất cao
Việc rửa
cao chất
ở áp cách
suất điện đườngkhoảng
vòi phun dây trực tiếp
550pa đượcTrong
[43]. tiến những
hành bằng
điều cách
kiện sử
đặcdụng
biệttia
dẫnnước
đến có
độtápngột
suất điện trở suất

ở áp suất
suddevòi
trên
phun
chất
khoảng
cách 550pa
điện, [43].
việc rửa
Trong
khẩn
những
cấp điều
được kiện
áp dụng.
đặc biệt
Cả hai
dẫn đến sự tích tụ chất gây ô nhiễm
kỹ chất
tích tụ thuậtgây
phổô biến nhất
nhiễm được
trên liệt
chất kêđiện,
cách trong việc
Bảng rửa
5 [44].
khẩn cấp được thực hiện. Hai kỹ thuật phổ biến nhất

được liệt kê trong Bảng 5 [44].

Bảng 5. Các phương pháp rửa sứ.

Phương Bình luận

phương pháp rửapháp
chấtlàm sạch
cách Bảng ký gửi 5. Các
điện.

Thời gian giặt Giặt trực tiếp?

Rửa cách điện Rửa áp lực cao Làm
cặn sạch
có độ bám dính kém Chi phí giờ làm việc nếu mất điện
Phương Bình luận là
thức gửi tiền bắt buộc

Thời gian làm sạch cặn vật liệu khô

Thời gian giặt Giặt trực tiếp?
Vệ sinh cách điện Chất cách Giặt
điện khô
Áp suất cao Phân gửi
Tiền bón xi
có măng
mức độ hư hại của Cost Glaze kém và
Chi phíchất
giờ cách
làm việc
điện nếu mất điện - vỡ
giặt giặt cần có độ
bám dính Thời gian làm sạch Vật liệu khô

lực Saudi (SEC) lắng đọng 3.5. Kinh nghiệm của Công ty Điện
Chất cách
điện
Rập Giặt(SEC)
Saudi khô Phân
được bón xi lập
thành măngvào
Chitháng
phí Thiệt
1 năm hại
2000dolàlớp mentyvàduy
công chất cách điện Công ty Điện lực Ả
nhất
công ty
điện lực dọn dẹp nhà cửa ở Vương quốc Ả Rập Saudi. Hệ thống truyền tải điện
trong khu vực này hoạt động ở các cấp điện áp 69, 115, 230 và 380 kV và bao gồm các đường dây dài
đường dây truyền tải, hầu hết được xây dựng gần bờ biển Vịnh Ả Rập. Một số
3.5. Công ty Điện lực Ả-rập Xê-út (SEC) Trải qua phụ tải công
nghiệp, đặc biệt là ở khu công nghiệp Jubail, là các ngành công nghiệp chế biến,
Công
sự daotyđộng
Điệnđiện
lực áp
Saudi (SEC)
(sụt) đượcđiện.
và mất thànhThực
lập tế
vàonày
tháng 1 năm 2000 vì đây là công ty cực kỳ nhạy cảm với
khiến
khảđiện
công ty nănglực
chống ô nhiễm
ở Vương quốc là yếu Saudi.
Ả Rập tố quan
Hệtrọng
thống nhất trong
truyền tải việc
điện lựa chọn
i trạm đường
biến dây truyền
áp cách tảiđiểm
điện. Đặc và kỹ
thuật cách điện nghiêm ngặt được áp dụng để duy trì độ tin cậy tốt của
khu vực này hoạt động ở các cấp điện áp 69, 115, 230 và 380 kV và bao gồm hệ thống truyền tải điện HV xuyên
suốt dài. Vào cuối những năm 1970 và đầu những năm 1980, dịch vụ điện
các đường truyền giáo, hầu hết được xây dựng gần bờ biển Vịnh Ả Rập. Một số nhà cung cấp ở Ả Rập Saudi đã
trải qua tỷ lệ ô nhiễm cao. Ngoài ra, sự thiếu
tải công nghiệp, đặc biệt là ở khu công nghiệp Jubail, là các ngành công nghiệp chế biến,
Machine Translated by Google

Năng lượng 2022, 15, 7656 7 trên 32

kinh nghiệm trong việc bảo trì các chất cách điện và số lượng giàn rửa và nhân sự có
sẵn đều góp phần làm giảm độ tin cậy của hệ thống điện. Tỷ lệ gián đoạn đường truyền
liên quan đến thời tiết vào thời điểm đó lên tới 12 lần gián đoạn trên 100 km mỗi
năm. Ngoài ra, những xáo trộn lớn trong hệ thống điện đã xảy ra vào năm 1985 vì những
lý do nêu trên [45].
Cuối cùng, SEC được yêu cầu quản lý vấn đề ô nhiễm chất cách điện bằng cách rửa đường
dây trực tiếp áp suất cao, tiết kiệm chi phí. Như đã đề cập trước đó, điều này được thực hiện
bằng các tia áp suất có điện trở suất cao với áp suất khoảng 550 psi ở đầu ra. Tần suất của
công việc rửa có liên quan đến mức độ quan trọng của đường dây và mức độ nhiễm bẩn chất cách
điện [16,45]. Theo đó, các vùng rửa đã được phân loại và khoảng thời gian rửa tương ứng trong
các vùng đó thay đổi từ một tháng đến 12 tháng như sau [45]: • Vùng 1—Rửa hàng tháng:

đường dây cách điện gần các nhà máy phát điện lớn, chẳng hạn như Nhà máy điện Ghazlan, và gần
Vịnh Ả Rập; • Vùng 2—Rửa 2–
3 tháng một lần: đường dây cách điện gần
các nhà máy phát điện lớn, chẳng hạn như
như Nhà máy điện Berri, nhưng không quá gần Vịnh Ả Rập;
• Vùng 3—Rửa sạch 6–
12 tháng một lần: lót chất cách điện ở khoảng cách 20–50 km tính từ Vịnh
Ả Rập;
• Vùng 4—Không rửa: Các tuyến nằm cách Vịnh Ả Rập hơn 50 km.

Trong những tình huống đặc biệt và đặc biệt, việc rửa khẩn cấp cũng cần thiết. Ví dụ, sự
xuất hiện của “Shamal” (gió Tây Bắc) có thể gây ra sự tích tụ chất gây ô nhiễm đột ngột trên
các chất cách điện, đòi hỏi phải rửa khẩn cấp. Sự gián đoạn điện hàng năm liên quan đến sự cố
phóng điện của chất cách điện liên quan đến ô nhiễm đã giảm từ khoảng 1,22 lần gián đoạn trên
100 km mỗi năm vào năm 1979 xuống còn 0,53 lần gián đoạn trên 100 km mỗi năm vào năm 2001
[16,46] nhờ việc rửa chất cách điện và sử dụng chất cách điện cải tiến thiết kế. Tuy nhiên,
sự cải thiện hiệu suất này đạt được do chi phí bảo trì tăng đáng kể. Việc triển khai rửa chất
cách điện đường dây và trạm biến áp, những cải tiến liên tiếp về chuyên môn rửa, bảo trì thiết
bị phù hợp và cuối cùng là lịch trình rửa tối ưu đã bổ sung đáng kể vào độ tin cậy chung của
hệ thống truyền tải. Người ta đã chứng minh rằng rửa chất cách điện là một phương pháp cực kỳ
hiệu quả nhưng rất tốn kém; Đối với SEC, chi phí phát sinh hàng năm là khoảng 15 triệu SAR,
tương đương 4 triệu USD. Lưu ý rằng điều này không tính đến việc rửa chất cách điện trong
trạm biến áp [47].

4. Chỉ báo ô nhiễm & Kỹ thuật xử lý tín hiệu Một trong những

khía cạnh quan trọng để vận hành đáng tin cậy các thiết bị điện áp cao là giám
sát, dự đoán ô nhiễm và làm sạch các chất cách điện cao áp. Cụ thể, khả năng dự đoán
và giám sát cho phép các công ty điện lực có lịch trình tối ưu hóa để rửa đường dây
mang điện và cách điện trạm biến áp. Điều này giúp tiết kiệm chi phí đáng kể đồng thời
cải thiện độ tin cậy của hệ thống điện bằng cách ngăn chặn các sự cố phóng điện thảm
khốc. Trong phần tiếp theo, các chỉ số khác nhau được sử dụng để đánh giá mức độ nhiễm
bẩn của chất cách điện và các kỹ thuật xử lý tín hiệu liên quan sẽ được thảo luận bằng
cách sử dụng tài liệu tổng hợp có liên quan. Hình 2 cho thấy các phương pháp giám sát
mức độ ô nhiễm khác nhau .

4.1. Dòng điện rò

rỉ Độ lớn của dòng điện rò rỉ (LC) phát triển trên bề mặt chất cách điện do nhiễm
bẩn được nhiều phòng thí nghiệm độc lập, trường đại học và các công ty điện lực sử
dụng như một chỉ báo về sự xuống cấp bề mặt, mức độ nghiêm trọng của ô nhiễm cách điện
và hiệu suất của chất cách điện [3]. “Dải khô” và hiệu ứng nhiệt của dòng điện rò lên
chất gây ô nhiễm dẫn đến sự phân bố điện áp phi tuyến. Sau đó, toàn bộ chất cách điện
hoặc chỉ một phần của nó bị bao phủ bởi dải khô, dẫn đến phóng điện [48,49].
Ở độ ẩm tương đối nhỏ hơn 90%, LC được coi là phương pháp không phù hợp để xác định
mức độ ô nhiễm [50,51]. Các chu kỳ lão hóa được mô hình hóa cho đường dây 500 kV với
mức độ ô nhiễm thấp hơn đã cho thấy sự xuống cấp đáng kể của một số chất cách điện gần hơn.
Machine Translated by Google

Năng lượng 2022, 15, 7656 8 trên 32

đến giai đoạn cuối trực tiếp, mặc dù LC không đáng kể đã được ghi lại [52,53]. Hơn nữa, sự tồn tại
của các sóng điện từ bổ sung tại hiện trường ảnh hưởng lớn đến các phép đo LC. 8 trên 32
Năng lượng 2022, 15, x ĐỂ ĐÁNH GIÁ
Tương ứng, việc xây dựng lại chất cách điện và các bố trí đặc biệt phải được thực hiện
được thực hiện để lắp đặt bộ máy LC [54].

Giám sát mức độ ô nhiễm

Phương pháp phi điện

Phương pháp điện

Sự rò rỉ một phần
Âm học Lò vi sóng siêu âm
hiện hành Hình ảnh
phóng điện
Khí thải

Hình ảnh kỹ thuật số tia cực tím Hồng ngoại siêu quang phổ

Xử lý

Hình 2. Các phương pháp giám sát mức độ ô nhiễm khác nhau.
Hình 2. Các phương pháp giám sát mức độ ô nhiễm khác nhau.

4.1.1. Biến đổi Fourier nhanh (FFT)

4.1. Dòng điện rò Để
phân tích FFT của dòng điện rò, các hài lẻ của FFT của LC là
Độ lớn dòng điện rò (LC) phát triển trên bề mặt chất cách điện do được phân tích để phân
loại các mức độ nhiễm bẩn khác nhau. Hầu hết các công trình đều xem xét trực tiếp
năng lượngđược
ô nhiễm của sử
LC;dụng
tuy bởi nhiều
nhiên, mộtphòng thícứu
nghiên nghiệm
đã sửđộc lập,
dụng cácdây
cuộn trường đại học
Rogowski [55]vàđểviệc sử dụng
đo gián tiếp
liêncách
chất kết điện
như một
dòngchỉ
điệnbáoròvềrỉsựsửxuống
dụng cấp
điệnbềápmặt,
cảm mức
ứng độ nghiêm
trong cuộntrọng
dây. của ô nhiễm
Kỹ thuật nàycách điện báo
đã được và cáo là
hiệu suất [3]. “Dải khô” và hiệu ứng nhiệt
không yêu cầu tái tạo tín hiệu trước khi tính toán của dòng điện rò rỉ đơn giản , tiết kiệm chi phí và
dẫn điện
cách đến sự
vớiphi
bốntuyến của mật
giá trị phânđộbốcặn
điện áp.tương
muối Sau đó, toàn
đương bộ insu-
(ESDD) khác FFT.
nhau,Trong [56], 12 chất
máy, hoặc
cm2 chỉ phần
0,1 mg/cm2 của mg/cm2
, 0,2 nó bị và
bao0,3
phủmg/cm2
bởi dải khô,
, đã dẫnthử
được đếnnghiệm
phóng trong
điện [48,49].
điều kiệnỞ ướt
mức (tương
nhỏ hơnđối).
0,05 mg/

hơn =90%
(RH) độ và
98%) ẩm khô
tương
(RHđối, LC được
= 50%). coitalànhận
Người phương
thấypháp
rằngkhông phùchất
chỉ có hợp lượng
để xác định các điều kiện độ ẩm
mức thấp
loại độ ô hơn
nhiễm [50,51].
trong số cácCác
mứcchu kỳ có
ESDD lãothể
hóaxảy
được
ra mô
do hình hóa nhẹ
ô nhiễm cho và
đường dâyvà500 kV với mức phân
nặng,
mứccủa
xác độ ESDD
ô nhiễm đã thể
không cho thu
thấyđược
sự xuống
từ LC.cấp đángphát
Những kể của
hiệnmột số tiết
khác chất lộ
cách điện gần với giá trị chính
rằng
độphần
méo kết
hài thúc
tổng trực
(THD)tiếp,
khôngmặc
thểdùđược
LC không đáng
sử dụng kể đã
trong được
điều ghikhô
kiện lạihoặc
[52,53]. Hơnvànữa, sự tồn tại của
ẩm ướt,
vàsóng
sóngđiện
hài từ
thứbổnăm
sung
và tại
thứ hiện trường
ba rất ảnh trong
hữu ích hưởng điều
lớn đến
kiệncác
khôphép đo ướt,
và ẩm LC. tỷ lệ của sóng hài cơ bản
TươngLCứng,
[57], đượcviệc xây cứu
nghiên dựngnhư
lạilàchất
một cách điệnđộvàẩm,
hàm của cácđiện
bố trí đặc vào
áp đặt biệtvàphải tương ứng. Trong
ô được
nhiễmthực
đượchiện
xác để lắptheo
định đặt ESDD.
bộ máyCác
LC giá
[54].
trị độ ẩm được sử dụng là 30, 60, 70, 80 và
90% và ESDD được thay đổi theo mức độ rất thấp, thấp, trung bình, cao và rất cao. THD là
4.1.1.
cũng đượcBiến đổi cứu
nghiên Fourier nhanh
như một hàm(FFT)
của độ ẩm ở mức độ ô nhiễm không đổi. Nó đã được tìm thấy
rằng mức
Đối LC
vớitỷ lệ tích
phân thuận
FFTvới
của độ ẩm,điện
dòng điện
rò,áp
cácvàhài
mứclẻ độ
củaô FFT
nhiễm,
của LC là tương tự trong khi
điện áp phóng
ly giải điệnloại
để phân tỷ lệ nghịch
mức với ESDD.
độ ô nhiễm khác Đối vớiHầu
nhau. người
hết không bị ôtrình
các công nhiễmđều xem xét máy đo trực
tiếp , người ta quan sát thấy rằng bậc hài bậc ba nhỏ hơn bậc hài
phân hủy LC; tuy nhiên, một nghiên cứu đã sử dụng cuộn dây Rogowski [55] bậc năm. để đo gián tiếp và sóng
hài bậc 7, trong khi đó, đối với chất cách điện bị ô nhiễm, điều ngược lại là đúng.
dòng điện rò sử dụng điện áp cảm ứng trong cuộn dây. Kỹ thuật này đã được báo cáo cho Hơn nữa,
người ta đã quan sát thấy THD cao hơn ở mức độ ẩm cao hơn.
đơn giản, tiết kiệm chi phí và không yêu cầu tái tạo tín hiệu trước khi tính toán. Kết
quả trong [58] đã xác nhận kết quả được báo cáo trong [59] bằng cách so sánh hiệu suất
của FFT. Trong [56], 12 chất cách điện có bốn mật độ lắng đọng muối tương đương (ESDD) khác nhau
giữa hai loại chất gây ô nhiễm NaCl và CuSO4, cho chất cách điện đĩa thủy tinh 11 kV
các giá trị 0,05 mg/cm2, 0,1 mg/cm2, 0,2 mg/cm2 và 0,3 mg/cm2, được thử nghiệm trong điều kiện ẩm
ướt (tái nhiễm ở ba giá trị khác nhau. Các phát hiện chính là xác suất của
độ ẩm tự nhiên (RH) = 98%) và điều kiện khô ráo (RH = 50%). Người ta nhận thấy rằng chỉ có thể
phân loại định tính giữa các mức ESDD vì ô nhiễm nhẹ và nặng, và không thể lấy được giá trị chính
xác của ESDD từ LC. Những phát hiện khác cho thấy rằng độ méo sóng hài tổng (THD) không thể được
sử dụng trong điều kiện khô hoặc ẩm ướt, và tỷ lệ giữa sóng hài cơ bản và sóng hài thứ năm và thứ
ba rất hữu ích trong điều kiện khô và ẩm ướt,
Machine Translated by Google

Năng lượng 2022, 15, 7656 9 trên 32

phóng điện và THD trong trường hợp NaCl cao hơn so với CuSO4. Tương tự như những phát hiện
của [57], cường độ của sóng hài thứ ba nhỏ hơn cường độ của sóng hài thứ năm ở mức độ sạch
hoặc mức độ ô nhiễm thấp; tuy nhiên, đối với chất cách điện bị ô nhiễm nặng, thành phần sóng
hài thứ ba trở nên quan trọng để dự báo mức độ ô nhiễm của chất cách điện.
Về sự phát triển của sóng hài, người ta quan sát thấy rằng sự tăng trưởng của sóng
hài thứ ba và thứ năm là đồng đều và nhanh chóng đối với NaCl nhưng không đồng đều
đối với sóng hài thứ ba trong trường hợp CuSO4. Dựa trên những phát hiện này, người
ta kết luận rằng tỷ lệ thành phần hài bậc năm và bậc ba là quan trọng để dự đoán tình
trạng phóng điện. Thiếu sót chính là chỉ so sánh xác suất phóng điện chứ không phải
độ lớn LC cho cả hai loại ô nhiễm.
Trong [55], cả ô nhiễm hòa tan và không hòa tan đều được xem xét bằng cách sử dụng NaCl
cho than trước và nghiền mịn cho than sau để mô phỏng các trường hợp chất cách điện đang hoạt
động gần các nhà máy sản xuất than và đốt tro gạo. Các tác giả đã sử dụng cuộn dây Rogowski để
đo LC. Điện áp cảm ứng trong cuộn dây được phân tích bằng FFT trên cơ sở ý tưởng rằng độ méo
điện áp tăng tỷ lệ thuận với mức độ nhiễm bẩn do hồ quang dải khô đáng kể, do đó đóng vai trò
như một chỉ báo về mức độ nhiễm bẩn. Tương tự như các nghiên cứu trước đây được trích dẫn ở
trên, người ta nhận thấy rằng sự gia tăng mức độ ô nhiễm đã làm tăng biên độ sóng hài thứ ba
của tín hiệu điện áp so với sóng hài thứ năm, khiến tỷ lệ của hai sóng hài này trở nên quan
trọng đối với việc giám sát ô nhiễm. Các kết quả tương tự đã được báo cáo trong [60].

Trong [61], chất cách điện hỗn hợp FXBW-110/100 đã được nghiên cứu ở các mức độ ô nhiễm
và kỵ nước khác nhau. Biên độ xung, tỷ lệ năng lượng và năng lượng được trích xuất từ LC và
được xem xét các thông số đặc trưng về mức độ ô nhiễm và kỵ nước. Trong [62], người ta đã báo
cáo rằng các hài âm chẵn của LC có biên độ thấp hơn so với các hài lẻ, trong đó các hài âm thứ
ba, thứ năm và thứ bảy chiếm ưu thế.

4.1.2. Phân tích miền thời gian của

LC Trong [63,64], chất cách điện bằng thủy tinh và sứ cường lực cho đường dây truyền tải
35 kV đã được thử nghiệm trong buồng sương mù nhân tạo bị nhiễm muối. Tổng cộng có 11 chất
cách điện được xem xét với năm giá trị ESDD (0,03, 0,05, 0,1, 0,2 và 0,3 mg/cm2 ). Một số lượng
lớn các thử nghiệm đã được lặp lại để đạt được các giá trị ranh giới LC trong miền thời gian
nhằm phân loại mức độ ô nhiễm. Người ta nhận thấy rằng phạm vi 50–150 mA có thể được chia thành
giai đoạn đầu tiên, “Giai đoạn bảo mật” < 50 mA, giai đoạn thứ hai, “Giai đoạn dự báo” 50–
150
mA và giai đoạn thứ ba, “Giai đoạn nguy hiểm” > 150 ma. Các dạng sóng LC cũng được quan sát
thấy ở các giai đoạn này, trong đó các dạng hình sin hoặc hình tam giác được quan sát thấy ở
Giai đoạn Bảo mật. Ở Giai đoạn Dự báo , người ta đã nhìn thấy một số lượng đáng kể các gai tần
số cao, chủ yếu ở đỉnh sóng đủ cao để vượt qua 0 và ở Giai đoạn Nguy hiểm, LC hiển thị các
dạng hình sin tương tự khi giai đoạn đầu tiên và dòng điện tăng lên. Tương tự, trong [65],
người ta nhận thấy rằng gần với giai đoạn phóng điện, dạng sóng LC trở thành sóng hình sin với biên độ t
Một cuộc điều tra về LC ở các mức RH khác nhau để phân loại mức độ ô nhiễm theo xung dòng
điện đã được báo cáo trong [66]. Phân tích thành phần chính (PCA) được sử dụng để trích xuất
thông tin xung, qua đó cho thấy các thành phần chính có mối tương quan cao với mức độ ô nhiễm.
Trong [67], mối quan hệ giữa LC, nhiệt độ môi trường và độ ẩm đã được nghiên cứu. Mối quan hệ
trực tiếp giữa dòng điện và độ ẩm đã được quan sát, trong khi mối tương quan nghịch được báo
cáo giữa LC và nhiệt độ.

4.1.3. Biến đổi Wavelet

Trong [68], LC của chất cách điện phân phối 22 kV được thu thập trong khoảng thời gian
sáu tháng với tốc độ lấy mẫu là 6,4 kHz. Biến đổi wavelet rời rạc (DWT) đã được sử dụng để
trích xuất các thành phần hiện tại liên quan đến mức độ ô nhiễm và kết quả cho thấy độ chính
xác cao. DWT cũng được sử dụng trong [69] để trích xuất chỉ số mức độ ô nhiễm. Ngược lại với
phân tích quang phổ, trong đó các thành phần tần số thấp được tập trung trên cơ sở thực tế
là chúng chứa thông tin tín hiệu quan trọng so với các sóng hài cao hơn, trong phương pháp này.
Machine Translated by Google

Năng lượng 2022, 15, 7656 10 trên 32

giấy, các thành phần tần số cao của LC đã được đề xuất để đánh giá mức độ ô nhiễm
cấp độ. Để giảm nhiễu từ tín hiệu LC và nén nó, phân tích sóng con
phương pháp đã được sử dụng trong [70]. Các thí nghiệm cho thấy mối tương quan tốt giữa dòng điện
và mức độ ô nhiễm. Trong [71], phép biến đổi wavelet được sử dụng để phân tích LC thu được
từ các thử nghiệm sương mù muối cùng với sự hiện diện của ô nhiễm không hòa tan trên gốm và
chất cách điện polyme (SIR). Tín hiệu hiện tại được chia thành cung cục bộ và hình sin
thành phần; bên cạnh việc đo điện trở bề mặt và điện tích, việc đếm xung LC,
và ghi đỉnh được sử dụng để theo dõi mức độ ô nhiễm. Nó đã được chứng minh rằng
điện tích tích lũy và các thành phần có liên quan nhiều đến tính kỵ nước và
mức độ ô nhiễm. Trong [72], LC và các đặc tính phi tuyến của nó đã được nghiên cứu để
giám sát hiệu suất của chất cách điện bằng gốm treo (XWP2-70) trong sương mù muối dày
thiết lập cùng với ô nhiễm không hòa tan. Thông tin quang phổ của sự phóng điện
Quá trình này thu được bằng cách sử dụng phép biến đổi wavelet và được hiển thị bằng biểu đồ lặp lại, trong đó

cho thấy các thành phần tần số cao có mối tương quan cao với quá trình chuyển đổi
để flashover.

Kích thước fractal của sóng con, được tính bằng tổng các giá trị tần số cao của tín hiệu,

được sử dụng trong [73] để phân tích trạng thái chất cách điện. Kết quả cho thấy fractal
thứ nguyên mô tả một cách hiệu quả sự phóng điện hồ quang trong LC và cũng là một giá trị riêng tốt cho

phân biệt flashover và dự đoán rủi ro.

4.1.4. Biến đổi S

Hạn chế chính của FFT là khả năng ứng dụng của nó chỉ với các tín hiệu cố định trong đó
tính chất quang phổ không thay đổi theo thời gian. Tuy nhiên, LC được biết đến là không cố định,
làm cho FFT trở thành một phương pháp không đầy đủ để theo dõi hiệu quả cường độ, tần suất,
hoặc thay đổi pha. Mặt khác, biến đổi wavelet phụ thuộc vào việc lựa chọn một
wavelet phù hợp và cung cấp thông tin thưa thớt với các vùng phổ không duy nhất. Biến đổi S

khắc phục những nhược điểm này và phù hợp để phân tích nhất thời khi có nhiễu.

Trong [74], các thử nghiệm đã được tiến hành trên chất cách điện cao su silicon 11 kV đối với các loại ô nhiễm khác nhau.

cấp độ. Biến đổi S đã được sử dụng thành công để phân tích LC nhằm điều tra ngưỡng tại
mà dòng điện chuyển sang trạng thái hồ quang nghiêm trọng với mức độ ô nhiễm tăng lên. Hiệu quả của phép biến

đổi đã được báo cáo và kết quả cho thấy điều kiện bề mặt

của chất cách điện có thể dễ dàng được xác định.

Bảng 6 cho thấy sự so sánh giữa các kỹ thuật xử lý tín hiệu nêu trên đối với dòng rò về
mặt độ chính xác. Có thể nhận thấy rằng khi toán học
chức năng hình thái và các phép toán thống kê được sử dụng trong giai đoạn tiền xử lý để
kiểm tra chất cách điện bằng sứ, độ chính xác cao nhất đạt 100% trong khi thấp nhất
độ chính xác (2%) đạt được khi sử dụng tín hiệu FFT để kiểm tra đồ sứ, thủy tinh và
chất cách điện polyme.

Bảng 6. So sánh giữa các kỹ thuật xử lý tín hiệu khác nhau về dòng rò
về độ chính xác.

Thẩm quyền giải quyết

Loại cách điện Giai đoạn tiền xử lý Số liệu Sự chính xác

Phân tích miền thời gian và Tỷ lệ lỗi xuất hàng (OOB) Tỷ lệ nhận dạng
[75] sứ
biến đổi wavelet rời rạc và tỷ lệ nhận dạng là 98%

[33] sứ Tự tương quan Sự chính xác 90,7%

KNN là 57,5%, đa thức

[76] Polyme hồi quy từng bước Sự chính xác
là 65% và mờ là 56,3%

[77] sứ Biến đổi S rời rạc Sự chính xác 95% đến 97%

hồi quy từng bước, PCA, 68% cho bốn lớp và

[2] Cao su silicon Độ chính xác, RMSE
95% cho hai người
và bộ lọc trung bình động

[78] sứ STMHT và FLDA Sự chính xác 90%

[79] sứ Trích xuất các biến dạng Lỗi 4% đến 7%

Machine Translated by Google

Năng lượng 2022, 15, 7656 11 trên 32

Bảng 6. Tiếp theo

Thẩm quyền giải quyết

Loại cách điện Giai đoạn tiền xử lý Số liệu Sự chính xác

hình thái toán học

[80] sứ chức năng và Độ chính xác 100%

hoạt động thống kê

Dữ liệu được tăng cường bằng cách sử dụng:

[81] Thủy tinh

Gaussian, muối và hạt tiêu, Sự chính xác 99,76%

Tiếng ồn Poisson và tiếng ồn đốm.

MAPE= 0,4%, đối với

[82] Gốm sứ Mô hình hóa phương trình dòng điện MAPE Imax = 1,292 mA

Tính năng GLCM và Tamura Độ chính xác và

[83] Gốm sứ 90,6%
của các quang phổ thời gian tính toán

Cửa sổ hyperbol Độ chính xác, độ nhạy,

[84] Polyme RF (=97,5%)
Biến đổi Stockwell và tính đặc hiệu

MAE, RMSE, MAPE, trung bình

lỗi phần trăm bình phương
Dữ liệu được chuẩn hóa bằng cách sử dụng (MSPE), Bất đẳng thức Theil
[85] sứ bài kiểm tra KMO và Bartlett hệ số (TIC), hệ số MAPE là 1,567

thử nghiệm hình cầu xác định (R2),

thời gian lập mô hình (TM) và
thời gian dự đoán (TP)

Sứ, thủy tinh, FFT Lỗi 2%

[86]
và polyme

4.2. Phương pháp hình ảnh

Trong phần này, các phương pháp hình ảnh khác nhau sẽ được thảo luận được sử dụng để theo
dõi mức độ ô nhiễm. Phân tích hình ảnh trực quan là một phương pháp hiệu quả về mặt chi phí mà không
yêu cầu thiết bị hình ảnh đắt tiền hoặc độ ẩm tương đối cao (RH). Mặt khác,
các phương pháp dựa trên hình ảnh hồng ngoại (IR) và tia cực tím (UV) đầy hứa hẹn; tuy nhiên, họ
đòi hỏi thiết bị tương đối đắt tiền và RH cao. Ngoài ra, hình ảnh còn hạn chế
các dải cụ thể, làm hạn chế thông tin thu được từ bề mặt chất cách điện. Để phục vụ cho
những hạn chế này, công nghệ siêu phổ được sử dụng để đạt được độ phân giải cao đa băng tần
hình ảnh, do đó kết hợp các ưu điểm của dải nhìn thấy, IR và UV; một sự so sánh là
được lập bảng trong [87] và được sao chép trong Bảng 7.

Bảng 7. So sánh các điều kiện phát hiện khác nhau [87].

Ánh sáng nhìn thấy được

Hồng ngoại tia cực tím

- ≥5 C -
Nhiệt độ
5 C trở lên

- ≤85% -
Độ ẩm tương đối 85% hoặc ít hơn

Tốc độ gió 5 m/s .50,5 m/s 1,5 m/s

Trời nắng Trời nhiều mây,

và không nên và đó là điều nên làm Không nên có sấm sét
Thời tiết
sấm sét, mưa, sương mù, tránh sấm sét, mưa, sương mù, hoặc mưa lớn
tuyết, v.v. tuyết, v.v.

Hiển thị Cao Khá cao Khá cao

Ban ngày cho bề mặt

Thời điểm tốt nhất
kiểm tra hình dạng, đêm Vào ban đêm, hai giờ
Vào ban đêm
sau khi mặt trời lặn
cho một phần
phát hiện phóng điện

Điện từ -
sự can thiệp Tránh Tránh

Bức xạ nguồn nhiệt - -

Tránh
- Sự cân bằng -
Bức xạ nền
Machine Translated by Google

Năng lượng 2022, 15, 7656 12 trên 32

Hình ảnh nhiệt, được sử dụng để xác định xem chất cách điện có ở nhiệt độ chấp nhận được
hay không, có điểm yếu vì nó phụ thuộc vào lượng dòng điện làm nóng các bộ phận của vật liệu
hoặc nơi có thể phát hiện các điểm bằng hình ảnh. Phương pháp này yêu cầu duy trì khoảng cách
và góc chính xác và phần mềm chuyên dụng để phân tích hình ảnh.

4.2.1. Phương pháp hình ảnh kỹ thuật số

Trong [88], việc phát hiện nhiễm bẩn dựa trên hình ảnh đã được báo cáo đối với chất cách điện ZSW-10/4 ở các

mức nhiễm bẩn khác nhau, trong đó giá trị trung bình của thành phần V trong không gian màu YUV được sử dụng để phân

biệt giữa các mức nhiễm bẩn theo ESDD. Hệ thống phát hiện dựa trên mạng thần kinh (NN) đã mang lại độ chính xác

kiểm tra 90% để theo dõi mức độ ô nhiễm. Một nghiên cứu khác dựa trên NN đã được báo cáo trong [10], trong đó sử

dụng các đặc điểm đại số tuyến tính của không gian màu HSV để tương quan với ESDD. Tương tự, trong [1], cả đặc

điểm đại số tuyến tính và thống kê của hình ảnh đều được sử dụng để huấn luyện NN nhằm phát hiện mức độ ô nhiễm.

Hiệu suất phát hiện rất cao đã được báo cáo.

Do một số ưu điểm của chất cách điện bằng cao su silicon, việc nghiên cứu sự xuống cấp
của các chất cách điện này là rất phù hợp vì hiệu suất của chúng bị ảnh hưởng nhiều bởi mức độ
nhiễm bẩn nghiêm trọng. Theo tinh thần này, các kỹ thuật xử lý hình ảnh đã được phát triển và
báo cáo trong [89] để đánh giá sự nhiễm bẩn chất cách điện bằng cao su silicon. Các tính năng
thống kê và kết cấu, chẳng hạn như cosine rời rạc, sóng con, Radon, biến đổi đường viền, ma
trận đồng xuất hiện mức xám và hồi quy từng bước, đã được sử dụng. Hơn nữa, các bộ phân loại
được thử nghiệm bao gồm k hàng xóm gần nhất, mạng lưới thần kinh và bộ phân loại tuyến tính.
Độ chính xác 96,5% đã được báo cáo cho bảy điều kiện kỵ nước bằng cách sử dụng phân loại NN
của các tính năng hợp nhất.

Hình ảnh màu đỏ, xanh lá cây và xanh lam (RGB) và màu sắc, độ bão hòa và giá trị (HSV) của chất cách điện sứ

loại đĩa 70 kN trong môi trường phòng thí nghiệm đã được phân tích trong [90], trong đó mật độ bụi gấp 5 lần mật độ

muối . Các đặc điểm được trích xuất bao gồm giá trị trung bình, độ lệch chuẩn, tối đa, tối thiểu, phạm vi, chế độ,

trung vị, độ nhọn và độ lệch. Để xác định mức độ ô nhiễm, phân tích cụm đã được sử dụng. Một nghiên cứu khác về

chất cách điện bằng sứ [ 91] đã sử dụng hình ảnh để phân loại NSDD. Bốn phân loại đã được sử dụng, đó là Đa thức,

NN, phân tích phân biệt bậc hai (QDA) và hệ thống suy luận mờ thần kinh thích ứng (ANFIS) và hiệu suất của chúng

được so sánh. Độ chính xác cao nhất được báo cáo với ANN là 93,75% và độ chính xác tổng thể tối thiểu là 91% đã

được ghi lại.

Các chất cách điện tổng hợp gây ô nhiễm tại hiện trường đã được phân tích trong [92] bằng cách sử dụng các

đặc điểm của hình ảnh thành phần R, G, B, H, S và V. Cụ thể, các tính năng của thành phần S đóng vai trò là đầu vào

để hỗ trợ máy vectơ phân loại cấp độ ô nhiễm. Độ chính xác đạt 97,5% đã được báo cáo.

4.2.2. Hình ảnh nhiệt (Hồng ngoại, Tầm nhìn nhiệt)

Trong [93], cả hình ảnh nhìn thấy được và hình ảnh hồng ngoại đều được sử dụng để phát
hiện các chi tiết nhỏ và thông tin biên quy mô lớn tương ứng bằng cách sử dụng xử lý hình ảnh
có hướng dẫn. Để phân tách hình ảnh, một phương pháp mới và hiệu quả dựa trên biểu diễn cấp
thấp tiềm ẩn (LatLRR) đã được giới thiệu. Các thí nghiệm đã được báo cáo là cho thấy hiệu suất
vượt trội so với phương pháp phân hủy đa cấp để theo dõi mức độ ô nhiễm chất cách điện. Trong
[94], hình ảnh hồng ngoại được sử dụng để phát hiện mức độ ô nhiễm trên chất cách điện cao áp.
Cụ thể, hình ảnh được xử lý bằng cách khử nhiễu và phân đoạn, đồng thời trích xuất các đặc
điểm cho hàm cơ sở xuyên tâm NN (RBFNN) để nâng cao độ chính xác của phát hiện.
Gần đây, phương pháp đo bức xạ quang nhiệt (PTR) đã được sử dụng để phân loại mức độ ô nhiễm trên đĩa gốm trong

[95] theo ESDD và NSDD, trong đó NaCl và Kaolin được sử dụng để mô phỏng các chất gây ô nhiễm hòa tan và không hòa

tan. Một máy vectơ hỗ trợ bán giám sát đa lớp đã được sử dụng để phục vụ cho việc không có sẵn dữ liệu được dán

nhãn. Mối quan hệ trực tiếp giữa mức độ ô nhiễm, thời gian và đặc điểm miền tần số của ảnh nhiệt và độ chính xác

cao của phương pháp đã được báo cáo.

Machine Translated by Google

Năng lượng 2022, 15, 7656 13 trên 32

4.2.3. Hình ảnh tia cực

tím THD và các thành phần cơ bản của tín hiệu UV đã được sử dụng làm tính năng cho NN trong
[96] để xác định mức độ nhiễm bẩn và lão hóa của các chất cách điện khác nhau. Mạng có thể dự
đoán các sự kiện phóng điện dựa trên mức cường độ phóng điện. Trong [97], một công cụ dự đoán
mức độ ô nhiễm dựa trên học sâu chính xác đã được thiết kế, sử dụng hình ảnh phóng tia UV cho
bộ mã hóa tự động thưa thớt (SAE) và mạng lưới niềm tin sâu sắc (DBN).
Độ ẩm và mức độ ô nhiễm thay đổi trong khi ghi lại chuỗi vùng điểm UV để nhận biết ô
nhiễm. Độ chính xác được báo cáo cho ba mức độ ẩm 80, 85 và 90% lần lượt là 91,25%,
93,125% và 92,5%. Đối với chất cách điện bằng gốm, cảm biến UV tiết kiệm chi phí đã
được sử dụng để phát hiện mức độ ô nhiễm kết hợp với phân tích kết cấu, kỹ thuật tần
số thời gian và máy vectơ hỗ trợ (SVM) [83]. Người ta nhận thấy rằng sự kết hợp giữa
các phương pháp trích xuất đặc điểm kết cấu với bộ phân loại SVM cho độ chính xác
90,6%, vượt trội hơn nhiều so với tính năng một lần hoặc các đặc điểm kết cấu khác.
Một nghiên cứu khác về chất cách điện bằng gốm đã được báo cáo vào năm [98], trong đó một sợi
dây gốm gồm 3 miếng chất cách điện XWP-70 được sử dụng. Bốn mức ESDD được thử nghiệm là 0,05,
0,1, 0,2 và 0,3 mg/cm2 với NSDD cố định ở mức 1,0 mg/cm2 . Các đường cong cho suy luận logic mờ
thu được bằng cách quan sát rằng các vùng hình ảnh UV phóng điện hồ quang một phần và nhật hoa
cũng như số lượng các sự kiện phóng điện có tương quan với độ ẩm và mức độ nghiêm trọng của ô nhiễm.
Một nghiên cứu liên quan đến các đặc điểm kết hợp của hình ảnh IR và UV của chất cách điện
bằng gốm bị ô nhiễm đã được đưa ra trong [21] trong điều kiện ẩm ướt. PCA đã được sử dụng để
thu được các tính năng quan trọng, được cung cấp cho mạng lưới thần kinh lan truyền ngược được
tối ưu hóa theo bầy đàn (PSO-BPNN) để phân biệt giữa các cấp độ ô nhiễm.

4.2.4. Hình ảnh siêu phổ

Trong [99], thông tin màu sắc, đặc điểm vạch phổ siêu âm và kết cấu hình ảnh được kết
hợp làm cơ sở phát hiện cho các thuật toán phân loại. So với mô hình chỉ dựa trên các đặc
điểm vạch phổ, kết quả của phương pháp dựa trên phản ứng tổng hợp cho thấy độ chính xác phát
hiện là 95%. Trong bối cảnh hợp nhất thông tin để phát hiện ô nhiễm, [100] đã giới thiệu một
phương pháp bao gồm các tính năng quan trọng được chọn trong số 36 tính năng màu sắc và bảy
tính năng nhiệt độ sử dụng hình ảnh nhìn thấy và hồng ngoại tương ứng, mang lại độ chính xác
cao. Các mô hình gia nhiệt hồ quang dải không khô, khô và khô đã được giải quyết bằng số để
đánh giá về mặt lý thuyết sự khác biệt về đặc tính nhiệt độ tùy thuộc vào các điều kiện vận
hành khác nhau. Tương tự, trong [21], sự kết hợp các đặc điểm hình ảnh hồng ngoại và tia cực
tím dựa trên PCA đã được báo cáo là mô tả một cách hiệu quả mức độ ô nhiễm của chất cách
điện gốm bị ô nhiễm nhân tạo. RH thay đổi trong các thí nghiệm với các giá trị 80%, 85% và
90%. Tương tự như các nghiên cứu trước, các tác giả đã báo cáo hiệu suất vượt trội khi sử
dụng hình ảnh hồng ngoại và tia cực tím kết hợp so với việc sử dụng các tính năng này riêng
biệt cho từng tính năng.

Một nghiên cứu khác dựa trên các hình ảnh siêu phổ về sự nhiễm bẩn chất cách điện với
các chất gây ô nhiễm hòa tan và không hòa tan đã được báo cáo trong [101]. Các hình ảnh được
đưa vào mô hình đa phân loại của máy học cực đoan (ELM) để phân loại chính xác mức độ ô
nhiễm. Cụ thể, đối với các loại chất ô nhiễm khác nhau, đỉnh hấp thụ, vị trí của đỉnh phản
xạ, biên độ và xu hướng thay đổi của đường cong siêu phổ là khác nhau. Tuy nhiên, chỉ có sự
thay đổi biên độ khi mức độ của cùng loại chất ô nhiễm thay đổi. Độ chính xác ít nhất 95% đã
được ghi nhận đối với NaCl, CaSO4 và hỗn hợp NaCl-CaSO4. Đối với lớp phủ cao su silicon của
chất cách điện tổng hợp, [102] đã phân tích hình ảnh siêu phổ với cả ô nhiễm hòa tan và
không hòa tan. Phương pháp dựa trên hiệu chỉnh tán xạ đa biến kết hợp (MSC), thuật toán chiếu
liên tiếp (SPA) và phân tích phân biệt tuyến tính (LDA) cho hiệu suất phân loại tốt nhất.
Bảng 8 cho thấy độ chính xác của việc sử dụng các loại hình ảnh khác nhau trong việc phát
hiện mức độ ô nhiễm.
Machine Translated by Google

Năng lượng 2022, 15, 7656 14 trên 32

Bảng 8. Độ chính xác của việc sử dụng các loại hình ảnh khác nhau trong việc phát hiện mức độ ô nhiễm.

Loại cách điện tham khảo Tín hiệu đầu vào Giai đoạn tiền xử lý Loại thử nghiệm (Bộ dữ liệu) Số liệu Sự chính xác

Trường thử nghiệm

tiêu chí Fisher (120 mẫu cho
[21] Gốm sứ Sự chính xác 96,67%
Hình ảnh hồng ngoại và tia cực tím
và KPCA thử nghiệm và 280
cho tập huấn)
Trường thử nghiệm
Thao tác ma trận Có nghĩa là tuyệt đối MAE: 0–
0,045 và
sứ (51 mẫu: 36 cho
[10] Hình ảnh và dựa trên cạnh lỗi (MAE), tỷ lệ dự đoán
đào tạo và 15 là 80%
sự phân chia tỷ lệ dự đoán
để thử nghiệm)

Khử nhiễu, hình ảnh

sứ Trường thử nghiệm Xác suất -
[90] Hình ảnh phân khúc,
và PCA (40 nhóm mẫu) Tỉ trọng

Thí nghiệm-Phòng thí nghiệm

sứ Ảnh phẳng để kiểm tra hình ảnh (700 hình ảnh: 560 cho 93%
[103] Hình ảnh hồng ngoại Sự chính xác
mảnh, thang độ xám đào tạo và 140
để thử nghiệm)

Kỹ thuật khử nhiễu

dựa trên BẢN ĐỒ

sứ phân khúc, Sự chính xác

97,31%
[94] hình ảnh hồng ngoại Thí nghiệm-Phòng thí nghiệm
ước tính và và thời gian

wavelet chung chung

Phân phối Gaussian

Thí nghiệm-Phòng thí nghiệm (40 cho

Kính và RGB sang màu xám, RGB sang MSE và
[1] Hình ảnh đào tạo và 19 84,2%
sứ HSV và SVD sự chính xác
để thử nghiệm)

[77] sứ Dòng rò Biến đổi S rời rạc Thí nghiệm-Phòng thí nghiệm Sự chính xác 95% đến 97%

So khớp mẫu Thí nghiệm-Phòng thí nghiệm

[91] Gốm sứ Hình ảnh và thang độ xám (96 hình ảnh: 24 cho Sự chính xác ANN = 93,75%
biểu đồ mỗi cấp độ)

phân tán nhân Thí nghiệm-Phòng thí nghiệm

siêu quang phổ sửa chữa và (120 bộ dành cho tập luyện Từ 87,5% đến
[101] Cao su silicon Sự chính xác
hình ảnh đen và trắng và 120 bộ 90%
điều chỉnh để thử nghiệm)

sứ Khử nhiễu và Trường thí nghiệm 100%

[104] Hình ảnh hồng ngoại Sự chính xác
tăng cường độ tương phản (300 khung hình)

Thí nghiệm-Phòng thí nghiệm

Phương pháp phân đoạn
RGB và dựa trên ngẫu nhiên (65 mẫu đèn Sự chính xác,
[92] Cao su silicon và 59 cho nặng, và độ chính xác, thu hồi, 97,5%
Hình ảnh HSV Hough biến đổi, và
tỷ lệ là 2:1 cho và thước đo f
tiêu chí Fisher
đào tạo và kiểm tra)
Những hình ảnh thang độ xám
Thí nghiệm-Phòng thí nghiệm
đã được chuyển đổi thành
Gốm sứ xả tia cực tím (320 mẫu cho 92%
[97] hình ảnh nhị phân, tất cả đã được thiết lập Sự chính xác
hình ảnh đào tạo và 160
sang màu đen, ngoại trừ
để thử nghiệm)
các pixel màu trắng.

Trường thử nghiệm

[95] Gốm sứ Hình ảnh PCA (kích thước khung hình của Sự chính xác 90%
640 × 512 pixel)

Cao su silicon siêu quang phổ Thí nghiệm-Phòng thí nghiệm Độ chính xác và
[102] MSC, PCA, SPA LDA (=97,5%)
hình ảnh (176 biến) Kappa
trên bờ: mAP là
0,67 và
trung bình trung bình
thời gian xử lý là
Gốm sứ Trường thử nghiệm độ chính xác
[105] Hình ảnh hộp giới hạn 0,55 giây, trên tàu:
(2973 hình ảnh) (mAP) và mAP là 0,26 và
Thời gian xử lý
Thời gian xử lý
là 1,27 giây

Thí nghiệm-Phòng thí nghiệm

Có thể nghe được biến đổi wavelet
(20.000 mẫu: 70% RMSE, MAPE,
[106] Polyme (siêu âm) (WT), lọc và R2 là 0,9982
cho đào tạo và 30% MAE và R2
tín hiệu giảm tiếng ồn
để thử nghiệm)

Trường thử nghiệm

Thang độ xám, nhị phân hóa,
sứ (1243 ảnh: 994 cho 84,8%
[107] Hình ảnh xả và tính năng điểm chính Sự chính xác
đào tạo và 249
trích xuất trên hình ảnh
để thử nghiệm)

Thí nghiệm-Phòng thí nghiệm (Mười

siêu quang phổ GGCM, đặc điểm màu sắc, bộ cho từng ô nhiễm
[99] sứ Sự chính xác 95,0%
hình ảnh và KPCA cấp độ: 20 để đào tạo
và 20 để kiểm tra)
Machine Translated by Google

Năng lượng 2022, 15, 7656 15 trên 32

Bảng 8. Tiếp theo

lọc Gaussian,
Experiment-Lab
Thuật toán
sứ (1200 mẫu với tỷ lệ 96,9%
[108] Hình ảnh canny, vị trí Sự chính xác
7:3 dùng cho huấn luyện
cạnh và phân tán nhân
điều chỉnh và thử nghiệm)

4.3. Phát xạ âm thanh (AE), Vi sóng & Siêu âm

Sự kết tủa của các chất gây ô nhiễm trên bề mặt chất cách điện được coi là nguyên nhân
phổ biến gây ra phóng điện cục bộ (PD). Theo nghĩa thực tế, khi mức độ ô nhiễm tăng lên thì
mức độ nghiêm trọng của PD cũng tăng lên. Sự tồn tại của PD tạo ra tiếng ồn âm thanh có thể
đạt được và so sánh với mức độ ô nhiễm để dự đoán mức độ nghiêm trọng của ô nhiễm [109]. Một
nghiên cứu đã tiến hành kiểm tra ô nhiễm nhân tạo để so sánh mức độ ô nhiễm với tín hiệu thu
được (nhiễu PD). Người ta quan sát thấy rằng hệ thống tạo ra các chỉ số hợp lý về mức độ ô
nhiễm [110,111].
Các phương pháp giám sát mức độ ô nhiễm dựa trên hình ảnh LC, IR hoặc UV chỉ cho kết quả
đáng tin cậy khi lớp ô nhiễm bị làm ẩm, nhờ đó hiện tượng phóng điện có thể xảy ra sớm, tức là
trước thời điểm thích hợp để thực hiện dịch vụ vệ sinh hoặc bảo trì. Hơn nữa, trong trường hợp
LC, một nhược điểm nữa là việc lắp đặt thiết bị đo lường của nó làm giảm độ an toàn cách điện
[112]. Một phương pháp thay thế để xác định nhu cầu bảo trì chất cách điện là nhận thức về AE
dựa trên kinh nghiệm của các nhà khai thác mạng. Ngay cả với độ chính xác tương đối thấp, nó
vẫn là một chỉ báo hiệu quả về nguy cơ mất điện của hệ thống điện và để xác định các hoạt động
bảo trì nhằm tìm kiếm thời gian tối ưu để làm sạch chất cách điện.

Trong [113], người ta đã chứng minh rằng các đặc điểm liên quan đến tần số của tín hiệu
AE có mối tương quan tốt với sự phóng điện quầng, một phần và phóng điện hồ quang của chất cách
điện bị ô nhiễm. Đối với chất cách điện bằng thủy tinh, phép biến đổi wavelet được áp dụng để
trích xuất thông tin về mức độ ô nhiễm từ AE của sự phóng điện vầng quang (CD) [114]. Ô nhiễm
do muối được mô phỏng trong môi trường ẩm ướt. Có thông tin cho rằng phép biến đổi wavelet có
thể phân biệt thành công giữa nhiễu nền và AE do CD, trong đó cả hai đều có các đặc điểm giống nhau.
Trong [110], mức độ nghiêm trọng của ô nhiễm tương quan với đặc điểm miền thời gian và tần số
của tín hiệu AE và hệ thống được phát triển có thể xác định chính xác mức độ ô nhiễm.

Bên cạnh AE, vi sóng và siêu âm là những kỹ thuật phi điện khác được sử dụng để theo dõi
mức độ ô nhiễm. Kỹ thuật kiểm tra không phá hủy vi sóng có thể phát hiện những biến đổi nhỏ về
độ dày trong các lớp điện môi và những biến đổi nhỏ trong một số tính chất điện môi trong vật
liệu tổng hợp điện môi phân tầng vì chúng có thể xuyên qua các vật liệu điện môi có tổn thất
giới hạn và tương tác với cấu trúc bên trong của chúng mà không bị suy giảm quá mức [115,116].

Trong [112], việc sử dụng máy đo phản xạ vi sóng 10,45 GHz đã được báo cáo, nhờ đó
mức công suất của năng lượng vi sóng phản xạ trở lại từ chất cách điện thủy tinh bị ô
nhiễm trong điều kiện khô ráo có thể phân biệt chính xác giữa các mức độ ô nhiễm khác nhau.
Ý tưởng là năng lượng điện từ được phản xạ bởi chất cách điện bị ô nhiễm khác với năng lượng
điện từ được phản xạ bởi chất cách điện sạch. ESDD được thay đổi từ 0,02 đến 0,15 mg/cm2 và
được phân biệt chính xác bằng kỹ thuật đã phát triển.
Trong [106], tín hiệu siêu âm từ chất cách điện bằng sứ đang hoạt động được sử
dụng để dự báo mức độ ô nhiễm. Có báo cáo cho rằng kỹ thuật dự báo kết hợp dựa trên
sự kết hợp giữa mô hình học tập tập hợp xếp chồng và biến đổi wavelet vượt trội hơn
hệ thống suy luận mờ thần kinh thích ứng (ANFIS) và bộ nhớ ngắn hạn dài hạn (LSTM).
Bảng 9 cho thấy độ chính xác của việc sử dụng các kỹ thuật xử lý tín hiệu khác nhau đối với tín hiệu
âm thanh trong việc phát hiện mức độ ô nhiễm.
Machine Translated by Google

Năng lượng 2022, 15, 7656 16 trên 32

Bảng 9. Độ chính xác của việc sử dụng các kỹ thuật xử lý tín hiệu khác nhau đối với tín hiệu âm thanh trong việc
phát hiện mức độ ô nhiễm.

Thẩm quyền giải quyết

Loại cách điện Giai đoạn tiền xử lý Số liệu Sự chính xác

Phân đoạn từ dưới lên, hệ

- Thu hồi, độ chính xác, độ chính
98%
[117] số năng lượng sóng con,
xác, thời gian và thước đo F
phân tích thành phần chính,
R2 để thử nghiệm trong
[118] Thủy tinh WPT RMSE, MAE, R2
phân vùng lưới là 0,9592
biến đổi wavelet (WT), RMSE, MAPE, MAE và R2
[106] Polyme R2 là 0,9982
lọc và giảm nhiễu

4.4. Góc tiếp xúc

Phép đo góc tiếp xúc (CA) được thực hiện để đánh giá đặc tính kỵ nước (HP) của vật
liệu cách điện và được sử dụng để định lượng độ ẩm của chất rắn bởi chất lỏng.
Tăng góc tiếp xúc của giọt nước là dấu hiệu cải thiện tính kỵ nước.
Trong [16.119], ảnh hưởng của ô nhiễm lên tính chất kỵ nước của cao su silicon
đã được nghiên cứu, trong khi [120.121] nghiên cứu ảnh hưởng của ô nhiễm tảo.
Trong [122.123], nghiên cứu được tiến hành sau khi phủ lớp phủ cách điện kỵ nước. Kết
quả cho thấy góc tiếp xúc ít hơn cho thấy tính kỵ nước kém.
Chất cách điện được phủ cao su silicone trong một số trường hợp. Tuy nhiên, HP
của các lớp phủ này suy giảm đáng kể trong điều kiện ẩm ướt, làm thay đổi CA của các
giọt nước. Theo tinh thần này, [124] đã nghiên cứu hiệu suất của lớp phủ Silicon dưới
ảnh hưởng của độ ẩm với CA khác nhau. Các mẫu hiện trường của chất cách điện hỗn hợp
DC ở Nam Trung Quốc đã được thử nghiệm vào năm [125] để nghiên cứu HP của chúng bằng
phương pháp CA và so sánh chúng với các mẫu không bị nhiễm bẩn. Hơn nữa, việc chuyển
tính kỵ nước bằng ô nhiễm nhân tạo cũng đã được nghiên cứu. Người ta quan sát thấy
rằng phần giữa của chất cách điện vượt trội hơn các đầu điện áp cao và thấp về khả
năng kỵ nước và truyền kỵ nước.

4.5. Xả một phần (PD)

Báo cáo trong [126] cho thấy cường độ, thời lượng và thời gian tăng của xung PD
tăng đáng kể khi độ ẩm bề mặt tăng lên, bất kể mức độ nhiễm bẩn trên bề mặt chất cách
điện. Mối quan hệ giữa phổ RH và PD được đưa ra sao cho đối với các giá trị RH từ 60%
đến 80%, phần lớn năng lượng PD nằm trong dải tần số 6–25 MHz, trong khi đối với RH cao
hơn (90% trở lên), năng lượng tín hiệu được tập trung nhiều hơn ở dải tần 2–6 MHz.
Nghiên cứu cũng được mở rộng sang trường hợp điều kiện ô nhiễm, trong đó thời lượng xung
PD tăng lên với mức độ ô nhiễm cao hơn. Trong [127], chất cách điện SIR đã được nghiên
cứu về sự xuất hiện của PD. Người ta quan sát thấy rằng các thành phần tần số thấp (0–78
Hz) chiếm ưu thế trong nội dung phổ của tín hiệu phóng điện ở bất kỳ giai đoạn nào từ
khi bắt đầu đến khi phóng điện hoàn toàn. Trong [128], người ta báo cáo rằng tín hiệu
phóng điện tỷ lệ thuận với độ dẫn nước, mức độ ô nhiễm và hư hỏng trên bề mặt chất cách điện.

5. Kỹ thuật phân loại mức độ ô nhiễm chất cách điện HV

Các phần sau đây tóm tắt công việc đã thực hiện trong thập kỷ qua về chất cách điện HV
Kỹ thuật phân loại mức độ ô nhiễm

5.1. Mạng thần kinh

học máy (NN) là một loại học máy và nó còn được gọi là mạng thần kinh nhân tạo
(ANN), trong đó mạng sử dụng các mô hình toán học phức tạp để xử lý dữ liệu. NN kết nối
một mạng lưới các đơn vị gọi là nơ-ron và tập hợp các nơ-ron này tạo thành một mạng gọi
là mạng nơ-ron. Ngoài các nơ-ron, NN còn chứa các liên kết và trọng số, hàm kích hoạt,
lớp, siêu tham số, tốc độ học và hàm chi phí. Mỗi ANN trong hệ thống bao gồm một tập hợp
các lớp có nhiều nơ-ron hoạt động bằng cách sử dụng các hàm kích hoạt và nó được thiết
kế để điều chỉnh theo đầu vào động.
Machine Translated by Google

Năng lượng 2022, 15, 7656 17 trên 32

Thật vậy, mỗi nơ-ron nhận được các phiên bản đầu vào khác nhau cùng với một giá trị trọng
số và sau đó nó được thêm vào một giá trị nhỏ gọi là độ lệch. Sau đó, nó được chuyển đến
hàm kích hoạt để xác định giá trị đầu ra cuối cùng.

5.1.1. Mạng thần kinh lan truyền ngược (BPNN)

Jin và Zhang [21] đã đề xuất một kỹ thuật để tìm ra mức độ nghiêm trọng của ô nhiễm
trong chất cách điện gốm dựa trên sự kết hợp đặc tính của cả thông tin hình ảnh tia cực
tím (UV) và hồng ngoại (IR). Sau khi tiền xử lý ảnh, tiêu chí Fisher được áp dụng để
thu được các đặc điểm của ảnh IR và UV. Để hợp nhất tính năng, phân tích thành phần
chính hạt nhân (KPCA) đã được áp dụng để giảm kích thước của các tính năng được tạo và
chỉ thu được tính năng hợp nhất ba chiều. Các tính năng này được đưa vào bộ phân loại
mạng nơ-ron lan truyền ngược được tối ưu hóa theo bầy đàn (PSO-BPNN) để nhận biết mức độ ô nhiễm.
Bài báo [10] trình bày một kỹ thuật thông minh được phát triển để xác định mức độ nhiễm
bẩn của chất cách điện điện áp cao (HV). Maraaba, Al-Hamouz và cộng sự. đã áp dụng hai
phương pháp trong giai đoạn trích xuất đặc trưng để trích xuất các đặc điểm chính từ ảnh
cách điện. Đầu tiên là thao tác ma trận và thứ hai là phân đoạn dựa trên cạnh. Sau đó,
phân tách giá trị số ít (SVD) được áp dụng để thu được các đặc tính đại số tuyến tính. Sau
đó, mạng nơ-ron chuyển tiếp nguồn cấp dữ liệu đa lớp được cung cấp các tính năng này để dự
đoán mức ESDD của chất cách điện. Ông, Luo và cộng sự. [94] đã đề xuất một mô hình học tập
dựa trên mạng lưới thần kinh chức năng cơ sở xuyên tâm (RBFNN) và các hình ảnh hồng ngoại
được thu thập từ chất cách điện bằng sứ để xác định mức độ ô nhiễm. Họ sử dụng các khoảnh
khắc màu bậc nhất, bậc hai và bậc ba làm đặc điểm chính, cùng với độ ẩm tương đối cho quá
trình phát hiện. Vì RBFNN có nhiều tham số ảnh hưởng đến độ chính xác và tốc độ của nó nên
họ đã sử dụng kỹ thuật hồi quy vectơ hỗ trợ để xác định số lượng tâm ẩn.
Một kỹ thuật khác dựa trên phân tích thống kê đã được sử dụng để xác định các trung tâm ẩn
ban đầu. Mô hình học tập cải tiến này kết hợp với hệ số kiểm soát số ngẫu nhiên và thuật
toán giảm độ dốc để đạt được độ chính xác cao hơn với ít thời gian hơn. Trong bài báo [1],
Maraaba, Alhamouz et al. đề xuất một mô hình mạng lưới thần kinh để dự đoán mức độ ô nhiễm
của chất cách điện bằng thủy tinh và sứ HV. Nó chỉ ra mức độ ô nhiễm mà không cần lắng
đọng các vật liệu kỵ nước và phụ thuộc vào hình ảnh được chụp. Họ đã trích xuất hai loại
đặc điểm dựa trên sự phân tách giá trị số ít (SVD): đặc điểm đại số tuyến tính và đặc điểm
thống kê dựa trên biểu đồ. Sau đó, họ xây dựng ba kịch bản mạng thần kinh để thử nghiệm
một loại tính năng này hoặc cả hai và đầu ra của mạng thần kinh là mức độ ô nhiễm. Trong
một bài báo [129], Al Khafaf và El-Hag đã trình bày một mô hình học tập mới dựa trên mạng
lưới thần kinh chính quy Bayesian để dự đoán các giá trị tương lai của dòng rò. Họ sử dụng
tín hiệu dòng rò được ghi lại và chọn một số thành phần từ tín hiệu đó. Các thành phần này
được đưa vào mạng lưới thần kinh để dự đoán chuỗi thời gian trong tương lai của cả sóng
hài cơ bản và hài bậc ba của dòng điện rò.

Patel, Maarouf và cộng sự. [91] đã đề xuất một kỹ thuật ước tính mức độ ô nhiễm có
thể được áp dụng trên đường dây trực tiếp bằng cách sử dụng công nghệ nhận dạng mẫu và xử
lý hình ảnh. Đối sánh mẫu và biểu đồ thang độ xám đã được sử dụng trên các hình ảnh được
thu thập để làm sạch và trích xuất các tính năng chính. Ba phương pháp phân loại đã được
sử dụng (tức là Phân tích phân biệt bậc hai (QDA), mạng lưới thần kinh nhân tạo, đa thức
(ANN) và Xác thực chéo loại bỏ một lần (LVOCV)) để dự đoán mức độ ô nhiễm và tất cả chúng
đều đạt được phân loại cao độ chính xác. Một mô hình dự đoán ô nhiễm thông minh được đề
xuất trong [130] dựa trên mạng thần kinh lan truyền ngược (BP) được tối ưu hóa với thuật
toán di truyền (GA). Ở đây, Jinlei, Chao, et al. đã sử dụng thuật toán di truyền để làm
cho mô hình học tập nhanh hơn và mạnh mẽ hơn trước mọi thay đổi. Các đặc điểm được trích
xuất được sử dụng để cung cấp cho BP là nhiệt độ, lượng mưa, gió, độ ẩm tương đối và chỉ
số chất lượng không khí (AQI). Và đầu ra của mô hình BP là mật độ lắng đọng muối tương
đương (ESDD) và mật độ lắng đọng không hòa tan (NSDD). Trong [96], Suhaimi, Bashir và cộng
sự. đã nghiên cứu các thành phần tần số và thời gian của tín hiệu UV của chất cách điện ở
các mức độ ô nhiễm khác nhau bằng cách sử dụng mạng thần kinh nhân tạo (ANN). Các nghiên cứu thực ng
Machine Translated by Google

Năng lượng 2022, 15, 7656 18 trên 32

có mối tương quan cao giữa các mức cường độ phóng điện. Do đó, điều này được sử dụng để trích
xuất tổng độ méo hài và tần số cơ bản từ tín hiệu. Sau đó, các tính năng đã chọn sẽ được đưa
vào mô hình ANN để xác định dự đoán phóng điện liên quan đến mức cường độ phóng điện của chất
cách điện. Trong bài báo [131], Yan, Gang và cộng sự. đã thiết kế một giao diện giám sát rủi
ro dựa trên mạng lưới thần kinh và các công nghệ logic phức tạp để dự đoán hiện tượng phóng
điện của chất cách điện. Nó được xây dựng dựa trên mạng lan truyền ngược đã được huấn luyện
để xác định trạng thái thời gian thực của chất cách điện. Vectơ đầu vào của mạng nơ ron là
biên độ dòng rò, độ ẩm tương đối và tỷ lệ sóng hài bậc 3 của dòng rò với biên độ của sóng hài
cơ bản. Ngoài ra, đầu ra của mạng nơ-ron là trạng thái bảo mật của chất cách điện được liên
kết với giao diện mờ. Họ đã sử dụng ba tập hợp con mờ để thể hiện trạng thái bảo mật của chất
cách điện (tức là trạng thái an toàn, báo động nhẹ và báo động nghiêm trọng). Lưu, Yang và
cộng sự. [132] đã thông qua việc sử dụng mạng lưới thần kinh lan truyền ngược (BP) trong việc
phát triển thiết bị chẩn đoán ô nhiễm chất cách điện cục bộ để đưa ra chẩn đoán theo thời
gian thực về tình trạng ô nhiễm trong chất cách điện. Chất cách điện cục bộ này có khả năng
giao tiếp với thiết bị chụp ảnh tia cực tím trong thời gian thực. Họ đã sử dụng một tập hợp
các tham số (tức là độ phóng điện biểu kiến, khoảng cách và mức tăng phát hiện cũng như số
lượng quang điện tử) thu được từ máy chụp ảnh tia cực tím làm đầu vào của mạng lưới thần kinh
BP. Đầu ra của mạng lưới thần kinh BP là mức độ ô nhiễm.

5.1.2. Máy vectơ hỗ trợ (SVM)

Triệu, Giang và cộng sự. [133] đã trình bày một kỹ thuật cách điện mới để dự đoán
mức độ nghiêm trọng của mức độ ô nhiễm và tránh bất kỳ tai nạn phóng điện ô nhiễm nào.
Họ đã sử dụng một tập hợp các tính năng dựa trên các biến số môi trường và thử nghiệm
để tìm ra mức độ ô nhiễm: độ ẩm tương đối (RH), nhiệt độ môi trường (T), dòng điện rò rỉ
(LC), cụ thể là biên độ xung tối đa (Ih), tỷ lệ năng lượng (Ih) . K) và năng lượng (E).
Sau đó, một biến thể từ các tính năng này đã được lấy và đưa vào mô hình máy vectơ hỗ
trợ bình phương tối thiểu (LS-SVM) để xác định mức độ. Hạ, Song, và những người khác.
[77] đã đề xuất một phương pháp học kết hợp phép biến đổi S và máy vectơ hỗ trợ (SVM) để
phân loại mức độ nhiễm bẩn của chất cách điện bằng sứ. Họ đã sử dụng phép biến đổi S
trong giai đoạn trích xuất đặc trưng để trích xuất pha và biên độ của từng điểm tần số
của tín hiệu dòng rò được ghi lại. Do đó, ba tham số chính (tức là biên độ, pha và độ
méo hài tổng (THD)) đã được chọn làm đầu vào cho mô hình SVM và đầu ra của SVM được đưa
vào bốn tập hợp con mờ để xác định mức. Trong bài báo này [134], Mahdjoubi, Zegnini, et
al. đã cải thiện hiệu suất của các chất cách điện ngoài trời bằng cách sử dụng phương
pháp phát hiện thông minh dựa trên chiến lược học tập máy vectơ hỗ trợ bình phương nhỏ
nhất (LS-SVM). Họ thiết lập các vectơ hỗ trợ theo tiêu chí bậc hai Renyi bằng cách áp
dụng tập huấn luyện. Chiều cao chất cách điện, chiều dài rò rỉ, đường kính chất cách
điện, số phần tử trong chuỗi, độ dẫn bề mặt và số lớp vỏ được sử dụng làm đầu vào của mô
hình LS-SVM và đầu ra là điện áp phóng điện. Ở đây, dữ liệu huấn luyện cho mô hình này
được tạo ra dựa trên phương pháp phần tử hữu hạn. Abedini-Livari, Eshaghi- Maskouni, et
al. trong [19] đã thảo luận về hiện tượng phóng điện cục bộ (PD) trên chất cách điện
polyme dưới những thay đổi khác nhau về tác động của các khuyết tật vật lý, quá trình
lão hóa do sương muối-sương tăng tốc và lượng ô nhiễm khác nhau. Tại đây, họ đã ghi lại
sự phóng điện một phần của chất cách điện bằng cách sử dụng ăng-ten UHF. Cây gói wavelet
đã được sử dụng để trích xuất đặc điểm từ tín hiệu phóng điện cục bộ. Sau đó, các đặc
tính đã chọn (ví dụ: Độ lệch, độ nhọn) được đưa vào mô hình máy vectơ hỗ trợ (SVM) để dự đoán tìn
Chen, Li và cộng sự. trong [92] đã đề xuất một bộ phân loại dựa trên máy vectơ hỗ trợ và
đặc tính màu sắc của hình ảnh nhìn thấy được để dự đoán mức độ ô nhiễm. Họ đã sử dụng kỹ
thuật phân đoạn hình elip dựa trên biến đổi Hough ngẫu nhiên để trích xuất đặc điểm
chính từ các hình ảnh nhìn thấy được. Vì vậy, khoảng 36 loại đặc tính của các thành phần
HSV và RGB đã được trích xuất từ quy trình trước đó. Giá trị trung bình và trung vị của
thành phần S được chọn làm đặc điểm chính dựa trên tiêu chí Fisher. Các tính năng này

sau đó được đưa vào bộ phân loại máy vectơ hỗ trợ để dự đoán mức độ ô nhiễm. Trong một
bài báo [95], Liu, Mei et al. đã trình bày một kỹ thuật học máy dựa trên sự hỗ trợ bán giám sát
Machine Translated by Google

Năng lượng 2022, 15, 7656 19 trên 32

vector và việc sử dụng phương pháp đo bức xạ quang nhiệt (PTR) để dự đoán mức độ ô nhiễm.
PTR được sử dụng trong phép đo để xác định các thông số mức độ nghiêm trọng của ô nhiễm:
NSDD và ESDD về các đặc tính bức xạ nhiệt tần số và nhất thời của ô nhiễm. Sau đó, các
đặc điểm chính được trích xuất và kích thước của chúng được giảm bớt bằng cách sử dụng
phân tích thành phần chính (PCA). Sau đó, một bộ phân loại bán giám sát được cung cấp
các tính năng còn lại để dự đoán mức độ ô nhiễm dựa trên bài toán bốn lớp. Trong bài báo
[56], Sun, Zhang et al. đề xuất một mô hình học tập kết hợp phân tích nhân tố khám phá
(EFA) và sử dụng máy vectơ hỗ trợ để dự đoán mức độ ô nhiễm của chất cách điện. Họ đã sử
dụng EFA để giảm thiểu các biến nhân tố, điều này có thể làm giảm độ phức tạp của mô
hình. Sau đó, các biến yếu tố đã chọn được đưa vào máy vectơ hỗ trợ bình phương nhỏ nhất
(LSSVM) để dự đoán mức độ ô nhiễm. Để đạt được kết quả tốt hơn, họ đã áp dụng thuật toán
di truyền sắp xếp không ưu thế II để xác định các tham số LSSVM tối ưu. Kết quả cho thấy
mô hình EFA-LSSVM được tối ưu hóa vượt trội hơn LSSVM ban đầu, hồi quy tuyến tính đa
biến và mô hình mạng thần kinh lan truyền ngược về hiệu suất mô hình. Chu và Chen [135]
đã áp dụng mô hình máy vectơ hỗ trợ với các kỹ thuật khai thác dữ liệu để dự đoán điện
áp phóng điện dưới các mật độ xám và muối khác nhau. Giá trị trung bình của các điểm dữ
liệu được thu thập không được vượt quá 10%. Kết quả cho thấy mô hình hồi quy máy vectơ
hỗ trợ đã cải thiện hiệu suất của mô hình về mặt giá trị lỗi và độ chính xác dự đoán,
đồng thời nó cung cấp tài liệu tham khảo cho các phép đo của chất cách điện.

5.1.3. Thuật toán k-Láng giềng gần nhất (KNN)

Chaou, Mekhaldi, et al. [136] đã đề xuất một phương pháp mới gọi là phân tích
định lượng tái phát (RQA), có khả năng chỉ ra cấu trúc Sơ đồ tái phát (RP) và định
lượng động lực học dòng rò trong quá trình này. Người ta đề xuất nghiên cứu cấu trúc
RP và động lực dòng điện rò và trích xuất các đặc điểm chính từ tín hiệu dòng điện
cho mục đích phát hiện. Do đó, tám chỉ báo RQA đã được sử dụng để nghiên cứu và điều
tra các tín hiệu dòng rò dưới các độ dẫn khác nhau. Sau đó, giá trị trung bình của
tám chỉ số RQA được coi là đầu vào của KNN để dự đoán mức độ nghiêm trọng của ô nhiễm.

Abouzeid, El-Hag và cộng sự. [2] đã phát triển một phương pháp không xâm lấn dựa
trên công nghệ học máy để theo dõi và đánh giá chất cách điện cao su silicon bằng cách
dự đoán mức ESDD. Họ đã sử dụng hồi quy từng bước trong giai đoạn trích xuất đặc điểm và
PCA để giảm kích thước của các đặc điểm được trích xuất khỏi dòng rò. KNN đã được thông
qua để dự đoán mức ESDD. Trong [102], Xia, Ren và cộng sự. đề xuất một mô hình học tập
mới dựa trên công nghệ hình ảnh siêu phổ (HSI) để đánh giá các chất cách điện cao su
silicon lưu hóa ở nhiệt độ cao. Phương pháp toán tử Canny được áp dụng cho các hình ảnh
siêu phổ được thu thập để chọn các vùng quan tâm và trích xuất dữ liệu quang phổ. Họ
cũng sử dụng phương pháp hiệu chỉnh tán xạ đa biến (MSC) để xử lý trước dữ liệu được
trích xuất và PCA để giảm kích thước của các đặc điểm được trích xuất. Sau đó, thuật
toán chiếu liên tiếp (SPA) đã được áp dụng để xác định các dải mục tiêu. Các dải này
được đưa đến KNN để dự đoán mức độ ô nhiễm. Ma, Jin và cộng sự. [83] đã đề xuất một kỹ
thuật học tập mới dựa trên các đặc điểm kết cấu từ tín hiệu UV để dự đoán các mẫu thành
các cung, vành và cung dài cục bộ. Kỹ thuật phân tích kết cấu đã được áp dụng vào các
hình ảnh thu được từ quang phổ của tín hiệu UV và nó được sử dụng để tìm ra các đặc điểm
Tamura và ma trận xảy ra ở mức xám (GLCM). Sau đó, các đặc điểm được trích xuất được đưa
vào KNN để phân loại lỗi phóng điện cục bộ.
Trong [84], Sit, Das et al. trình bày một phương pháp hiệu quả để dự đoán mức độ ô
nhiễm của chất cách điện polymer. Họ đã phân tích dòng điện rò rỉ trong miền thời gian-
tần số bằng cách sử dụng cửa sổ hyperbol biến đổi Stockwell (HST) và họ trích xuất ra ma
trận HS thời gian-tần số phức tạp hai chiều. Sau đó, họ chia ma trận HS thành phổ biên
độ và phổ pha, và do đó 16 đặc điểm được trích xuất từ phổ. Tiếp theo, họ sử dụng phương
pháp toán tử chọn lọc và co rút tuyệt đối nhỏ nhất (LASSO) để chọn các tính năng tốt
nhất (tức là năm tính năng) từ các tính năng được trích xuất. Các tính năng đã chọn được đưa vào
Machine Translated by Google

Năng lượng 2022, 15, 7656 20 trên 32

KNN để dự đoán mức độ ô nhiễm. Trong [137], bộ phân loại KNN dựa trên hình ảnh chất cách điện được
sử dụng để phát hiện mức độ ô nhiễm. 40 chất cách điện bằng sứ được sử dụng trong nghiên cứu này
đã bị ô nhiễm nhân tạo. Sáu đặc điểm thống kê được trích xuất từ hình ảnh cách điện và được coi là
đầu vào cho bộ phân loại, chẳng hạn như giá trị trung bình, phương sai, tính bất đối xứng, độ nhọn,
năng lượng và entropy. Trình phân loại cho thấy độ chính xác 85,17% khi sử dụng xác thực chéo k-Fold.
Độ chính xác của KNN được so sánh với các bộ phân loại khác như cây quyết định, không
gian con tập hợp và máy vectơ hỗ trợ và vượt trội hơn chúng.

5.1.4. Rừng ngẫu nhiên (RF)

Trong [75], Kannan, Shivakumar, et al. đã trình bày một kỹ thuật học máy dựa
trên bộ phân loại rừng ngẫu nhiên (RF) để phân loại mức độ ô nhiễm của chất cách điện HV.
Một loạt thí nghiệm đã được tiến hành và dòng điện rò (LC) được ghi lại trong phòng thí nghiệm trên
chất cách điện bằng sứ ở điện áp xoay chiều 11 kV. Họ đã sử dụng kỹ thuật biến đổi sóng con rời
rạc và phân tích miền thời gian để trích xuất biểu đồ và các đặc điểm cơ bản của dòng điện rò rỉ.
Khoảng 48 đặc điểm được trích xuất từ dòng điện và sau đó đưa vào mô hình RF để xác định mức độ
nghiêm trọng của ô nhiễm. Ren, Li và cộng sự. [28] đã đề xuất một kỹ thuật học tập mới để dự đoán
mức độ ô nhiễm nghiêm trọng của chất cách điện dựa trên các khu rừng ngẫu nhiên (RF). Hơn nữa, họ
đề xuất 16 yếu tố có liên quan đến mật độ cặn không hòa tan (NSDD) và mật độ cặn muối tương đương
(ESDD) cho quá trình học tập. Sau đó, họ áp dụng lý thuyết thông tin lẫn nhau (MI) cho quá trình
trích xuất đặc trưng dựa trên trọng số của 16 yếu tố. Mô hình hồi quy RF được xây dựng dựa trên
các đặc trưng được trích xuất và thử nghiệm để dự đoán mức ESDD và NSDD, sau đó so sánh với kết
quả của mô hình máy vectơ hỗ trợ (SVM). Trong [80], Sit, Chakraborty, et al. đề xuất phương pháp
học dựa trên hàm hình thái toán học và phân loại rừng ngẫu nhiên để phân loại mức độ ô nhiễm trong
sứ cách điện.

Dòng điện rò rỉ được thu thập ở các mức độ ô nhiễm khác nhau từ các thí nghiệm mở rộng.
Họ đã sử dụng các phép toán thống kê và hàm hình thái toán học khác nhau trong giai đoạn
trích xuất đặc điểm. Sau đó, một số đặc điểm khác (tức là 1, 2, 3 và 21) được đưa vào bộ
phân loại rừng ngẫu nhiên để dự đoán mức độ ô nhiễm.

5.1.5. Học tập theo nhóm (EL)

Stefenon, Grebogi và cộng sự. trong [117] đã giải quyết các lỗi trong chất cách điện như
một bài toán đa lớp bằng cách sử dụng một máy học tập cực đoan (EN-ELM) và tối ưu hóa bầy hạt.
Họ áp dụng điện áp 13,8 kV (rms) vào các chất cách điện bị ô nhiễm, được khoan và cách điện tốt và
ghi lại dữ liệu bằng máy dò siêu âm kết nối với máy tính. Họ đã sử dụng hệ số năng lượng sóng con,
phân đoạn từ dưới lên và phân tích thành phần chính trong giai đoạn trích xuất đặc trưng. Các tính
năng được trích xuất được đưa vào máy học tổng hợp được tối ưu hóa để dự đoán mức độ ô nhiễm trong
chất cách điện. Trong bài báo [101], Qiu, Wu et al. đề xuất một kỹ thuật phát hiện dựa trên khái
niệm siêu phổ và công nghệ máy học. Họ đã thu thập các mẫu từ các hình ảnh siêu phổ với mức độ ô
nhiễm khác nhau bằng cách sử dụng máy đo siêu phổ. Sau đó, họ sử dụng hiệu chỉnh phân tán nhân và
hiệu chỉnh đen trắng để chỉnh sửa các hình ảnh được thu thập. Sau đó, họ thu được từ các hình ảnh
đã được chỉnh sửa các đường cong siêu phổ sử dụng vùng quan tâm (ROI). Các đặc điểm được trích xuất
từ những hình ảnh này được đưa vào mô hình đa phân loại của máy học cực đoan (ELM) để phát hiện
mức độ ô nhiễm của chất cách điện. Stefenon, Ribeiro và cộng sự. [59] đã đề xuất một mô hình học
tập dựa trên tập hợp xếp chồng trong dự đoán chất cách điện bằng sứ bị ô nhiễm. Họ sử dụng thiết
bị siêu âm để ghi lại tín hiệu và sau đó biến đổi sóng con để lọc tín hiệu và loại bỏ hiệu ứng
nhiễu. Tín hiệu trích xuất được đưa vào mô hình tập hợp xếp chồng để dự đoán mức độ nhiễm bẩn của
chất cách điện.

Một tập hợp số liệu được đưa vào kết quả dưới dạng sai số phần trăm tuyệt đối trung bình
(MAPE), hệ số xác định (R2) và sai số bình phương trung bình gốc (RMSE). Yin, Xiao, và
cộng sự. [61] đã trình bày một kỹ thuật dựa trên đặc điểm quang phổ và hình ảnh siêu phổ
để phát hiện mức độ ô nhiễm trong chất cách điện. Họ trích xuất kết cấu hình ảnh, dữ liệu
màu đặc trưng và đặc điểm vạch quang phổ siêu âm của chất cách điện bằng cách sử dụng màu xám-
Machine Translated by Google

Năng lượng 2022, 15, 7656 21 trên 32

ma trận đồng xuất hiện độ dốc cấp độ (GGCM) và phân tích thành phần chính của hạt nhân
(KPCA) được sử dụng để giảm kích thước của các tính năng được trích xuất. Sau đó, họ hợp
nhất các tính năng đã chọn để sử dụng trong quá trình phát hiện. Tiếp theo, các tính năng
hợp nhất được đưa vào một mô hình học tập tổng hợp để phân loại mẫu thành một trong bốn cấp
độ (tức là nhẹ, trung bình, nặng và rất nặng).

5.1.6. Mạng thần kinh chuyển đổi (CNN)

Một mô hình mạng nơ ron tích chập (CNN) đã được đề xuất trong [103] để chẩn đoán trạng
thái của chất cách điện bằng sứ trong đường dây truyền tải. Lưu, Pei và cộng sự. sử dụng công
nghệ ảnh hồng ngoại rồi đưa vào mô hình LeNet CNN; nó được áp dụng để tối ưu hóa cấu trúc
mạng. Mô hình này cho thấy tỷ lệ phân loại cao, mạnh mẽ và cung cấp tỷ lệ tốt hơn trong các
điều kiện khác nhau như độ ẩm, nhiệt độ, tải nhiệt và vị trí hư hỏng trên chất cách điện.
Trong [104], một mô hình học sâu đã được phát triển để tìm ra các chất cách điện có trình tự
0 với độ ẩm không khí, mức độ ô nhiễm khác nhau và các vị trí khác nhau. Các tác giả đã sử
dụng ảnh hồng ngoại sau khi loại bỏ hiệu ứng nhiễu và tăng độ tương phản trong phương pháp.
Các hình ảnh đầu ra được đưa vào mạng đề xuất khu vực (RPN) và mạng phát hiện CNN (RCNN) nhanh
theo khu vực để phát hiện các chất cách điện. Trong [138], Feng, Xuran et al. đề xuất một mô
hình học sâu để xác định vị trí và xác định các khuyết tật của chất cách điện bằng cách sử
dụng hình ảnh hồng ngoại.
Họ thu thập các hình ảnh hồng ngoại và sau đó lọc nhiễu nền.
Sau đó, các hình ảnh đã được làm sạch được đưa vào thuật toán phát hiện đa mục tiêu YOLO để
phát hiện các khiếm khuyết dựa trên phản ứng tổng hợp đa tính năng. Khi lỗi được xác định
trong hình ảnh hồng ngoại thì loại lỗi sẽ được xác định tương ứng. Trong [81], Mussina,
Irmanova, et al. đề xuất kiến trúc mạng tích chập nhiệt hạch (FCN) để đánh giá các chất cách
điện HV ngoài trời bị ô nhiễm. FCN áp dụng phản ứng tổng hợp thông tin đa phương thức (MMIF)
của hình ảnh UAV với dòng điện rò rỉ và phân loại mức độ nhiễm bẩn của chất cách điện thành
các điều kiện tồn tại trước khi xảy ra sự cố, chẳng hạn như tuyết, nước, muối và bụi kim loại.
Sử dụng MMIF trong mô hình giúp giảm độ phức tạp của quá trình học và đạt được độ chính xác
tốt hơn. Trong một bài báo [58], Waleed, Mukhopadhyay, et al. đã phát triển một hệ thống dựa
trên máy bay không người lái để giám sát chất cách điện bằng gốm trên đường dây điện. Hệ thống
máy bay không người lái được trang bị máy tính bảng đơn Raspberry Pi và camera tích hợp để
theo dõi trạng thái của chất cách điện. Hệ thống cũng có khả năng thực hiện một số tác vụ thị
giác máy tính liên quan đến quá trình giám sát; nó có thể thực hiện các nhiệm vụ này trên tàu
hoặc trên bờ tại trạm mặt đất. Trong trường hợp ở chế độ trên bờ, máy bay không người lái sẽ
chụp ảnh và đồng thời truyền chúng đến trạm mặt đất. Sau đó, các phương pháp phát hiện đối
tượng (ví dụ: Single-Shot MultiBox Detector (SSD) Mobilenetv2) có thể được áp dụng để phân
loại các chất cách điện thành ba cấp độ: chất cách điện khỏe, bẩn và bị hỏng, trong khi ở chế
độ tích hợp, hình ảnh được đưa trực tiếp đến khu vực- dựa trên CNN (RCNN) để dự đoán mức độ.
Trong một bài báo [60], Liu, Lai, et al. đề xuất mô hình mạng nơ ron tích chập (CNN) bằng
cách sử dụng hình ảnh phóng điện để dự đoán trạng thái ô nhiễm của chất cách điện. Họ đã áp
dụng phương pháp nhị phân hóa, thang độ xám và điểm chính trên các hình ảnh được thu thập
trong giai đoạn trích xuất đặc điểm. Sau đó, các đặc điểm được trích xuất sẽ được huấn luyện
bằng mô hình CNN và trạng thái ô nhiễm được xác định. Kết quả cho thấy trạng thái phóng điện
của chất cách điện có mối tương quan thuận với độ ẩm và ô nhiễm bề mặt. Trong một bài báo
[62], Zhao, Yan et al. đề xuất một mô hình học tập dựa trên công nghệ siêu phổ để dự đoán các
trạng thái trong chất cách điện bằng sứ. Họ trích xuất các cạnh từ hình ảnh bằng cách sử dụng
bộ lọc Gaussian và thuật toán Canny để xác định vị trí các vết nứt. Sau đó, thông tin quang
phổ được sử dụng để dự đoán trạng thái của chất cách điện bằng cách sử dụng mô hình CNN mạng
hiệu quả. Kết quả cho thấy độ chính xác đạt được khi sử dụng mô hình này là 96%, tốt hơn so
với các mô hình học tập khác và không sử dụng dữ liệu siêu phổ. Trong một bài báo [139],
Vigneshwaran, Maheswari, et al. đề xuất một mô hình học tập dựa trên phản ứng tổng hợp tính
năng và mạng thần kinh tích chập VGG đầu vào kép (CNN) để dự đoán mức độ nghiêm trọng ô nhiễm
của chất cách điện. Tín hiệu phóng điện cục bộ đo được được định dạng dưới dạng hình ảnh tần
số thời gian được đặt tên theo biểu đồ tỷ lệ và mẫu phóng điện cục bộ phân giải pha 3D (PRPD). Các tác
Machine Translated by Google

Năng lượng 2022, 15, 7656 22 trên 32

và các mẫu PRPD 3D. Sau đó, phương pháp tổng hợp trọng số đã được sử dụng để chọn tính
năng tốt nhất từ biểu đồ quy mô và các tính năng mẫu 3D PRPD, đồng thời cải thiện tốc độ
nhận dạng của mạng. Sau khi trích xuất các tính năng, mạng đã được học bằng cách áp dụng
ba mô hình học tập khác nhau dựa trên trình tối ưu hóa đã chọn cho hàm tổn thất tối thiểu,
tức là trình tối ưu hóa lan truyền bình phương trung bình gốc (RMSPROP), trình tối ưu hóa
độ dốc ngẫu nhiên với động lượng (SGDM) và động lượng thích ứng (ADAM) trình tối ưu hóa.
Ngoài ra, họ đã sử dụng phương pháp tối ưu hóa Bayes để chọn các siêu tham số của mạng.

5.2. Logic

mờ được giới thiệu dưới dạng nhiều dạng logic có giá trị và nó chứa nhiều giá trị
logic của một biến trong khoảng từ 0 đến 1, một phần đúng và một phần sai. Đôi khi, con
người không thể quyết định được điều gì đó là đúng hay sai trong cuộc sống thực. Do đó,
thuật ngữ mờ biểu thị những điều không hiển nhiên và không rõ ràng. Thuật toán mờ mang lại
cho hệ thống sự linh hoạt nhất định để tìm ra giải pháp tốt nhất có thể cho vấn đề sau khi
xem xét tất cả thông tin có sẵn giữa giá trị đúng và sai. Thuật toán logic mờ đã được sử
dụng trong các lĩnh vực khác nhau, từ lý thuyết máy đến trí tuệ nhân tạo (AI), chẳng hạn
như bộ vi điều khiển và thuật toán dựa trên máy trạm, để đạt được đầu ra cần thiết.
Nó cũng có thể được thực thi trong cả phần mềm và phần cứng. Về chất cách điện HV, ba
phương pháp logic mờ trước đây sẽ được thảo luận trong nghiên cứu này.
Trong [98], Lu, Wang và cộng sự. nghiên cứu đặc tính của quá trình thải ô nhiễm gốm
bằng cách sử dụng hình ảnh tia cực tím (UV) cùng với buồng khí hậu nhân tạo. Dựa vào hình
ảnh tia UV phóng điện, người ta chia loại phóng điện thành hai loại. Đầu tiên là phóng điện
vầng quang (CDA), và thứ hai là vùng phóng điện hồ quang một phần (PDA) và lặp lại phóng
điện hồ quang một phần (PDR). Sau đó, thuật toán xử lý hình ảnh kỹ thuật số được áp dụng
cho hình ảnh UV nhằm mục đích phân đoạn, số lượng phóng điện hồ quang một phần tại các thời
điểm cụ thể được tính và tìm thấy mối tương quan giữa các biến thu được với độ ẩm tương đối
(RH) . Sau đó, suy luận logic mờ được sử dụng, trong đó các biến tương quan là đầu vào và
mức độ ô nhiễm là đầu ra của kỹ thuật. Vương, Lin và cộng sự. [140] đã sử dụng giá trị
trung bình của dòng điện rò rỉ và các sự kiện môi trường trong hệ thống logic mờ để xác
định tình trạng ô nhiễm của đường dây HV. Họ đã chọn một tập hợp các tham số, chẳng hạn như
độ thiếu điểm sương, dòng rò, tốc độ gió và độ ẩm tương đối, làm đầu vào của hệ thống logic
mờ sau khi tiến hành phân tích dữ liệu. Đầu ra của hệ thống là mức độ ô nhiễm và được liên
kết với dịch vụ trang web. Petri, Moutinho và cộng sự. [141] đã trình bày một phương pháp
đánh giá trạng thái của chất cách điện dựa trên mức độ nghiêm trọng do thiết bị tạo ra.
Công cụ này bao gồm hai phần chính, phần thứ nhất là phần thuật toán, chẳng hạn như hệ
thống suy luận mờ hoặc mạng tích chập, và phần thứ hai là bảng Raspberry Pi. Thiết bị này
đưa ra phạm vi mức độ nghiêm trọng từ 0 đến 10, biểu thị hoạt động phóng điện cục bộ. Mức
độ này thu được bằng cách sử dụng hệ thống suy luận mờ Mamdani và các tham số được trích
xuất từ tín hiệu phóng điện cục bộ.

5.3. Nero mờ
Lu, Yu và cộng sự. [142] đã đề xuất một kỹ thuật phát hiện ô nhiễm mới dựa trên công
nghệ mạng thần kinh mờ để khắc phục nhược điểm của các kỹ thuật phát hiện truyền thống. Họ
đã xem xét các đặc tính của dòng điện rò rỉ, độ ẩm tương đối và nhiệt độ trong khi xây dựng
kỹ thuật này. Do đó, với tư cách là các biến đầu vào, mạng thần kinh bao gồm giá trị ảo
(Fl), giá trị cực đại của dòng rò (Fp), nhiệt độ (T), tần số xung dòng rò ( Ff) và độ ẩm
(H) và trọng số của mạng này được xây dựng trong quá trình đào tạo. Mật độ cặn muối tương
đương (ESDD), mật độ cặn không hòa tan (NSDD) và phân loại tính kỵ nước (HC) là kết quả đầu
ra của mạng này. Trong một bài báo [76], Khaled, El-Hag, et al. đề xuất một quy trình học
tập để dự đoán mức độ ô nhiễm ESDD trên chất cách điện polymer dựa trên các tín hiệu dòng
rò được ghi lại. Sau đó, họ sử dụng phương pháp hồi quy từng bước trong giai đoạn trích
xuất đặc trưng và chọn ra một tập đặc trưng dựa trên phương pháp này để cung cấp cho quá
trình học.
Machine Translated by Google

Năng lượng 2022, 15, 7656 23 trên 32

mô hình: độ dẫn sương mù muối, chiều dài chất cách điện, ứng suất điện áp, giá trị đỉnh
của dòng rò trong 5 giờ, tốc độ thay đổi giá trị đỉnh, tốc độ thay đổi giá trị đỉnh trung
bình và giá trị đỉnh của dòng rò trong 15 phút . Sau đó, các tác giả đã cung cấp các tính
năng này cho các bộ phân loại khác nhau: bộ phân loại KNN, đa thức và nơron-mờ để xác định
mức độ ô nhiễm dựa trên phạm vi ESDD thu được. Họ cũng nhận thấy rằng khi giảm vấn đề
phân loại từ bốn lớp xuống còn ba lớp, tỷ lệ nhận dạng đã tăng từ 65% lên 78% trong bộ
phân loại đa thức. Trong [143], Salem, Abd Rahman và cộng sự. đề xuất một phương pháp trí
tuệ nhân tạo (AI) kết hợp mạng lưới thần kinh nhân tạo (ANN) và hệ thống suy luận mờ thần
kinh thích ứng (ANFIS) để dự đoán điện áp của sự bùng nổ ô nhiễm. Dữ liệu được sử dụng
trong phương pháp này được thu thập từ các công trình thực nghiệm và các kết quả lý thuyết
được tạo ra từ một mô hình đã được kiểm chứng. Đường kính D, hệ số dạng F, chiều cao H,
mật độ lắng đọng muối tương đương (ESDD), khoảng cách đường rò L và hiệu chỉnh điện áp
phóng điện (C) là các tính năng được sử dụng để huấn luyện mạng AI dự đoán các giá trị điện áp.
Frizzo Stefenon, Zanetti Freire và cộng sự. [118] đã đề xuất một phương pháp dự báo
chuỗi thời gian ngoại tuyến với hệ thống suy luận mờ thần kinh thích ứng (ANFIS) để dự đoán
lỗi cách điện. Họ thu thập tín hiệu từ chất cách điện bằng thiết bị siêu âm. Sau đó, họ sử
dụng biến đổi gói wavelet (WPT) để loại bỏ hiệu ứng nhiễu trong tín hiệu được thu thập và
cải thiện hiệu quả của quá trình dự báo chuỗi thời gian. Họ đưa dữ liệu được trích xuất vào
ba cấu trúc hệ thống: phân cụm c-means mờ, phân cụm trừ và phân vùng lưới. Họ phát hiện ra
rằng hệ thống mờ thần kinh wavelet với phân cụm c-means đạt được độ chính xác tốt nhất so với
các cấu trúc khác.

5.4. Phân tích biến động có xu hướng (DFA)

Trong [144], Singh và cộng sự. đã sử dụng phân tích dao động có xu hướng (DFA) trên
dòng rò được ghi lại để dự đoán mức độ nhiễm bẩn của chất cách điện. Họ quan sát thấy
biến DFA tuân theo một hành vi cụ thể với mức độ ô nhiễm hoặc NaCl.
Do đó, hành vi này được sử dụng để phân loại mức độ ô nhiễm và phương pháp này cho thấy
khả năng loại bỏ hiệu ứng nhiễu trong tín hiệu dòng rò. Deb, Das và cộng sự. [79] đã đề
xuất một phương pháp đánh giá các chất cách điện ngoài trời dựa trên dòng rò được ghi
lại và sử dụng phân tích dao động có xu hướng (DFA). Họ trích xuất sự biến dạng từ dòng
điện rò được ghi lại bằng cách sử dụng tín hiệu theo dõi được phát triển dựa trên thành
phần cơ bản; các tác giả nhận thấy rằng những biến dạng này cho thấy mức độ nhiễm bẩn
của chất cách điện được thử nghiệm. Dey, Dutta và cộng sự. [145] đã đề xuất một phương
pháp dựa trên phân tích dao động có xu hướng (DFA) của dòng điện rò được ghi lại để xác
định mức độ nhiễm bẩn của chất cách điện. Họ đã sử dụng NaCl, Cao lanh và nước để mô
phỏng lớp chất ô nhiễm trong đĩa cách điện treo 11 kV. Họ đã chỉ ra rằng thông số DFA
đưa ra chỉ số tốt về mức độ liên quan đến ESDD và độ dẫn điện.

5.5. Kỹ thuật khác

Banik, Đạt Lai, và những người khác. [33] đã đề xuất một phương pháp dựa trên lý
thuyết tập hợp thô (RST) để phân loại mức độ ô nhiễm của chất cách điện bằng sứ. Những
chất cách điện này bị nhiễm bẩn do phương pháp lớp rắn (SLM) dựa trên IEC60507 và dòng
điện rò rỉ của chất cách điện được ghi lại ở các mức độ khác nhau và ở các giá trị độ ẩm
khác nhau. Sau đó, họ sử dụng khái niệm tự tương quan cho quá trình lựa chọn đặc điểm từ
dòng rò được ghi lại vì nó hoàn hảo cho dòng rò không tĩnh và có khả năng loại bỏ ảnh
hưởng của nhiễu trong tín hiệu hiện tại. Sau đó, RST được áp dụng cho các đặc điểm được
trích xuất để xác định mức độ nhiễm bẩn của chất cách điện. Trong bài báo [78], Deb,
Choudhury, et al. đề xuất một kỹ thuật dự đoán mức độ ô nhiễm trên đường dây HV dựa trên
việc sử dụng biến đổi Hilbert sửa đổi trong thời gian ngắn (STMHT) và phân loại dựa trên
biểu diễn thưa thớt. Họ đã sử dụng phân tích phân biệt tuyến tính STMHT và Fischer (FLDA)
trong giai đoạn trích xuất đặc điểm và rút gọn đặc điểm dựa trên các tín hiệu dòng rò
được ghi lại. Các đặc điểm được chọn là đỉnh, giá trị trung bình, độ lệch chuẩn, điện tích và hệ
Các tính năng này được đưa vào mô hình phân loại dựa trên biểu diễn thưa thớt để dự đoán mức
độ ô nhiễm. Trong [93], Yan, Duan và cộng sự. đề xuất một phương pháp gọi là tiềm ẩn cấp thấp
Machine Translated by Google

Năng lượng 2022, 15, 7656 24 trên 32

biểu diễn (LatLRR) để hợp nhất hình ảnh. Họ đã thu thập các hình ảnh hồng ngoại và nhìn
thấy được của chất cách điện từ các trạm biến áp HV đang hoạt động bình thường. Sau đó,
họ xử lý trước các hình ảnh hiển thị bằng cách hướng dẫn và lọc hình ảnh để bảo toàn thông
tin cạnh trong hình ảnh. Phương pháp này cho thấy nó có khả năng trích xuất thông tin
nhiệt độ từ ảnh hồng ngoại để xác định trạng thái của chất cách điện trong ảnh hồng ngoại
và giữ nguyên chi tiết kết cấu của ảnh nhìn thấy được trong ảnh nhiệt hạch. Vì vậy, thông
tin còn lại trong hình ảnh tổng hợp sẽ xác định mức độ nhiễm bẩn của chất cách điện. Liao,
Li và cộng sự. trong [146] đã sử dụng công nghệ hệ thống quang phổ đánh thủng do tia laser
(LIBS) cùng với phân tích thành phần chính (PCA) để dự đoán mức độ nhiễm bẩn của chất cách điện.
Hệ thống laser được sử dụng để bắn phá các chất cách điện bị ô nhiễm tự nhiên và nhân tạo
với mức độ ô nhiễm khác nhau. Các tác giả đã sử dụng máy ảnh và máy quang phổ để thu thập
phổ phát xạ. Đỉnh của vạch quang phổ được sử dụng để xác định loại phần tử và sau đó PCA
được sử dụng để phân loại vạch quang phổ thành bốn mức độ ô nhiễm. Trong [25], de Santos
và Sanz-Bobi đã đề xuất một phương pháp dự đoán dòng điện rò rỉ của chất cách điện trong
khi xem xét thông tin thời tiết và môi trường tại vị trí của chất cách điện. Họ đã phát
triển Chỉ số ô nhiễm tích lũy (CPI) để tìm giá trị cặn ô nhiễm hòa tan trên chất cách
điện. Giá trị kết quả, cùng với dữ liệu về gió, bụi định hướng và mưa, được học bằng
thuật toán rừng ngẫu nhiên để xác định dòng điện rò trong chất cách điện phủ silicon RTV
và kính cường lực. Trong [147], Ahmad, Tahir, et al. đã trình bày một phương pháp học để
dự đoán các thông số phóng điện trong chất cách điện cao su silicon theo các giá trị khác
nhau của ESDD, NSDD, độ ẩm và nhiệt độ. Dữ liệu được thu thập từ các công trình thí
nghiệm trong phòng thí nghiệm trong điều kiện được kiểm soát. Bốn thông số và ảnh hưởng
của chúng đến điện áp phóng điện, sự khởi đầu hồ quang và điện trở bề mặt đã được nghiên
cứu. Dữ liệu được làm sạch từ bốn tham số đã được đào tạo bằng các mô hình học tập khác
nhau như cây quyết định (DT), mạng thần kinh nhân tạo (ANN), tập hợp tăng bình phương tối
thiểu (LSBE), máy vectơ hỗ trợ đa thức (PSVM) và Gaussian SVM (GSVM). Ngoài ra, để nâng
cao độ chính xác của mô hình, tác giả đã sử dụng kỹ thuật bootstrapping để tăng không
gian mẫu. Zhang và Chen [97] đã trình bày một mô hình học sâu dựa trên việc sử dụng mạng
niềm tin sâu (DBN) và bộ mã hóa tự động thưa thớt (SAE) để dự đoán mức độ ô nhiễm trong
chất cách điện. Họ sử dụng SAE xếp chồng hai lớp để trích xuất các đặc điểm dự phòng từ
hình ảnh phóng tia cực tím. Sau đó, các đặc điểm được trích xuất sẽ được huấn luyện bằng
DBN, bao gồm ba lớp máy Boltzmann (RBM) bị hạn chế, để dự đoán mức độ ô nhiễm. Palangar
và Mirzaie [148] đã đề xuất một kỹ thuật dự đoán các điều kiện tới hạn trong chất cách
điện bằng thủy tinh và sứ bằng cách sử dụng dòng điện rò. Họ đã xác định một chỉ mục mới
được gọi là chỉ mục pha; nó đại diện cho cosin của góc pha của các sóng hài cơ bản của
dòng điện. Dựa trên chỉ số, khi giá trị thấp hơn 30%, chất cách điện được coi là ở trạng
thái hiệu quả và không có hiện tượng phóng điện. Mặt khác, khi chỉ số này cao hơn 30% thì
chất cách điện sẽ bị điều tra. Ngoài ra, tác giả nhận thấy khi độ ẩm tăng thì chỉ số này
cũng tăng theo. Trong bài báo [149], một phương pháp cải tiến đã được đề xuất để đánh giá
nguy cơ ô nhiễm đồng nhất và không đồng nhất và chất cách điện bằng kính ướt. Salem, Abd-
Rahman và cộng sự. đề xuất một chỉ số thay thế để ước tính rủi ro của chất cách điện,
được gọi là Rhi, được xây dựng dựa trên các thành phần hài thứ ba, thứ năm và thứ bảy của
dòng điện rò. Họ đã thử nghiệm chỉ số mới trong các điều kiện ô nhiễm khác nhau và ước
tính rủi ro của chất cách điện bằng cách sử dụng hàm phân phối chuẩn và xác suất (PFD).
Hơn nữa, họ đã nghiên cứu tác động đến mức độ xảy ra hiện tượng phóng điện và độ dốc điện
áp phóng điện.

Ibrahim và Abd-Elhady [55] đã đề xuất một phương pháp giám sát chất cách điện HV
loại chốt, nắp và loại chốt. Phương pháp này phụ thuộc vào việc sử dụng đầu dò cuộn dây
Rogowski chi phí thấp phù hợp với chốt của chất cách điện. Họ đã phân tích điện áp đầu ra
từ cuộn dây bằng cách sử dụng biến đổi Fourier nhanh (FFT). Dựa trên phổ thu được, mức độ
ô nhiễm của chất cách điện có thể được xác định trực tiếp. Nó đã được xác nhận và kiểm
tra bằng cách sử dụng thiết lập thử nghiệm bằng cách ghi lại điện áp và dòng điện rò rỉ,
sau đó tìm mức ô nhiễm từ quang phổ của chúng bằng phân tích FFT. Trong [150], Wahyudi, Setiawan
Machine Translated by Google

Năng lượng 2022, 15, 7656 25 trên 32

et al. nghiên cứu tia cực tím (UV) được giải phóng bởi sự phóng điện một phần xảy ra trong điều kiện
khô và ô nhiễm của chất cách điện. Cường độ và hình ảnh tia cực tím được ghi lại trong một phút cho
mỗi lần thay đổi điện áp cho mỗi lần thay đổi trọng lượng chất ô nhiễm và ứng suất điện áp được thay
đổi cho đến khi xảy ra hiện tượng phóng điện. Người ta quan sát thấy có mối liên hệ cố định giữa các
thông số phát thải tia cực tím và trọng lượng chất ô nhiễm. Ngoài ra, cần lưu ý rằng cường độ tia
cực tím có ba giá trị chính—tối thiểu, tối đa và trung bình—và chúng dao động trong giai đoạn ghi.
Dựa trên những giá trị này, các tác giả đã chỉ ra rằng có thể xác định được hai kiểu hình ảnh UV:
điểm tập trung và điểm tán xạ. Cường độ tia cực tím cao hơn có nghĩa là độ lệch cao hơn giữa giá trị
tối thiểu và tối đa và kiểu ánh sáng tập trung cao nhất được xác định trong điều kiện quan trọng.
Salem, Abd-Rahman và cộng sự. [26] đã trình bày một phương pháp cải tiến và thay thế để dự đoán mức
độ ô nhiễm của chất cách điện HV dựa trên thành phần cao hơn đến thành phần thứ bảy của dòng rò. Họ
đã xây dựng chỉ số hài hòa mới dựa trên tỷ lệ tổng của thành phần thứ bảy và thứ năm với thành phần
hài thứ ba. Tiếp theo, họ ghi lại dòng điện rò rỉ bằng điện trở shunt và máy biến dòng. Sau đó, một
loạt thử nghiệm trong phòng thí nghiệm được tiến hành trên các chất cách điện bằng sứ và thủy tinh
trong tình trạng ô nhiễm sương mù muối và chúng được thể hiện bằng ba cấp độ: ô nhiễm nhẹ, cao và
trung bình. Trong một bài báo [151], Banik, Nielsen, et al. đã nghiên cứu ảnh hưởng của điện áp cung
cấp bị biến dạng đến dòng rò của chất cách điện bằng cao su silicon. Họ phát hiện ra rằng sự biến
dạng điện áp nguồn gây ra tác động lên dòng rò đo được cũng như độ ẩm tương đối và mức độ nhiễm bẩn.
Do đó, họ đề xuất phương pháp phân tích dòng rò dựa trên hệ số đỉnh để dự đoán mức độ ô nhiễm của
chất cách điện dưới điện áp cung cấp bị méo. Dựa trên phương pháp đỉnh, bốn cụm đã được xác định dựa
trên các giá trị hệ số đỉnh của các chất cách điện khác nhau. Những cụm đó được sử dụng để xác định
mức độ nghiêm trọng của chất cách điện bằng cao su silicon.

Castillo-Sierra, Oviedo-Trespalacios, và cộng sự. [82] đã trình bày một phương pháp dự
đoán và giám sát dòng điện rò rỉ của chất cách điện bị ô nhiễm để xác định ngày rửa phù hợp.
Biểu đồ kiểm soát đường trung bình động có trọng số theo cấp số nhân (EWMA) được sử dụng để chỉ định
những ngày thích hợp để rửa chất cách điện để có thể giảm thiểu tình trạng thiếu sót trong quá trình
rửa và báo động sai.

6. Kết luận

Bài viết này đã xem xét các phương pháp khác nhau được áp dụng để xác định mức độ ô nhiễm trong
chất cách điện cao áp. Nhiều kỹ thuật khác nhau đã được thảo luận cùng với những ưu điểm và nhược
điểm của chúng dựa trên công trình nghiên cứu được công bố trong thập kỷ qua. Các kỹ thuật phân loại
mức độ nhiễm bẩn chất cách điện điện áp cao chính được thảo luận bao gồm học máy, logic mờ, giao
diện thần kinh-mờ, phân tích dao động có xu hướng (DFA) và nhiều kỹ thuật khác. Tuy nhiên, mỗi loại
chính này bao gồm nhiều phương pháp khác nhau đã được các nhà nghiên cứu khác nhau đề xuất và đã
được thảo luận trong suốt công trình này. Sự ô nhiễm chất cách điện và các nguồn gây ô nhiễm cũng đã
được thảo luận. Hơn nữa, các phương pháp khác nhau để cải thiện hiệu suất chất cách điện trong ngành
đã được phân tích. Cần lưu ý rằng các kỹ thuật khác nhau, chẳng hạn như lớp phủ, bộ mở rộng đường
rò, tối ưu hóa phân bố điện trường và làm sạch, đang được các công ty điện lực sử dụng để cải thiện
hiệu suất của chất cách điện. Ví dụ, người ta đã lưu ý rằng việc bổ sung vật liệu kỵ nước trên bề
mặt chất cách điện sẽ cải thiện hiệu suất của chất cách điện bằng gốm, chẳng hạn như việc sử dụng
cao su silicon lưu hóa ở nhiệt độ cao (HTV-SiR) và silicon lưu hóa ở nhiệt độ phòng (RTV- SiR) mang
lại các đặc tính tốt hơn về độ bền kéo cao, xử lý tốt hơn, xử lý dễ dàng, dẫn động, hoạt động cơ học
nén và tính kỵ nước tốt hơn, trong số các loại cao su silicon khác.

Hơn nữa, cần lưu ý rằng chất cách điện được phủ có ít dòng rò hơn so với chất cách điện không được
phủ ở cùng cấp điện áp. Việc sử dụng cường độ dòng điện rò làm thước đo mức độ nghiêm trọng của ô
nhiễm trên cách điện đã được phân tích bằng cách xem xét các phương pháp khác nhau. Người ta đã quan
sát thấy rằng khi sử dụng hàm hình thái toán học và các phép toán thống kê trong giai đoạn tiền xử
lý để kiểm tra sứ
Machine Translated by Google

Năng lượng 2022, 15, 7656 26 trên 32

chất cách điện, độ chính xác cao nhất là 100% đạt được trong khi độ chính xác thấp nhất (2%) đạt
được khi sử dụng tín hiệu FFT để kiểm tra chất cách điện bằng sứ, thủy tinh và polymer.
Do đó, dự kiến công trình này sẽ đóng vai trò là hướng dẫn tham khảo cho các công ty điện lực và các
nhà nghiên cứu để lựa chọn các phương pháp tốt nhất để xác định mức độ ô nhiễm dựa trên tính hiệu

quả và tính khả thi về mặt kinh tế của chúng.

Đóng góp của tác giả: Khái niệm hóa, LM; phương pháp luận, LM; phân tích hình thức, KA-S.; điều tra , AMM; viết—chuẩn bị

bản thảo gốc, TS; viết—xem xét và chỉnh sửa, LM, MYW và TS; giám sát, LMA; quản lý dự án, LMA; Tất cả các tác giả đã đọc

và đồng ý với phiên bản đã xuất bản của bản thảo.

Tài trợ: Nghiên cứu này không nhận được tài trợ từ bên ngoài.

Tuyên bố của Ban Đánh giá Thể chế: Không áp dụng.

Tuyên bố đồng ý sau khi được thông báo: Không áp dụng.

Xung đột lợi ích: Các tác giả tuyên bố không có xung đột lợi ích.

Người giới thiệu

1. Maraaba, L.; Alhamouz, Z.; Alduwaish, H. Ước tính dựa trên mạng lưới thần kinh về mức độ ô nhiễm trên điện áp cao

chất cách điện bằng sứ và thủy tinh. Điện. Anh. 2018, 100, 1545–
1554. [Tham khảo chéo]

2. Abouzeid, AK; El-Hag, A.; Assaleh, K. Dự đoán mật độ lắng đọng muối tương đương của chất cách điện cao su silicon trong điều kiện ô nhiễm mô phỏng. Điện.

Thành phần năng lượng. Hệ thống. 2018, 46, 1123–

1133. [Tham khảo chéo]

3. Kim, T.; Yi, J. Ứng dụng lớp phủ kỵ nước để giảm dòng điện rò rỉ thông qua kiểm soát năng lượng bề mặt của chất cách điện cao áp. ứng dụng. Lướt sóng. Khoa

học. 2022, 578, 151820. [Tham khảo chéo]

4. Kalla, Vương quốc Anh; Suthar, R.; Sharma, K.; Singh, B.; Ghotia, J. Điều tra chất lượng điện năng trong chất cách điện bằng gốm. IEEE Trans. Ứng dụng Ấn Độ.

2017, 54, 121–134. [Tham khảo chéo]

5. Genço ˘glu, MT So sánh chất cách điện bằng gốm và không bằng gốm. Anh. Khoa học. 2007, 2, 274–294. 6.

Patel, CR; Patel, N.; Patel, R. Đánh giá tình trạng của chất cách điện cao su silicon được sử dụng trong các hệ thống trên cao. Trong Kỷ yếu của Hội nghị

Hệ thống Điện Quốc gia lần thứ 21 (NPSC) năm 2020, Gandhinagar, Ấn Độ, ngày 17–19 tháng 12 năm 2020; trang 1–5.
7. Rajini, H.; Ballaji, A.; Saahithi, S.; Bharat, M.; Ashwini Kumari, P.; Raghu, C. Hiệu suất so sánh của vật liệu cách điện được sử dụng trong chất cách

điện cao áp. Hội nghị AIP Proc. 2022, 2461, 040001.

8. Saleem, MZ; Akbar, M. Đánh giá hiệu suất của chất cách điện hỗn hợp điện áp cao. Polyme 2022, 14, 431. [Tham khảo chéo]
[PubMed]
9. Maraaba, Giám sát mức độ ô nhiễm dựa trên xử lý hình ảnh LSF của chất cách điện cao áp; Đại học Dầu khí King Fahd
và Khoáng sản: Dhahran, Ả Rập Saudi, 2013.

10. Maraaba, L.; Al-Hamouz, Z.; Al-Duwaish, H. Dự đoán mức độ ô nhiễm của chất cách điện HV bằng hình ảnh tuyến tính

đặc điểm đại số và mạng nơ-ron. Ả Rập. J. Khoa học. Anh. 2015, 40, 2609–
2617. [Tham khảo chéo]

11. Gorur, R.; Sivasubramaniyam, S. Tính toán điện trường gây ra khuyết tật trên các chất cách điện bằng gốm và không bằng gốm điện áp cao ngoài trời. Trong Kỷ

yếu của Hội nghị Báo cáo Thường niên về Hiện tượng Cách điện và Điện môi, Cancun, Mexico, 20–
24 tháng 10 năm 2002; trang 319–322.

12. Kiessling, F.; Nefzger, P.; Nolasco, JF; Kaintzyk, U. Đường dây điện trên không: Quy hoạch, Thiết kế, Xây dựng; Người mùa xuân:

Berlin/Heidelberg, Đức, 2003; Tập 759.

13. Baker, A.; Farzaneh, M.; Gorur, R.; Gubanski, S.; Đồi, R.; Karady, G.; Schneider, H. Lựa chọn chất cách điện cho đường dây AC trên không liên quan đến ô

nhiễm. IEEE Trans. Cung cấp điện. 2009, 24, 1633–

1641. [Tham khảo chéo]

14. Rizk, FA; Trình, Kỹ thuật cao áp GN; Nhà xuất bản CRC: Boca Raton, FL, Hoa Kỳ, 2018.

15. Alyousef, Y.; Varnham, A. Chương trình Hiệu quả Năng lượng Quốc gia của Ả-rập Xê-út: Mô tả, thành tựu và con đường phía trước.

Int. J. Công nghệ cacbon thấp. 2010, 5, 291–297. [Tham khảo chéo]

16. Maraaba, LS; Al Soufi, KY; Alhems, LM; Hassan, MA Đánh giá hiệu suất của chất cách điện polymer 230 kV ở vùng ven biển
khu vực Ả Rập Saudi. Truy cập IEEE 2020, 8, 164292–164303. [Tham khảo chéo]

17. Khattak, A.; Alahamdi, AA; Iqbal, MB Nghiên cứu hiệu suất phân hủy của Epoxy Micro chịu ứng suất thủy nhiệt và

Nanocomposite để cách điện cao áp. Polyme 2022, 14, 1094.

18. Sk, MH; Ardila-Rey, JA; Umar, Y.; Mas'ud, AA; Muhammad-Sukki, F.; Jume, BH; Rahman, H.; Bani, NA Ứng dụng và tính phù hợp của vật liệu polyme làm chất cách

điện trong thiết bị điện. Năng lượng 2021, 14, 2758.

19. Abedini-Livari, A.; Eshaghi-Maskouni, M.; Vakilian, M.; Firuzi, K. Giám sát tình trạng chất cách điện hỗn hợp Line thông qua phép đo phóng điện cục bộ. Trong

Kỷ yếu của Hội nghị Hệ thống Điện Quốc tế (PSC) năm 2019, Tehran, Iran, ngày 9–11 tháng 12 năm 2019; trang 595–600.

20. Arief, S.; Abral, H.; Hazmi, A.; Waldi, E.; Ahmad, M. Dòng rò ước tính dựa trên hình ảnh nhiệt của chất cách điện polymer bằng phương pháp phát hiện màu. J.

Hội nghị Vật lý. Ser. 2019, 1317, 012025.

Machine Translated by Google

Năng lượng 2022, 15, 7656 27 trên 32

21. Jin, L.; Zhang, D. Nhận dạng mức độ ô nhiễm của chất cách điện bằng gốm sử dụng các tính năng hợp nhất của hình ảnh hồng ngoại và tia cực tím.

Năng lượng 2015, 8, 837–

858. [Tham khảo chéo]

22. Hàn, S.; Hảo, R.; Lee, J. Kiểm tra chất cách điện trên đường dây truyền tải điện cao thế. IEEE Trans. Cung cấp điện. 2009, 24, 2319–
2327.
[Tham khảo chéo]

23. Kunicki, M.; Cicho `n, A. Ứng dụng phân tích mô hình phóng điện cục bộ theo pha cho phương pháp phát âm ở mức cao

chẩn đoán hệ thống cách điện Vòm. Âm thanh. 2018, 43, 235–
243.

24. Pernebayeva, D.; Irmanova, A.; Sadykova, D.; Bagheri, M.; James, A. Đánh giá tình trạng bề mặt cách điện ngoài trời điện áp cao

sử dụng hình ảnh cách điện trên không. Điện áp cao. 2019, 4, 178–185. [Tham khảo chéo]

25. de Santos, H.; Sanz-Bobi, M.Á. Chỉ số ô nhiễm tích lũy để ước tính dòng điện rò rỉ trên dây cách điện.

IEEE Trans. Cung cấp điện. 2020, 35, 2438–2446. [Tham khảo chéo]

26. Salem, AA; Abd-Rahman, R.; Al-Gailani, SA; Kamarudin, MS; Ahmad, H.; Salam, Z. Các thành phần dòng rò như một công cụ chẩn đoán để ước tính mức độ ô nhiễm trên chất

cách điện cao áp. Truy cập IEEE 2020, 8, 92514–

92528. [Tham khảo chéo]

27. Salam, MA; Aamer, K.; Hamdan, A.; Hamdan, N. Nghiên cứu mối quan hệ giữa điện trở và ESDD của chất cách điện bị nhiễm bẩn Phương pháp tiếp cận trong phòng thí

nghiệm. Trong Kỷ yếu Kỷ yếu của Hội nghị Quốc tế lần thứ 7 về Tính chất và Ứng dụng của Vật liệu Điện môi (Mã số 03CH37417), Nagoya, Nhật Bản, ngày 1–
5 tháng 6

năm 2003; trang 1032–1034.

28. Ren, A.; Lý, Q.; Xiao, H. Phân tích và dự đoán ảnh hưởng của ESDD và NSDD dựa trên các khu rừng ngẫu nhiên. Năng lượng 2017, 10, 878.

[Tham khảo chéo]

29. Montoya, G.; Ramirez, tôi.; Montoya, J. Mối tương quan giữa ESDD, NSDD và dòng điện rò rỉ trong các chất cách điện phân phối. Quy trình IEEE

Tướng. Truyền. Phân phối. 2004, 151, 334–

340. [Tham khảo chéo]

30. Gorur, RS; Cherney, EA; Chất cách điện ngoài trời Burnham, JT; Ravi S. Gorur: Phoenix, AZ, Hoa Kỳ” 1999.

31. IEC TS 60815-1; Lựa chọn và xác định kích thước của chất cách điện cao áp nhằm mục đích sử dụng trong điều kiện ô nhiễm - Phần 1: Định nghĩa, Thông tin và Nguyên

tắc chung. Ủy ban Kỹ thuật Điện Quốc tế: Worcester, MA, USA™ 2008.

32. Banik, A.; Pradhan, A.; Ghosh, R.; Đạt Lai, S.; Chaterjee, B. Một nghiên cứu so sánh về sóng hài dòng rò của chất cách điện đĩa sứ bị nhiễm NaCl và KCl. Trong Kỷ

yếu của Hội nghị lần thứ nhất năm 2015 về Quản lý Điện, Điện môi và Năng lượng tại NERIST (ICPDEN), Arunachal Pradesh, Ấn Độ, ngày 10–11 tháng 1 năm 2015; trang

1–
4.

33. Banik, A.; Đạt Lai, S.; Chatterjee, B. Tự động tương quan hỗ trợ dự đoán mức độ ô nhiễm dựa trên tập hợp thô của chất cách điện cao áp

ở điều kiện môi trường khác nhau. IEEE Trans. Điện cực. Điện. Xúc phạm. 2016, 23, 2883–
2891. [Tham khảo chéo]

34. Slama, MEA; Krzma, A.; Albano, M.; Haddad, AM Nghiên cứu thực nghiệm và mô hình hóa tác động của ESDD/NSDD lên AC

phóng điện của chất cách điện ngoài trời SiR. Năng lượng 2022, 15, 3782. [Tham khảo chéo]

35. Salem, AA; Lau, KY; Abdul-Malek, Z.; Al-Gailani, SA; Tan, CW Điện áp phóng điện của cách điện sứ ở các mức khác nhau

phân phối ô nhiễm: Thí nghiệm và mô hình hóa. Điện. Hệ thống điện Res. 2022, 208, 107867. [Tham khảo chéo]

36. Volpov, E.; Kishcha, P. Lập mô hình và lập bản đồ nâng cao về tình trạng ô nhiễm nghiêm trọng cần thiết cho việc phối hợp cách nhiệt ngoài trời.

Điện. Anh. 2022, 104, 741–

752. [Tham khảo chéo]

37. Lưu, LW; Thành, SN Hướng tới tính khả thi của việc truyền tải điện không dây tầm xa trên bề mặt đại dương. ứng dụng. Khoa học. 2022, 12, 8751.

[Tham khảo chéo]

38. Ullah, tôi.; Akbar, M.; Khan, HA Phân tích sự xuống cấp của vật liệu tổng hợp dựa trên RTV-SiR dưới cả hai cực điện áp DC cho chất cách điện

lớp áo. Mẹ ơi. Hôm nay Cộng sản. 2021, 29, 102890. [Tham khảo chéo]

39. Cherney, E.; Lớp phủ cao su silicon Gorur, R. RTV cho chất cách điện ngoài trời. IEEE Trans. Điện cực. Điện. Xúc phạm. 1999, 6, 605–611.

[Tham khảo chéo]

40. Suwarno; Basuki, A. Giảm thiểu hư hỏng cách điện ngoài trời bằng cách sử dụng lớp phủ silicon. Trong Kỷ yếu của Hội nghị Quốc tế 2011

Hội nghị về Kỹ thuật Điện và Tin học, Bandung, Indonesia, 17–

19 tháng 7 năm 2011.

41. Siderakis, K.; Pylarinos, D.; Thalassinakis, E.; Vitellas, tôi.; Pyrgioti, E. Kỹ thuật duy trì ô nhiễm ở vùng cao áp ven biển

cài đặt. Anh. Technol. ứng dụng. Khoa học. Res. 2011, 1, 1–7. [Tham khảo chéo]

42. Thanh, Y.; Tư Mã, W.; Gia Trang, D.; Tao, Y.; Lin, C. Phương pháp tối ưu hóa mới về phân bố điện trường của chất cách điện composite. Trong Kỷ yếu của Hội nghị Báo

cáo Thường niên năm 2010 về Hiện tượng Cách điện và Điện môi, West Lafayette, IN, Hoa Kỳ, 17–20 tháng 10 năm 2010; trang 1–4.

43. Karady, GG; Shah, M.; Brown, R. Cơ chế phóng điện của chất cách điện cao su silicon dùng để cách nhiệt ngoài trời-I. IEEE Trans.

Cung cấp điện. 1995, 10, 1965–1971. [Tham khảo chéo]

44. Vlastos, AE; Sherif, E. Sự lão hóa tự nhiên của chất cách điện hỗn hợp EPDM. IEEE Trans. Cung cấp điện. 1990, 5, 406–414. [Tham khảo chéo]

45. Al-Hamoudi, IY; Al-Hamouz, ZM Field và đánh giá hiệu suất trong phòng thí nghiệm của chất cách điện SiR ở khu vực ven biển phía đông của Ả Rập Saudi. Trong Kỷ yếu

của Hội nghị quốc tế IEEE về Điện môi rắn năm 2004, ICSD 2004, Toulouse, Pháp, ngày 5-9 tháng 7 năm 2004; trang 359–362.

46. Al-Hamoudi, I.; Al-Hamouz, Z. Độ tin cậy và hiệu quả chi phí của chất cách điện bằng cao su silicon ở khu vực công nghiệp ven biển phía đông của Ả Rập Saudi. Trong

Kỷ yếu của Hội nghị quốc tế lần thứ 10 của IEEE về xây dựng, vận hành và bảo trì đường dây truyền tải và phân phối năm 2003, 2003 IEEE ESMO, Orlando, FL, Hoa

Kỳ, 6–10 tháng 4 năm 2003; trang 156–

168.

47. Maraaba, L.; Al-Hamouz, Z.; Al-Duwaish, H. Ước tính mức độ ô nhiễm chất cách điện cao áp bằng cách sử dụng mạng lưới thần kinh nhân tạo và xử lý hình ảnh kết hợp.

Trong Kỷ yếu của Hội nghị Tối ưu hóa và Kỹ thuật Điện Quốc tế lần thứ 8 của IEEE (PEOCO2014), Langkawi, Malaysia, ngày 24–25 tháng 3 năm 2014; trang 214–
219.
Machine Translated by Google

Năng lượng 2022, 15, 7656 28 trên 32

48. Sopelsa Neto, NF; Stefenon, SF; Meyer, LH; Ovejero, RG; Leithardt, VRQ Dự đoán lỗi dựa trên dòng điện rò rỉ trong chất cách điện bị ô nhiễm bằng cách sử dụng

các mô hình dự báo chuỗi thời gian nâng cao. Cảm biến 2022, 22, 6121. [CrossRef]

49. Ghiasi, Z.; Faghihi, F.; Shayegani-Akmal, AA Phương pháp tiếp cận mạng lưới thần kinh nhân tạo để dự đoán dòng điện rò rỉ của chất cách điện polyme dưới sự nhiễm

bẩn hình quạt không đồng nhất. Điện. Hệ thống điện Res. 2022, 209, 107920. [Tham khảo chéo]

50. Richards, C.; Renowden, J. Phát triển hệ thống giám sát ô nhiễm chất cách điện từ xa. IEEE Trans. Cung cấp điện. 1997,
12, 389–397. [Tham khảo chéo]

51. Lý, J.; Mặt trời, C.; Sebo, S. Độ ẩm và mức độ nghiêm trọng của ô nhiễm ảnh hưởng đến dòng điện rò rỉ của chất cách điện bằng sứ. Thế hệ IET.

Truyền. Phân phối. 2011, 5, 19–28. [Tham khảo chéo]

52. Mizuno, Y.; Nakamura, H.; Naito, K. Mô phỏng động về nguy cơ phóng điện của chất cách điện bằng gốm bị ô nhiễm. IEEE Trans.

Cung cấp điện. 1997, 12, 1292–1298. [Tham khảo chéo]

53. Jolly, D. Lý thuyết động về sự tăng trưởng phóng điện trên bề mặt chất cách điện bị ô nhiễm; Giấy IEEE C; IEEE: New York, NY, Hoa Kỳ, 1974.

54. Pei, C.; Thục, N.; Lý, L.; Vương, D.; Li, Z. Một phương pháp phát âm để theo dõi trực tuyến sự phóng điện gây ô nhiễm của chất cách điện. Trong Kỷ yếu của Hội

nghị Quốc tế về Máy và Hệ thống Điện năm 2008, Vilamoura, Bồ Đào Nha, ngày 6–
9 tháng 9 năm 2008; trang 817–
822.

55. Ibrahim, TÔI; Abd-Elhady, Giám sát tình trạng dựa trên đầu dò cuộn dây AM Rogowski của chất cách điện cao áp. Cảm biến IEEE.

J. 2020, 20, 13694–

13703. [Tham khảo chéo]

56. Jin, L.; Xu, Z.; Zhang, S. Một phương pháp cảnh báo trước về hiện tượng phóng điện do ô nhiễm dựa trên dòng rò của chất cách điện ở điều kiện khô ráo. Trong Kỷ

yếu Hội nghị chuyên đề quốc tế về vật liệu cách điện năm 2017 (ISEIM), Thành phố Toyohashi, Nhật Bản, ngày 11–
15 tháng 9 năm 2017; trang 757–
760.

57. Deb, S.; Ghosh, R.; Dutta, S.; Đạt Lai, S.; Chatterjee, B. Ảnh hưởng của độ ẩm đến dòng điện rò rỉ của Chất cách điện chân sứ 11 kV bị nhiễm bẩn . Trong Kỷ yếu

của Hội nghị quốc tế lần thứ 6 năm 2017 về ứng dụng máy tính trong kỹ thuật điện- Những tiến bộ gần đây (CERA), Roorkee, Ấn Độ, ngày 5–
7 tháng 10 năm 2017;

trang 215–
219.

58. Chakraborty, S.; Podder, S.; Deb, S.; Nath, S. Phân tích định tính về mức độ ô nhiễm giữa NaCl và CuSO 4 đối với Chất cách điện ngoài trời. Trong Kỷ yếu của Hội

nghị xử lý tín hiệu ứng dụng IEEE 2018 (ASPCON), Kolkata, Ấn Độ, ngày 7–
9 tháng 12 năm 2018; trang 342–
345.

59. Kordkheili, HH; Abravesh, H.; Tabasi, M.; Dakhem, M.; Abravesh, MM Xác định xác suất xảy ra phóng điện trong chất cách điện hỗn hợp bằng cách sử dụng các thành

phần hài dòng rò. IEEE Trans. Điện cực. Điện. Xúc phạm. 2010, 17, 502–
512.

[Tham khảo chéo]

60. Patel, K.; Parekh, B. Dự đoán sự phóng điện của chất cách điện cao su silicon trong các điều kiện bề mặt bị ô nhiễm khác nhau. Trong Kỷ yếu của Hội nghị quốc tế

lần thứ nhất năm 2013 của IEEE về Kỹ thuật đánh giá tình trạng trong hệ thống điện (CATCON), Kolkata, Ấn Độ, ngày 6–8 tháng 12 năm 2013; trang 358–
361.

61. Zhengfa, L.; Thanh, Z.; Vũ Dương, Z.; Shimian, L.; Gaolin, W.; Jianlin, H.; Maoqiang, B. Nghiên cứu đặc tính dòng điện rò và các hệ số ảnh hưởng của cách điện

composite 110kV bị ô nhiễm. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 12 năm 2018 về tính chất và ứng dụng của vật liệu điện môi (ICPADM), Tây An, Trung Quốc,

ngày 20–
24 tháng 5 năm 2018; trang 896–900.

62. Vương, J.; Gubanski, SM; Blennow, J.; Atarijabarzadeh, S.; Stromberg, E.; Karlsson, S. Ảnh hưởng của ô nhiễm màng sinh học đến hiệu suất điện của vật liệu

composite dựa trên cao su silicon. IEEE Trans. Điện cực. Điện. Xúc phạm. 2012, 19, 1690–
1699.

[Tham khảo chéo]

63. Lý, J.; Mặt trời, C.; Tư Mã, W.; Yang, Q. Cảnh báo trước giai đoạn dựa trên đặc điểm dòng rò trước khi phóng điện nhiễm bẩn của

chất cách điện bằng sứ và thủy tinh. Thế hệ IET. Truyền. Phân phối. 2009, 3, 605–
615. [Tham khảo chéo]

64. Lý, J.; Tư Mã, W.; Mặt trời, C.; Sebo, SA Sử dụng dòng điện rò rỉ của chất cách điện để xác định các đặc điểm giai đoạn của quá trình phóng điện và dự đoán mức

độ nhiễm bẩn. IEEE Trans. Điện cực. Điện. Xúc phạm. 2010, 17, 490–501. [Tham khảo chéo]

65. Ừm, C.-G.; Jung, C.-G.; Han, B.-G.; Bài hát, Y.-C.; Choi, D.-H. Một khung mờ để theo dõi flashover. Trong Kỷ yếu của Hội nghị Quốc tế về Hệ mờ và Khám phá Tri

thức, Trường Sa, Trung Quốc, 27–29 tháng 8 năm 2005; trang 989–
993.

66. Mao, Y.; Quan, Z.; Wang, L. Phân tích các xung dòng điện rò rỉ của chất cách điện ngoài trời ở các độ ẩm tương đối khác nhau. Trong Kỷ yếu của Hội nghị-Báo cáo

Thường niên năm 2007 về Hiện tượng Cách điện và Điện môi, Vancouver, BC, Canada, 14–
17 tháng 10 năm 2007; trang 400–
403.

67. Vương, J.; Xi, Y.; Fang, C.; Cái, L.; Vương, J.; Quạt, Y. Cơ chế phản ứng dòng điện rò của dây cách điện với độ ẩm xung quanh

vào những ngày không mưa. Truy cập IEEE 2019, 7, 55229–
55236. [Tham khảo chéo]

68. Amini, MA; Sedighi, AR Một quy trình mới để xác định ô nhiễm chất cách điện trong mạng lưới phân phối điện.

Int. J. Điện. Hệ thống năng lượng điện 2014, 61, 380–385. [Tham khảo chéo]

69. Amini, M.; Anaraki, NHƯ; Sadeghi, M. Các thành phần tần số cao của dòng xuất tuyến dùng làm công cụ chẩn đoán để nghiên cứu tình trạng nhiễm bẩn của chất cách

điện ngoài trời trong mạng lưới phân phối điện. Trong Kỷ yếu của Hội nghị Kỹ thuật Điện Iran lần thứ 21 năm 2013 (ICEE), Mashhad, Iran, 14–
16 tháng 5 năm

2013; trang 1–6.

70. Algeelani, NA; Piah, MAM Mô tả đặc tính dòng rò trên chất cách điện thủy tinh điện áp cao sử dụng kỹ thuật biến đổi sóng con. Trong Kỷ yếu của Hội nghị Quốc tế

lần thứ 4 về Hệ thống Thông minh và Tiên tiến (ICIAS2012), Kuala Lumpur, Malaysia, 12–
14 tháng 6 năm 2012; trang 882–
885.

71. Kumagai, S.; Yoshimura, N. Đặc tính dòng rò để ước tính các điều kiện cách điện bằng gốm và polyme

các bề mặt. IEEE Trans. Điện cực. Điện. Xúc phạm. 2004, 11, 681–
690. [Tham khảo chéo]
Machine Translated by Google

Năng lượng 2022, 15, 7656 29 trên 32

72. Du, B.; Lưu, Y.; Lưu, H.; Yang, Y. Phân tích sơ đồ lặp lại dòng điện rò rỉ để theo dõi hiệu suất của chất cách điện ngoài trời. IEEE Trans. Điện cực. Điện.
Xúc phạm. 2009, 16, 139–146. [Tham khảo chéo]

73. Huy, A.; Zheng, J.; Lâm, H.; He, B. Đặc tính phân dạng sóng con của dòng điện rò trên chất cách điện HV. Trong Kỷ yếu của Hội nghị quốc tế lần thứ ba năm

2008 về bãi bỏ quy định và tái cơ cấu tiện ích điện và công nghệ năng lượng, Nam Kinh, Trung Quốc, ngày 6-9 tháng 4 năm 2008; trang 732–
736.

74. Natarajan, A.; Narayanan, S. Phân tích tần số thời gian dựa trên biến đổi S của tín hiệu dòng rò của chất cách điện đường dây

trong điều kiện bị ô nhiễm. J. Điện. Anh. Technol. 2015, 10, 616–
624. [Tham khảo chéo]

75. Kannan, K.; Shivakumar, R.; Chandrasekar, S. Sơ đồ phân loại mức độ nghiêm trọng ô nhiễm dựa trên mô hình rừng ngẫu nhiên ở mức cao

Cách điện đường dây truyền tải điện áp. J. Điện. Anh. Technol. 2016, 11, 951–
960. [Tham khảo chéo]

76. Khaled, A.; El-Hag, A.; Assaleh, K. Dự đoán mật độ lắng đọng muối tương đương của chất cách điện polymer ngoài trời trong quá trình thử nghiệm sương mù muối.

Trong Kỷ yếu của Hội nghị IEEE 2016 về Hiện tượng Cách điện và Điện môi (CEIDP), Toronto, ON, Canada, 16–
19 tháng 10 năm 2016; trang 786–
789.

77. Hạ, Y.; Bài hát, X.; Giả, Z.; Vương, X.; Li, Y. Ứng dụng biến đổi S và SVM để đánh giá tình trạng ô nhiễm của chất cách điện dựa trên dòng điện rò. Trong

Kỷ yếu của hội nghị quốc tế lần thứ 12 năm 2018 về tính chất và ứng dụng của vật liệu điện môi (ICPADM), Tây An, Trung Quốc, ngày 20–
24 tháng 5 năm 2018;

trang 742–
747.

78. Deb, S.; Choudhury, NR; Ghosh, R.; Chatterjee, B.; Đạt Lai, S. Biểu diễn thưa thớt được hỗ trợ biến đổi Hilbert trong thời gian ngắn

để cảm nhận sự nhiễm bẩn của chất cách điện trên không. IEEE Sens. J. 2018, 18, 8125–
8132. [Tham khảo chéo]

79. Deb, S.; Das, S.; Pradhan, AK; Banik, A.; Chatterjee, B.; Đạt Lai, S. Ước tính mức độ ô nhiễm của chất cách điện trên cao dựa trên dòng điện rò rỉ bề mặt

sử dụng phân tích dao động có xu hướng giảm. IEEE Trans. Điện tử Ấn Độ. 2019, 67, 5729–
5736. [Tham khảo chéo]

80. Ngồi, K.; Chakraborty, A.; Đạt Lai, S.; Chatterjee, B.; Pradhan, AK Hình thái toán học hỗ trợ Phân loại rừng ngẫu nhiên dựa trên chất cách điện bằng sứ điện

áp cao Phân loại mức độ ô nhiễm. Trong Kỷ yếu của Hội nghị chuyên đề IEEE Khu vực 10 năm 2020 (TENSYMP), Dhaka, Bangladesh, ngày 5–
7 tháng 6 năm 2020;

trang 98–101.

81. Mussina, D.; Irmanova, A.; Jamwal, PK; Bagheri, M. Kết hợp dữ liệu đa phương thức sử dụng mạng thần kinh sâu cho điều kiện

Giám sát cách điện cao áp. Truy cập IEEE 2020, 8, 184486–
184496. [Tham khảo chéo]

82. Castillo-Sierra, R.; Oviedo-Trespalacios, O.; Candelo-Becerra, JE; Soto, JD; Calle, M. Một phương pháp mới để dự đoán chu trình rửa chất cách điện trong môi

trường ô nhiễm cao. Int. J. Điện. Hệ thống năng lượng điện 2021, 130, 107026. [Tham khảo chéo]

83. Mã, D.; Jin, L.; Anh ấy, J.; Gao, K. Phân loại mức độ nghiêm trọng phóng điện cục bộ của chất cách điện gốm dựa trên phân tích kết cấu của tia cực tím

xung. Điện áp cao. 2021, 6, 986–996. [Tham khảo chéo]

84. Ngồi, K.; Das, AK; Mukherjee, D.; Haque, N.; Deb, S.; Pradhan, AK; Đạt Lai, S.; Chatterjee, B. Giám sát tình trạng của các chất cách điện polyme trên cao

sử dụng cửa sổ hyperbol Biến đổi Stockwell của tín hiệu dòng rò bề mặt. IEEE Sens. J. 2021, 21, 10957–10964. [Tham khảo chéo]

85. Mặt trời, J.; Trương, H.; Lý, Q.; Lưu, H.; Lữ, X.; Hou, K. Dự đoán mức độ ô nhiễm của bề mặt chất cách điện dựa trên mô hình kết hợp máy vectơ hỗ trợ bình

phương nhỏ nhất phân tích nhân tố khám phá. Điện áp cao. 2020, 6, 264–
277. [Tham khảo chéo]

86. Palangar, MF; Mohseni, S.; Mirzaie, M.; Mahmoudi, A. Thiết kế thiết bị phát hiện tự động để chẩn đoán trạng thái chất cách điện trên đường dây phân phối

trên không. IEEE Trans. Ấn Độ Inf. 2021, 18, 1072–1082. [Tham khảo chéo]

87. Huệ, L.; Qinghe, S.; Jun, Y.; Hailei, M. Phát hiện và xử lý sự phóng điện bất thường của chất cách điện composite ± 660 . Trong Kỷ yếu của Hội nghị Quốc tế

về Công nghệ Hệ thống Điện năm 2014, Thành Đô, Trung Quốc, ngày 20–
22 tháng 10 năm 2014; trang 1404–
1409.

88. Thiên, Z.; Jin, L.; Bành, C.; Duẩn, W.; Gao, K. Phân biệt mức độ ô nhiễm chất cách điện đường dây truyền tải bằng cách sử dụng hình ảnh ánh sáng khả kiến.

Trong Kỷ yếu của Hội nghị Quốc tế về Môi trường và Kỹ thuật Điện (EEEIC) lần thứ 16 năm 2016 của IEEE, Florence, Ý, ngày 7–10 tháng 6 năm 2016; trang 1–
5.

89. Jarrar, tôi.; Assaleh, K.; El-Hag, AH Sử dụng kỹ thuật dựa trên nhận dạng mẫu để đánh giá loại kỵ nước của vật liệu cao su silicon. IEEE Trans. Điện cực.
Điện. Xúc phạm. 2014, 21, 2611–2618. [Tham khảo chéo]

90. Yao, X.; Trương, Y.; Cao, Y.; Pan, Y.; Liu, L. Nghiên cứu công nghệ phân loại ô nhiễm chất cách điện tiếp xúc và phân chia mức độ ô nhiễm dựa trên thị giác

máy. Trong Kỷ yếu của Hội nghị Kỹ thuật Cơ điện tử và Công nghệ Thông tin lần thứ 3 của IEEE (ITOEC), Trùng Khánh, Trung Quốc, ngày 3–
5 tháng 10 năm 2017;

trang 1264–1268.

91. Patel, tôi.; Maarouf, tôi.; Soltan, S.; Saad, A.; Al-Taher, A.; El-Hag, A.; Assaleh, K. Ước tính dựa trên xử lý hình ảnh mức độ ô nhiễm chất cách điện bằng

gốm. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 5 năm 2018 về Hệ thống chuyển đổi năng lượng và năng lượng điện (EPECS), Kitakyushu, Nhật Bản, ngày 23–25

tháng 4 năm 2018; trang 1–

4.

92. Trần, T.; Lý, F.; Ngụy, Z.; Li, Z. Nhận dạng và phân loại ô nhiễm trên chất cách điện tổng hợp bằng hình ảnh ánh sáng nhìn thấy được. Trong Kỷ yếu của Hội

nghị Quốc tế IEEE 2020 về Kỹ thuật và Ứng dụng Điện áp Cao (ICHVE), Bắc Kinh, Trung Quốc, ngày 6–
10 tháng 9 năm 2020; trang 1–4.

93. Yến, SJ; Duẩn, WS; Thiện, HT; Tong, Đo lường mức độ ô nhiễm của chất cách điện MS dựa trên phản ứng tổng hợp thông tin hình ảnh và nhiệt hồng ngoại . Trong

Kỷ yếu của Hội nghị chuyên đề Nghiên cứu Quang tử & Điện từ năm 2019 (PIERS-Spring), Rome, Ý, 17–
20 tháng 6 năm 2019; trang 1006–
1011.

94. Anh, H.; Lạc, D.; Lee, W.-J.; Trương, Z.; Cao, Y.; Lu, T. Phương pháp phát hiện mức độ ô nhiễm chất cách điện không tiếp xúc dựa trên

tính năng hình ảnh hồng ngoại và RBFNN. IEEE Trans. Ứng dụng Ấn Độ. 2018, 55, 2455–
2463. [Tham khảo chéo]

95. Lưu, L.; Mai, H.; Quách, C.; Tú, Y.; Wang, L. Phân loại mức độ pixel của mức độ ô nhiễm trên chất cách điện bằng phương pháp đo phóng xạ quang nhiệt và máy

vectơ hỗ trợ bán giám sát đa lớp. IEEE Trans. Ấn Độ Inf. 2020, 17, 441–
449. [Tham khảo chéo]
Machine Translated by Google

Năng lượng 2022, 15, 7656 30 trên 32

96. Suhaimi, SMI; Bashir, N.; Muhamad, NA; Rahim, NNA; Ahmad, NA; Rahman, MNA Phân tích phóng điện bề mặt cao

cách điện thủy tinh sử dụng điện áp xung cực tím. Năng lượng 2019, 12, 204. [Tham khảo chéo]

97. Trương, D.; Chen, S. Nhận dạng thông minh mức độ ô nhiễm chất cách điện dựa trên việc học sâu thông tin hình ảnh phóng tia cực tím. Năng lượng 2020, 13, 5221.

[Tham khảo chéo]

98. Lữ, F.; Vương, S.; Li, H. Đánh giá mức độ ô nhiễm của chất cách điện dựa trên hình ảnh tia cực tím và suy luận logic mờ. Trong Kỷ yếu của Hội nghị Kỹ thuật Năng

lượng và Năng lượng Châu Á-Thái Bình Dương 2010, Thành Đô, Trung Quốc, 28–
31 tháng 3 năm 2010; trang 1–4.

99. Âm, C.; Tiểu, Z.; Quách, Y.; Thạch, C.; Trương, X.; Wu, G. Phương pháp phát hiện mức độ ô nhiễm của chất cách điện bị ô nhiễm tự nhiên dựa trên đặc điểm siêu

phổ. Điện áp cao. 2021, 6, 1031–1039. [Tham khảo chéo]

100. Thiên, Z.; Jin, L.; Trương, Y.; Ai, J.; Bành, C.; Duan, W. Phân biệt mức độ ô nhiễm chất cách điện bằng cách sử dụng phản ứng tổng hợp thông tin của hình ảnh

nhiều ánh sáng. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 11 của IEEE năm 2015 về tính chất và ứng dụng của vật liệu điện môi (ICPADM), Sydney, Australia, 19–

22 tháng 7 năm 2015; trang 967–970.

101. Khâu, Y.; Ngô, G.; Tiểu, Z.; Quách, Y.; Trương, X.; Liu, K. Một phương pháp phát hiện siêu phổ dựa trên máy học cực độ

mức độ ô nhiễm chất cách điện. Truy cập IEEE 2019, 7, 121156–121164. [Tham khảo chéo]

102. Hạ, C.; Ren, M.; Vương, B.; Đồng, M.; Bài hát, B.; Hu, Y.; Pischler, O. Thu thập và phân tích dữ liệu siêu phổ cho bề mặt

mức độ ô nhiễm của vật liệu cách điện. Số đo 2021, 173, 108560. [Tham khảo chéo]

103. Lưu, Y.; Pei, S.; Fu, W.; Trương, K.; Ji, X.; Yin, Z. Phương pháp phân biệt đối xử được áp dụng cho chất cách điện bằng sứ đã xuống cấp được sử dụng trong đường

dây truyền tải trên cơ sở mạng lưới thần kinh tích chập. IEEE Trans. Điện cực. Điện. Xúc phạm. 2017, 24, 3559–
3566. [Tham khảo chéo]

104. Tao, G.; Lương Cương, X.; Hongyun, S.; Fengxiang, C.; Thạch Xuân, W.; Xiaowei, L. Nghiên cứu về phát hiện chất cách điện không có trình tự

Công nghệ dựa trên Deep Learning. J. Hội nghị Vật lý. Ser. 2019, 1325, 012011. [Tham khảo chéo]

105. Waleed, D.; Mukhopadhyay, S.; Tariq, U.; El-Hag, Giám sát tình trạng chất cách điện bằng gốm dựa trên máy bay không người lái của AH. IEEE Trans.

Nhạc cụ. Đo. 2021, 70, 6007312. [Tham khảo chéo]

106. Stefenon, SF; Ribeiro, MHDM; Nied, A.; Mariani, VC; Coelho, LDS; Leithardt, VRQ; Silva, LA; Seman, LO Mô hình tập hợp xếp chồng Wavelet lai để dự báo ô nhiễm

chất cách điện. Truy cập IEEE 2021, 9, 66387–66397. [Tham khảo chéo]

107. Lưu, Y.; Lài, T.; Lưu, J.; Lý, Y.; Pei, S.; Yang, J. Phương pháp chẩn đoán ô nhiễm chất cách điện dựa trên mạng lưới thần kinh tích chập học sâu. Trong Kỷ yếu

của Hội nghị chuyên đề về Kỹ thuật Điện và Năng lượng Châu Á lần thứ 3 (AEEES) năm 2021, Thành Đô, Trung Quốc, ngày 26–
29 tháng 3 năm 2021; trang 184–188.

108. Triệu, Y.; Yên, J.; Vương, Y.; Cảnh, Q.; Liu, T. Vị trí vết nứt của chất cách điện sứ và nhận dạng mẫu bề mặt dựa trên công nghệ siêu phổ. Entropy 2021, 23,

486. [Tham khảo chéo]

109. Anh, Y.; Lý, M.; Mạnh, Z.; Chen, S.; Hoàng, S.; Hu, Y.; Zou, X. Tổng quan về kiểm tra và giám sát phát âm

công nghệ trong các thành phần chính của hệ thống năng lượng tái tạo. Máy móc. Hệ thống. Đúng vậy. Quá trình. 2021, 148, 107146. [Tham khảo chéo]

110. Pei, C.; Thục, N.; Lý, L.; Lý, Z.; Peng, H. Giám sát trực tuyến tình trạng nhiễm bẩn chất cách điện gây ra hiện tượng phóng điện dựa trên sự phát ra âm thanh.

Trong Kỷ yếu của Hội nghị quốc tế lần thứ ba năm 2008 về bãi bỏ quy định và tái cơ cấu tiện ích điện và công nghệ năng lượng, Nam Kinh, Trung Quốc, ngày 6-9

tháng 4 năm 2008; trang 1667–1671.

111. Lý, H.; Ôn, X.; Thục, N.; Pei, C. Ứng dụng công nghệ phát âm vào việc giám sát quá trình phóng điện chất cách điện bị ô nhiễm. Trong Kỷ yếu của Hội nghị Kỹ

thuật Năng lượng và Năng lượng Châu Á-Thái Bình Dương năm 2009, Vũ Hán, Trung Quốc, 28–
30 tháng 3 năm 2009; trang 1–4.

112. Giang, Y.; McMeekin, SG; Reid, AJ; Nekahi, A.; Judd, MD; Wilson, A. Theo dõi mức độ nhiễm bẩn của chất cách điện trong điều kiện khô ráo bằng máy đo phản xạ vi

sóng. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 11 của IEEE năm 2015 về tính chất và ứng dụng của vật liệu điện môi (ICPADM), Sydney, Australia, 19–
22 tháng

7 năm 2015; trang 959–

962.

113. Yi, MC; Fang, J.; Vương, Y.; Lý, ZN; Gu, CH; Thục, NQ; Li, ZP Một phương pháp trích xuất tần số tín hiệu phát âm

Đặc điểm của sự phóng điện chất cách điện bị ô nhiễm. ứng dụng. Máy móc. Mẹ ơi. 2014, 494–495, 1513–
1516. [Tham khảo chéo]

114. Al-geelani, NA; Piah, MAM; Abdul-Malek, Z. Xác định tín hiệu âm thanh của sự phóng điện vầng quang ở các mức độ ô nhiễm khác nhau bằng cách sử dụng biến đổi

sóng con. Điện. Anh. 2018, 100, 1059–1067. [Tham khảo chéo]

115. El-Hag, AH Thúc đẩy giám sát tình trạng và chẩn đoán cách điện trong các dự án tốt nghiệp capstone đại học. Điện IEEE. Xúc phạm. Mag. 2015, 31, 8–15. [Tham khảo

chéo]

116. Qaddoumi, NN; El-Hag, AH; Saker, Y. Thử nghiệm chất cách điện ngoài trời bằng lò vi sóng trường gần dựa trên mạng thần kinh nhân tạo

kỹ thuật. IEEE Trans. Nhạc cụ. Đo. 2013, 63, 260–266. [Tham khảo chéo]

117. Stefenon, SF; Grebogi, RB; Freire, RZ; Nied, A.; Meyer, LH Bộ máy học tập cực cao được tối ưu hóa để phân loại

điều kiện của chất cách điện. IEEE Trans. Điện tử Ấn Độ. 2019, 67, 5170–
5178. [Tham khảo chéo]

118. Frizzo Stefenon, S.; Zanetti Freire, R.; dos Santos Coelho, L.; Meyer, LH; Bartnik Grebogi, R.; Gouvêa Buratto, W.; Nied, A.

Dự báo lỗi chất cách điện dựa trên hệ thống thần kinh mờ wavelet. Năng lượng 2020, 13, 484. [CrossRef]

119. Sử, H.; Giả, Z.; Quan, Z.; Li, L. Cơ chế tích tụ chất gây ô nhiễm và phóng điện của chất cách điện ở khu vực ven biển bị ô nhiễm nặng.

IEEE Trans. Điện cực. Điện. Xúc phạm. 2010, 17, 1635–
1641. [Tham khảo chéo]

120. Dương, S.; Giả, Z.; Âu Dương, X.; Bài, H.; Zhang, X. Ảnh hưởng của ô nhiễm tảo đến đặc tính kỵ nước của chất cách điện composite.

Trong Kỷ yếu của Hội nghị quốc tế lần thứ nhất năm 2017 về Vật liệu điện và Thiết bị điện (ICEMPE), Tây An, Trung Quốc, ngày 14–
17 tháng 5 năm 2017; trang 667–

670.

121. Yang, S.; Giả, Z.; Ouyang, X. Ảnh hưởng của ô nhiễm tảo đến tính kỵ nước của chất cách điện composite điện áp cao. Điện áp cao.

2019, 4, 234–
240. [Tham khảo chéo]

122. Dave, V.; Gupta, H.; Chandra, R. Lớp phủ oxit vô cơ phún xạ DC kỵ nước có cấu trúc nano cho chất cách điện bằng kính ngoài trời.

ứng dụng. Lướt sóng. Khoa học. 2014, 295, 231–

239. [Tham khảo chéo]
Machine Translated by Google

Năng lượng 2022, 15, 7656 31 trên 32

123. Tăng, X.; Vương, X.; Trình, L.; Trương, S.; Liao, R. A Nghiên cứu về phương pháp xây dựng bề mặt siêu kỵ nước cho chất cách điện ngoài trời dựa trên việc tái

chế vật liệu composite. Trong Kỷ yếu của Hội nghị Quốc tế IEEE 2018 về Kỹ thuật và Ứng dụng Điện áp Cao (ICHVE), Athens, Hy Lạp, ngày 10–13 tháng 9 năm 2018;

trang 1–
4.

124. Bala, P.; Bose, R.; Chatterjee, S. Phân tích ứng suất điện của chất cách điện sứ bọc cao su silicon 11kV RTV. Trong Kỷ yếu của Hội nghị Quốc tế hai năm một lần

về Hệ thống Điện và Năng lượng: Hướng tới Năng lượng Bền vững (PESTSE), Bengaluru, Ấn Độ, ngày 21–23 tháng 1 năm 2016; trang 1–6.

125. Dương, Z.; Giả, Z.; Chen, C.; Trương, X.; Lưu, L.; Chu, R.; Xie, Q. Phân tích phân bố kỵ nước của chất cách điện hỗn hợp DC. Trong Kỷ yếu của Hội nghị Cách điện

IEEE 2014 (EIC), Philadelphia, PA, Hoa Kỳ, ngày 8–

11 tháng 6 năm 2014; trang 465–468.

126. Chandrasekar, S.; Kalaivanan, C.; Montanari, GC; Cavallini, A. Phát hiện phóng điện cục bộ như một công cụ để suy ra mức độ nghiêm trọng của ô nhiễm

chất cách điện polyme. IEEE Trans. Điện cực. Điện. Xúc phạm. 2010, 17, 181–188. [Tham khảo chéo]

127. Lưu, Y.; Du, B. Phân tích vectơ riêng năng lượng của sự phóng điện bề mặt để đánh giá hiệu suất của chất cách điện polymer khi có sự hiện diện của các giọt

nước. IEEE Trans. Điện cực. Điện. Xúc phạm. 2014, 21, 2438–
2447. [Tham khảo chéo]

128. Hussain, MM; Farokhi, S.; McMeekin, S.; Farzaneh, M. Dự đoán sự xuống cấp bề mặt của chất cách điện composite bằng phép đo PD trong sương mù lạnh. Trong Kỷ yếu

của Hội nghị Quốc tế về Điện môi IEEE 2016 (ICD), Montpellier, Pháp, ngày 3–7 tháng 7 năm 2016; trang 697–700.

129. Al Khafaf, N.; El-Hag, A. Bayes chính quy hóa mạng lưới thần kinh để dự đoán dòng điện rò rỉ trong môi trường sương mù muối. IEEE Trans. Điện cực. Điện. Xúc

phạm. 2018, 25, 686–693. [Tham khảo chéo]

130. Kim Lôi, H.; Sự hỗn loạn.; Zhenxing, K.; Tiểu Ba, Z.; Yunpeng, J. Mô hình dự đoán ô nhiễm chất cách điện dựa trên mạng thần kinh BP được tối ưu hóa bằng thuật

toán di truyền. Trong Kỷ yếu của Hội nghị Quốc tế về Công nghệ Hệ thống Điện 2018 (POWERCON), Quảng Châu, Trung Quốc, ngày 6–8 tháng 11 năm 2018; trang 3166–

3172.

131. Yến, S.; Gang, H.; Jiafu, Z. Giao diện giám sát trạng thái của chất cách điện dựa trên đặc điểm rò rỉ. Trong Kỷ yếu của Hội nghị Quốc tế IEEE 2020 về Kỹ thuật

và Ứng dụng Điện áp Cao (ICHVE), Bắc Kinh, Trung Quốc, ngày 6–10 tháng 9 năm 2020; trang 1–4.

132. Lưu, Y.; Dương, J.; Lý, Y.; Pei, S.; Lưu, J.; Lai, T. Nghiên cứu thiết bị chẩn đoán mức độ ô nhiễm chất cách điện dựa trên mạng nơ-ron BP. Trong Kỷ yếu của Hội

nghị chuyên đề về Kỹ thuật Điện và Năng lượng Châu Á lần thứ 3 (AEEES) năm 2021, Thành Đô, Trung Quốc, ngày 26–29 tháng 3 năm 2021; trang 166–169.

133. Triệu, S.; Giang, X.; Xie, Y. Đánh giá mức độ ô nhiễm của chất cách điện bị ô nhiễm dựa trên đặc tính của dòng điện rò rỉ.

Int. Dịch. Điện. Hệ thống năng lượng 2015, 25, 2109–

2123. [Tham khảo chéo]

134. Mahdjoubi, A.; Zegnini, B.; Belkheiri, M.; Seghier, T. Đã sửa lỗi máy vectơ hỗ trợ bình phương tối thiểu để lập mô hình flashover của

chất cách điện ngoài trời. Điện. Hệ thống điện Res. 2019, 173, 29–37. [Tham khảo chéo]

135. Chu, H.; Chen, Y. Dự đoán điện áp phóng điện do ô nhiễm chất cách điện dựa trên công nghệ khai thác dữ liệu. Hội nghị IOP. loạt trái đất

Môi trường. Khoa học. 2021, 692, 022070. [Tham khảo chéo]

136. Chao, AK; Mekhaldi, A.; Teguar, M. Phân tích định lượng tái phát như một kỹ thuật trích xuất tính năng LC mới để phân loại mức độ nghiêm trọng ô nhiễm trên mô

hình cách điện HV. IEEE Trans. Điện cực. Điện. Xúc phạm. 2015, 22, 3376–
3384. [Tham khảo chéo]

137. Corso, nghị sĩ; Perez, FL; Stefenon, SF; Ôi, K.-C.; García Ovejero, R.; Leithardt, VRQ Phân loại chất cách điện bị nhiễm bẩn

Sử dụng k-Hàng xóm gần nhất dựa trên thị giác máy tính. Máy tính 2021, 10, 112. [CrossRef]

138. Phùng, H.; Xuran, H.; Bình, L.; Hải Bằng, W.; Decai, Z. Công nghệ nhận dạng hình ảnh hồng ngoại dựa trên xử lý hình ảnh và học sâu. Trong Kỷ yếu của Đại hội Tự

động hóa Trung Quốc (CAC) năm 2020, Thượng Hải, Trung Quốc, ngày 6–8 tháng 11 năm 2020; trang 641–645.

139. Vigneshwaran, B.; Maheswari, R.; Kalaivani, L.; Shanmuganathan, V.; Rho, S.; Kadry, S.; Lee, MY Công nhận vị trí lớp ô nhiễm trong chất cách điện polymer 11 kV

được sử dụng trong lưới điện thông minh sử dụng Mạng thần kinh chuyển đổi VGG đầu vào kép. Dân biểu Năng lượng 2021, 7, 7878–
7889. [Tham khảo chéo]

140. Wang, Y.-C.; Lin, Y.-T.; Chang, H.-C.; Kuo, C.-C. Đánh giá ô nhiễm của chất cách điện bằng công nghệ vi hệ thống với

cách tiếp cận dựa trên mờ. Hệ thống vi mô. Technol. 27 , 2019 , 1759–
1772. [Tham khảo chéo]

141. Petri, LdPS; Moutinho, EA; Silva, RP; Capelini, RM; Salustiano, R.; Ferraz, GMF; Neto, ETW; Villibor, JP; Pinto, SS Một hệ
thống di động để đánh giá mức độ ô nhiễm của chất cách điện trên đường dây truyền tải. Năng lượng 2020, 13, 6625. [Tham khảo chéo]
142. Lư, Y.-P.; Yu, M.; Lài, L.; Lin, X. Một mạng lưới thần kinh mờ mới phát hiện ô nhiễm chất cách điện. Trong Kỷ yếu của Hội nghị Quốc tế về Học máy và Điều khiển

học năm 2006, Đại Liên, Trung Quốc, ngày 13–16 tháng 8 năm 2006; trang 4099–
4104.

143. Salem, AA; Abd Rahman, R.; Kamarudin, M.; Othman, N.; Jamail, N.; Hamid, H.; Ishak, M. Một cách tiếp cận khác để dự đoán điện áp phóng điện trên các chất cách

điện ngoài trời bị ô nhiễm bằng kỹ thuật trí tuệ nhân tạo. Bò đực. Điện. Anh. Thông báo. 2020, 9, 533–541.

[Tham khảo chéo]

144. Singh, P.; Dutta, S.; Baral, A.; Chakravorti, S. Đánh giá mức độ ô nhiễm trong chất cách điện đĩa sứ bằng cách sử dụng Phân tích dao động theo xu hướng. Trong

Kỷ yếu của Hội nghị quốc tế IEEE lần thứ 4 năm 2019 về Kỹ thuật đánh giá tình trạng trong hệ thống điện (CATCON), Chennai, Ấn Độ, ngày 21–23 tháng 11 năm

2019; trang 1–
5.

145. Dey, J.; Dutta, S.; Baral, A.; Chakravorti, S. Giám sát dòng điện rò rỉ của chất cách điện treo để xác định hiệu quả ESDD.

Trong Kỷ yếu của Hội nghị Quốc tế về Hệ thống Điện (ICPS) lần thứ 8 năm 2019, Jaipur, Ấn Độ, ngày 20–22 tháng 12 năm 2019; trang 1–6.

146. Liao, Y.; Lý, Y.; Trương, F.; Trương, X.; Vương, T.; Quách, Y.; Tiểu, Z.; Wang, Y. Nghiên cứu phương pháp đánh giá mức độ ô nhiễm bề mặt chất cách điện dựa trên

công nghệ LIBS và thuật toán PCA. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 2 về Vật liệu điện và Thiết bị điện (ICEMPE), Quảng Châu, Trung Quốc, ngày 7–
10

tháng 4 năm 2019; trang 512–517.

Machine Translated by Google

Năng lượng 2022, 15, 7656 32 trên 32

147. Ahmad, J.; Tahir, A.; Stewart, BG; Nekahi, A. Dự báo các thông số phóng điện của chất cách điện polyme trong điều kiện bị ô nhiễm
Điều kiện sử dụng kỹ thuật học máy. Năng lượng 2020, 13, 3889.
148. Palangar, M.; Mirzaie, M. Dự đoán các điều kiện tới hạn ở chất cách điện bị ô nhiễm bằng cách sử dụng chỉ số góc pha của dòng điện rò
rỉ. Trong Kỷ yếu của Hội nghị Quốc tế IEEE 2020 về Kỹ thuật và Ứng dụng Điện áp Cao (ICHVE), Bắc Kinh, Trung Quốc, ngày 6–10 tháng 9 năm
2020; trang 1–
4.
149. Salem, AA; Abd-Rahman, R.; Al-Gailani, SA; Salam, Z.; Kamarudin, MS; Zainuddin, H.; Yousof, MFM Đánh giá rủi ro của chất cách điện thủy

tinh bị ô nhiễm bằng cách sử dụng chỉ số dòng rò trong các điều kiện vận hành khác nhau. Truy cập IEEE 2020, 8, 175827–
175839.
[Tham khảo chéo]

150. Wahyudi, M.; Setiawan, NA; Pambudi, K.; Saputra, D. Mức độ nghiêm trọng của chất cách điện trong điều kiện ô nhiễm và khô dựa trên phát
xạ tia cực tím. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 2 năm 2020 về Hệ thống năng lượng Internet và năng lượng thông minh (SPIES),
Bangkok, Thái Lan, ngày 2–
4 tháng 6 năm 2020; trang 457–462.
151. Banik, A.; Nielsen, S.; Nourbakhsh, G. Một kỹ thuật dựa trên hệ số đỉnh để phân tích dòng điện rò rỉ chất cách điện bị ô nhiễm dưới điện
áp nguồn bị biến dạng hài hòa. Điện. Anh. 2021, 103, 1823–
1836. [Tham khảo chéo]