基于多物理量的复合传感技术在智慧配电房中的应用研究

第37卷第3期2021年3月
电网与清洁能源
Power System and Clean Energy
Vol.37No.3
Mar.2021基于多物理量的复合传感技术
在智慧配电房中的应用研究
苗振林，徐伟，杨靖玮，杨燕华，李海超
（国网浙江省电力公司嘉兴供电公司，浙江嘉兴
314000）
Research on Application of Multi-Physical-Based Composite Sensing Technology in Smart Transformer Substation
MIAO Zhenlin,XU Wei,YANG Jingwei,YANG Yanhua,LI Haichao
（Jiaxing Power Supply Company,State Grid Zhejiang Electric Power Company,Jiaxing 314000,Zhejiang,China ）
——————————
基金项目：国网浙江省电力公司科技项目（2020-KJLH-NH-005）。

Project Supported by the Science and Technology Program of the
State Grid Zhejiang Electric Power Company (2020-KJLH-NH-005）.
ABSTRACT ：With rapid development of computer technology,communication technology and intelligent sensor technology,the monitoring of power equipment has also embarked on the road of
intelligence and automation.In order to better ensure the stability and safety of power equipment,more and more chemical,
mechanical,
thermal
and
other
non-electric
parameters are integrated into the related monitoring system at
the present stage.Based on artificial intelligence,Internet of
things and other technologies,a multi physical quantity integrated perception and early warning device with edge computing and collaborative analysis functions are developed,
which has been verified and promoted in the demonstration project of Qingdao Power Supply Company in Shandong Province,providing effective technical means and solutions for the construction of the Internet of things of power transmission and transformation equipment.
KEY WORDS ：intelligent substation;internet of things;condi⁃tion monitoring;intelligent sensing terminal
摘要：随着计算机技术、通信技术、智能传感技术的快速发展，电力设备监测走上了智能化、自动化的道路。

为更好地保障电力设备的稳定性与安全性，在现阶段的相关监测指标体系中融入了一些化学、力学、热学等的非电参量。

基于人工智能、物联网等技术，研制具备边缘计算和协同分析功能的变电站多物理量集成感知预警装置，并在某智慧配电房示范项目中进行验证和推广，为配电物联网建设提供了有效的
技术手段和解决方案。

关键词：智能变电站；物联网；状态监测；智能感知终端
智慧配电房以设备全智能化和测控全智能为基础，具有智能监控、在线预警、自动识别薄弱环节等功能。

设备信息数字化、功能集成化、结构紧凑化、检修状态化是智慧配电房发展方向，运维高效化是智慧配电房最终目标。

其中，先进的传感器技术既是传统一次设备智能化的核心技术，也是智慧配电房的关键技术。

由于智慧配电房设备的工作环境较为多样，可能出现多种复杂故障，因此通过以非侵入、无损的方式对磁、电、光、声等参量进行监测，获取设备的化学、物理变化数据，经分析与处理，了解设备状态，并以相应的通信技术与信息技术等，实现设备控制，也就是实施预设的检修、运行策略，使配电房的经济性、可靠性与安全性得到提升[1-5]。

研究表明，通过对设备外观、温度、局放、声音等信号的检测，能够诊断超过90%的电力设备典型缺陷和故障。

鉴于此，本研究以高集成度、非接触集成感知终端为核心，充分发挥边缘计算分布式、低延时、高效率的优势，以人工智能等新型数据处理方法为工具，实现监测数据的跨专业融合，提高数据的业务穿透能力。

全面提升运维人员的设备感知能力、缺陷发现能力、状态管控能力、主动预警能力和应急处置能力，不断提高配电标准化、精益化和智能化水平。

文章编号：1674-3814（2021）03-0078-08
中图分类号：TP274
文献标志码：A
第37卷第3期电网与清洁能源
1基本原理
1.1监测技术原理
1.1.1红外、可见光监测原理
红外热成像技术属于无损检测技术中的一种，可对物体特定波段进行检测，并通过转换输出人类可识别的图形与图像，此外该技术还可对温度进行计算。

1）红外波：在大于绝对零度的条件下，物体会发射电磁波，电磁波的波长、强度与物体温度间具有密切关系。

在地表上，由于大气可吸收红外线，所以红外线的强度会有所降低，其穿透率表现良好的两波段分别为8~12μm与3~5μm，红外热像仪检测的便是上述2个波段。

除此之外，因为液体与固体大多无法满足红外线穿透的要求，所以红外热像仪一般仅针对物体表面的辐射进行检测[6-7]。

2）测温原理：普朗克定律是红外热像仪测温的主要依据，该定律描述了不同温度时，黑体辐射能量的分布规律，其表达式为
E bλ=c1λ-5
e c2/λT-1
式中：E bλ为黑体光谱辐射通量密度。

1.1.2UHF（ultra high frequency）局放监测
高压绝缘中，局部放电是一种极为常见的现象，其原因是绝缘质中存在一些污秽、空隙、气泡或杂质等。

局部放电一般仅出现在极小的空间中，尽管不会导致设备击穿，但会损坏电介质。

如长时间存在局部放电的现象，可能会引发沿面闪络与绝缘击穿的问题。

如果局部放电出现在极小范围中，并迅速完成了击穿的过程，可形成坡度很大的脉冲电流，在1ns以内完成上升，激发GHz级别频率的电磁波。

UHF是一种专门监测局部放电的技术，其抗干扰力强、灵敏度出色，可识别缺陷类型，还能够实现带电检测、对放电部门进行定位等[8]。

1.1.3图像监测
配电房内小动物、垃圾、风筝、无人机等异物入侵，以及人员进入安全警戒区域，都可能造成设备故障和人身事故，其危害不容小觑，但由于其偶然性和突发性的特点，几乎无法预测其发生的时间。

并且，由于异物入侵造成的故障往往数日、数周甚至更长时间才会出现一次，采用人工的定时巡视不但浪费人力物力，而且巡视员在一段时间没有发现问题之后很容易在心理上变得松懈。

此外，每一次巡检之间必定有一定的间隔，隐患发生时很有可能无法及时发现。

因此，采用图像智能识别方法，可实现异物入侵自动预警、有效保障设备和人身安全[9-10]。

1.1.4声音辨识
电气设备在运行过程中发出的声音信号，是由于机身振动、机身与零件之间相互作用而产生的，并通过固、液、气等介质向环境传播。

在强电磁与高电压的条件下，此类部件可能会出现多种故障，使设备无法正常运行[11]。

声音辨识技术是利用计算机对电气设备的声音信号进行自动处理、分析和理解，以识别各种不同模式的目标和对象的技术。

利用声音信息评估电力设备运行状态，首先要对获取的各种电力设备本体及附件故障的声音信号特性进行深入分析，建立电力设备运行工况及故障状态下的音频文件数据库；其次对所获取的声音信号进行预处理，包括去噪、增强、标准化、分帧加窗等；然后对声音信号进行分析，包括特征提取、数据降维和特征选择等；最后提取出可代表设备状态的特征参数，并利用人工智能学习算法对设备状态进行诊断。

1.2LoRa（long range）无线通信技术LoRa属于LPWAN技术的一种，基于该技术可实现无线的超远距离传输。

该技术很好地平衡了传输的功耗与距离问题，提高了系统的容量、电波的寿命与传输的距离。

现阶段，LoRa一般用于免费频段，比如915MHz、868MHz与433MHz等。

随着物联网技术的不断成熟，任何一种无线通信技术都有自己适合的应用场景，而LoRa的应用十分广泛，其远距离传输、低频、低功耗等特点大大降低了物联网数据传输的使用与维护成本[12]。

2监测系统架构
本研究系统主要由感知层设备、通讯终端及大数据评估系统组成。

通过多物理量感知终端及智能传感器实现设备状态全面感知；通过LoRa无线网络或以太网等有线网络，实现传感器数据的有效、可靠上传及信息高效处理；通过应用层系统汇
79
集物联网底层数据，实现物联网设备管理、边缘计算配置和海量数据存储，并提供数据交互接口；通过应用层对物联网感知数据进行高级分析与应用，实现信息共享和辅助决策。

监测系统架构如图1
所示。

图1监测系统架构
Fig.1
Architecture of the monitoring system
3
系统硬件设计实现
3.1
智能感知终端
3.1.1功能介绍
智能感知终端是一套全方位、全时段、全协同的设备状态的预警装置。

采用低功耗AI 芯片和多核处理器高性能主控架构，其主控CPU 对整个集成感知终端的数据采集、数据分析、数据通信等功能进行控制和处理。

软件内嵌深度卷积网络等深度学习计算模型，实现传感器信号采样、存储和实时数据分析，把数据及边缘计算分析结果通过以太网、WIFI 、LoRa 等方式上传至接入节点，或通过4G 移动通信网络等方式发送至服务器，相关用户可通过手机终端APP 或者PC 浏览器进行远程监测，及时掌握设备状态和预警信息。

3.1.2工作原理
硬件系统主要由信号采集系统（包括高感光度/高清工业摄像头、红外热成像传感器、局放传感器、设备腔体内部温度传感器、环境温湿度传感器、CPU 系统温度传感器）、控制和数据处理系统（包括CPU 、程序运行内存、数据存储模块、USB 与SPI/I 2C/UART 等外设接口）、数据通信系统（包括2.4G WIFI 无线通信模组、10/100M 以太网自适应网卡芯片、无线3G/4G 移动通信网络）、供电系统［支持POE （power over ethernet ）供电和220V 供电］共四大部分构成，硬件系统工作原理如图2
所示。

图2硬件系统工作原理图
Fig.2
Working principle of the hardware system
系统主控CPU 对整个终端系统进行控制。

该系统平时出于待机低功耗状态，以降低系统能源消耗。

然后根据系统设置定时唤醒，依次进行可见光摄像头拍照、红外热成像和红外温度测试、局放和温湿度传感器信号采样，将采集到的波形数据存入EMMC 中，并且由CPU 进行数据分析，把结果通过以太网RJ45接口或者3G/4G 移动通信网络发送到服务器和后台云系统，供用户通过手机终端APP 或者PC 浏览器进行远程调用观察。

系统各功能模块如下：
1）对热像图进行采集并上传。

热像仪通过成
像物镜与探测器采集能量分布图后将其提供至光敏元件，获得与物体热分布相一致的热像图。

观察
热像图可了解被测对象外部温度的分布情况。

2）红外热像图数据采集结束后，切换到工业摄
像头工作模式，进行视频和图像的采集工作。

工业摄像头采用超高清分辨率的CMOS 传感器，以获取更多的图像细节，便于观测设备存在的异常以及提供物体轮廓外形，并和红外热像图配准、融合。

3）每个工作流程的最后一项是对高压设备因
为绝缘性能下降产生的局放信号进行检测。

局放传感器通过锁紧装置和终端装配在一起。

如果传感器采集到局放信号，会自动向调理电路提供该信号，通过滤波等处理后送至后端，由CPU 进行快速采样和数据分析，给出RPRD RPRS 图谱。

4）上述３项是设备核心工作，除此之外，还会
进行设备腔体内部温度、环境温湿度和CPU 系统温度信号的采集，以便于系统及时了解当前工作状态，对测试结果做必要的补偿。

苗振林，等：基于多物理量的复合传感技术在智慧配电房中的应用研究Vol.37No.3
80
第37卷第3期电网与清洁能源
根据系统高度集成的设计要求，感知终端采用SoC软硬件协同设计：详细计算数据处理和通信所需要的软件资源，结合CPU、NPU等核心器件的技术成熟度、市场供应能力和技术支撑能力，确定核心器件的型号；合理分配系统CPU和NPU之间的任务分工，实现红外、图像、局放、声音等多个状态量的传感集成以及采集、存储、计算、控制、通信等功能的集成，不仅降低了部件故障率，同时将数据处理算法的不同部分分别配置到CPU和NPU，实现系统的功能最优。

3.1.3智能感知终端设计方案
1）CPU主要指标：四核，最高主频1.1GHz。

2）数据存储：SDIO接口的8bit EMMC；运行内存为1.2V32bit DDR3。

3）红外热成像传感器主要参数见表1。

表1红外热成像传感器参数表
Table1Parameter table of the thermal imaging
sensor
调理电路传输该信号，经所需的滤波及波形提取等处理后送至后端，由CPU进行快速采样和数据分析，并给出RPRD RPRS图谱。

其中，前端传感器属于特高频UHF检测，要求能够检测频带（300 MHz～1.5GHz）所产生的电磁波信号。

5）POE主电源：供电来源为POE路由器或交换机。

POE模块符合IEEE802.3af/at标准，具有光电隔离的高性能。

6）交流电供电：主供电可以使用市电220V，通过一个交流转直流的AC/DC模块转成5V电压给主板供电。

输出与输入电压分别为5V/3.5A与85~ 264VAC/100~370VDC。

3000V为输出和输入的隔离电压。

7）产品内部PCB：根据产品ID和结构堆叠方式，PCB共分为2类：硬板和软板。

8）电源及功耗评估：POE供电兼容中间跨接法与末端夸接法，PSE（power sourcing equipment）设备供电电压可以在42~57VDC之间，典型值为48V。

PSE提供的高电压经过主板上的POE模块转化为5V给整个系统供电。

智能感知终端内部供电如图3所示。

图3智能感知终端内部供电图
Fig.3Internal power supply diagram of the
sensing terminal
9）通信管理：主要功能是根据协议，完成信息的接收、处理（解析和分发）和上传（数据采集和打包）。

同时，接收合法指令或者上传数据后要记录日志信息。

通信管理流程如图4
所示。

图4通信管理流程图
Fig.4Flow chart of the communication management
终端通过网络（网线，4G或者WIFI）接收服务器端下发的指令（网络），完成指令解析，然后分发任务。

完成参数配置、数据采集等功能。

同时，终端采集的数据经过处理、分析诊断后通过该通道上传给服务器。

终端提供WIFI热点，用户端APP接入热点后可以进行初始化配置及必要的信息采集，也可以进
81
行log 信息采集及实现一些调试、演示功能。

10）系统管理：终端对自身信息进行采集和分
析，实时对自身状态进行自测。

对于某些系统故障会采取相应策略，保证终端能够长期稳定可靠的工作。

一些异常信息还会上传给服务器，方便人工介入管理。

终端自身信息主要包括：内外温度，网络信号和强度，WIFI 热点状态及名称，GPS 信息，后备电源信息，CPU 、内存使用状态，各传感器模块状态等。

3.2
智能传感器
智能传感器采用电池供电的低功耗UHF 局放传感器，适用于电力设备局放检测现场。

主要功能是定时采集高压设备的局部放电信号，特高频的放电信号通过调理电路后，传送到上层汇聚节点。

汇聚节点负责边缘计算，生成局放图谱，根据告警策略确定当前局放信号严重程度，然后把结果传送至后台服务器。

智能传感器采集示意如图5
所示。

图5智能传感采集示意图
Fig.5
Schematic diagram of intelligent sensor acquisition
3.2.1工作流程
智能传感器工作流程如下。

step1：系统（包括MCU/数据通讯模块/相位接收模块）平时休眠，每天发送局放数据1或2次（具体频次可在后台和APP 设置，根据算法在不同时刻发送）。

step2：相位同步和A/D 采样。

如果是采用相位外同步，传感器定时醒来后，首先MCU 唤醒相位接收模块，接收电源相位发射器发过来的过零信号（平时发射模块一直处于发射模式），此信号作为中断触发MCU ，对调理电路的输出信号进行A/D
采样。

stpe3：MCU 的A/D 采样，时长为1s ，采样率为3kB/s ，采样精度为8bit 。

stpe4：采样结束后，MCU 通过WAKEUP 管脚，
唤醒数据通信模块，把局放数据通过LoRa 发送到汇聚节点。

实际数据传输速率大约在2kB/s ，由于每个包有250byte 的最大限制，所以需要分包分送。

3kB 的数据发送时间>2s 。

stpe5：通过汇聚节点分析与处理数据，输出PRPD 、PRPS 、局放类型、局放报警等结果。

step6：汇聚节点通过以太网或者4G 网络把上
述结果传送至后台，供查看、显示以及进一步高级数据处理。

智能传感器工作流程如图6
所示。

图6智能传感器工作流程图
Fig.6Smart sensor workflow
3.2.2功能特点
智能传感器针对电力设备UHF 特高频局放进
行在线监测，通过电池供电和低功耗技术，能够实
时长时间工作。

其包括低功耗MCU 电路、UHF 电路、A/D 电路、大容量电池组充放电和子系统电源调节电路、电源相位接收模块电路等关键组件。

智能传感器通过相位接收模块提取交流220V 过零信号，作为启动局放A/D 采样的触发信号。

完成数据的采集工作后，利用系统的数据传输模块将数据提供至汇聚节点。

3.2.3智能传感器方案设计
1）MCU 设计：①低功耗内核：根据系统设计要
求，在满足性能要求前提下，采用ARM 低功耗内核。

②MCU 资源：至少有2个UART 接口、2个
苗振林，等：基于多物理量的复合传感技术在智慧配电房中的应用研究Vol.37No.3
82
第37卷第3期电网与清洁能源
ADC采样接口、5个GPIO口可用。

③MCU：最大支持64kB FLASH闪存、8kB RAM。

2）数据通讯模块和天线设计：
①功能描述：采用LoRa和汇聚节点进行通讯，通过无线方式上传局放采样数据。

②数据通讯模块：工作频段为410~525MHz；发射功率为20dBm/130mA；休眠电流为2μA，支持串口唤醒；侦听电流为12mA，CAD检测模式。

③天线：防水等级为IP67，SMA弯头胶棒天线、Box胶圈防水、SMA直头玻璃钢天线。

3）电源相位接收模块和天线设计：
①组成：工频220V相位接收无线模块及天线。

模块通过LoRa无线接收/解调出过零信号后，发送中断信号给MCU，启动采样。

②相位电路：LoRa。

③天线：和数据通信模块共天线。

4）局放电路设计：
①ADC采样：满足波形基本完整条件下，采样速率为3K/s或者更低。

②ADC采样精度：8bit、Vref为3.3V。

5）UHF局放天线设计：
①形式：PCB天线。

②安装：Cable线焊接及树脂封胶固定。

6）电源系统设计：
①供电电源方案：采用通用锂离子电芯。

②局放电路电源：±5V，电流消耗为180mA。

③MCU电源：3.3V。

④电源相位接收模块/无线数据传输模块电源：3.3V。

⑤充电方案：充电时间允许≤15h。

⑥充电输入电压：5V（过压保护）。

⑦充电接口：M12防水连接器。

7）RS485通讯接口设计：每个设备1路，A/B/ 485地信号，带屏蔽层。

所有传感器直接或者RS485HUB接入IED。

速率为9600B/s。

8）结构设计
①主要部件：主机壳（含局放天线组件）、PCBA、电池组、通讯/相位接收外置天线。

②对外接口：工作指示灯、充电接口、RS485通讯接口。

③防护等级：IP67。

4系统软件设计实现
4.1软件架构
本研究系统的后台监控选择了Linux与MySQL。

软件开发选择了模块化的设计思想，并使用了面向对象技术，在具有可重用特性的模块中封装了应用功能，以标准接口实现各模块的连接，可结合需求进行灵活配置。

软件的主要优势是具有较强的可重用性与扩展性。

系统充分发挥了J2EE、C/S、B/S等优势，可用性强、效率高、灵活方便、安全可靠。

而且，本系统还实现了跨平台运行，可兼容多种平台，如Windows与Linux等。

4.2数据处理及分析
基于数据挖据分析的多状态量融合分析技术，后台系统的数据挖据和分析是设备状态多参量集成检测的重要环节。

数据分析的目标是从海量、多源数据中，通过机器学习、预测与估计、关联和序列分析、异常监测等方法发掘出有价值的知识（规律、规则、模式），从而指导实际生产应用。

本研究利用大量的设备状态检测信息，并结合气象信息等，可以通过这些大数据挖掘分析手段，获得特定设备状态参量之间关联关系和内在变化规律，实现个性化的设备状态评价、故障模式的分类识别以及状态与故障的预测等功能，为合理提供检修策略提供技术支撑。

5现场应用
本研究系统应用智慧配电房项目中，适用范围主要有变压器、电抗器、电缆、开关柜、以及GIS等，采用接触式智能传感器、非接触式感知终端灵活组合方式，对设备关键状态参量进行全面感知，加载人工智能算法，实现边缘计算，利用系统自动完成预警及诊断等工作，从而实现变电设备与设备工作环境的全天候、全时段、全方位的监测，替代运行人员完成状态连续监控、异物入侵识别、缺陷检测预警和巡检环境评估等巡视工作，有效解决传统巡视模式的弊端，提高变电站设备的智能运维水平，为配电设备物联网建设提供有效的技术手段和解决方案。

以变压器监测为例的现场部分应用，如图7~
83
图10
所示。

图7变压器图像监测
Fig.7
Transformer image
monitoring
图8变压器红外图谱
Fig.8
UV spectrums of the
transformer
图9变压器局放图谱
Fig.9
Phase-resolved distributions for typical PD models
of the power transformer
根据该时刻（2020-03-31，07：29）可见光图像，现场设备运行正常，环境正常，无异物入侵。

根据该时刻（2020-03-31，07：29）红外热像，被测对象表面温度的最小值与最大值分别为11℃与32℃，现场设备运行温度正常。

根据该时刻（2020-03-31，07：29）局放PRPD/
PRPS 图谱及数据分析（放电峰值为618mV ，放电均值为141mV ，放电次数为1297次）被监测设备运行状态正常，无绝缘异常现象发生。

综合分析（2020-03-01至2020-03-14）监测趋势，可知：被监测设备在监测周期内设备温度运行
正常，电力设备具有正常的绝缘状态，并未出现异
常报警。

图10趋势监测
Fig.10Trend monitoring
6结语
本课题研究基于多物理量感知终端，对可见光
图像、红外热像、局部放电、声音、温湿度等设备关键状态参数进行综合检测和实时分析，对配电房现场设备的运行环境、外观和设备温度、局放等关键运行状态的重大变化进行实时的、全天候的监测和分析，实现配电房设备和运行环境异常预警。

而且不会受到外部环境、人员素质以及天气等影响，还
可以整合其他物联网传感器，自动跟踪显示设备的环境、外观、运行及关键状态等信息，对配电房设备异常情况实现故障预警，有利于运行与维护成本的降低，以及资源配置的优化、电站集约化与智能化管理能力的提高。

参考文献
[1]
艾精文，党晓婧，吕启深，等.基于物联网的具有全景功
能的全维度设备状态监测系统研究[J].电力系统保护与控制，2019，47（16）:122-128.
AI Jingwen ，DANG Xiaojing ，LÜQishen ，et al.Reserach on full dimension equipment status monitoring system with panoramic funcion[J].Power System Protection and Control ，
2019，47（16）:122-128.
[2]
江秀臣，刘亚东，傅晓飞，等.输配电设备泛在电力物联
苗振林，等：基于多物理量的复合传感技术在智慧配电房中的应用研究Vol.37No.3
84
第37卷第3期电网与清洁能源
网建设思路与发展趋势[J].高电压技术，2019，45（5）: 1345-1351.
JIANG Xiuchen，LIU Yadong，FU Xiaofei，et al. Construction ideas and development trends of transmission and distribution equipment of the ubiquitous power internet of things[J].High Voltage Engineering，2019，45（5）:1345-1351.
[3]陈敏维，陈彬，叶兆平，等.采用物联网技术的局部放电
检测系统[J].中国电力，2017，50（8）:150-157. CHEN Minwei，CHEN Bin，YE Zhaoping，et al.System of partial discharge detection using iot technology[J]. Electric Power，2017，50（8）:150-157.
[4]沈鑫，曹敏，薛武，等.基于物联网技术的输变电设备智
能在线监测研究及应用[J].南方电网技术，2016，10（1）: 32-41.
SHEN Xin，CAO Min，XUE Wu，et al.Research and application of intelligent online monitoring of power transmission and transformation equipment based on technology of internet of things[J].Southern Power System Technology，2016，10（1）:32-41.
[5]李剑，张劲，王灿，等.变电设备物联网一体化智能监测
装置研究[J].高电压技术，2015，41（12）:3881-3887.
LI Jian，ZHANG Jing，WANG Can，et al.Research on integrated smart monitoring devices for internet of power transformation equipment[J].High Voltage Engineering，2015，41（12）:3881-3887.
[6]戴进墩，刘亚东，毛先胤，等.基于FDST和双通道PCNN
的红外与可见光图像融合[J].红外与激光工程，2019，48（2）:67-74.
DAI Jindun，LIU Yadong，MAO Xianyin，et al.Infrared and visible image fusion based on FDST and dual-channel PCNN[J].Infrared and Laser Engineering.2019，48（2）:67-74.
[7]崔昊杨，许永鹏，孙岳，等.基于自适应遗传算法的变电
站红外图像模糊增强[J].高电压技术，2015，41（3）:902-908.
CUI Haoyang，XU Yongpeng，SUN Yue，et al.Substation infrared image fuzzy enhancement algorithms based on improved adaptive genetic theory[J].High Voltage Engineering，2015，41（3）:902-908.[8]周南，罗林根，黄辉，等.基于虚拟阵列扩展的特高频多
源局部放电DOA估计方法[J].高电压技术，2019，45（5）: 1551-1558.
ZHOU Nan，LUO Lingen，HUANG Hui，et al.Ultra-high frequency multi-source partial discharge direction of arrival estimation method based on virtual array extension [J].High Voltage Engineering，2019，45（5）:1551-1558.
[9]史晋涛，李喆，顾超越，等.基于样本扩充的Faster R-CNN
电网异物监测技术[J].电网技术，2020，44（1）:44-51. SHI Jintao，LI Zhe，GU Chaoyue，et al.Research on foreign matter monitoring of power grid with Faster R-CNN based on sample expansion[J].Power System Technology，2020，44（1）:44-51.
[10]万晓琪，宋辉，罗林根，等.卷积神经网络在局部放电图
像模式识别中的应用[J].电网技术，2019，43（6）:2219-2226.
WAN Xiaoqi，SONG Hui，LUO Lingen，et al.Application of convolutional neural networks in pattern recognition of partial discharge image[J].Power System Technology，2019，43（6）:2219-2226.
[11]王丰华，王邵菁，陈颂，等.基于改进MFCC和VQ的变压
器声纹识别模型[J].中国电机工程学报，2017，37（5）: 1535-1543.
WANG Fenghua，WANG Shaojing，CHEN Song，et al. Voiceprint recognition model of power transformers based on improved MFCC and VQ[J].Proceedings of The CSEE，2017，37（5）:1535-1543.
[12]张铮，曹守启，朱建平，等.面向大面积渔业环境监测的
长距离低功耗LoRa传感器网络[J].农业工程学报，2019，35（1）:164-171.
ZHANG Zheng，CAO Shouqi，ZHU Jianping，et al.Long range low power sensor networks with LoRa sensor for large area fishery environment monitoring[J].Transactions of Chinese Society of Agricultural Engineering，2019，35（1）:164-171.
——————————
收稿日期：2020-04-15。

作者简介：
苗振林（1987—），男，硕士，工程师，研究方向为电气工程。

（编辑沈卢）
85。