聲學成像儀：智能除噪，結果準確

電氣承包商選擇檢測局部放電的工具本身，也可能會導致人們對局部放電的識別效果產生誤解。比如，局部放電以40 kHz的頻率恒定地發出超聲波，許多聲學成像設備就只有這個頻率的范圍，盡管這些設備在某些情況下可能有用，但在大多數情況下，選擇這些設備可能大大削弱檢測的靈敏度。例如，在遠距離工作時（如戶外變電站），使用更寬的頻率范圍（10 kHz-30 kHz）可以產生更好的結果。

目前，聲學成像已迅速發展成對維護供電基礎設施正常運行不可或缺的技術。越來越多的狀態監測管理人員開始把FLIR Si124之類的聲像儀加入工具箱。此類設備可以快速、輕松地發現問題，降低維修成本，減少意外停機，很快就能帶來投資回報。

使用聲學成像儀，它可以很好的智能除噪：局部放電會產生寬頻帶的聲音，頻率范圍從人耳可聞延伸到不可聞或超聲波。此外，檢測工作很少在靜謐的場所進行。相反，檢測設備必須與來自工業設施或戶外場所（例如，靠近高速公路或機場）的背景噪聲相抗衡。更智能的聲學成像儀（FLIR Si124）可以識別干擾和背景噪聲并將其濾除，最終找到局部放電這一罪魁禍首。

將人工智能和云計算用于局部放電診斷

局部放電有幾種不同類型，取決于放電的位置和脈沖模式。

表面放電發生于不同絕緣材料的邊界處，表面放電可能出現在很多不同位置，包括套管、電纜端接處或過熱的發電機繞組。

表面放電模式示例

當高壓設備內有懸浮導體時（比如用墊片隔開），就有可能產生懸浮放電，懸浮放電被認為是最常見的局部放電類型。

懸浮放電模式示例

導線（如輸電線）周圍作為絕緣材料的空氣在高濕度或污染環境下會喪失部分絕緣能力，進而發生空氣放電。這會導致電流進入空氣中，進一步降低近處的空氣質量和導線的性能。

正負電暈放電模式示例：左側為正電暈，右側為負電暈

分析聲學圖像可能需要一定的培訓和學習，尤其是在理解不同類型的局部放電時。了解問題及其嚴重性有助于制定更好的報告、維修建議和更明智的后續行動。

FLIR Si124聲學成像儀采用人工智能算法分析局部放電，可助電氣承包商一臂之力。用戶可以將聲學圖像上傳到FLIR Acoustic Camera Viewer云服務，后者會自動將這些圖像與數千張局部放電圖像進行比較。

先進的人工智能服務有助于減少誤差，加快報告制作，成為客戶檢查業務的關鍵優勢。簡單易用的特性也有助于使更多工人加入聲學成像檢測隊伍，共同開展狀態監測或預防性維護工作。

聲學成像儀重點檢測區域

對于局部放電易發生的區域，主要包括：

★ 導線和母線

★發電機

★輸配電設備

★變電站

★定子、電機和線圈

★開關設備

★變壓器

聲學成像可以檢測到超聲波的能力，已成為公用事業組織用于確定是否存在局部放電的有效方法。它使專業人士能夠執行更多例行預防性維護，有助于提供對即將發生的會導致關鍵系統停機的電氣故障的關鍵初步預警。

編輯：jq