电工电能新技术

作者：吴田1,2， 吴凤1,2， 邱中华3， 许国伟4， 黎鹏1,2， 朱姝1,2， 颜燕红1,2

单位：1.湖北省输电线路工程技术研究中心（三峡大学）， 湖北 宜昌 443002;
2.三峡大学电气与新能源学院， 湖北 宜昌 443002;
3.国网四川省电力公司超高压分公司， 成都 610000;
4.广东电网有限责任公司汕头供电局， 广东 汕头 515000

关键词：钢芯铝绞线； 近红外光谱技术； 机器学习； 盐雾腐蚀实验； SEM； EDX

基金：国家自然科学基金项目（51807110）

钢芯铝绞线（ACSR）长期暴露在恶劣的环境中运行，容易发生严重腐蚀，会影响电网的安全稳定运行，亟需一种快速、无损的导线腐蚀状态检测与智能评估方法。因此，本文采用盐雾腐蚀实验模拟不同服役时长的ACSR，结合扫描电子显微镜（SEM）分析和能量色散X射线光谱技术（EDX）对新导线和腐蚀48 h、168 h、336 h、504 h、720 h、1 080 h和1 440 h的ACSR进行微观形貌观察和元素占比分析，微观分析ACSR的腐蚀过程和近红外光谱特征。并基于近红外光谱技术，采集不同盐雾腐蚀程度ACSR的720组近红外光谱（NIRS）数据，采用原始光谱、标准正态变量变换（SNV）、多元散射校正（MSC）、一阶求导(D1）和非对称最小二乘法（ALS）基线校正5种方法对获得的光谱进行预处理，分别采用最小二乘支持向量机（LSSVM）、随机森林（RF）、偏最小二乘（PLS）、K近邻（KNN）和一维卷积神经网络（1D-CNN）5种机器学习算法建立了ACSR腐蚀程度分类识别模型，调整模型的超参数对模型进行优化，对比分析不同建模方法的分类效果。实验结果表明，近红外光谱技术结合机器学习模型能够有效识别不同腐蚀状态的ACSR，为智能、无损检测和评估输电线路腐蚀程度提供了一种新的思路和技术手段。

来源：2025年第12期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第12期