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(chǎn)生誤解。比如，局部放電以40 kHz的頻率恒定地發(fā)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(shù)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(chǎn)生更好的結果。
目前，聲學成像已迅速發(fā)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(tài)監(jiān)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(fā)現(xiàn)問題，降低維修成本，減少意外停機，很快就能帶來投資回報。
借助FLIR Si124之類的聲學成像儀，公用部門可以分析局部放電模式，利用自動漏電成本估算和放電類型分類工具，優(yōu)先安排維修工作，安全快速地進行非接觸式檢查。
使用聲學成像儀，它可以很好的智能除噪：局部放電會產(chǎn)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(yè)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(fā)生于不同絕緣材料的邊界處，表面放電可能出現(xiàn)在很多不同位置，包括套管、電纜端接處或過熱的發(fā)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(chǎn)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(huán)境下會喪失部分絕緣能力，進而發(fā)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(xù)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(shù)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(yè)務的關鍵優(yōu)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(tài)監(jiān)測或預防性維護工作。
聲學成像儀重點檢測區(qū)域
對于局部放電易發(fā)生的區(qū)域，主要包括：
★ 導線和母線
★ 發(fā)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(yè)組織用于確定是否存在局部放電的有效方法。它使專業(yè)人士能夠執(zhí)行更多例行預防性維護，有助于提供對即將發(fā)生的會導致關鍵系統(tǒng)停機的電氣故障的關鍵初步預警。所以，電氣供應商們要與時俱進，選擇更有效、更快捷的工具檢測電氣設備的局部放電哦~
