电气承包商选择检测局部放电的工具本身，也可能会导致人们对局部放电的识别效果产生误解。比如，局部放电以40 kHz的频率恒定地发出超声波，许多声学成像设备就只有这个频率的范围，尽管这些设备在某些情况下可能有用，但在大多数情况下，选择这些设备可能大大削弱检测的灵敏度。例如，在远距离工作时（如户外变电站），使用更宽的频率范围（10 kHz-30 kHz）可以产生更好的结果。
借助FLIR Si124之类的声学成像仪，公用部门可以分析局部放电模式，利用自动漏电成本估算和放电类型分类工具，优先安排维修工作，安全快速地进行非接触式检查。
目前，声学成像已迅速发展成对维护供电基础设施正常运行不可或缺的技术。越来越多的状态监测管理人员开始把FLIR Si124之类的声像仪加入工具箱。此类设备可以快速、轻松地发现问题，降低维修成本，减少意外停机，很快就能带来投资回报。
使用声学成像仪，它可以很好的智能除噪：局部放电会产生宽频带的声音，频率范围从人耳可闻延伸到不可闻或超声波。此外，检测工作很少在静谧的场所进行。相反，检测设备必须与来自工业设施或户外场所（例如，靠近高速公路或机场）的背景噪声相抗衡。更智能的声学成像仪（FLIR Si124）可以识别干扰和背景噪声并将其滤除，最终找到局部放电这一罪魁祸首。
将人工智能和云计算用于局部放电诊断
局部放电有几种不同类型，取决于放电的位置和脉冲模式。
表面放电发生于不同绝缘材料的边界处，表面放电可能出现在很多不同位置，包括套管、电缆端接处或过热的发电机绕组。
表面放电模式示例
当高压设备内有悬浮导体时（比如用垫片隔开），就有可能产生悬浮放电，悬浮放电被认为是最常见的局部放电类型。
悬浮放电模式示例
导线（如输电线）周围作为绝缘材料的空气在高湿度或污染环境下会丧失部分绝缘能力，进而发生空气放电。这会导致电流进入空气中，进一步降低近处的空气质量和导线的性能。
正负电晕放电模式示例：左侧为正电晕，右侧为负电晕
分析声学图像可能需要一定的培训和学习，尤其是在理解不同类型的局部放电时。了解问题及其严重性有助于制定更好的报告、维修建议和更明智的后续行动。
FLIR Si124声学成像仪采用人工智能算法分析局部放电，可助电气承包商一臂之力。用户可以将声学图像上传到FLIR Acoustic Camera Viewer云服务，后者会自动将这些图像与数千张局部放电图像进行比较。
先进的人工智能服务有助于减少误差，加快报告制作，成为客户检查业务的关键优势。简单易用的特性也有助于使更多工人加入声学成像检测队伍，共同开展状态监测或预防性维护工作。
声学成像仪重点检测区域
对于局部放电易发生的区域，主要包括：
★导线和母线
★发电机
★输配电设备
★变电站
★定子、电机和线圈
★开关设备
★变压器
声学成像可以检测到超声波的能力，已成为公用事业组织用于确定是否存在局部放电的有效方法。它使专业人士能够执行更多例行预防性维护，有助于提供对即将发生的会导致关键系统停机的电气故障的关键初步预警。所以，电气供应商们要与时俱进，选择更有效、更快捷的工具检测电气设备的局部放电哦。
京公网安备 11011202001138号
