周振安/张楚岩：基于傅立叶变换红外光谱和深度学习模型的复合绝缘子老化等级分类方法

2025-04-14     发布：[信息工程学院]    点击：0次

复合绝缘子是输变电工程中的主要外绝缘设备，因其轻质、耐污闪、耐老化、成本低等优点，在电力系统中得到了广泛应用。我国电网自上世纪八十年代开始逐步应用复合绝缘子，目前电网中运行的复合绝缘子数量已超过1200万支。然而，受电场、紫外线、极端天气和环境影响，复合绝缘子会逐渐老化，导致其绝缘和机械性能下降，增加电力系统故障风险。因此，准确评估绝缘子的老化程度对于电力系统安全至关重要。

据此，我院博士生周振安在其导师张楚岩副教授和中国电力科学研究院于昕哲老师的共同指导下，研究收集了超过10,000个不同老化程度的甲基乙烯基硅橡胶（MVQ）复合绝缘子样品，并建立了傅里叶变换红外光谱（FTIR）数据集。基于此数据集，研究提出了名为MDSC-Attention的深度学习模型，实现了对复合材料绝缘子老化程度的自动分类。

主要研究亮点如下：

1. MDSC-Attention模型能够自动提取FTIR数据中的微观化学特征，无需人工进行特征提取或降维，实现了对老化程度的端到端分类。

2. 模型结合了多尺度特征提取模块和注意力机制，有效提升了特征提取和全局建模能力，能够更全面地分析FTIR光谱信息，提高分类精度。实验结果表明，MDSC-Attention 模型可以自动从傅立叶变换红外数据中提取关键特征，在测试集上的分类准确率高达 99.68%。此外，模型还具有较强的鲁棒性和泛化能力，能够适应不同环境条件下的复合材料老化评估。

3. 模型采用深度可分离卷积优化卷积操作，有效降低了计算复杂度，提高了模型的运行效率。该研究成果为复合材料老化评估提供了新的思路和方法，有望推动电力系统状态监测和智能评估的自动化和智能化发展，为保障电力系统安全稳定运行做出贡献。

图1 傅里叶红外光谱数据集

图2 MDSC-Attention模型结构

图3 模型测试结果

图4 模型性能

图5 数据集的梯度

图6 注意力权重热图

本文工作与中国电力科学研究院、西藏羊八井高海拔电气安全与电磁环境国家野外科学观测研究站、北京理工大学开展合作，发表在人工智能领域Top期刊《Engineering Applications of Artificial Intelligence》（中科院1区Top期刊，IF= 7.5）上。论文引用信息: Zhenan Zhou（周振安）, Chuyan Zhang*（张楚岩）, Kun Zhang（张坤）, et al.. A composite insulator aging level classification method based on fourier transform infrared spectroscopy and deep learning model. Engineering Applications of Artificial Intelligence, 2025, 152, 110770。

全文链接：https://doi.org/10.1016/j.engappai.2025.110770