

阅读提示:本文约 2900 字

研究背景
随着电力系统的不断发展,输电线路的负荷不断上升,传统钢芯铝绞线由于损耗大、耐热性不佳、自重大等原因,容易因重载造成故障。碳纤维材料自重轻、输电损耗小,碳纤维复合导线相较于传统钢芯铝绞线有显著优势。但是碳纤维复合导线由于工业生产技术不完善和抗弯折能力弱,在压接生产和运输安装时会出现线路碳芯少压和断裂的隐蔽性缺陷,找到一种能够及时发现线路故障缺陷风险的检测技术,对于提升电网输电容量和稳定性有着重要意义。
论文所解决的问题及意义
现阶段研究多集中于碳纤维复合芯导线压接质量的无损检测技术,主要技术路径涵盖X射线检测技术、声学特征分析法及红外热成像方法。其中,X射线检测技术受材料密度梯度差异影响,成像对比度衰减显著,致使压接界面特征辨识度不足。当检测对象存在多层异质材料界面时,传统X射线检测方案的缺陷误判率较高,这已成为制约该技术工程化应用的主要瓶颈。而采用声学成像法、红外成像法则受到环境因素影响较大,无法达到精准的缺陷检测判断。因此提出适用于碳纤维芯导线的漏磁检测方法,精准、快速检测新型增容导线缺陷,提高电网安全稳定性。
论文方法及创新点
作为复合型材料,碳纤维芯本身不具备磁性,本文通过磁性薄膜包覆的方法,实现碳纤维复合芯导线的磁性制备,以满足漏磁检测需求。使用完整均匀的磁性薄膜包覆在碳纤维芯表面,当碳纤维芯发生缺陷时,由于表面包覆的磁性薄膜具有跟随性,即当碳纤维芯棒断裂时,由于薄膜的脆弱性,断裂亦会作用于薄膜引起薄膜的破损,磁性薄膜亦会发生损坏,从而可通过漏磁检测法检测磁性薄膜的完整性,以判断碳纤维芯的故障缺陷情况,具体的磁性薄膜包覆制备方法如图1所示,制备完成的碳纤维芯导线如图2所示。
![]() | ![]() |
(a)裁剪磁性薄膜 | (b)包覆碳纤维芯 |
![]() | ![]() |
(c)制作衬管 | (d)压接金具 |
图1 薄膜包覆法制备磁性碳纤维复合芯导线的步骤

(a)截面图

(b)俯视图
图2 绞合式碳纤维芯导线及磁性薄膜包覆芯棒实物
漏磁检测技术是指被外界磁场磁化后的高磁导率材料在出现能够切割阻断磁力线的缺陷时,由于缺陷处磁导率很小,部分磁力线将通过缺陷处的空气介质沿高磁导率材料所在平面的法线方向传播,从而形成可供感应线圈测量的漏磁场,具体的原理如图3所示。

图3 漏磁检测技术原理
本文基于漏磁检测原理设计并制作了碳纤维复合芯导线漏磁检测系统,其结构如图4所示。检测时,将碳纤维芯导线放入夹具中,并将夹具置于传感器探头内,抽动碳纤维芯导线即可完成检测。漏磁检测的信号数据会通过信号传输线传递到数据处理显示表箱中,并显示在电子屏幕上,进而通过程序截取识别。

图4 碳纤维复合芯导线漏磁检测系统实物
测量获得的碳纤维芯导线漏磁检测信号如图5所示,少压缺陷信号会在波前产生一个较大的信号峰值,断裂缺陷信号会在波中产生一个较大的信号峰值。通过测量不同缺陷类型和缺陷程度的碳纤维芯导线,获得不同程度少压、断裂缺陷的漏磁信号特征,用于缺陷识别。

(a)正常波形 (b)少压缺陷波形 (c)断裂缺陷波形
图5 不同缺陷类型碳纤维复合芯导线漏磁检测的信号波形
最后使用测量数据训练GA-BP神经网络,训练完成的模型整体的缺陷程度识别准确率提升到了94.31%,具体的缺陷识别结果如图6所示。对于123组测试集数据,只有7组出现了偏差,偏差项的样品缺陷类型判断准确,只是缺陷程度的判断出现了误差。说明使用GA-BP神经网络,通过优化碳纤维复合芯导线的漏磁检测信号特征数据的提取方法,能够很好地完成对于碳纤维复合芯导线缺陷程度的识别。

图6 特征参数优化后的GA-BP神经网络对漏磁检测信号缺陷程度的识别
结论
1)本文提出了一种基于磁膜包覆技术的碳纤维复合芯导线压接缺陷漏磁检测方法。通过磁性薄膜包覆法制备碳纤维芯导线缺陷样品,利用薄膜反映碳纤维芯的缺陷状态。之后设计并制备106组不同缺陷类型和缺陷种类的碳纤维复合芯导线,搭建漏磁检测系统测量漏磁信号。
2)本文设计了一种碳纤维复合芯导线漏磁检测信号的特征数据提取方法,完成了对漏磁检测关键信号特征的描述。并且设计了GA-BP神经网络,根据模型的预测结果优化了碳纤维复合芯导线漏磁检测信号特征数据提取方法中的判定参数,使得模型对于碳纤维复合芯导线缺陷程度的预测准确率达到94.31%,能够准确地检测出隐蔽性缺陷的类型和程度。
3)本文研究成果对钢锚处压接质量检测提供了新思路。实验数据均来自真实的碳纤维复合芯导线,能够很好地与生产实际吻合,对于工业生产有较强的指导作用。
高电压与绝缘创新团队一直从事多物理场测量计算方面的研究工作,在电磁场测量计算方面的研究和探索尤其深入,具有较强的理论基础,并积累了丰富的研究经验。目前课题组承担了10余项国家项目,开发了自主产权的CEMLAB多物理场仿真平台和高压直流输电线路合成电场仿真软件。“电磁多物理场分析关键技术及其在电工装备虚拟设计与状态评估的应用”获湖北省科技进步一等奖。发表相关论文80余篇,授权发明专利20余项,出版专著2本。
引用本文
杜志叶, 黄子韧, 俸波, 岳国华, 廖永力. 基于GA-BP神经网络的碳纤维复合芯导线压接缺陷识别方法[J]. 电工技术学报, 2026, 41(1): 315-328. Du Zhiye, Huang Ziren, Feng Bo, Yue Guohua, Liao Yongli. Identification Method for Crimping Defects of Carbon Fiber Composite Core Wires Based on GA-BP Neural Network. Transactions of China Electrotechnical Society, 2026, 41(1): 315-328.
阅读全文
华电团队联合国网团队发表沙戈荒地区复合绝缘子用硅橡胶耐冲蚀性能方面的研究成果(内含作者讲解视频)
中国科学院合肥物质院团队提出基于预训练大语言模型的核电站运行参数预测新方法
西安建筑科技大学王金凯、刘智 等:硫掺杂Cu3Mo2O9负极材料结构设计及其电化学储锂特性分析

学会官方微信
电工技术学报
CES电气

学会官方B站
CES TEMS
今日头条号


学会科普微信
新浪微博
大赛官方微信
联系我们
☎️ “电工技术学报”微信号运营编辑:13121222619(微信同号)
☎️ “CES电气”微信号运营编辑:18500877291(微信同号)
☎️ 《电工技术学报》:010-63256949/6981;邮箱:dgjsxb@vip.126.com
☎️ 《电气技术》:010-63256943;邮箱:dianqijishu@126.com
☎️ 《中国电工技术学会电机与系统学报(英文)》:电话:010-63256823;邮箱:cestems@126.com
☎️ 编务:010-63256994
☎️ 订阅:010-63256817