随着我国智能坚强电网的建设,越来越多的超高压和特高压线路已投入到实际运行,污闪事故已成为外绝缘安全运行的严重威胁,同时带来了巨大的经济损失。近年来国内外学者对此进行了大量的理论探索和试验,也取得了一定的研究成果。但绝缘子污闪事故仍然发生频繁,可见污闪机理和污闪方法有必要进行深入研究。随着对污闪事故的不断探究,大量数据资料表明绝缘子的污闪和其表面的泄漏电流有着密切的联系,因此从泄漏电流入手诊断绝缘子污秽状态是一种有效的方法。本文在查阅大量国内外相关文献后提出了一种基于变权法的模糊神经网络模型,通过实时监测绝缘子的相关参数实现对其污秽度在线评估,同时能够为电力部门对绝缘子的计划清扫做一定的指导。绝缘子的污闪是电、热、和化学现象的错综复杂的变化过程,其绝缘性能最终体现在沿面放电的电流大小,因此本文首先研究了其放电机理。接着,提出了基于变权的模糊神经网络模型,由相应的在线传感器收集到数据后经由MATLAB实现数据的训练。测试表明本文模型能够对绝缘子实现有效的污秽度评估。根据评估结果可以给出相应的预警信息,有效防止污闪的发生。本文着重介绍了人工神经网络的基本理论、模糊逻辑中隶属度函数的确定及变权理论。接着从现有的污秽度评估方法中筛选出能够反映污闪整个过程的参数,避免了输入参数单一的问题。在训练过程中,在仿真结果的基础上结合以往经验确定了隐含层的个数。为了克服模糊逻辑的权重忽略突变参数及主观性较强的缺点,本文采用了变权法来确定各模糊输入参数的权重,仿真数据表明了此种方法的可行性。同时,为了提高评估系统的准确度,本文搜集了大量资料中的现场数据对系统训练,训练完成后只需保存模型的权值矩阵就能够实现对在线绝缘子的污秽评估,整个系统自动化程度高、学习能力强、评价结果客观准确。