Pinnakätkese tuvastamine välisoleva isolatsiooniga välikõrgpinge katkiseadmega ultrivioli pildistamise alusel
Väljaspoolt kasutatavad vakuumkatkisildid (edaspidi nimetatud katkisildid) on laialdaselt levitatud jaotussüsteemides nende eeliste tõttu nagu väike suurus, väike kaal, tule- ja plahvatuskindlus, sileda töö, madal müra, väike kontaktväli, lühike plasma-aeg ja lihtne hooldus. Kuna õhusaaste saastumine muutub üha tõsisemaks, võib raskeimate ilmatingimuste, näiteks tänavikuma, sademete, kondenseerumise või jää sulamise korral katkisilte stulpisolatoril tekkinud osalislaeng (OL) iseloomulikuks. See võib isegi põhjustada voolusuunamisi, lühendades katkisilte kasutusaega ja mõjutades elektrivõrgu ohutut ja stabiilset tööd.
Selles artiklis toetudes ZW32 - 12 välismajutusega kõrgepinge vakuumkatkisiltele (edaspidi nimetatud HV ZW32 - 12 katkisiltele) läbiviidakse testide erinevatel ilmakaistes. ZW32 - 12 katkisilte stulpisolatori pinna laengu protsessi jälgitakse UV-kujutaja abil, samal ajal mõõdetakse laengu suurust. Pärast UV-piltide töötlemist tuletatakse karakteristikud, mis kirjeldavad neid pilte. Järgmisena arvutatakse laengu suurus vähima ruudu toetuspunktmehoodi abil, mis võimaldab kalibreerida UV-pilte. See esindab uut mittekondlikku meetodit katkisilte osalislaengu tuvastamiseks.
ZW32 - 12 katkisilt on kolmefaasi, 50 Hz, 12 kV AC välismajutusega elektriandmise seade. Selle peamine kasutusalad on laengu, ületäiuslaengu ja lühicircuiti laengu katmine ja avamine. Selle struktuur on näidatud joon. 1.
Stulpisolatori pinna laengu UV-pildi ja osalislaengu (OL) suuruse mõõtmiseks samaaegselt on disainitud isolatoripinna laengu testisüsteem, mille näeb joon. 2. Joon. 2-s T tähistab pingeregulaatorit, B on pingetõstja, R₁ on piirav vastend, ja C₂ on koppelkapatsitor, mis kasutatakse OL-mõõtmise andmekogumiseks.
Süsteemis kasutatakse YDWT - 10kVA/100kV mudeli transformaatorit, mille näeb joon. 3 - a. See genereerib isolatorile vajaliku kõrgepinge allikat.
Isolatoripinna laengu UV-piltidele kujutamiseks kasutatakse OFIL Superb UV-kujutajat, mille näeb joon. 3 - b. Testiproov on ZW32 - 12 katkisiltest pärit stulpisolator, mis on olnud kolm aastat kasutuses, mille näeb joon. 3 - c. Proov asetatakse tehisilmakamberisse, kus suhteline niiskus saab stabiilselt kontrollida.
Selles süsteemis kasutatakse pulssilaengu meetodit osalislaengu (OL) suuruse mõõtmiseks. Kontrollpaneel juhib pingeregulaatorit ja transformaatorit, et luua soovitud pinget. Seejärel edastatakse OL-signaal JFD - 3 OL-detektorile koppelkapatsitori ja detektsiooni impedantsi kaudu.
Teisaldamisel humede tingimuste abil saab hoida tehisilmakamberi suhtelist niiskust stabiilsena. Isolatorid paigutatakse pingele kaks tundi, et need oleksid täielikult niiske. Siis rakendatakse isolatorile 12 kV pinget viie minuti jooksul. Sel perioodil tehakse UV-pildid ja mõõdetakse OL-suurust. UV-kujutaja kaugus on 5 meetrit, nurk 0° ja tugevus 110%. Iga suhteline niiskus taseme korral, mis ulatub 70% kuni 90%, iga 5%-lise sammuga, viiakse läbi mitmed testid.
UV-piltide töötlemine
UV-kujutaja salvestab video, nii et on vaja raamite töötlemist, et saada järjestikusi UV-video raameid edasise analüüsi jaoks. Igal pildiraamil on RGB värvipilt [3]. Isolatoripinna laeng on UV-pildil kujutatud heledana punktina. Mida intensiivsem on pinna laeng, seda suurem on punkti ala. Seetõttu on pilti eeltöötlemine ja segmenteerimine olulised sammud, et filtreerida välja taust ja eraldada punktiosa.
Kuna RGB värviruumi punane komponent (R), roheline komponent (G) ja sinine komponent (B) viitavad ainult punase, rohelise ja sinise värvide suhteile ning ei pruugi väljendada pildi heledust, analüüsime iga pildiraami HSL värviruumis. HSL tähistab vastavalt Värvitoona, Sügavust ja Heledust. Pildiraami HSL komponendid on näidatud joon. 4. Joon. 4-näidates saame kindlaks teha, et H või S komponent ei suuda eristada punkti taustast, samas kui L komponent saab seda teha [4].
Joon. 4 - c näitab, et punkti L komponent on suurem kui tausta L komponent. Seega on limiidi segmenteerimine efektiivne meetod punkti osa eraldamiseks. Oluline on valida sobiv L-komponendi limiit. Siin kasutame Otsu limiitmeetodit, et arvutada L-komponendi limiit [5]. Matlapi koodi implementeerimisel Otsu meetodi jaoks määratakse parim L-komponendi limiit 216, ja segmenteerimistulemus on näidatud joon. 5 - c. On selge, et taust on välja filtritud, jäädes alles ainult UV-punktiosa.
Joon. 5 - c näitab, et lisaks UV-punktiosale on ikka veel palju väikeseid müraelemente. Nende müraelementide eemaldamiseks rakendatakse matemaatilisi morfoloogiaoperatsioone, kasutades ringikujulist strukturelementi, mille raadius on 4 pikslit [6]. Matemaatilise morfoloogia töötlemise järel on tulemus näidatud joon. 5 - d. Kõik müraelementid on eemaldatud, jäädes alles ainult punktiosa. Määratleme punktiosa pikslite arvu selle UV-pildi "heleduse alana".
Pärast heleduse ala arvutamist järjestikuste raamidel UV-vidinas, saame heleduse ala kõvera. 85% niiskuse korral heleduse ala kõver on näidatud joon. 6. Joon. 6-näidates heleduse ala vaheldub väikeses ulatuses, esinevat suuremaid punkte aeg-ajalt. Seetõttu defineeritakse kolm parameetrit, et karakteriseerida laengu intensiivsust: keskmine heleduseala, vahelev heleduseala ja vaheleva heleduseala kordused vastavalt [7]. Valime 100 järjestikust raami osalislaengu esinemise järel uurimiseks. Keskmine heleduseala on 100 raami heleduseala keskmine. Vahelev heleduseala on suuremate kui keskmine heleduseala heleduseala keskmine, samas kui vaheleva heleduseala kordused on suuremate kui keskmine heleduseala heleduseala arv. Joon. 6-näidates on keskmine heleduseala 665 pikslit. Vahelev heleduseala on 902 pikslit. Vaheleva heleduseala kordused on 32.
Pärast kolme karakteristikparameetri arvutamist ja osalislaengu (OL) suuruse mõõtmist üheaegselt, püüame määrata OL suurust nende kolme UV-pildi parameetri abil vähima ruudu toetuspunktmehoodi abil.
Valitakse 90 UV-vidina proovi. Igal nende proovide raamil arvutatakse kolm UV-pildi parameetrit, ja vastav osalislaengu (OL) suurus märgitakse JFD3 OL-detektoriga. Vektormasinasse valitakse sisendargumendiks keskmine heleduseala, vahelev heleduseala, vaheleva heleduseala kordused ja suhteline niiskus. Väljundargumendiks on OL suurus. Radiaalse alusfunktsiooni (RBF) valitakse ytimena. Normeerimise järel kasutatakse 80 proovi treeninguks. Vektormasina ytimeparameetrid ja karistusparameetrid määratakse vaikimisi väärtusteks. Treeningutulemus on näidatud joon. 7.
Joon. 7-näidates on enamiku treeninguproovide vea võrdlusega mõõdetud OL-suurusega suhteliselt väike. Kuid mõnedes juhtudetes on viga üle 20%. Vähima ruudu vea (MSE) arvutatakse järgmiselt:
Vähima ruudu vea (MSE) regreessioonitulemuse minimeerimiseks ja vektormasina täpsuse tõstmiseks kasutatakse geneetilist algoritmi (GA) ytimeparameetrite ja karistusparameetrite optimiseerimiseks. [8 - 9]
Lõpetamise põlvkond määratakse 100, ja populasiooni suurus 20. Optimiseerimisprotsess on näidatud joon. 8. Joon. 8-näidates väheneb MSE 30 evolutsioonipõlvkonna jooksul 0,07-st 0,01-ni, mis näitab, et geneetiline algoritm on jõudnud oma optimaalsele punktile. [10] Optimeeritud ytim- ja karistusparameetrid on vastavalt 0,2861 ja 82,65.
Geneetilise algoritmi (GA) abil parameetrite optimiseerimise järel retreeneritakse sama 80 proovi, ja regreessioonitulemus on näidatud joon. 9. Joon. 9-näidates on peaaegu kõik proovid mõõdetud osalislaengu (OL) suurusega võrreldes väga väike vea. Vähima ruudu vea (MSE) on nüüd 10, mis on oluliselt väiksem kui 80 enne parameetrite optimiseerimist. Seega on selge, et GA parameetrite optimiseerimine võib efektiivselt vähendada regreessioonitulemuse MSE-d ja tõsta vektormasina täpsust.
Viimased 10 proovi kasutatakse mudeli testimiseks. Regreessioonitulemused on näidatud tabel. 1. On selge, et regreessioonitulemuste ja tegeliku osalislaengu (OL) suuruse vaheline viga on vähem kui 6,1%. See näitab, et treenitud mudel demonstreerib häid üldistamisvõtteid.
UV-kujutustehnoloogiat kasutatakse välisvakuumkatkisilte stulpisolatori pinna laengu tuvastamiseks. UV-piltide heleduseala ja osalislaengu suuruse vahelist seost uuritakse vähima ruudu toetuspunktmehoodi abil, pakkudes uut meetodit välisvakuumkatkisilte eristuvate laengude diagnostikale ultraviolettkujutuse alusel.
A. Piltide töötlemine ja parameetrite määratlus
Pärast UV-piltide L-komponendi limiitsegmenteerimist ja matemaatiliste morfoloogiaoperatsioonide rakendamist saab eraldada UV-pildi punktiosa, lubades arvutada heleduseala. Kolm parameetrit defineeritakse laengu intensiivsuse kvantifitseerimiseks: keskmine heleduseala, vahelev heleduseala ja vaheleva heleduseala kordused.
B. Andmete kogumine ja analüüs
Pärast UV-vidinate salvestamist ja osalislaengu (OL) suuruse üheaegset mõõtmist kasutatakse suhtelist niiskust ja kolme UV-pildi omadusparameetrit sisendmuutujana. Regreessioonianalüüsi läbi viies vähima ruudu toetuspunktmehoodi abil koos geneetilise algoritmi (GA) abil ytimeparameetrite optimiseerimisega saab täpselt määrata OL suurust.
C. Diagnostika täpsus ja tähtsus
Regreessioonianalüüsi läbi viies, et seostada isolatoripinna laengu suurus selle UV-pildi heledusealaga, leiti, et ainult UV-piltide põhjal diagnoositava OL suuruse vea võrdlusega mõõdetud OL suurusega on vähem kui 6%. See täpsus vastab praktiliste rakenduste nõudmistele ja pakub uut mittekondlikku meetodit välisvakuumkatkisilte välise eristuvate laengude diagnostikale ultraviolettkujutuse alusel.
See uuring oli rahastatud Hiina Rahvusvahelise Teadusfondi ja Elektroisolatsiooni ja Elektritööstuse Riikliku Teaduslaboratooriumi poolt. Autorid soovivad väljendada oma südamest tänusõnu kõigile, kes andsid sellele projektile toetust.
