Pinnallisen sähköjohtimen ulkoisen eristyksen pinnan varauksen havaitseminen ulkona olevassa tyhjiöpäätteessä ultraviolettikuvantamisen perusteella

Ulkona olevia vakiovirtasulkuja (tässä jatkossa sulut) käytetään laajasti jakeluverkossa niiden etujen vuoksi, kuten pieni koko, kevyys, palo- ja räjähdyksenkestävyys, sileä toiminta, vähän melua, pieni avautumisväli, lyhyt kaarireitti ja yksinkertainen huolto. Koska ilmakehän saastuminen pahenee, huonoina sääolosuhteina, kuten tiheästä sumusta, tihkusta, kondensaatiosta tai jäästä tulvaessa, osittaisen purkauksen (OP) on mahdollista esiintyä sulun pylväsisolatorin pinnalla. Tämä voi johtaa välähtöihin, jotka lyhentävät sulun käyttöikää ja vaikuttavat sähköverkon turvalliseen ja vakaiseen toimintaan.

Tässä artikkelissa ZW32 - 12 ulkokonsultilla asennettava korkean jännitteen vakiovirtasulku (tässä jatkossa HV ZW32 - 12 -sulku) käytetään esimerkkinä monipuolisissa ilmasto-olosuhteissa. ZW32 - 12 -sulun pylväsisolatorin pinnalle tapahtuva purkautumisprosessi on kuvattu UV-kameralla, samalla kun sen purkautumismäärä on mitattu. UV-kuvien käsittelyn jälkeen ominaisparametreja on poimittu kuvaamaan näiden kuvien piirteitä. Sitten purkautumismäärä on laskettu pienimmän neliösumman tukivektori-menetelmällä, mikä mahdollistaa UV-kuvioiden kalibroinnin. Tämä edustaa uutta kosketuksetonta menetelmää osittaisen purkauksen havaitsemiseksi sulkuissa.

ZW32 - 12 -sulku on kolmifasa, 50 Hz, 12 kV AC ulkovaljakko. Sitä käytetään pääasiassa kuorman virran, ylilatauksen ja lyhytsulun keskeyttämiseen ja sulauttamiseen. Sen rakenne on kuvattu kuvassa 1.

Pylväsisolatorin purkautumiskuvan ja osittaisen purkauksen (OP) määrän yhtäaikaiseen käsittelyyn on suunniteltu isolatorin pinnan purkautumistestijärjestelmä, kuten kuvassa 2. Kuvassa 2 T tarkoittaa jänniteohjainta, B on jännitekorottin, R₁ on rajausresistori ja C₂ on kytkentäkapasiteetti, jota käytetään OP-mittauksen otoksena.

Järjestelmässä käytetty muuntaja on YDWT - 10kVA/100kV -malli, kuten kuvassa 3 - a. Sitä käytetään isolatorille tarvittavan korkean jännitteen luomiseen.

OFIL Superb UV-kameraa käytetään isolatorin pinnan purkautumisen UV-kuville, kuten kuvassa 3 - b. Testiesimerkki on ZW32 - 12 -sulun pylväsisolatori, joka on ollut käytössä kolme vuotta, kuten kuvassa 3 - c. Näyte on sijoitettu tekoilmastokammioon, jossa suhteellista kosteutta voidaan stabiilisti ohjata.

Tässä järjestelmässä osittaisen purkauksen (OP) määrän mittaamiseen käytetään pulssivirtamenetelmää. Ohjauspaneeli ohjaa jänniteohjainta ja muuntajaa tuottamaan haluttu jännite. Sitten OP-signaali lähetetään OP-detektoriin JFD - 3 kytkentäkapasiteetin ja mittariimpedanssin kautta.

Keskeytetyn kosteuttamisen avulla tekoilmastokammion suhteellinen kosteus voidaan ylläpitää vakaina. Isolatorit altistetaan jännitteelle kaksi tuntia varmistaakseen, että ne kostuvat täysin. Sitten isolatorille annetaan 12 kV jännite viiden minuutin ajan. Tässä ajassa UV-kuviot otetaan ja OP-määrä mitataan. UV-kameran kuvauksen etäisyys on 5 metriä, kulma 0° ja voitto 110 %. Toistot testit suoritetaan jokaisella suhteellisella kosteuden tasolla, joka vaihtelee 70%:sta 90%:iin, 5%:n askelin.

 UV-kuvioiden prosessointi

UV-kamera ottaa videon, joten ruutujen käsittely on tarpeen saadaksesi peräkkäisiä UV-videon ruutuja lisäanalyysiä varten. Jokainen kuvaruutu on RGB-todellinen värikuvio [3]. Isolatorin pinnan purkautuminen heijastuu UV-kuvassa kirkkaana pisteenä. Mitä voimakkaampi pinnan purkautuminen, sitä suurempi pisteen alue. Siksi kuvan esikäsittely ja kuvanjako ovat olennaisia vaiheita kuvan taustan suodattamiseksi ja pisteen osan erottamiseksi.

Koska punainen komponentti (R), vihreä komponentti (G) ja sininen komponentti (B) RGB-väriavaruudessa ilmaisevat vain punaisen, vihreän ja sinisen värisuhteet eivätkä kuvan kirkkauden, analysoimme jokaisen kuvaruudun HSL-väriavaruudessa. HSL tarkoittaa sävyä, kyllästymistä ja kirkkautta. Kuvan HSL-komponentit näkyvät kuvassa 4. Kuvasta 4 voidaan päätellä, että H tai S -komponentti ei pysty eroistamaan pistettä taustasta, kun taas L -komponentti voi suorittaa tämän eroistuksen [4].

Kuvasta 4 - c nähdään, että pisteen L -komponentti on suurempi kuin taustan. Siksi kynnysarvojen segmentointi on tehokas menetelmä pisteen osan erottamiseksi. Avain on sopivan L -komponentin kynnysarvon valitseminen. Tässä käytämme Otsun kynnysarvomenetelmää laskemaan L -komponentin kynnysarvon [5]. Otsun menetelmän Matlab-koodin toteuttamisen jälkeen optimaalinen L -komponentin kynnysarvo määräytyy 216:ksi, ja segmentointitulos näkyy kuvassa 5 - c. On selvää, että tausta on suodatettu pois, jättäen vain UV-pisteen osan.

Kuvassa 5 - c nähdään, että UV-pisteen lisäksi on vielä useita pieniä häiriöpisteitä. Ratkaistaksemme tämän, sovellamme matemaattisia morfologisia operaatioita pyörämuotoisella rakenteellisella elementillä, jonka säde on 4 pikseliä, häiriöpisteiden poistamiseksi [6]. Matemaattisen morfologian käsittelyn jälkeen tulos näkyy kuvassa 5 - d. Kaikki häiriöpisteet on poistettu, ja jäljellä on vain pisteen osa. Määrittelemme pisteen osan pikseleiden määrän tämän UV-kuvan "facula-alueeksi".

Kun facula-ala on laskettu peräkkäisille kuvaille UV-videossa, voimme saada facula-alueen käyrän. Facula-alueen käyrä 85 % kosteudella näkyy kuvassa 6. Kuvasta 6 voidaan nähdä, että facula-ala vaihtelee pienessä alueessa, ja suuri pisteen osa esiintyy ajoittain. Siksi on määritelty kolme parametria karakterisoimaan purkautumisen intensiteetti: keskiarvofacula-ala, epäjatkuvafacula-ala ja epäjatkuvafacula-osoituksen toistokerrat vastaavasti [7]. Valitsemme 100 peräkkäistä kuvaa osittaisen purkauksen jälkeen tutkimuksen kohteeksi. Keskiarvofacula-ala on 100 kuvan facula-alojen keskiarvo. Epäjatkuvafacula-ala on suurempien kuin keskiarvofacula-ala facula-alojen keskiarvo, kun taas epäjatkuvafacula-osoituksen toistokerrat on sellaisten facula-alojen määrä, joiden ala on suurempi kuin keskiarvofacula-ala. Kuvasta 6 voidaan nähdä, että keskiarvofacula-ala on 665 pikseliä. Epäjatkuvafacula-ala on 902 pikseliä. Epäjatkuvafacula-osoituksen toistokerrat on 32.

Kun kolme ominaisparametria on laskettu ja osittainen purkautuminen (OP) on mitattu samanaikaisesti, yritämme määrittää OP-määrän näiden kolmen UV-kuva-ominaisuuden avulla pienimmän neliösumman tukivektori-menetelmällä.

Valitaan 90 UV-videon näytettä. Jokaiselle näistä näytteistä lasketaan kolme UV-kuva-ominaisuutta, ja vastaava osittainen purkautuminen (OP) tallennetaan JFD3 OP-detektorilla. Vektorkoneen syötteeksi valitaan keskiarvofacula-ala, epäjatkuvafacula-ala, epäjatkuvafacula-osoituksen toistokerrat ja suhteellinen kosteus. Tulosteena on OP-määrä. Radiaalinen peruste (RBF) valitaan ydin-funktioksi. Normalisoimisen jälkeen 80 näytettä käytetään koulutukseen. Sekä ydinfunktion parametrit että vektorkoneen rangaistusparametrit asetetaan oletusarvoihin. Koulutustulos näkyy kuvassa 7.

Kuvasta 7 voidaan nähdä, että useimmissa koulutusnäytteissä virhe verrattuna mitattuun OP-määrään on suhteellisen pieni. Jotkut näytteet kuitenkin näyttävät virhettä, joka ylittää 20 %. Neliösumman keskiarvo (MSE) lasketaan seuraavasti:

Neliösumman keskiarvon (MSE) minimointi regressiotuloksen tarkkuuden parantamiseksi ja vektorkoneen tarkkuuden parantamiseksi käytetään geneettistä algoritmia (GA) ydinparametrien ja rangaistusparametrien optimointiin. [8 - 9]

Lopetusgeneraatio asetetaan 100:ksi, ja populaation koko asetetaan 20:ksi. Optimointiprosessi näkyy kuvassa 8. Kuvasta 8 voidaan nähdä, että 30 evoluutiogeneraation jälkeen MSE laskee 0.07:stä 0.01:een, mikä osoittaa, että geneettinen algoritmi on saavuttanut optimaalisenssa. [10] Optimoidut ydin- ja rangaistusparametrit ovat 0.2861 ja 82.65 vastaavasti.

Geneettisen algoritmin (GA) avulla optimoituina parametreina, samat 80 näytettä koulutetaan uudelleen, ja regressiotulos näkyy kuvassa 9. Kuvasta 9 voidaan nähdä, että lähes kaikilla näytteillä on hyvin pieni virhe verrattuna mitattuun osittaiseen purkautumiseen (OP). Neliösumman keskiarvo (MSE) on nyt 10, mikä on merkittävästi pienempi kuin 80 ennen parametrien optimointia. Siksi on selvää, että GA-parametrien optimointi voi tehokkaasti vähentää regressiotuloksen MSE:tä ja parantaa vektorkoneen tarkkuutta.

Viimeiset 10 näytettä käytetään mallin testaamiseen. Regressiotulokset näkyvät taulukossa 1. Voidaan selkeästi havaita, että regressiotulosten ja todellisen osittaisen purkautumisen (OP) määrän välinen virhe on alle 6.1 %. Tämä osoittaa, että koulutettu malli osoittaa erinomaista yleistymiskykyä.

UV-kuvantamisteknologiaa käytetään ulkonaisen vakiovirtasulun pylväsisolatorin pinnan purkautumisen havaitsemiseen. UV-kuvioiden facula-alan ja osittaisen purkautumisen määrän välisen suhteen tutkiminen pienimmän neliösumman tukivektori-menetelmällä tarjoaa uuden lähestymistavan ulkonaisen vakiovirtasulun eristävän vaurion diagnostiikkaan ultraviolettikuvaajan perusteella.

A. Kuvan käsittely ja parametrien määrittely

UV-kuvioiden L -komponentin kynnysarvosegmentoinnin ja matemaattisten morfologisten operaatioiden jälkeen UV-kuvan pisteen osa on erotettu, mikä mahdollistaa facula-alan laskemisen. Kolme parametria on määritelty purkautumisen intensiteetin kvantifiointiin: keskiarvofacula-ala, epäjatkuvafacula-ala ja epäjatkuvafacula-osoituksen toistokerrat.

B. Datan kerääminen ja analysointi

Kun UV-videot on otettu ja osittainen purkautuminen (OP) on mitattu samanaikaisesti, suhteellinen kosteus ja kolme UV-kuva-ominaisuutta käytetään syöttötiedoissa. Regressioanalyysin avulla pienimmän neliösumman tukivektori-menetelmällä, ydinparametrien optimoinnilla geneettisellä algoritmilla (GA), OP-määrä voidaan määrittää tarkasti.

C. Diagnostinen tarkkuus ja merkitys

Regressioanalyysin avulla insulatorin pinnan purkautumismäärän ja sen UV-kuvan facula-alan välisen suhteen määrittämisen jälkeen on havaittu, että pelkästään UV-kuvilta diagnoositun PD-määrän virhe on alle 6 % verrattuna mitattuun PD-määrään. Tämä tarkkuustaso täyttää käytännön sovellusten vaatimukset ja tarjoaa uuden ei-invasiivisen menetelmän ulkonaisen vakiovirtasulun eristävän vaurion diagnosoimiseksi ultraviolettikuvaajan perusteella.

Tämä tutkimus rahoitettiin Kiinan kansallisen luonnontieteiden perustason tutkimussäätiön ja sähköeristys- ja sähkövälineiden valtakunnallisesta laboratorion kautta. Kirjoittajat haluavat ilmaista vilpittömän kiitollisuutensa kaikille, jotka antoivat tukea tälle projektille.