Detección de descargas superficiais na aislación externa do interruptor de corrente de vacío ao aire libre baseada en imaxe ultravioleta
Os interruptores de circuito de vacío exteriores (en adelante, interruptores) son ampliamente utilizados en la red de distribución debido a sus ventajas como tamaño reducido, peso ligero, naturaleza ignífuga y antideflagrante, operación suave, bajo ruido, pequeña separación de contacto abierto, corto tiempo de arco y fácil mantenimiento. A medida que la contaminación atmosférica se vuelve cada vez más severa, en condiciones meteorológicas adversas como neblina densa, llovizna, condensación o fusión de hielo, es probable que ocurra una descarga parcial (DP) en la superficie del aislador del poste del interruptor. Esto incluso puede llevar a flashovers, acortando la vida útil de los interruptores e influyendo en la operación segura y estable del sistema eléctrico.
En este artículo, el interruptor de circuito de vacío de alta tensión ZW32-12 montado en poste exterior (en adelante, HV ZW32-12) se utiliza como ejemplo, sometiéndolo a pruebas en diversas condiciones climáticas. El proceso de descarga superficial del aislador del poste del interruptor ZW32-12 se captura mediante un imager UV, mientras que simultáneamente se mide la cantidad de descarga. Tras el procesamiento de imágenes UV, se extraen parámetros característicos para describir las características de estas imágenes. Posteriormente, se calcula la cantidad de descarga utilizando el método de máquina de vectores de soporte por mínimos cuadrados, lo que permite la calibración de las imágenes UV. Esto representa una técnica de detección no invasiva novedosa para la descarga parcial de interruptores.
El interruptor ZW32-12 es un dispositivo trifásico de distribución de energía AC de 50Hz, 12kV al aire libre. Se utiliza principalmente para interrumpir y cerrar corriente de carga, corriente de sobrecarga y corriente de cortocircuito. Su estructura se ilustra en la Fig. 1.
Para capturar simultáneamente la imagen UV de descarga del aislador del poste y medir la cantidad de descarga parcial (DP), se diseña un sistema de prueba de descarga superficial del aislador, como se muestra en la Fig. 2. En la Fig. 2, T representa el regulador de voltaje, B es el transformador elevador, R₁ es el resistor limitador, y C₂ es el capacitor de acoplamiento, que se utiliza para muestrear la medición de DP.
El transformador utilizado en el sistema es un modelo YDWT-10kVA/100kV, como se muestra en la Fig. 3-a. Se utiliza para generar la fuente de alta tensión necesaria para el aislador.
Se utiliza un imager UV OFIL Superb para capturar las imágenes UV de la descarga superficial del aislador, como se muestra en la Fig. 3-b. La muestra de prueba es el aislador del poste de un interruptor ZW32-12 que ha estado en servicio durante tres años, como se muestra en la Fig. 3-c. La muestra se coloca dentro de una cámara climática artificial, donde se puede controlar de manera estable la humedad relativa.
En este sistema, se adopta el método de corriente de pulso para medir la cantidad de descarga parcial (DP). La consola controla el regulador de voltaje y el transformador para generar la tensión deseada. Posteriormente, la señal de DP se transmite al detector JFD-3 a través de un capacitor de acoplamiento y una impedancia de detección.
A través de la humectación intermitente, se puede mantener la humedad relativa dentro de la cámara climática artificial a un nivel estable. Los aisladores se exponen a una tensión durante dos horas para asegurarse de que estén completamente húmedos. Luego, se aplica una tensión de 12kV al aislador durante 5 minutos. Durante este período, se capturan imágenes UV y se mide la cantidad de DP. La distancia de disparo del imager UV es de 5 metros, con un ángulo de 0° y un ganancia del 110%. Se realizan pruebas repetidas en cada nivel de humedad relativa, que varía desde el 70% hasta el 90%, con un incremento de 5%.
Proceso de imágenes UV
El imager UV capta un video, por lo que es necesario el procesamiento de fotogramas para obtener fotogramas consecutivos del video UV para un análisis posterior. Cada fotograma de imagen es una imagen RGB a color verdadero [3]. La descarga superficial del aislador se refleja en la imagen UV como un punto brillante. Cuanto más intensa sea la descarga superficial, mayor será el área del punto. Por lo tanto, los pasos de preprocesamiento de imágenes y segmentación de imágenes son esenciales para filtrar el fondo de la imagen y extraer la parte del punto.
Dado que los componentes rojo (R), verde (G) y azul (B) en el espacio de color RGB solo indican la proporción de color de rojo, verde y azul y no pueden representar el brillo de la imagen, analizamos cada fotograma de imagen en el espacio de color HSL. HSL significa Matiz, Saturación y Luminancia respectivamente. Los componentes HSL de un fotograma de imagen se muestran en la Fig. 4. Según la Fig. 4, podemos determinar que los componentes H o S no pueden distinguir el punto del fondo, mientras que el componente L puede realizar esta discriminación [4].
Como se puede ver en la Fig. 4-c, el componente L de la parte del punto es mayor que el del fondo. Por lo tanto, la segmentación por umbral es un método efectivo para extraer la parte del punto. La clave está en elegir un umbral adecuado para el componente L. Aquí, utilizamos el método de umbral de Otsu para calcular el umbral del componente L [5]. Después de implementar la codificación de Matlab para el método de Otsu, se determina que el umbral óptimo del componente L es 216, y el resultado de la segmentación se presenta en la Fig. 5-c. Es evidente que se ha filtrado el fondo, quedando solo la parte del punto UV.
Como se muestra en la Fig. 5-c, además de la parte del punto UV, aún hay numerosos puntos de ruido pequeños. Para abordar esto, aplicamos operaciones de morfología matemática con un elemento estructural en forma de círculo con un radio de 4 píxeles para eliminar estos puntos de ruido [6]. Después del procesamiento de morfología matemática, el resultado se muestra en la Fig. 5-d. Todos los puntos de ruido han sido eliminados, quedando solo la parte del punto. Definimos el número de píxeles en la parte del punto como el "área de facula" de esta imagen UV.
Después de calcular el área de facula para fotogramas consecutivos en un video UV, se puede obtener la curva de área de facula. La curva de área de facula a una humedad relativa del 85% se muestra en la Fig. 6. Como indica la Fig. 6, el área de facula fluctúa en un rango pequeño, con un punto de gran tamaño emergiendo ocasionalmente. Por lo tanto, se definen tres parámetros para caracterizar la intensidad de la descarga: el área de facula media, el área de facula intermitente y el número de veces de facula intermitente respectivamente [7]. Seleccionamos 100 fotogramas consecutivos después de la ocurrencia de la descarga parcial como objetos de estudio. El área de facula media es el promedio de las áreas de las faculas de 100 fotogramas. El área de facula intermitente es el promedio de las áreas de las faculas que son mayores que el área de facula media, mientras que el número de veces de facula intermitente es el número de faculas con un área mayor que el área de facula media. Según la Fig. 6, el área de facula media es de 665 píxeles. El área de facula intermitente es de 902 píxeles. El número de veces de facula intermitente es 32.
Una vez calculados los tres parámetros característicos y medido simultáneamente la cantidad de descarga parcial (DP), intentamos determinar la cantidad de DP utilizando estos tres parámetros de imagen UV a través del método de máquina de vectores de soporte por mínimos cuadrados.
Se seleccionan 90 muestras de videos UV. Para cada fotograma de estas muestras, se calculan tres parámetros de imagen UV, y se registra la cantidad de descarga parcial (DP) correspondiente detectada por el detector JFD3. Los argumentos de entrada para la máquina de vectores se eligen como el área de facula media, el área de facula intermitente, el número de veces de facula intermitente y la humedad relativa. El argumento de salida es la cantidad de DP. Se selecciona la función de base radial (RBF) como la función de kernel. Después de la normalización, se utilizan 80 muestras para el entrenamiento. Tanto los parámetros del kernel como los parámetros de castigo de la máquina de vectores se establecen en valores predeterminados. El resultado del entrenamiento se muestra en la Fig. 7.
Como se muestra en la Fig. 7, para la mayoría de las muestras de entrenamiento, el error en comparación con la cantidad de DP medida es relativamente pequeño. Sin embargo, para algunas muestras, el error supera el 20%. El Error Cuadrático Medio (ECM) se calcula de la siguiente manera:
Para minimizar el Error Cuadrático Medio (ECM) del resultado de regresión y mejorar la precisión de la máquina de vectores, se emplea un algoritmo genético (AG) para optimizar los parámetros del kernel y los parámetros de castigo. [8-9]
La generación de terminación se establece en 100, y el tamaño de la población se establece en 20. El proceso de optimización se ilustra en la Fig. 8. Como se muestra en la Fig. 8, después de 30 generaciones de evolución, el ECM disminuye de 0.07 a 0.01, lo que indica que el algoritmo genético ha alcanzado su punto óptimo. [10] Los parámetros de kernel y castigo optimizados son 0.2861 y 82.65 respectivamente.
Después de optimizar los parámetros utilizando el algoritmo genético (AG), se reentrenan las mismas 80 muestras, y el resultado de regresión se presenta en la Fig. 9. Como se puede ver en la Fig. 9, casi todas las muestras presentan un error muy pequeño en comparación con la cantidad de descarga parcial (DP) medida. El Error Cuadrático Medio (ECM) ahora es 10, que es significativamente menor que el valor de 80 antes de la optimización de parámetros. Por lo tanto, es evidente que la optimización de los parámetros AG puede reducir eficazmente el ECM del resultado de regresión y mejorar la precisión de la máquina de vectores.
Las últimas 10 muestras se utilizan para realizar una prueba en el modelo. Los resultados de regresión se presentan en la Tabla 1. Se puede observar claramente que el error entre los resultados de regresión y la cantidad real de descarga parcial (DP) es inferior al 6.1%. Este hallazgo indica que el modelo entrenado demuestra una excelente capacidad de generalización.
La tecnología de imagen UV se utiliza para detectar la descarga superficial de los aisladores de poste de interruptores de vacío exteriores. Se explora la relación entre el área de facula en las imágenes UV y la cantidad de descarga parcial a través del método de máquina de vectores de soporte por mínimos cuadrados, ofreciendo un enfoque novedoso para el diagnóstico de fallos de aislamiento en interruptores de vacío exteriores basado en imágenes ultravioletas.
A. Procesamiento de imágenes y definición de parámetros
Después de realizar la segmentación por umbral del componente L y las operaciones de morfología matemática en las imágenes UV, se extrae la parte del punto de la imagen UV, permitiendo el cálculo del área de facula. Se definen tres parámetros para cuantificar la intensidad de la descarga: el área de facula media, el área de facula intermitente y el número de veces de facula intermitente.
B. Adquisición y análisis de datos
Una vez capturados los videos UV y medida simultáneamente la cantidad de descarga parcial (DP), se utilizan la humedad relativa y los tres parámetros característicos de la imagen UV como variables de entrada. A través del análisis de regresión mediante la máquina de vectores de soporte por mínimos cuadrados, junto con la optimización de los parámetros del kernel utilizando un algoritmo genético (AG), se puede determinar con precisión la cantidad de DP.
C. Precisión diagnóstica y significado
Al realizar un análisis de regresión para establecer la relación entre la cantidad de descarga superficial del aislador y su área de facula en la imagen UV, se encuentra que la cantidad de DP diagnosticada únicamente a partir de las imágenes UV tiene un error inferior al 6% en comparación con la cantidad de DP medida. Este nivel de precisión cumple con los requisitos de las aplicaciones prácticas y proporciona un nuevo método no invasivo para diagnosticar fallos de aislamiento externo en interruptores de vacío exteriores basado en imágenes ultravioletas.
Esta investigación fue financiada por la Fundación Nacional de Ciencias Naturales de China y el Laboratorio Estatal Clave de Aislamiento Eléctrico y Equipos de Potencia. Los autores desean expresar su sincera gratitud a todos aquellos que proporcionaron apoyo para este proyecto.
