Deteksi Pembuangan Permukaan dari Isolasi Eksternal Pemutus Sirkuit Vakum Outdoor Berdasarkan Imaging Ultraviolet
Pemutus sirkuit vakum luar ruangan (selanjutnya disebut pemutus) banyak digunakan dalam jaringan distribusi karena keunggulannya seperti ukuran kecil, berat ringan, tahan api dan ledakan, operasi yang mulus, suara rendah, celah kontak terbuka kecil, waktu busur pendek, dan perawatan mudah. Seiring meningkatnya polusi atmosfer, pada kondisi cuaca buruk seperti kabut tebal, gerimis, embun, atau pencairan es, kemungkinan terjadi pelepasan parsial (PD) pada permukaan isolator tiang pemutus. Hal ini bahkan dapat menyebabkan flashover, mempersingkat masa pakai pemutus, dan mempengaruhi operasi aman dan stabil sistem tenaga listrik.
Dalam makalah ini, ZW32 - 12 pemutus sirkuit vakum luar ruangan tiang (selanjutnya disebut HV ZW32 - 12 pemutus) dijadikan contoh, mengalami uji coba dalam berbagai kondisi iklim. Proses pelepasan permukaan isolator ZW32 - 12 pemutus ditangkap oleh kamera UV, sementara jumlah pelepasan diukur secara bersamaan. Setelah pengolahan gambar dari gambar UV, parameter karakteristik diekstrak untuk menggambarkan fitur-fitur gambar tersebut. Kemudian, jumlah pelepasan dihitung menggunakan metode mesin vektor pendukung kuadrat terkecil, memungkinkan kalibrasi gambar UV. Ini mewakili teknik deteksi non-kontak baru untuk pelepasan parsial pemutus.
ZW32 - 12 pemutus adalah perangkat distribusi daya luar ruangan AC tiga fase, 50Hz, 12kV. Pemutus ini utamanya digunakan untuk memutus dan menutup arus beban, arus overload, dan arus pendek. Strukturnya digambarkan dalam Gambar 1.
Untuk menangkap gambar UV pelepasan isolator tiang dan mengukur jumlah pelepasan parsial (PD) secara bersamaan, sistem uji pelepasan permukaan isolator dirancang, seperti yang ditunjukkan dalam Gambar 2. Dalam Gambar 2, T mewakili regulator tegangan, B adalah transformator step-up, R₁ adalah resistor pembatas, dan C₂ adalah kapasitor coupling, yang digunakan untuk sampling pengukuran PD.
Transformator yang digunakan dalam sistem ini adalah model YDWT - 10kVA/100kV, seperti yang ditunjukkan dalam Gambar 3 - a. Transformator ini digunakan untuk menghasilkan sumber tegangan tinggi yang diperlukan untuk isolator.
Kamera UV OFIL Superb digunakan untuk menangkap gambar UV pelepasan permukaan isolator, seperti yang ditunjukkan dalam Gambar 3 - b. Sampel uji adalah isolator tiang dari pemutus ZW32 - 12 yang telah beroperasi selama tiga tahun, seperti yang ditunjukkan dalam Gambar 3 - c. Sampel ditempatkan dalam ruang iklim buatan, di mana kelembaban relatif dapat dikendalikan dengan stabil.
Dalam sistem ini, metode arus pulsa digunakan untuk mengukur jumlah pelepasan parsial (PD). Konsol mengontrol regulator tegangan dan transformator untuk menghasilkan tegangan yang diinginkan. Selanjutnya, sinyal PD dikirim ke detektor PD JFD - 3 melalui kapasitor coupling dan impedansi deteksi.
Melalui humidifikasi intermiten, kelembaban relatif dalam ruang iklim buatan dapat dipertahankan pada tingkat yang stabil. Isolator diberi tegangan selama dua jam untuk memastikan mereka basah sepenuhnya. Kemudian, tegangan 12kV diterapkan pada isolator selama 5 menit. Selama periode ini, gambar UV ditangkap, dan jumlah PD diukur. Jarak pengambilan gambar kamera UV adalah 5 meter, dengan sudut 0° dan gain 110%. Uji coba diulang pada setiap tingkat kelembaban relatif, yang berkisar dari 70% hingga 90%, dengan proses naik sebesar 5%.
Proses gambar UV
Kamera UV menangkap video, sehingga diperlukan pemrosesan frame untuk mendapatkan frame berturut-turut dari video UV untuk analisis lebih lanjut. Setiap frame gambar adalah gambar warna asli RGB [3]. Pelepasan permukaan isolator tercermin pada gambar UV sebagai titik terang. Semakin intens pelepasan permukaan, semakin besar area titik. Oleh karena itu, pre-processing gambar dan segmentasi gambar merupakan langkah-langkah penting untuk menyaring latar belakang gambar dan mengekstrak bagian titik.
Karena komponen merah (R), hijau (G), dan biru (B) dalam ruang warna RGB hanya menunjukkan rasio warna merah, hijau, dan biru dan tidak dapat mewakili kecerahan gambar, kami menganalisis setiap frame gambar dalam ruang warna HSL. HSL masing-masing berarti Hue, Saturation, dan Luminance. Komponen HSL dari sebuah frame gambar ditunjukkan dalam Gambar 4. Berdasarkan Gambar 4, dapat ditentukan bahwa komponen H atau S tidak dapat membedakan titik dari latar belakang, sementara komponen L dapat melakukan diskriminasi ini [4].
Seperti yang terlihat dari Gambar 4 - c, komponen L dari bagian titik lebih besar daripada latar belakang. Oleh karena itu, segmentasi ambang batas adalah metode efektif untuk mengekstrak bagian titik. Kunci terletak pada pemilihan ambang batas komponen L yang tepat. Di sini, kami menggunakan metode ambang batas Otsu untuk menghitung ambang batas komponen L [5]. Setelah implementasi kode Matlab untuk metode Otsu, ambang batas komponen L optimal ditentukan sebesar 216, dan hasil segmentasi ditampilkan dalam Gambar 5 - c. Jelas bahwa latar belakang telah difilter, hanya menyisakan bagian titik UV.
Seperti yang ditunjukkan dalam Gambar 5 - c, selain bagian titik UV, masih ada banyak titik noise kecil. Untuk mengatasi hal ini, kami menerapkan operasi morfologi matematika dengan elemen struktural berbentuk lingkaran dengan radius 4 piksel untuk menghilangkan titik noise tersebut [6]. Setelah pemrosesan morfologi matematika, hasilnya ditunjukkan dalam Gambar 5 - d. Semua titik noise telah dihilangkan, dan hanya bagian titik yang tersisa. Kami mendefinisikan jumlah piksel dalam bagian titik sebagai "luas facula" dari gambar UV ini.
Setelah menghitung luas facula untuk frame berturut-turut dalam video UV, kita dapat memperoleh kurva luas facula. Kurva luas facula pada kelembaban 85% ditunjukkan dalam Gambar 6. Seperti yang ditunjukkan oleh Gambar 6, luas facula berfluktuasi dalam rentang kecil, dengan spot berukuran besar muncul sesekali. Oleh karena itu, tiga parameter didefinisikan untuk menggambarkan intensitas pelepasan: rata-rata luas facula, luas facula intermiten, dan frekuensi ulang facula intermiten masing-masing [7]. Kami memilih 100 frame berturut-turut setelah terjadinya pelepasan parsial sebagai objek studi. Rata-rata luas facula adalah rata-rata dari area 100 frame facula. Luas facula intermiten adalah rata-rata dari area facula yang lebih besar dari rata-rata luas facula, sementara frekuensi ulang facula intermiten adalah jumlah facula dengan area lebih besar dari rata-rata luas facula. Menurut Gambar 6, rata-rata luas facula adalah 665 piksel. Luas facula intermiten adalah 902 piksel. Frekuensi ulang facula intermiten adalah 32.
Setelah tiga parameter karakteristik dihitung dan jumlah pelepasan parsial (PD) diukur secara bersamaan, kami mencoba menentukan jumlah PD menggunakan tiga parameter gambar UV ini melalui metode mesin vektor pendukung kuadrat terkecil.
Sembilan puluh sampel video UV dipilih. Untuk setiap frame dari sampel-sampel ini, tiga parameter gambar UV dihitung, dan jumlah pelepasan parsial (PD) yang sesuai dicatat oleh detektor PD JFD3. Argumen masukan untuk mesin vektor dipilih sebagai rata-rata luas facula, luas facula intermiten, frekuensi ulang facula intermiten, dan kelembaban relatif. Argumen keluaran adalah jumlah PD. Fungsi kernel Basis Radial (RBF) dipilih sebagai fungsi kernel. Setelah normalisasi, 80 sampel digunakan untuk pelatihan. Parameter kernel dan parameter hukuman mesin vektor diatur ke nilai default. Hasil pelatihan ditunjukkan dalam Gambar 7.
Seperti yang ditunjukkan dalam Gambar 7, untuk sebagian besar sampel pelatihan, kesalahan dibandingkan dengan jumlah PD yang diukur relatif kecil. Namun, untuk beberapa sampel, kesalahan melebihi 20%. Mean Square Error (MSE) dihitung sebagai berikut:
Untuk meminimalkan Mean Square Error (MSE) dari hasil regresi dan meningkatkan akurasi mesin vektor, algoritma genetika (GA) digunakan untuk mengoptimalkan parameter kernel dan hukuman. [8 - 9]
Generasi terminasi ditetapkan menjadi 100, dan ukuran populasi ditetapkan menjadi 20. Proses optimasi ditunjukkan dalam Gambar 8. Seperti yang ditunjukkan dalam Gambar 8, setelah 30 generasi evolusi, MSE menurun dari 0,07 menjadi 0,01, menunjukkan bahwa algoritma genetika telah mencapai titik optimalnya. [10] Parameter kernel dan hukuman yang dioptimalkan adalah 0,2861 dan 82,65 masing-masing.
Setelah mengoptimalkan parameter menggunakan algoritma genetika (GA), 80 sampel yang sama direlatifkan kembali, dan hasil regresi ditampilkan dalam Gambar 9. Seperti yang terlihat dari Gambar 9, hampir semua sampel menunjukkan kesalahan yang sangat kecil dibandingkan dengan jumlah pelepasan parsial (PD) yang diukur. Mean Square Error (MSE) sekarang 10, yang jauh lebih kecil dari nilai 80 sebelum optimasi parameter. Oleh karena itu, jelas bahwa mengoptimalkan parameter GA dapat secara efektif mengurangi MSE dari hasil regresi dan meningkatkan akurasi mesin vektor.
Sepuluh sampel terakhir digunakan untuk menguji model. Hasil regresi ditampilkan dalam Tabel 1. Jelas terlihat bahwa kesalahan antara hasil regresi dan jumlah pelepasan parsial (PD) yang sebenarnya kurang dari 6,1%. Temuan ini menunjukkan bahwa model yang dilatih memiliki kemampuan generalisasi yang baik.
Teknologi pencitraan UV digunakan untuk mendeteksi pelepasan permukaan isolator tiang pemutus sirkuit vakum luar ruangan. Hubungan antara luas facula dalam gambar UV dan jumlah pelepasan parsial dieksplorasi melalui metode mesin vektor pendukung kuadrat terkecil, menawarkan pendekatan baru untuk diagnosis kerusakan isolasi pada pemutus sirkuit vakum luar ruangan berbasis pencitraan ultraviolet.
A. Pengolahan Gambar dan Definisi Parameter
Setelah melakukan segmentasi ambang batas komponen L dan operasi morfologi matematika pada gambar UV, bagian titik dari gambar UV diekstrak, memungkinkan perhitungan luas facula. Tiga parameter didefinisikan untuk mengkuantifikasi intensitas pelepasan: rata-rata luas facula, luas facula intermiten, dan frekuensi ulang facula intermiten.
B. Pengumpulan Data dan Analisis
Setelah video UV ditangkap dan jumlah pelepasan parsial (PD) diukur secara bersamaan, kelembaban relatif dan tiga parameter fitur gambar UV digunakan sebagai variabel masukan. Melalui analisis regresi melalui mesin vektor pendukung kuadrat terkecil, serta optimasi parameter kernel menggunakan algoritma genetika (GA), jumlah PD dapat ditentukan dengan akurat.
C. Akurasi Diagnosis dan Signifikansi
Dengan melakukan analisis regresi untuk menetapkan hubungan antara jumlah pelepasan permukaan isolator dan luas facula gambar UV, ditemukan bahwa jumlah PD yang didiagnosis hanya dari gambar UV memiliki kesalahan kurang dari 6% dibandingkan dengan jumlah PD yang diukur. Tingkat akurasi ini memenuhi persyaratan aplikasi praktis dan memberikan metode non-invasif baru untuk mendiagnosis kerusakan isolasi eksternal pada pemutus sirkuit vakum luar ruangan berbasis pencitraan ultraviolet.
Penelitian ini didanai oleh Yayasan Ilmu Pengetahuan Nasional China dan Laboratorium Kunci Negara untuk Insulasi Listrik dan Perangkat Tenaga. Para penulis ingin menyampaikan ucapan terima kasih yang tulus kepada semua pihak yang memberikan dukungan untuk proyek ini.
