屋外真空回路遮断器の外部絶縁の表面放電検出についての紫外線画像に基づく解析

Oliver Watts

フィールド: 点検と試験

China

屋外真空遮断器（以下、遮断器と称します）は、小型軽量で火災・爆発防止性があり、動作が滑らか、騒音が低く、開触点間隔が小さく、アーク時間も短く、メンテナンスが容易などの利点から、配電網に広く使用されています。大気汚染がますます深刻になるにつれ、濃霧、霧雨、結露、または氷の融解などの悪天候条件下では、遮断器の支柱絶縁体表面で部分放電（PD）が発生しやすくなります。これはフラッシュオーバーを引き起こす可能性があり、遮断器の耐用年数を短縮し、電力システムの安全かつ安定した動作に影響を与えます。

本論文では、ZW32-12屋外ポールマウント高圧真空遮断器（以下、HV ZW32-12遮断器と称します）を例に、多様な気象条件での試験を行います。ZW32-12遮断器の支柱絶縁体の表面放電過程はUVイメージャによってキャプチャされ、同時に放電量が測定されます。UV画像の画像処理後に特徴パラメータを抽出し、これらの画像の特徴を描画します。その後、最小二乗サポートベクターマシン法を使用して放電量を計算し、UV画像の校正を行います。これは遮断器の部分放電に対する新しい非接触検出技術を表しています。

ZW32-12遮断器は、三相50Hz 12kV ACの屋外配電装置です。主に負荷電流、過負荷電流、短絡電流の切断と閉鎖に使用されます。その構造は図1に示されています。

支柱絶縁体の放電UV画像をキャプチャしつつ部分放電（PD）量を測定するため、絶縁体表面放電試験システムが設計されました。これは図2に示されています。図2において、Tは電圧調整器、Bは昇圧変圧器、R₁は制限抵抗、C₂はPD測定用の結合コンデンサーです。

システムで使用される変圧器は、図3-aに示すYDWT-10kVA/100kVモデルです。これにより、絶縁体に必要な高電圧源が生成されます。

OFIL Superb UVイメージャを使用して絶縁体表面放電のUV画像をキャプチャします。これは図3-bに示されています。試験サンプルは、ZW32-12遮断器の支柱絶縁体で、3年間使用されており、図3-cに示されています。サンプルは相対湿度を安定的に制御できる人工気候室に配置されます。

このシステムでは、パルス電流法を採用して部分放電（PD）量を測定します。コントロールパネルが電圧調整器と変圧器を制御して所望の電圧を生成します。その後、PD信号は結合コンデンサーと検出インピーダンスを通じてJFD-3 PD検出器に送られます。

間欠的な加湿により、人工気候室内の相対湿度を安定的に保つことができます。絶縁体は2時間電圧にさらされ、完全に湿らせます。その後、絶縁体に12kVの電圧を5分間適用します。この期間中、UV画像をキャプチャし、PD量を測定します。UVイメージャの撮影距離は5mで、角度は0°、ゲインは110％です。それぞれの相対湿度レベル（70%から90%まで、5%ずつのステップアップ）で反復試験を行います。

UV画像の処理

UVイメージャはビデオをキャプチャするため、フレーム処理が必要です。UVビデオの連続フレームを取得し、さらに分析するために必要です。各画像フレームはRGB真彩色画像です[3]。絶縁体の表面放電はUV画像上で明るいスポットとして現れます。表面放電が強ければ強いほど、スポット領域は大きくなります。そのため、画像前処理と画像分割は背景をフィルタリングし、スポット部分を抽出するために重要な手順です。

RGB色空間の赤成分（R）、緑成分（G）、青成分（B）は、赤、緑、青の色比しか示さず、画像の明るさを表現できません。そこで、各画像フレームをHSL色空間で分析します。HSLはそれぞれ色調、彩度、明度を表します。画像フレームのHSL成分は図4に示されています。図4によれば、HまたはS成分はスポットと背景を区別できない一方、L成分はこの区別を行うことができます[4]。

図4-cから明らかなように、スポット部分のL成分は背景よりも大きいです。したがって、閾値分割はスポット部分を抽出する効果的な方法です。ここでは、Otsuの閾値決定法を使用してL成分の閾値を計算します[5]。Matlabコードを実装してOtsu法を適用すると、最適なL成分の閾値は216となり、分割結果は図5-cに示されています。背景がフィルタリングされ、UVスポット部分のみが残っていることがわかります。

図5-cに示すように、UVスポット部分以外にも多くの小さなノイズ点があります。これを解決するために、半径4ピクセルの円形の構造要素を使用して数学的形態学演算を行い、これらのノイズ点を取り除きます[6]。数学的形態学処理後の結果は図5-dに示されています。すべてのノイズ点が除去され、スポット部分のみが残っています。スポット部分のピクセル数をこのUV画像の「ファクラ面積」と定義します。

UVビデオの連続フレームのファクラ面積を計算することで、ファクラ面積曲線を得ることができます。85％の湿度におけるファクラ面積曲線は図6に示されています。図6によれば、ファクラ面積は小さな範囲内で変動し、時折大きなスポットが現れます。したがって、放電強度を特徴付けるために、平均ファクラ面積、間欠ファクラ面積、および間欠ファクラの繰り返し回数という3つのパラメータを定義します[7]。部分放電が発生した後、100フレームの連続画像を選択して研究対象とします。平均ファクラ面積は100フレームのファクラ面積の平均です。間欠ファクラ面積は、平均ファクラ面積よりも大きいファクラ面積の平均であり、間欠ファクラの繰り返し回数は、平均ファクラ面積よりも大きいファクラの数です。図6によれば、平均ファクラ面積は665ピクセル、間欠ファクラ面積は902ピクセル、間欠ファクラの繰り返し回数は32です。

3つの特性パラメータを計算し、部分放電（PD）量を同期して測定した後、これらの3つのUV画像パラメータを使用して、最小二乗サポートベクターマシン法でPD量を決定しようとします。

90個のUVビデオサンプルを選択しました。これらのサンプルの各フレームに対して3つのUV画像パラメータを計算し、JFD3 PD検出器で対応する部分放電（PD）量を記録しました。ベクターマシンの入力引数は、平均ファクラ面積、間欠ファクラ面積、間欠ファクラの繰り返し回数、および相対湿度です。出力引数はPD量です。カーネル関数にはRadial Basis Function (RBF)を選択しました。正規化後、80サンプルを使用して訓練を行いました。ベクターマシンのカーネルパラメータと罰則パラメータはデフォルト値に設定されました。訓練結果は図7に示されています。

図7に示すように、ほとんどの訓練サンプルでは、測定されたPD量との誤差は比較的小さいです。ただし、一部のサンプルでは誤差が20％を超えることもあります。平均二乗誤差（MSE）は以下の通り計算されます：

回帰結果の平均二乗誤差（MSE）を最小化し、ベクターマシンの精度を向上させるために、遺伝的アルゴリズム（GA）を使用してカーネルパラメータと罰則パラメータを最適化します[8-9]。

終了世代は100に設定し、集団サイズは20に設定しました。最適化プロセスは図8に示されています。図8に示すように、30世代の進化後、MSEは0.07から0.01に減少し、遺伝的アルゴリズムが最適点に達したことを示しています[10]。最適化されたカーネルと罰則パラメータはそれぞれ0.2861と82.65です。

遺伝的アルゴリズム（GA）を使用してパラメータを最適化した後、同じ80サンプルを再トレーニングし、回帰結果は図9に示されています。図9から明らかなように、ほぼすべてのサンプルで測定された部分放電（PD）量と比較して非常に小さな誤差が見られます。平均二乗誤差（MSE）は現在10であり、パラメータ最適化前の80よりも大幅に小さくなっています。したがって、GAパラメータの最適化が回帰結果のMSEを効果的に削減し、ベクターマシンの精度を向上させることを明らかにしています。