외부 절연체의 표면 방전 검출을 위한 자외선 영상 기반의 야외 진공 회로 차단기

외부 진공 회로 차단기는 크기가 작고, 무게가 가볍고, 화재 및 폭발 방지 성능, 부드러운 작동, 낮은 소음, 작은 접점 간격, 짧은 전호 시간, 유지 보수 용이성 등의 장점으로 인해 배전망에서 널리 사용되고 있습니다. 대기오염이 점점 심각해짐에 따라 농무, 이슬, 결로, 또는 녹음과 같은 악천후 조건에서 차단기의 기둥 절연체 표면에서 부분 방전(PD)이 발생할 가능성이 있으며, 이는 번개와 같은 현상을 일으켜 차단기의 수명을 단축시키고 전력 시스템의 안정적이고 안전한 운영에 영향을 미칠 수 있습니다.

본 논문에서는 ZW32-12 외부 기둥형 고압 진공 회로 차단기(이하 HV ZW32-12 차단기)를 예로 다양한 기후 조건에서 실험을 수행합니다. ZW32-12 차단기의 기둥 절연체 표면 방전 과정은 UV 이미저로 캡처되며 동시에 방전량이 측정됩니다. UV 이미지의 영상 처리 후 특징 파라미터를 추출하여 이러한 이미지의 특성을 묘사합니다. 그 후 최소 제곱 서포트 벡터 머신 방법을 사용하여 방전량을 계산하여 UV 이미지를 교정합니다. 이것은 차단기의 부분 방전을 위한 새로운 비접촉 검출 기술입니다.

ZW32-12 차단기는 50Hz, 12kV AC 외부 전력 분배 장치로, 주로 부하 전류, 과부하 전류, 단락 전류를 차단하고 닫는 데 사용됩니다. 그 구조는 도 1에 나타져 있습니다.

기둥 절연체의 방전 UV 이미지를 동시에 캡처하고 부분 방전(PD) 양을 측정하기 위해 절연체 표면 방전 테스트 시스템이 설계되었습니다. 도 2에 나타져 있습니다. 도 2에서 T는 전압 조절기, B는 승압 변압기, R₁은 제한 저항, C₂는 PD 측정을 위한 샘플링에 사용되는 커플링 커패시터입니다.

시스템에서 사용된 변압기는 YDWT-10kVA/100kV 모델로, 도 3-a에 나타져 있습니다. 절연체에 필요한 고압원을 생성하는 데 사용됩니다.

OFIL Superb UV 이미저는 절연체 표면 방전의 UV 이미지를 캡처하는 데 사용되며, 도 3-b에 나타져 있습니다. 테스트 샘플은 3년 동안 사용된 ZW32-12 차단기의 기둥 절연체이며, 도 3-c에 나타져 있습니다. 샘플은 상대 습도를 안정적으로 제어할 수 있는 인공 기후 실 내에 배치됩니다.

이 시스템에서는 펄스 전류 방법을 사용하여 부분 방전(PD) 양을 측정합니다. 콘솔은 전압 조절기와 변압기를 제어하여 원하는 전압을 생성합니다. 그런 다음 PD 신호는 커플링 커패시터와 검출 임피던스를 통해 JFD-3 PD 검출기에 전송됩니다.

간헐적인 가습을 통해 인공 기후 실 내의 상대 습도를 안정적으로 유지할 수 있습니다. 절연체는 2시간 동안 전압에 노출되어 충분히 젖게 합니다. 그런 다음 12kV의 전압을 5분 동안 절연체에 적용합니다. 이 기간 동안 UV 이미지를 캡처하고 PD 양을 측정합니다. UV 이미저의 촬영 거리는 5m, 각도는 0°, 게인은 110%입니다. 70%부터 90%까지 5%씩 증가하며 각 상대 습도 수준에서 반복 실험이 수행됩니다.

 UV 이미지 처리

UV 이미저는 비디오를 캡처하므로 프레임 처리가 필요하여 UV 비디오의 연속 프레임을 가져와 추가 분석을 할 수 있습니다. 각 이미지 프레임은 RGB 참색 이미지[3]입니다. 절연체의 표면 방전은 UV 이미지에서 밝은 점으로 나타납니다. 표면 방전이 강할수록 점의 면적이 커집니다. 따라서 이미지 사전 처리와 이미지 분할은 이미지 배경을 필터링하고 점 부분을 추출하는 데 필수적인 단계입니다.

RGB 색 공간의 빨간색(R), 초록색(G), 파란색(B) 성분은 빨강, 초록, 파랑의 색 비율만 나타내며 이미지의 밝기를 나타내지 못하므로 HSL 색 공간에서 각 이미지 프레임을 분석합니다. HSL은 Hue, Saturation, Luminance를 의미합니다. 이미지 프레임의 HSL 성분은 도 4에 표시되어 있습니다. 도 4에 따르면 H 또는 S 성분은 점과 배경을 구분할 수 없지만, L 성분은 이를 구분할 수 있습니다[4].

도 4-c에서 볼 수 있듯이, 점 부분의 L 성분은 배경보다 큽니다. 따라서 임계값 분할은 점 부분을 추출하는 효과적인 방법입니다. 여기서 중요한 것은 적절한 L 성분 임계값을 선택하는 것입니다. 여기에서는 Otsu의 임계값 방법을 사용하여 L 성분 임계값을 계산합니다[5]. Matlab 코딩을 통해 Otsu의 방법을 구현한 결과, 최적의 L 성분 임계값은 216이며, 분할 결과는 도 5-c에 표시되어 있습니다. 배경이 필터링되어 UV 점 부분만 남아 있음을 확인할 수 있습니다.

도 5-c에서 볼 수 있듯이, UV 점 부분 외에도 많은 작은 노이즈 포인트가 있습니다. 이를 해결하기 위해 반경 4 픽셀의 원 형태의 구조 요소를 사용하여 수학적 형태학 연산을 적용하여 이러한 노이즈 포인트를 제거합니다[6]. 수학적 형태학 처리 후 결과는 도 5-d에 표시되어 있습니다. 모든 노이즈 포인트가 제거되고 점 부분만 남아 있습니다. 점 부분의 픽셀 수를 이 UV 이미지의 "광점 면적"으로 정의합니다.

UV 비디오의 연속 프레임에서 광점 면적을 계산하면 광점 면적 곡선을 얻을 수 있습니다. 85% 습도에서의 광점 면적 곡선은 도 6에 표시되어 있습니다. 도 6에서 볼 수 있듯이, 광점 면적은 작은 범위 내에서 변동하며, 때때로 큰 점이 나타납니다. 따라서 방전 강도를 특성화하기 위해 세 가지 매개변수를 정의합니다: 평균 광점 면적, 간헐적 광점 면적, 간헐적 광점의 반복 횟수[7]입니다. 부분 방전이 발생한 후 100개의 연속 프레임을 연구 대상으로 선택합니다. 평균 광점 면적은 100개 프레임의 광점 면적의 평균입니다. 간헐적 광점 면적은 평균 광점 면적보다 큰 광점 면적의 평균이며, 간헐적 광점의 반복 횟수는 평균 광점 면적보다 큰 광점의 수입니다. 도 6에 따르면, 평균 광점 면적은 665 픽셀, 간헐적 광점 면적은 902 픽셀, 간헐적 광점의 반복 횟수는 32입니다.

세 가지 특성 매개변수를 계산하고 부분 방전(PD) 양을 동시에 측정한 후, 최소 제곱 서포트 벡터 머신 방법을 통해 이 세 가지 UV 이미지 매개변수를 사용하여 PD 양을 결정하려고 합니다.

90개의 UV 비디오 샘플을 선택합니다. 각 샘플의 모든 프레임에 대해 세 가지 UV 이미지 매개변수를 계산하고, JFD3 PD 검출기를 통해 해당하는 부분 방전(PD) 양을 기록합니다. 벡터 머신의 입력 인수는 평균 광점 면적, 간헐적 광점 면적, 간헐적 광점의 반복 횟수, 상대 습도로 선택됩니다. 출력 인수는 PD 양입니다. 커널 함수로 Radial Basis Function (RBF)을 선택합니다. 정규화 후 80개의 샘플을 학습에 사용합니다. 벡터 머신의 커널 매개변수와 처벌 매개변수는 기본 값으로 설정됩니다. 학습 결과는 도 7에 표시되어 있습니다.

도 7에서 볼 수 있듯이, 대부분의 학습 샘플에 대해서는 측정된 PD 양과 비교한 오차가 상대적으로 작습니다. 그러나 일부 샘플의 경우 오차가 20%를 초과합니다. 평균 제곱 오차(MSE)는 다음과 같이 계산됩니다:

회귀 결과의 평균 제곱 오차(MSE)를 최소화하고 벡터 머신의 정확도를 향상시키기 위해 유전자 알고리즘(GA)을 사용하여 커널 매개변수와 처벌 매개변수를 최적화합니다. [8 - 9]

종료 세대는 100으로, 집단 크기는 20으로 설정됩니다. 최적화 과정은 도 8에 표시되어 있습니다. 도 8에서 볼 수 있듯이, 30세대의 진화 후 MSE는 0.07에서 0.01로 감소하여 유전자 알고리즘이 최적점을 도달했습니다. [10] 최적화된 커널과 처벌 매개변수는 각각 0.2861과 82.65입니다.

유전자 알고리즘(GA)을 사용하여 매개변수를 최적화한 후, 동일한 80개의 샘플을 다시 학습하고, 회귀 결과는 도 9에 표시되어 있습니다. 도 9에서 볼 수 있듯이, 거의 모든 샘플이 측정된 부분 방전(PD) 양과 비교했을 때 매우 작은 오차를 보입니다. 평균 제곱 오차(MSE)는 이제 10으로, 매개변수 최적화 이전의 80보다 크게 줄었습니다. 따라서 GA 매개변수를 최적화함으로써 회귀 결과의 MSE를 효과적으로 줄이고 벡터 머신의 정확도를 향상시킬 수 있음을 명확히 알 수 있습니다.

마지막 10개의 샘플은 모델의 테스트를 위해 사용되었습니다. 회귀 결과는 표 1에 표시되어 있습니다. 회귀 결과와 실제 부분 방전(PD) 양 사이의 오차가 6.1% 미만임을 명확히 확인할 수 있습니다. 이 결과는 훈련된 모델이 우수한 일반화 능력을 보여주고 있음을 나타냅니다.

자외선 영상 기술을 사용하여 외부 진공 회로 차단기의 기둥 절연체 표면 방전을 탐지합니다. 최소 제곱 서포트 벡터 머신 방법을 통해 UV 이미지의 광점 면적과 부분 방전량 간의 관계를 탐구하여 자외선 영상 기반의 외부 진공 회로 차단기의 절연 결함 진단을 위한 새로운 접근법을 제공합니다.

A. 영상 처리 및 매개변수 정의

UV 이미지에 대한 L 성분 임계값 분할과 수학적 형태학 연산을 수행한 후, UV 이미지의 점 부분을 추출하여 광점 면적을 계산할 수 있습니다. 방전 강도를 정량화하기 위해 세 가지 매개변수를 정의합니다: 평균 광점 면적, 간헐적 광점 면적, 간헐적 광점의 반복 횟수.

B. 데이터 수집 및 분석

UV 비디오를 캡처하고 부분 방전(PD) 양을 동시에 측정한 후, 상대 습도와 세 가지 UV 이미지 특성 매개변수를 입력 변수로 사용합니다. 최소 제곱 서포트 벡터 머신을 통한 회귀 분석과 유전자 알고리즘(GA)을 통한 커널 매개변수 최적화를 통해 PD 양을 정확하게 결정할 수 있습니다.

C. 진단 정확도 및 중요성

절연체 표면 방전량과 UV 이미지 광점 면적 간의 관계를 회귀 분석을 통해 확립하였으며, UV 이미지로부터 진단된 PD 양이 측정된 PD 양과 비교하여 6% 미만의 오차를 보였습니다. 이 수준의 정확도는 실제 응용 요구사항을 충족하며, 자외선 영상을 기반으로 하는 외부 절연 결함 진단을 위한 새로운 비침습적 방법을 제공합니다.

이 연구는 중국 국립 자연과학 재단과 전기 절연 및 전력 장비 국가 주요 연구소의 지원을 받았습니다. 본 프로젝트를 지원해 주신 모든 분들께 진심으로 감사드립니다.