Detectio Immissionis Superficialis Isolationis Externae Interruptoris Circuti Vacui in Aperto Basata super Imaging Ultraviolet

Interruptores de circuito a vacío exteriores (en lo sucesivo denominados interruptores) se utilizan ampliamente en la red de distribución debido a sus ventajas como tamaño pequeño, peso ligero, resistencia al fuego y explosiones, operación suave, bajo ruido, pequeña separación de contactos abiertos, tiempo de arco corto y fácil mantenimiento. A medida que la contaminación atmosférica se vuelve cada vez más grave, en condiciones climáticas adversas como neblina densa, llovizna, condensación o fusión de hielo, es probable que ocurra una descarga parcial (PD) en la superficie del aislador del poste del interruptor. Esto incluso puede llevar a sobretensiones, 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 a vacío de alta tensión para poste exterior ZW32 - 12 (en adelante referido como 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 su cantidad de descarga. Tras el procesamiento de las 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 de mínimos cuadrados, permitiendo 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, 50Hz, 12kV AC para distribución de energía exterior. Se utiliza principalmente para interrumpir y cerrar corrientes de carga, corrientes de sobrecarga y corrientes 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 (PD), 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 PD.

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 alto voltaje 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 la humedad relativa puede ser controlada de manera estable.

En este sistema, se adopta el método de corriente de pulso para medir la cantidad de descarga parcial (PD). La consola controla el regulador de voltaje y el transformador para generar el voltaje deseado. Posteriormente, la señal de PD se transmite al detector de PD JFD - 3 a través de un capacitor de acoplamiento y una impedancia de detección.

A través de la humidificación intermitente, la humedad relativa dentro de la cámara climática artificial puede mantenerse en un nivel estable. Los aisladores se exponen a un voltaje durante dos horas para asegurar que estén completamente mojados. Luego, se aplica un voltaje de 12kV al aislador durante 5 minutos. Durante este período, se capturan imágenes UV y se mide la cantidad de PD. 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 proceso de incremento del 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 de 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, el preprocesamiento de la imagen y la segmentación de la imagen son pasos 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 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 Hue, Saturation y Luminance respectivamente. Los componentes HSL de un fotograma de imagen se muestran en la Fig. 4. Según la Fig. 4, podemos determinar que el componente H o S no puede 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 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 apropiado del componente L. Aquí, utilizamos el método de umbral de Otsu para calcular el umbral del componente L [5]. Después de implementar el código 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, dejando solo la parte del punto UV.

Como se muestra en la Fig. 5 - c, aparte 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, y solo queda 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, podemos obtener la curva de área de facula. La curva de área de facula a una humedad del 85% se muestra en la Fig. 6. Como indica la Fig. 6, el área de facula fluctúa dentro de un rango pequeño, con un punto de gran tamaño que emerge ocasionalmente. Por lo tanto, se definen tres parámetros para caracterizar la intensidad de la descarga: el área media de facula, 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 media de facula es el promedio de las áreas de 100 faculas. El área de facula intermitente es el promedio de las áreas de las faculas que son mayores que el área media de facula, mientras que el número de veces de facula intermitente es el número de faculas con un área mayor que el área media de facula. Según la Fig. 6, el área media de facula es 665 píxeles. El área de facula intermitente es 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 (PD), intentamos determinar la cantidad de PD utilizando estos tres parámetros de la imagen UV a través del método de máquina de vectores de soporte de mínimos cuadrados.

Se seleccionan 90 muestras de videos UV. Para cada fotograma de estas muestras, se calculan tres parámetros de la imagen UV, y la cantidad correspondiente de descarga parcial (PD) se registra por el detector de PD JFD3. Los argumentos de entrada para la máquina vectorial se eligen como el área media de facula, el área de facula intermitente, el número de veces de facula intermitente y la humedad relativa. El argumento de salida es la cantidad de PD. 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 vectorial 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 PD medida es relativamente pequeño. Sin embargo, para algunas muestras, el error supera el 20%. El Error Cuadrático Medio (MSE) se calcula de la siguiente manera:

Para minimizar el Error Cuadrático Medio (MSE) del resultado de regresión y mejorar la precisión de la máquina vectorial, se emplea un algoritmo genético (GA) 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 MSE disminuye de 0.07 a 0.01, lo que indica que el algoritmo genético ha alcanzado su punto óptimo. [10] Los parámetros optimizados del kernel y de castigo son 0.2861 y 82.65 respectivamente.

Después de optimizar los parámetros utilizando el algoritmo genético (GA), se vuelven a entrenar las mismas 80 muestras, y el resultado de la 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 (PD) medida. El Error Cuadrático Medio (MSE) ahora es 10, lo cual es significativamente menor que el valor de 80 antes de la optimización de los parámetros. Por lo tanto, es evidente que optimizar los parámetros del GA puede reducir eficazmente el MSE del resultado de regresión y mejorar la precisión de la máquina vectorial.

Las últimas 10 muestras se utilizan para realizar una prueba en el modelo. Los resultados de la regresión se presentan en la Tabla 1. Se puede observar claramente que el error entre los resultados de la regresión y la cantidad real de descarga parcial (PD) es menor 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 circuito a 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 de mínimos cuadrados, ofreciendo un enfoque novedoso para el diagnóstico de fallas de aislamiento de interruptores de circuito a vacío exteriores basado en la imagen ultravioleta.

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, lo que permite calcular el área de facula. Se definen tres parámetros para cuantificar la intensidad de la descarga: el área media de facula, 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 la cantidad de descarga parcial (PD) de manera sincronizada, 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 de mínimos cuadrados, junto con la optimización de los parámetros del kernel utilizando un algoritmo genético (GA), se puede determinar con precisión la cantidad de PD.

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 PD diagnosticada únicamente a partir de las imágenes UV tiene un error menor al 6% en comparación con la cantidad de PD medida. Este nivel de precisión cumple con los requisitos de las aplicaciones prácticas y proporciona un nuevo método no invasivo para diagnosticar fallas de aislamiento externo en interruptores de circuito a vacío exteriores basado en la imagen ultravioleta.

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.