Ārējā izolācijas virsmais strāvas uztveršana āra vakuumvārdzībā, balstoties uz ultravioletu ierakstu

Ārējie vakuuma šķīdinātāji (turpmāk saukti par šķīdinātājiem) tiek plaši izmantoti sadalešanas tīklā, ņemot vērā to priekšrocības, piemēram, mazas izmērs, maza svars, uguns- un explosionsdrošs, viegls darbības gaitas, zema troksnis, maza atvērtā kontakta attālums, īss lūkojuma laiks un viegla apkope. Kā arī atmosfēras piesārņojums kļūst arvien smagāks, šķīdinātāja stabiņa izolatora virsma bieži ciet no daļēja izrādīšanās (DI) slikto laika apstākļos, piemēram, blīvā mgla, mēlnaudze, kondensācija vai ledus seguma nogriešana. Tas var pat radīt sprādzienus, saīsinot šķīdinātāju ekspluatācijas laiku un ietekmējot elektrotīkla drošu un stabila darbību.

Šajā rakstā kā piemērs tiek izmantots ZW32 - 12 ārējais stabiņveida augspiediena vakuuma šķīdinātājs (turpmāk saukts par HV ZW32 - 12 šķīdinātāju), kas tiek pārbaudīts dažādos klimatiskajos apstākļos. ZW32 - 12 šķīdinātāja stabiņa izolatora virsmas izrādīšanas process tiek uztvertā ar UV imāžu, vienlaikus mērojot izrādīšanās daudzumu. Pēc UV attēlu apstrādes tiek izgūti raksturīgi parametri, lai aprakstītu šo attēlu īpašības. Tad izmantojot mazāko kvadrātu atbalsta vektoru metodi, tiek aprēķināts izrādīšanās daudzums, ļaujot kalibrēt UV attēlus. Tas pārstāv jaunu bezkontaktu DI detektācijas tehnoloģiju šķīdinātājiem.

ZW32 - 12 šķīdinātājs ir trīsfāzes, 50 Hz, 12 kV AC ārējs enerģijas sadalīšanas ierīce. Tā galvenais mērķis ir apturēt un slēgt slodzes strāvu, pārmērīgo strāvu un īslaicīgo strāvas palielināšanos. Tā struktūra ir parādīta 1. attēlā.

Lai vienlaikus uztvertu stabiņa izolatora virsmas izrādīšanas UV attēlu un mērītu daļējo izrādīšanās (DI) daudzumu, tika izstrādāts izolatora virsmas izrādīšanas testa sistēma, kā parādīts 2. attēlā. 2. attēlā T apzīmē sprieguma regultoru, B ir sprieguma paaugstinātājs, R₁ ir robežresistor, bet C₂ ir savienojuma kondensators, kas tiek izmantots DI mērīšanai.

Sistēmā izmantotais transformators ir YDWT - 10kVA/100kV modelis, kā parādīts 3.a attēlā. Tā mērķis ir veidot augspriegumu, kas nepieciešams izolatoram.

Izmantota OFIL Superb UV imāža, lai uztvertu izolatora virsmas izrādīšanas UV attēlus, kā parādīts 3.b attēlā. Testa paraugs ir ZW32 - 12 šķīdinātāja stabiņa izolators, kas bijis izmantošanā trīs gadus, kā parādīts 3.c attēlā. Paraugs tiek novietots mākslīgā klimata kamerā, kur relatīvā mitruma līmenis var tikt stabilizēts.

Šajā sistēmā tiek izmantota impulsskaitīšanas metode, lai mērītu daļējo izrādīšanās (DI) daudzumu. Kontrole pārvalda sprieguma regultoru un transformatoru, lai radītu vēlamo spriegumu. Tad DI signāls tiek nosūtīts uz JFD - 3 DI detektoru caur savienojuma kondensatoru un detektora impedanci.

Pārtraukti mitrinājot, mākslīgā klimata kameras relatīvā mitruma līmenis var tikt uzturēts stabilā līmenī. Izolatori tiek izpostīti ar spriegumu divas stundas, lai nodrošinātu, ka tie tiek pilnībā mitrināti. Pēc tam izolatoram tiek piemērots 12 kV spriegums piecas minūtes. Šajā laikā tiek uztverti UV attēli un mērīts DI daudzums. UV imāžas uztveršanas attālums ir 5 metri, leņķis ir 0°, un guvums ir 110%. Katrā relatīvā mitruma līmenī, kas ir no 70% līdz 90%, ar 5% paaugstināšanas procesu, tiek veiktas atkārtotas pārbaudes.

 UV attēlu apstrāde

UV imāža uztver video, tāpēc ir nepieciešama kadru apstrāde, lai iegūtu secīgu UV videoklipu kadrus turpmākai analīzei. Katrā attēla kadre ir RGB patieskrāsa attēls [3]. Izolatora virsmas izrādīšanās UV attēlā atspoguļojas kā gaismīga punkte. Jo intensīvāka ir virsmas izrādīšanās, jo lielāka ir punktes platība. Tāpēc attēla priekšapstrāde un segmentācija ir būtiskas darbības, lai filtrētu attēla fonu un izgūtu punktes daļu.

Jo RGB krāsu telpā sarkano komponentu (R), zaļo komponentu (G) un zilo komponentu (B) tikai norāda sarkanā, zaļā un zilā krāsu attiecību, nevarēdams izsakāmi attēlot attēla gaišumu, mēs katru kadru analizējam HSL krāsu telpā. HSL nozīmē Krāsu toni, Saturāciju un Gaišumu. Attēla kadra HSL komponenti ir parādīti 4. attēlā. Saskaņā ar 4. attēlu var secināt, ka H vai S komponents nevar atšķirt punkti no fona, bet L komponents to var izdarīt [4].

Kā redzams no 4.c attēla, punkta daļas L komponents ir lielāks nekā fona. Tāpēc sliekšņa segmentācija ir efektīva metode, lai izgūtu punkta daļu. Atslēga ir izvēlēties atbilstošu L komponenta sliekšņa vērtību. Šeit mēs izmantojam Otsu metodi, lai aprēķinātu L komponenta sliekšņa vērtību [5]. Pēc Matlaba kodēšanas, izmantojot Otsu metodi, optimālais L komponenta sliekšņa vērtība tika noteikta kā 216, un segmentācijas rezultāts ir parādīts 5.c attēlā. Redzams, ka fons ir filtrēts, palikuši tikai UV punkta daļa.

Kā parādīts 5.c attēlā, krom UV punkta daļas, joprojām ir daudz mazi trokšņa punkti. Lai to risinātu, mēs pielietojam matemātisko morfoloģiju ar strukturālo elementu formā apļa ar rādiusu 4 pikseļi, lai noņemtu šos trokšņa punktus [6]. Pēc matemātiskās morfoloģijas apstrādes, rezultāts ir parādīts 5.d attēlā. Visi trokšņa punkti ir noņemti, palikuši tikai punkta daļa. Mēs definējam punkta daļas pikseļu skaitu kā šī UV attēla "facula platību".

Pēc facula platības aprēķināšanas secīgajiem kadriem UV videoklipā, mēs iegūstam facula platības līkni. Facula platības līkne 85% mitruma līmenī ir parādīta 6. attēlā. Kā parādīts 6. attēlā, facula platība mainās mazā diapazonā, reizi par reizi parādoties lielākai punktei. Tāpēc tiek definēti trīs parametri, lai raksturotu izrādīšanās intensitāti: vidējā facula platība, periodiska facula platība un periodiskās faculas atkārtošanās reizes attiecīgi [7]. Mēs izvēlamies 100 secīgus kadrus, kas seko DI notikumam, kā pētījuma objektus. Vidējā facula platība ir 100 kadru faculu platību vidējā vērtība. Periodiska facula platība ir faculu platību vidējā vērtība, kas lielākas par vidējo facula platību, bet periodiskās faculas atkārtošanās reizes ir faculu skaits, kuru platība pārsniedz vidējo facula platību. Saskaņā ar 6. attēlu vidējā facula platība ir 665 pikseļi. Periodiska facula platība ir 902 pikseļi. Periodiskās faculas atkārtošanās reizes ir 32.

Pēc trim raksturīgu parametru aprēķināšanas un DI daudzuma synchroniskā mērīšana, mēģinām noteikt DI daudzumu, izmantojot šos trīs UV attēla parametrus ar mazāko kvadrātu atbalsta vektoru metodi.

Tiek izvēlēti deviņdesmit UV videoklipu paraugi. Katram no šiem paraugiem tiek aprēķināti trīs UV attēla parametri, un atbilstošais DI daudzums tiek ierakstīts JFD3 DI detektorā. Vektora mašīnas ievades argumenti tiek izvēlēti kā vidējā facula platība, periodiska facula platība, periodiskās faculas atkārtošanās reizes un relatīvais mitruma līmenis. Izvades arguments ir DI daudzums. Kā branduolas funkcija tiek izvēlēta Radial Basis Function (RBF). Pēc normalizācijas 80 paraugi tiek izmantoti apmācībai. Vektora mašīnas branduolas parametri un sodījuma parametri tiek iestatīti uz noklusējuma vērtībām. Apmācības rezultāts ir parādīts 7. attēlā.

Kā parādīts 7. attēlā, lielākajai daļai apmācības paraugiem salīdzinājumā ar mērīto DI daudzumu kļūda ir neliela. Tomēr dažiem paraugiem kļūda pārsniedz 20%. Aprēķināts vidējais kvadrātfunkcijas novirze (MSE) šādi:

Lai samazinātu MSE un palielinātu vektora mašīnas precizitāti, tiek izmantots genetiskais algoritms (GA) branduolas un sodījuma parametru optimizēšanai. [8 - 9]

Beigu paaudze tiek iestatīta uz 100, un populācijas izmērs tiek iestatīts uz 20. Optimizācijas process ir parādīts 8. attēlā. Kā parādīts 8. attēlā, pēc 30 paaudžu evolūcijas, MSE samazinās no 0,07 līdz 0,01, kas liecina, ka genetiskais algoritms ir sasniedzis optimālo punktu. [10] Optimizētie branduolas un sodījuma parametri ir 0,2861 un 82,65 attiecīgi.

Pēc GA parametru optimizācijas, tie paši 80 paraugi tiek apmācīti atkal, un regresijas rezultāts ir parādīts 9. attēlā. Kā redzams no 9. attēla, gandrīz visi paraugi parāda ļoti mazu kļūdu salīdzinājumā ar mērīto DI daudzumu. MSE tagad ir 10, kas ir būtiski mazāks nekā 80 pirms parametru optimizācijas. Tātad, ir skaidrs, ka GA parametru optimizācija efektīvi samazina regresijas rezultāta MSE un palielina vektora mašīnas precizitāti.

Pēdējie 10 paraugi tiek izmantoti, lai veiktu modeļa testēšanu. Regresijas rezultāti ir parādīti Tabulā 1. Ir skaidri redzams, ka starp regresijas rezultātiem un faktiskajiem DI daudzumiem kļūda ir mazāka par 6,1%. Tas liecina, ka apmācītais modelis demonstrē labu generalizācijas spēju.

UV imāžu tehnoloģija tiek izmantota, lai uztvertu ārējo vakuuma šķīdinātāju stabiņa izolatora virsmas izrādīšanos. Stidzīšanas daudzuma sakarība ar UV attēlu facula platību tiek izpētīta, izmantojot mazāko kvadrātu atbalsta vektoru metodi, piedāvājot jaunu pieeju ārējo vakuuma šķīdinātāju izolācijas defektu diagnosticēšanai, balstoties uz ultravioleto imāžu.

A. Attēlu apstrāde un parametru definīcija

Pēc L komponenta sliekšņa segmentācijas un matemātiskās morfoloģijas operācijām UV attēlos, tiek izgūta UV attēla punkta daļa, ļaujot aprēķināt facula platību. Tiek definēti trīs parametri, lai kvantificētu izrādīšanās intensitāti: vidējā facula platība, periodiska facula platība un periodiskās faculas atkārtošanās reizes.

B. Dati un analīze

Pēc UV videoklipu uztvere un DI daudzuma synchroniskā mērīšana, relatīvais mitruma līmenis un trīs UV attēla raksturīgie parametri tiek izmantoti kā ievades mainīgie. Regresijas analīzi, izmantojot mazāko kvadrātu atbalsta vektoru metodi, kā arī branduolas parametru optimizāciju, izmantojot genetisko algoritmu (GA), DI daudzums var tikt precīzi noteikts.

C. Diagnostikas precizitāte un nozīme

Veicot regresijas analīzi, lai izveidotu sakarību starp izolatora virsmas izrādīšanās daudzumu un tā UV attēla facula platību, ir konstatēts, ka DI daudzums, ko diagnosticē, izmantojot tikai UV attēlus, ir ar kļūdu mazāku par 6% salīdzinājumā ar mērīto DI daudzumu. Šī precizitāte atbilst praktiskām prasībām un sniedz jaunu neinvazīvo metodi, lai diagnosticētu ārējos vakuuma šķīdinātāju izolācijas defektus, balstoties uz ultravioleto imāžu.

Šis pētījums tika finansēts no Ķīnas Valsts dabas zinātnes fonda un Valsts elektriskās izolācijas un enerģijas iekārtu laboratorijas. Autori vēlas izteikt atzinību visiem, kas sniedza atbalstu šim projektam.