Pemeriksaan Pembebasan Permukaan Isolasi Luar Penutup Litar Bergaris Berdasarkan Imej Ultraviolet

Pemutus litar vakum luar (disebut pemutus di sini) banyak digunakan dalam rangkaian pengagihan kerana kelebihannya seperti saiz kecil, berat ringan, tahan api dan letupan, operasi lancar, rendah bunyi, jarak kontak terbuka kecil, masa lengkungan pendek, dan mudah pemeliharaan. Dengan semakin parahnya pencemaran atmosfera, dalam keadaan cuaca yang tidak menguntungkan seperti kabut tebal, gerimis, embun, atau pencairan ais, lepasan separa (PD) mungkin berlaku pada permukaan insulator tiang pemutus. Ini boleh menyebabkan flashover, memendekkan tempoh perkhidmatan pemutus, dan menjejaskan operasi selamat dan stabil sistem kuasa.

Dalam kertas ini, pemutus litar vakum tegangan tinggi ZW32 - 12 dipasang di tiang luar (selanjutnya dirujuk sebagai pemutus HV ZW32 - 12) diambil sebagai contoh, menjalani ujian dalam pelbagai keadaan iklim. Proses lepasan permukaan insulator tiang pemutus ZW32 - 12 ditangkap oleh imager UV, sementara jumlah lepasannya diukur secara serentak. Selepas proses imej UV, parameter ciri dikeluarkan untuk menggambarkan ciri-ciri imej tersebut. Setelah itu, jumlah lepasan dihitung menggunakan kaedah mesin vektor sokongan kuasa dua terkecil, membolehkan kalibrasi imej UV. Ini mewakili teknik pemeriksaan tanpa sentuh baru untuk lepasan separa pemutus.

Pemutus ZW32 - 12 adalah peranti pengagihan luar AC tiga fasa, 50Hz, 12kV. Ia utamanya digunakan untuk memutus dan menutup arus beban, arus kelebihan, dan arus lompatan. Strukturnya ditunjukkan dalam Gambaraj 1.

Untuk menangkap imej UV lepasan insulator tiang dan mengukur jumlah lepasan separa (PD) secara serentak, sistem ujian lepasan permukaan insulator direka, seperti yang ditunjukkan dalam Gambaraj 2. Dalam Gambaraj 2, T mewakili penyesuai voltan, B adalah transformator peningkat, R₁ adalah resistor had, dan C₂ adalah kapasitor penghubung, yang digunakan untuk sampel pengukuran PD.

Transformator yang digunakan dalam sistem ini adalah model YDWT - 10kVA/100kV, seperti yang ditunjukkan dalam Gambaraj 3 - a. Ia digunakan untuk menghasilkan sumber voltan tinggi yang diperlukan untuk insulator.

Imager UV OFIL Superb digunakan untuk menangkap imej UV lepasan permukaan insulator, seperti yang ditunjukkan dalam Gambaraj 3 - b. Sampel ujian adalah insulator tiang dari pemutus ZW32 - 12 yang telah beroperasi selama tiga tahun, seperti yang ditunjukkan dalam Gambaraj 3 - c. Sampel diletakkan dalam ruang iklim buatan, di mana kelembapan relatif boleh dikawal dengan stabil.

Dalam sistem ini, kaedah arus pulsa digunakan untuk mengukur jumlah lepasan separa (PD). Konsol mengawal penyesuai voltan dan transformator untuk menghasilkan voltan yang diinginkan. Setelah itu, isyarat PD dihantar ke pengesan PD JFD - 3 melalui kapasitor penghubung dan rintangan deteksi.

Melalui pelembapan intermiten, kelembapan relatif dalam ruang iklim buatan dapat dikekalkan pada tahap yang stabil. Insulator dikenakan voltan selama dua jam untuk memastikan ia benar-benar lembap. Kemudian, voltan 12kV dikenakan kepada insulator selama 5 minit. Semasa tempoh ini, imej UV ditangkap, dan jumlah PD diukur. Jarak penggambaran imager UV adalah 5 meter, dengan sudut 0° dan gain 110%. Ujian berulang-ulang dijalankan pada setiap tahap kelembapan relatif, yang berkisar dari 70% hingga 90%, dengan proses penaikan sebanyak 5%.

Proses imej UV

Imager UV menangkap video, jadi pemprosesan frame diperlukan untuk mendapatkan frame berturut-turut video UV untuk analisis lanjut. Setiap frame imej adalah imej warna sebenar RGB [3]. Lepasan permukaan insulator tercermin pada imej UV sebagai titik terang. Semakin kuat lepasan permukaan, semakin besar area titik. Oleh itu, pra-pemrosesan imej dan pemisahan imej adalah langkah-langkah penting untuk menyaring latar belakang imej dan mengekstrak bahagian titik.

Kerana komponen merah (R), hijau (G), dan biru (B) dalam ruang warna RGB hanya menunjukkan nisbah warna merah, hijau, dan biru dan tidak dapat mewakili kecerahan imej, kami menganalisis setiap frame imej dalam ruang warna HSL. HSL masing-masing mewakili Hue, Saturation, dan Luminance. Komponen HSL frame imej ditunjukkan dalam Gambaraj 4. Berdasarkan Gambaraj 4, kita dapat menentukan bahawa komponen H atau S tidak dapat membezakan titik dari latar belakang, sementara komponen L dapat melakukan diskriminasi ini [4].

Seperti yang dapat dilihat dari Gambaraj 4 - c, komponen L bagian titik lebih besar daripada latar belakang. Oleh itu, segmentasi ambang batas adalah metode yang 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 menjadi 216, dan hasil segmentasi ditampilkan dalam Gambaraj 5 - c. Jelas bahwa latar belakang telah disaring, meninggalkan hanya bagian titik UV.

Seperti yang ditunjukkan dalam Gambaraj 5 - c, selain bagian titik UV, masih ada banyak titik noise kecil. Untuk mengatasi ini, kami menerapkan operasi morfologi matematika dengan elemen struktural berbentuk lingkaran dengan radius 4 piksel untuk menghapus titik-titik noise ini [6]. Setelah pemrosesan morfologi matematika, hasilnya ditunjukkan dalam Gambaraj 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 Gambaraj 6. Seperti yang ditunjukkan oleh Gambaraj 6, luas facula berosilasi dalam rentang kecil, dengan titik besar muncul sesekali. Oleh karena itu, tiga parameter didefinisikan untuk menggambarkan intensitas lepasan: luas facula rata-rata, luas facula intermiten, dan jumlah ulangan facula intermiten masing-masing [7]. Kami memilih 100 frame berturut-turut setelah terjadinya lepasan separa sebagai objek studi. Luas facula rata-rata adalah rata-rata dari luas 100 frame facula. Luas facula intermiten adalah rata-rata dari luas facula yang lebih besar dari luas facula rata-rata, sementara jumlah ulangan facula intermiten adalah jumlah facula dengan luas lebih besar dari luas facula rata-rata. Menurut Gambaraj 6, luas facula rata-rata adalah 665 piksel. Luas facula intermiten adalah 902 piksel. Jumlah ulangan facula intermiten adalah 32.

Setelah tiga parameter karakteristik dihitung dan jumlah lepasan separa (PD) diukur secara serentak, kami mencoba menentukan jumlah PD menggunakan tiga parameter gambar UV ini melalui metode mesin vektor sokongan kuasa dua terkecil.

Sembilan puluh sampel video UV dipilih. Untuk setiap frame dari sampel-sampel ini, tiga parameter gambar UV dihitung, dan jumlah lepasan separa (PD) yang sesuai dicatat oleh pengesan PD JFD3. Argumen input untuk mesin vektor dipilih sebagai luas facula rata-rata, luas facula intermiten, jumlah ulangan facula intermiten, dan kelembaban relatif. Argumen output adalah jumlah PD. Fungsi basis radial (RBF) dipilih sebagai fungsi kernel. Setelah normalisasi, 80 sampel digunakan untuk pelatihan. Parameter kernel dan parameter hukuman mesin vektor disetel ke nilai default. Hasil pelatihan ditunjukkan dalam Gambaraj 7.

Seperti yang ditunjukkan dalam Gambaraj 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 genetik (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 Gambaraj 8. Seperti yang ditunjukkan dalam Gambaraj 8, setelah 30 generasi evolusi, MSE menurun dari 0,07 menjadi 0,01, menunjukkan bahwa algoritma genetik telah mencapai titik optimalnya. [10] Parameter kernel dan hukuman yang dioptimalkan adalah 0,2861 dan 82,65 masing-masing.

Setelah mengoptimalkan parameter menggunakan algoritma genetik (GA), 80 sampel yang sama dipelajari kembali, dan hasil regresi ditunjukkan dalam Gambaraj 9. Seperti yang dapat dilihat dari Gambaraj 9, hampir semua sampel menunjukkan kesalahan yang sangat kecil dibandingkan dengan jumlah lepasan separa (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 hasil regresi dan meningkatkan akurasi mesin vektor.

Sepuluh sampel terakhir digunakan untuk menguji model. Hasil regresi ditunjukkan dalam Tabel 1. Dapat jelas dilihat bahwa kesalahan antara hasil regresi dan jumlah lepasan separa (PD) yang sebenarnya kurang dari 6,1%. Penemuan ini menunjukkan bahwa model yang dilatih memiliki kemampuan generalisasi yang baik.

Teknologi pencitraan UV digunakan untuk mendeteksi lepasan permukaan insulator tiang pemutus vakum luar. Hubungan antara luas facula dalam gambar UV dan jumlah lepasan separa dieksplorasi melalui metode mesin vektor sokongan kuasa dua terkecil, menawarkan pendekatan baru untuk diagnosis kerusakan isolasi pemutus luar berdasarkan pencitraan ultraviolet.

A. Pemprosesan Imej dan Definisi Parameter

Setelah melakukan segmentasi ambang batas komponen L dan operasi morfologi matematika pada gambar UV, bagian titik gambar UV diekstrak, memungkinkan perhitungan luas facula. Tiga parameter didefinisikan untuk mengkuantifikasi intensitas lepasan: luas facula rata-rata, luas facula intermiten, dan jumlah ulangan facula intermiten.

B. Pengumpulan Data dan Analisis

Setelah video UV ditangkap dan jumlah lepasan separa (PD) diukur secara serentak, kelembaban relatif dan tiga parameter fitur gambar UV digunakan sebagai variabel input. Melalui analisis regresi melalui mesin vektor sokongan kuasa dua terkecil, bersama dengan optimasi parameter kernel menggunakan algoritma genetik (GA), jumlah PD dapat ditentukan dengan akurat.

C. Akurasi Diagnostik dan Signifikansi

Dengan melakukan analisis regresi untuk menetapkan hubungan antara jumlah lepasan permukaan insulator 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 pemutus vakum luar berdasarkan pencitraan ultraviolet.

Penelitian ini didanai oleh Dana Sains Alam China dan Laboratorium Negara untuk Isolasi Listrik dan Peralatan Tenaga. Para penulis ingin mengucapkan terima kasih yang tulus kepada semua pihak yang memberikan dukungan untuk proyek ini.