Detectie van oppervlakteontladingen van externe isolatie van buitenverbruikers voor vacuümschakelaars gebaseerd op ultraviolette beeldvorming
Buitenste vacuümschakelaars (hierna aangeduid als schakelaars) worden in het distributienetwerk wijdverspreid gebruikt vanwege hun voordelen zoals kleine afmetingen, licht gewicht, brand- en ontploffingvrij, soepele bediening, lage geluidsniveaus, kleine contactafstand, korte boogtijden en eenvoudig onderhoud. Naarmate de luchtvervuiling steeds ernstiger wordt, kan bij slechte weersomstandigheden zoals dichte mist, motregen, condensatie of smeltend ijs, oppervlakteontlading (PD) optreden op de postisolator van de schakelaar. Dit kan zelfs leiden tot flitsoverslagen, wat de levensduur van de schakelaars verkort en de veilige en stabiele werking van het elektriciteitsnetwerk beïnvloedt.
In dit artikel dient de ZW32-12 buitenste stokschakelaar met hoge spanning (hierna aangeduid als HV ZW32-12 schakelaar) als voorbeeld, waarbij proeven worden uitgevoerd in diverse klimaatcondities. Het oppervlakteontladingsproces van de postisolator van de ZW32-12 schakelaar wordt vastgelegd door een UV-imager, terwijl de opladingssnelheid tegelijkertijd wordt gemeten. Na de afbeeldingsverwerking van de UV-afbeeldingen worden karakteristieke parameters geëxtraheerd om de kenmerken van deze afbeeldingen te beschrijven. Vervolgens wordt de opladingssnelheid berekend met behulp van de methode van de kleinste-kwadraten support vector machine, waardoor de kalibratie van de UV-afbeeldingen mogelijk wordt. Dit vertegenwoordigt een nieuwe niet-contactdetectietechniek voor de partiële ontlading van schakelaars.
De ZW32-12 schakelaar is een driedefase, 50Hz, 12kV AC buitenste energiedistributieapparaat. Het wordt voornamelijk gebruikt om belastingsstroom, overbelastingsstroom en kortsluitingsstroom te onderbreken en te sluiten. De structuur ervan is weergegeven in figuur 1.
Om tegelijkertijd de ontladings-UV-afbeelding van de postisolator vast te leggen en de partiële ontlading (PD) te meten, is een isolatoroppervlakteontladingsproefinstallatie ontworpen, zoals weergegeven in figuur 2. In figuur 2 staat T voor de spanningsregelaar, B is de stroomversterker, R₁ is de beperkende weerstand, en C₂ is de koppelingscondensator, die wordt gebruikt voor het monsternemen van de PD-meting.
De transformatoren die in het systeem worden gebruikt, zijn van het YDWT-10kVA/100kV model, zoals weergegeven in figuur 3-a. Ze worden gebruikt om de benodigde hoogspanningsbron voor de isolator te genereren.
Een OFIL Superb UV-imager wordt gebruikt om de UV-afbeeldingen van de isolatoroppervlakteontlading vast te leggen, zoals weergegeven in figuur 3-b. Het proefmonster is de postisolator van een ZW32-12 schakelaar, die drie jaar in gebruik is geweest, zoals weergegeven in figuur 3-c. Het monster wordt geplaatst in een kunstmatige klimaatkamer, waar de relatieve luchtvochtigheid stabiel kan worden geregeld.
In dit systeem wordt de pulskoortsstroommethode gebruikt om de partiële ontlading (PD) te meten. Het bedieningspaneel regelt de spanningsregelaar en de transformatoren om de gewenste spanning te genereren. Vervolgens wordt het PD-signaal via een koppelingscondensator en een detecterende impedantie naar de PD-detector JFD-3 doorgestuurd.
Door middel van onderbroken bevochtiging kan de relatieve luchtvochtigheid in de kunstmatige klimaatkamer op een stabiel niveau worden gehouden. Isolatoren worden twee uur blootgesteld aan een spanning om ervoor te zorgen dat ze volledig nat zijn. Vervolgens wordt een spanning van 12kV gedurende 5 minuten op de isolator aangebracht. Tijdens deze periode worden UV-afbeeldingen vastgelegd en de PD-hoeveelheid gemeten. De afstandsmaat van de UV-imager is 5 meter, met een hoek van 0° en een versterking van 110%. Herhaalde tests worden uitgevoerd op elk relatief vochtigheidsniveau, variërend van 70% tot 90%, met een stappenproces van 5%.
Verwerking van UV-afbeeldingen
De UV-imager neemt een video op, dus is frameverwerking nodig om opeenvolgende frames van de UV-video te verkrijgen voor verdere analyse. Elk afbeeldingsframe is een RGB echte kleurenafbeelding [3]. De oppervlakteontlading van de isolator wordt op de UV-afbeelding weergegeven als een heldere vlek. Hoe intenser de oppervlakteontlading, hoe groter het vlekgebied. Daarom zijn beeldvoorverwerking en beeldsegmentatie essentiële stappen om de achtergrond van het beeld weg te filteren en het vlekgedeelte te extraheren.
Aangezien de rode component (R), groene component (G) en blauwe component (B) in de RGB-kleurruimte alleen de kleurverhouding van rood, groen en blauw aangeven en de helderheid van het beeld niet kunnen weergeven, analyseren we elk afbeeldingsframe in de HSL-kleurruimte. HSL staat respectievelijk voor Hue, Saturation en Luminance. De HSL-componenten van een afbeeldingsframe zijn weergegeven in figuur 4. Volgens figuur 4 kunnen we vaststellen dat de H- of S-component de vlek niet kan onderscheiden van de achtergrond, terwijl de L-component dit wel kan [4].
Zoals te zien is in figuur 4-c, is de L-component van het vlekgedeelte groter dan die van de achtergrond. Daarom is drempelsegmentatie een effectieve methode om het vlekgedeelte te extraheren. Het belangrijkste is het kiezen van een geschikte L-componentdrempel. Hier gebruiken we de Otsu-drempelmethode om de L-componentdrempel te berekenen [5]. Na het implementeren van Matlab-coding voor de Otsu-methode, wordt de optimale L-componentdrempel bepaald op 216, en het segmentatieresultaat wordt weergegeven in figuur 5-c. Het is duidelijk dat de achtergrond is gefilterd, waardoor alleen het UV-vlekgedeelte overblijft.
Zoals te zien is in figuur 5-c, zijn er naast het UV-vlekgedeelte nog talrijke kleine ruispunten. Om dit aan te pakken, passen we wiskundige morfologische bewerkingen toe met een structuur element in de vorm van een cirkel met een straal van 4 pixels om deze ruispunten te verwijderen [6]. Na de wiskundige morfologische verwerking, wordt het resultaat weergegeven in figuur 5-d. Alle ruispunten zijn verwijderd, en alleen het vlekgedeelte blijft over. We definiëren het aantal pixels in het vlekgedeelte als de "facula area" van deze UV-afbeelding.
Na het berekenen van de facula area voor opeenvolgende frames in een UV-video, kunnen we de facula areacurve verkrijgen. De facula areacurve bij 85% vochtigheid is weergegeven in figuur 6. Zoals figuur 6 aangeeft, fluctueert de facula area binnen een kleine range, met incidentele grote vlekken. Daarom worden drie parameters gedefinieerd om de ontladingsintensiteit te karakteriseren: de gemiddelde facula area, de onderbroken facula area en het aantal herhalingen van onderbroken facula's respectievelijk [7]. We selecteren 100 opeenvolgende frames na het optreden van partiële ontlading als studieobjecten. De gemiddelde facula area is het gemiddelde van de gebieden van 100 frames' facula's. De onderbroken facula area is het gemiddelde van de gebieden van facula's die groter zijn dan de gemiddelde facula area, terwijl het aantal herhalingen van onderbroken facula's het aantal facula's is met een gebied groter dan de gemiddelde facula area. Volgens figuur 6 is de gemiddelde facula area 665 pixels. De onderbroken facula area is 902 pixels. Het aantal herhalingen van onderbroken facula's is 32.
Zodra de drie karakteristieke parameters zijn berekend en de partiële ontlading (PD) gelijktijdig is gemeten, proberen we de PD-hoeveelheid te bepalen met behulp van deze drie UV-afbeeldingsparameters door middel van de kleinste-kwadraten support vector machinemethode.
Negenentachtig UV-videomonsters worden geselecteerd. Voor elk frame van deze monsters worden drie UV-afbeeldingsparameters berekend, en de corresponderende partiële ontlading (PD) wordt vastgelegd door de JFD3 PD-detector. De invoerargumenten voor de vectormachine worden gekozen als de gemiddelde facula area, de onderbroken facula area, het aantal herhalingen van onderbroken facula's en de relatieve luchtvochtigheid. Het uitvoerargument is de PD-hoeveelheid. De Radiale Basis Functie (RBF) wordt geselecteerd als kernfunctie. Na normalisatie worden 80 monsters gebruikt voor training. Zowel de kernparameters als de strafparameters van de vectormachine worden ingesteld op standaardwaarden. Het trainingsresultaat wordt weergegeven in figuur 7.
Zoals te zien is in figuur 7, is voor de meeste trainingsmonsters de fout vergeleken met de gemeten PD-hoeveelheid relatief klein. Echter, voor sommige monsters is de fout meer dan 20%. De Mean Square Error (MSE) wordt als volgt berekend:
Om de Mean Square Error (MSE) van het regressieresultaat te minimaliseren en de nauwkeurigheid van de vectormachine te verbeteren, wordt een genetisch algoritme (GA) gebruikt om de kernparameters en strafparameters te optimaliseren. [8-9]
De eindgeneratie wordt ingesteld op 100, en de populatiegrootte wordt ingesteld op 20. Het optimalisatieproces wordt weergegeven in figuur 8. Zoals te zien is in figuur 8, daalt de MSE na 30 generaties van evolutie van 0,07 naar 0,01, wat aangeeft dat het genetisch algoritme zijn optimumpunt heeft bereikt. [10] De geoptimaliseerde kern- en strafparameters zijn respectievelijk 0,2861 en 82,65.
Na het optimaliseren van de parameters met behulp van het genetisch algoritme (GA) worden dezelfde 80 monsters opnieuw getraind, en het regressieresultaat wordt weergegeven in figuur 9. Zoals te zien is in figuur 9, hebben bijna alle monsters een zeer kleine fout vergeleken met de gemeten partiële ontlading (PD). De Mean Square Error (MSE) is nu 10, wat aanzienlijk kleiner is dan de waarde van 80 voor de parameteroptimalisatie. Daarom is het duidelijk dat het optimaliseren van de GA-parameters effectief de MSE van het regressieresultaat kan verminderen en de nauwkeurigheid van de vectormachine kan verbeteren.
De laatste 10 monsters worden gebruikt om een test uit te voeren op het model. De regressieresultaten worden weergegeven in tabel 1. Het is duidelijk te zien dat de fout tussen de regressieresultaten en de werkelijke partiële ontlading (PD) minder dan 6,1% is. Dit wijst erop dat het getrainde model uitstekende generalisatievermogen heeft.
UV-beeldtechnologie wordt gebruikt om de oppervlakteontlading van buitenste vacuümschakelaarpostisolatoren te detecteren. Door de relatie tussen de facula area in UV-afbeeldingen en de partiële ontladingshoeveelheid te onderzoeken met behulp van de kleinste-kwadraten support vector machinemethode, biedt dit een nieuwe benadering voor isolatiefoutdiagnose van buitenste vacuümschakelaars op basis van ultraviolette beeldvorming.
A. Beeldverwerking en Parameterdefinitie
Na L-componentdrempelsegmentatie en wiskundige morfologische bewerkingen op UV-afbeeldingen, wordt het vlekgedeelte van de UV-afbeelding geëxtraheerd, waardoor de facula area kan worden berekend. Drie parameters worden gedefinieerd om de ontladingsintensiteit te kwantificeren: de gemiddelde facula area, de onderbroken facula area en het aantal herhalingen van onderbroken facula's.
B. Gegevensverzameling en -analyse
Zodra UV-videos zijn vastgelegd en de partiële ontlading (PD) gelijktijdig is gemeten, worden de relatieve luchtvochtigheid en de drie UV-afbeeldingskenmerkparameters gebruikt als invoervariabelen. Door regressieanalyse via de kleinste-kwadraten support vector machine, samen met kernparameteroptimalisatie met behulp van een genetisch algoritme (GA), kan de PD-hoeveelheid nauwkeurig worden bepaald.
C. Diagnostische Nauwkeurigheid en Betekenis
Door regressieanalyse te gebruiken om de relatie tussen de isolatoroppervlakteontladingshoeveelheid en de UV-afbeeldingsfacula area te bepalen, wordt gevonden dat de PD-hoeveelheid die uitsluitend uit UV-afbeeldingen wordt gediagnosticeerd, een fout heeft van minder dan 6% ten opzichte van de gemeten PD-hoeveelheid. Dit niveau van nauwkeurigheid voldoet aan de vereisten voor praktische toepassingen en biedt een nieuwe niet-invasieve methode voor het diagnosticeren van externe isolatiefouten in buitenste vacuümschakelaars op basis van ultraviolette beeldvorming.
Dit onderzoek werd gefinancierd door de Nationale Natuurkundige Wetenschapsstichting van China en het Staatskwalitatief Laboratorium voor Elektrische Isolatie en Elektrische Uitrusting. De auteurs willen hun oprechte dank betuigen aan allen die steun hebben geboden aan dit project.
