Wykrywanie powierzchniowych rozładowań zewnętrznej izolacji zewnętrznego wyłącznika próżniowego oparte na obrazowaniu ultrafioletowym

Wakusze przelączniki próżniowe (dalej nazywane przelącznikami) są szeroko stosowane w sieci dystrybucyjnej ze względu na ich zalety, takie jak mały rozmiar, lekka waga, odporność na pożary i wybuchy, płynna praca, niski poziom hałasu, małe odstępy między kontaktami, krótki czas łuku elektrycznego oraz łatwa konserwacja. Wraz z pogarszaniem się zanieczyszczenia atmosfery, w niekorzystnych warunkach pogodowych, takich jak gęsta mgła, mżawka, kondensacja lub topnienie lodu, na powierzchni izolatora postowego przelącznika może wystąpić częściowy rozładowania (PD), co może nawet prowadzić do przebicia, skracając żywotność przelączników i wpływając na bezpieczne i stabilne działanie systemu energetycznego.

W niniejszej pracy jako przykład służy ZW32 - 12 zewnętrzny przelącznik wysokiego napięcia montowany na słupie (dalej nazywany HV ZW32 - 12), który podlega testom w różnych warunkach klimatycznych. Proces rozładowania powierzchni izolatora postowego przelącznika ZW32 - 12 jest uchwycony przez obrazownik UV, jednocześnie mierząc ilość rozładowania. Po przetworzeniu obrazów UV, ekstrahowane są parametry charakterystyczne, które opisują cechy tych obrazów. Następnie, ilość rozładowania jest obliczana przy użyciu metody najmniejszych kwadratów maszyny wektorów nośnych, umożliwiając kalibrację obrazów UV. To reprezentuje nową technikę bezkontaktowej detekcji częściowego rozładowania przelączników.

Przelącznik ZW32 - 12 to trójfazowe urządzenie dystrybucyjne o napięciu 50Hz, 12kV AC, przeznaczone do przerwania i zamknięcia prądu obciążenia, prądu przeciążenia i prądu zwarciowego. Jego struktura jest przedstawiona na rys. 1.

Aby jednocześnie uchwycić obraz UV rozładowania powierzchni izolatora postowego i zmierzyć ilość częściowego rozładowania (PD), zaprojektowano system testowy rozładowania powierzchni izolatora, jak pokazano na rys. 2. Na rys. 2, T oznacza regulator napięcia, B to transformator wzmacniający, R₁ to rezystor ograniczający, a C₂ to kondensator sprzęgający, używany do próbkowania pomiaru PD.

Transformator używany w systemie to model YDWT - 10kVA/100kV, jak pokazano na rys. 3 - a. Służy do generowania źródła wysokiego napięcia potrzebnego dla izolatora.

Do uchwycenia obrazów UV rozładowania powierzchni izolatora używany jest obrazownik UV OFIL Superb, jak pokazano na rys. 3 - b. Próbka testowa to izolator postowy z przelącznika ZW32 - 12, który był w użyciu przez trzy lata, jak pokazano na rys. 3 - c. Próbka jest umieszczona w sztucznej komorze klimatycznej, gdzie można stabilnie kontrolować wilgotność względna.

W tym systemie do pomiaru ilości częściowego rozładowania (PD) stosowana jest metoda impulsowego prądu. Pulpit steruje regulatorem napięcia i transformatorem, aby wygenerować żądane napięcie. Następnie, sygnał PD jest przesyłany do detektora PD JFD - 3 poprzez kondensator sprzęgający i impedancję detekcyjną.

Poprzez okresowe nawilżanie, wilgotność względna w sztucznej komorze klimatycznej może być utrzymywana na stabilnym poziomie. Izolatory są narażone na napięcie przez dwa godziny, aby były całkowicie nawilżone. Następnie, napięcie 12kV jest zastosowane do izolatora przez 5 minut. W tym czasie, uchwyczone są obrazy UV, a ilość PD jest mierzona. Odległość zdjęcia obrazownika UV wynosi 5 metrów, z kątem 0° i wzmocnieniem 110%. Powtarzane testy są przeprowadzane na każdym poziomie wilgotności względnej, która wahająca się od 70% do 90%, z procesem podnoszenia o 5%.

Proces przetwarzania obrazów UV

Obrazownik UV uchwytuje wideo, więc niezbędne jest przetwarzanie klatek, aby uzyskać kolejne klatki wideo UV do dalszej analizy. Każda ramka obrazu to prawdziwy obraz RGB [3]. Rozładowanie powierzchni izolatora jest odbite na obrazie UV jako jasne miejsce. Im intensywniejsze jest rozładowanie powierzchni, tym większe jest pole plamy. Dlatego niezbędne są etapy wstępnej obróbki obrazu i segmentacji, aby wyfiltrować tło obrazu i wyodrębnić część plamy.

Ponieważ składowe czerwona (R), zielona (G) i niebieska (B) w przestrzeni kolorów RGB wskazują jedynie proporcje kolorów czerwonego, zielonego i niebieskiego i nie mogą reprezentować jasności obrazu, analizujemy każdą ramkę obrazu w przestrzeni HSL. HSL oznacza Hue, Saturation i Luminance odpowiednio. Składowe HSL ramki obrazu są pokazane na rys. 4. Jak widać na rys. 4, składowe H lub S nie są w stanie odróżnić plamy od tła, podczas gdy składowa L może to zrobić [4].

Jak widać na rys. 4 - c, składowa L części plamy jest większa niż tła. Dlatego, segmentacja progowa jest skuteczną metodą wyodrębnienia części plamy. Kluczowe jest wybranie odpowiedniego progu składowej L. Tutaj, używamy metody progowania Otsu do obliczenia progu składowej L [5]. Po implementacji kodu Matlab dla metody Otsu, optymalny próg składowej L został określony na 216, a wynik segmentacji jest przedstawiony na rys. 5 - c. Jest widoczne, że tło zostało wyfiltrowane, pozostawiając tylko część plamy UV.

Jak pokazano na rys. 5 - c, oprócz części plamy UV, istnieje wiele małych punktów szumowych. Aby to rozwiązać, stosujemy operacje morfologiczne matematyczne z elementem strukturalnym w formie koła o promieniu 4 piksele, aby usunąć te punkty szumowe [6]. Po przetworzeniu morfologicznym, wynik jest pokazany na rys. 5 - d. Wszystkie punkty szumowe zostały usunięte, pozostawiając tylko część plamy. Definiujemy liczbę pikseli w części plamy jako "pole facularne" tego obrazu UV.

Po obliczeniu pola facularnego dla kolejnych klatek w wideo UV, możemy otrzymać krzywą pola facularnego. Krzywa pola facularnego przy wilgotności 85% jest pokazana na rys. 6. Jak pokazano na rys. 6, pole facularne fluktuuje w niewielkim zakresie, z dużą plamą pojawiającą się okazjonalnie. Dlatego, zdefiniowano trzy parametry do charakteryzowania intensywności rozładowania: średnią wartość pola facularnego, intermitentne pole facularne i liczba powtórzeń intermitentnego pola facularnego odpowiednio [7]. Wybieramy 100 kolejnych klatek po wystąpieniu częściowego rozładowania jako obiekty badań. Średnia wartość pola facularnego to średnia wartości pól 100 klatek. Intermitentne pole facularne to średnia wartości pól, które są większe niż średnia wartość pola facularnego, a liczba powtórzeń intermitentnego pola facularnego to liczba pól, których wartość jest większa niż średnia wartość pola facularnego. Jak pokazano na rys. 6, średnia wartość pola facularnego wynosi 665 pikseli. Intermitentne pole facularne wynosi 902 piksele. Liczba powtórzeń intermitentnego pola facularnego wynosi 32.

Po obliczeniu trzech parametrów charakterystycznych i jednoczesnym pomiarze ilości częściowego rozładowania (PD), próbujemy określić ilość PD przy użyciu tych trzech parametrów obrazu UV za pomocą metody najmniejszych kwadratów maszyny wektorów nośnych.

Wybrane są 90 próbek wideo UV. Dla każdej klatki tych próbek, obliczane są trzy parametry obrazu UV, a odpowiadająca im ilość częściowego rozładowania (PD) jest zapisywana przez detektor PD JFD3. Argumenty wejściowe dla maszyny wektorów nośnych to średnia wartość pola facularnego, intermitentne pole facularne, liczba powtórzeń intermitentnego pola facularnego i wilgotność względna. Argumentem wyjściowym jest ilość PD. Wybrana funkcja jądra to Radial Basis Function (RBF). Po normalizacji, 80 próbek jest używanych do treningu. Parametry jądra i parametry karne maszyny wektorów nośnych są ustawione na wartości domyślne. Wynik treningu jest przedstawiony na rys. 7.

Jak pokazano na rys. 7, dla większości próbek treningowych, błąd w porównaniu z zmierzoną ilością PD jest stosunkowo mały. Jednak dla niektórych próbek, błąd przekracza 20%. Średni błąd kwadratowy (MSE) jest obliczany następująco:

Aby zminimalizować średni błąd kwadratowy (MSE) wyniku regresji i zwiększyć dokładność maszyny wektorów nośnych, do optymalizacji parametrów jądra i karne jest stosowany algorytm genetyczny (GA) [8-9].

Generacja końcowa jest ustawiona na 100, a wielkość populacji na 20. Proces optymalizacji jest przedstawiony na rys. 8. Jak pokazano na rys. 8, po 30 generacjach ewolucji, MSE spada z 0,07 do 0,01, co oznacza, że algorytm genetyczny osiągnął swój optymalny punkt [10]. Optymalne parametry jądra i karne wynoszą odpowiednio 0,2861 i 82,65.

Po optymalizacji parametrów za pomocą algorytmu genetycznego (GA), te same 80 próbek są ponownie trenowane, a wynik regresji jest przedstawiony na rys. 9. Jak widać na rys. 9, prawie wszystkie próbki mają bardzo mały błąd w porównaniu z zmierzoną ilością częściowego rozładowania (PD). Średni błąd kwadratowy (MSE) wynosi teraz 10, co jest znacznie mniejszy niż wartość 80 przed optymalizacją parametrów. Dlatego jest oczywiste, że optymalizacja parametrów GA może efektywnie zredukować MSE wyniku regresji i zwiększyć dokładność maszyny wektorów nośnych.

Ostateczne 10 próbek jest używane do przeprowadzenia testu modelu. Wyniki regresji są przedstawione w tabeli 1. Można jasno zauważyć, że błąd między wynikami regresji a rzeczywistą ilością częściowego rozładowania (PD) jest mniejszy niż 6,1%. To odkrycie wskazuje, że wytrenowany model ma doskonałą zdolność generalizacji.

Technologia obrazowania UV jest wykorzystywana do wykrywania rozładowania powierzchni izolatorów postowych zewnętrznych przelączników próżniowych. Relacja między polem facularnym w obrazach UV a ilością częściowego rozładowania jest badana za pomocą metody najmniejszych kwadratów maszyny wektorów nośnych, oferując nowe podejście do diagnostyki awarii izolacji zewnętrznych przelączników próżniowych oparte na obrazowaniu ultrafioletowym.

A. Przetwarzanie obrazów i definicja parametrów

Po wykonaniu segmentacji progowej składowej L i operacji morfologicznych matematycznych na obrazach UV, wyodrębniona jest część plamy obrazu UV, co umożliwia obliczenie pola facularnego. Trzy parametry są zdefiniowane do kwantyfikacji intensywności rozładowania: średnia wartość pola facularnego, intermitentne pole facularne i liczba powtórzeń intermitentnego pola facularnego.

B. Pozyskiwanie danych i analiza

Po uchwyceniu wideo UV i jednoczesnym pomiarze ilości częściowego rozładowania (PD), wilgotność względna i trzy parametry charakterystyczne obrazu UV są używane jako zmienne wejściowe. Przez analizę regresji za pomocą maszyny wektorów nośnych najmniejszych kwadratów, wraz z optymalizacją parametrów jądra za pomocą algorytmu genetycznego (GA), ilość PD może być dokładnie określona.

C. Dokładność diagnostyczna i znaczenie

Przez przeprowadzenie analizy regresji, aby ustalić relację między ilością rozładowania powierzchni izolatora a jego polem facularnym w obrazach UV, stwierdzono, że ilość PD diagnozowana wyłącznie na podstawie obrazów UV ma błąd mniejszy niż 6% w porównaniu z zmierzoną ilością PD. Ten poziom dokładności spełnia wymagania praktyczne i dostarcza nową, nieinwazyjną metodę diagnostyki zewnętrznych awarii izolacji zewnętrznych przelączników próżniowych opartą na obrazowaniu ultrafioletowym.

To badanie było finansowane przez Narodowe Fundusze Nauki Naturalnej Chin i Państwową Katedrę Energetyki Elektrycznej i Urządzeń Elektrycznych. Autorzy wyrażają swoje szczere podziękowania wszystkim, którzy udzielili wsparcia dla tego projektu.