Detecção de Descarga Superficial da Isolamento Externo do Disjuntor a Vácuo para Exteriores Baseada em Imagem Ultravioleta

Os disjuntores de vácuo ao ar livre (referidos como disjuntores adiante) são amplamente utilizados na rede de distribuição devido às suas vantagens, como tamanho compacto, peso leve, natureza à prova de fogo e explosão, operação suave, baixo ruído, pequeno intervalo de contato aberto, tempo de arco curto e manutenção fácil. Com o aumento da poluição atmosférica, em condições meteorológicas adversas, como neblina densa, garoa, condensação ou derretimento de gelo, é provável que ocorra descarga parcial (DP) na superfície do isolador do poste do disjuntor. Isso pode até levar a flashovers, encurtando a vida útil dos disjuntores e afetando a operação segura e estável do sistema de energia.

Neste artigo, o disjuntor de alta tensão ZW32-12 montado em poste ao ar livre (adiante referido como disjuntor HV ZW32-12) serve como exemplo, passando por testes em diversas condições climáticas. O processo de descarga na superfície do isolador do disjuntor ZW32-12 é capturado por um imagemador UV, enquanto a quantidade de descarga é medida simultaneamente. Após o processamento de imagem das imagens UV, parâmetros característicos são extraídos para descrever as características dessas imagens. Posteriormente, a quantidade de descarga é calculada usando o método de máquina de vetores de suporte de mínimos quadrados, permitindo a calibração das imagens UV. Isso representa uma nova técnica de detecção não contatante para a descarga parcial de disjuntores.

O disjuntor ZW32-12 é um dispositivo trifásico, 50Hz, 12kV AC para distribuição de energia ao ar livre. É principalmente utilizado para interromper e fechar correntes de carga, correntes de sobrecarga e correntes de curto-circuito. Sua estrutura é ilustrada na Fig. 1.

Para capturar simultaneamente a imagem UV da descarga no isolador do poste e medir a quantidade de descarga parcial (DP), um sistema de teste de descarga na superfície do isolador é projetado, conforme ilustrado na Fig. 2. Na Fig. 2, T representa o regulador de tensão, B é o transformador elevador, R₁ é o resistor limitador, e C₂ é o capacitor de acoplamento, que é utilizado para amostragem da medição de DP.

O transformador utilizado no sistema é um modelo YDWT-10kVA/100kV, conforme ilustrado na Fig. 3 - a. Ele é utilizado para gerar a fonte de alta tensão necessária para o isolador.

Um imagemador UV OFIL Superb é usado para capturar as imagens UV da descarga na superfície do isolador, conforme mostrado na Fig. 3 - b. A amostra de teste é o isolador do poste de um disjuntor ZW32-12, que esteve em serviço por três anos, conforme ilustrado na Fig. 3 - c. A amostra é colocada dentro de uma câmara climática artificial, onde a umidade relativa pode ser controlada de forma estável.

Neste sistema, o método de corrente de pulso é adotado para medir a quantidade de descarga parcial (DP). O console controla o regulador de tensão e o transformador para gerar a tensão desejada. Subsequentemente, o sinal de DP é transmitido ao detector de DP JFD-3 através de um capacitor de acoplamento e uma impedância de detecção.

Através de umidificação intermitente, a umidade relativa dentro da câmara climática artificial pode ser mantida em um nível estável. Os isoladores são expostos a uma tensão por duas horas para garantir que estejam completamente úmidos. Em seguida, uma tensão de 12kV é aplicada ao isolador por 5 minutos. Durante esse período, as imagens UV são capturadas e a quantidade de DP é medida. A distância de disparo do imagemador UV é de 5 metros, com um ângulo de 0° e um ganho de 110%. Testes repetidos são realizados em cada nível de umidade relativa, que varia de 70% a 90%, com um processo de incremento de 5%.

Processo de imagens UV

O imagemador UV captura um vídeo, portanto, é necessário o processamento de quadros para obter quadros sucessivos do vídeo UV para análise posterior. Cada quadro de imagem é uma imagem RGB colorida [3]. A descarga na superfície do isolador é refletida na imagem UV como um ponto brilhante. Quanto mais intensa for a descarga na superfície, maior será a área do ponto. Portanto, o pré-processamento de imagem e a segmentação de imagem são etapas essenciais para filtrar o fundo da imagem e extrair a parte do ponto.

Como os componentes vermelho (R), verde (G) e azul (B) no espaço de cores RGB indicam apenas a proporção de cores vermelha, verde e azul e não representam o brilho da imagem, analisamos cada quadro de imagem no espaço de cores HSL. HSL significa Matiz, Saturação e Luminância, respectivamente. Os componentes HSL de um quadro de imagem são mostrados na Fig. 4. De acordo com a Fig. 4, podemos determinar que o componente H ou S não consegue distinguir o ponto do fundo, enquanto o componente L pode realizar essa discriminação [4].

Como se pode ver na Fig. 4 - c, o componente L da parte do ponto é maior do que o do fundo. Portanto, a segmentação por limiar é um método eficaz para extrair a parte do ponto. O ponto chave está na escolha de um limiar apropriado do componente L. Aqui, usamos o método de limiar de Otsu para calcular o limiar do componente L [5]. Após a implementação da codificação Matlab para o método de Otsu, o limiar ótimo do componente L é determinado como 216, e o resultado da segmentação é apresentado na Fig. 5 - c. É evidente que o fundo foi filtrado, deixando apenas a parte do ponto UV.

Como mostrado na Fig. 5 - c, além da parte do ponto UV, ainda há numerosos pontos de ruído pequenos. Para lidar com isso, aplicamos operações de morfologia matemática com um elemento estrutural na forma de um círculo com raio de 4 pixels para remover esses pontos de ruído [6]. Após o processamento de morfologia matemática, o resultado é mostrado na Fig. 5 - d. Todos os pontos de ruído foram eliminados, e apenas a parte do ponto permanece. Definimos o número de pixels na parte do ponto como a "área de facula" desta imagem UV.

Depois de calcular a área de facula para quadros consecutivos em um vídeo UV, podemos obter a curva de área de facula. A curva de área de facula a 85% de umidade é mostrada na Fig. 6. Como indicado na Fig. 6, a área de facula flutua dentro de uma faixa pequena, com um ponto de grande tamanho aparecendo ocasionalmente. Portanto, três parâmetros são definidos para caracterizar a intensidade da descarga: a área média de facula, a área de facula intermitente e as vezes de repetição de facula intermitente, respectivamente [7]. Selecionamos 100 quadros consecutivos após a ocorrência de descarga parcial como objetos de estudo. A área média de facula é a média das áreas de 100 faculas. A área de facula intermitente é a média das áreas de faculas maiores que a área média de facula, enquanto as vezes de repetição de facula intermitente é o número de faculas com área maior que a área média de facula. De acordo com a Fig. 6, a área média de facula é de 665 pixels. A área de facula intermitente é de 902 pixels. As vezes de repetição de facula intermitente é 32.

Uma vez calculados os três parâmetros característicos e medida a quantidade de descarga parcial (DP) de forma sincronizada, tentamos determinar a quantidade de DP usando esses três parâmetros de imagem UV através do método de máquina de vetores de suporte de mínimos quadrados.

Noventa amostras de vídeos UV são selecionadas. Para cada quadro dessas amostras, três parâmetros de imagem UV são calculados, e a quantidade correspondente de descarga parcial (DP) é registrada pelo detector de DP JFD3. Os argumentos de entrada para a máquina de vetores são escolhidos como a área média de facula, a área de facula intermitente, as vezes de repetição de facula intermitente e a umidade relativa. O argumento de saída é a quantidade de DP. A Função de Base Radial (RBF) é selecionada como a função de kernel. Após a normalização, 80 amostras são utilizadas para treinamento. Ambos os parâmetros do kernel e os parâmetros de punição da máquina de vetores são definidos como valores padrão. O resultado do treinamento é mostrado na Fig. 7.

Como mostrado na Fig. 7, para a maioria das amostras de treinamento, o erro em comparação com a quantidade de DP medida é relativamente pequeno. No entanto, para algumas amostras, o erro excede 20%. O Erro Quadrático Médio (EQM) é calculado da seguinte forma:

Para minimizar o Erro Quadrático Médio (EQM) do resultado da regressão e melhorar a precisão da máquina de vetores, um algoritmo genético (GA) é empregado para otimizar os parâmetros do kernel e os parâmetros de punição. [8 - 9]

A geração de término é definida como 100, e o tamanho da população é definido como 20. O processo de otimização é ilustrado na Fig. 8. Como mostrado na Fig. 8, após 30 gerações de evolução, o EQM diminui de 0,07 para 0,01, indicando que o algoritmo genético atingiu seu ponto ótimo. [10] Os parâmetros de kernel e punição otimizados são 0,2861 e 82,65, respectivamente.

Após otimizar os parâmetros usando o algoritmo genético (GA), as mesmas 80 amostras são re-treinadas, e o resultado da regressão é apresentado na Fig. 9. Como se pode ver na Fig. 9, quase todas as amostras exibem um erro muito pequeno quando comparadas com a quantidade de descarga parcial (DP) medida. O Erro Quadrático Médio (EQM) agora é 10, que é significativamente menor que o valor de 80 antes da otimização dos parâmetros. Portanto, é evidente que otimizar os parâmetros do GA pode reduzir efetivamente o EQM do resultado da regressão e melhorar a precisão da máquina de vetores.

As últimas 10 amostras são utilizadas para realizar um teste no modelo. Os resultados da regressão são apresentados na Tabela 1. Pode-se observar claramente que o erro entre os resultados da regressão e a quantidade real de descarga parcial (DP) é inferior a 6,1%. Este achado indica que o modelo treinado demonstra excelente capacidade de generalização.

A tecnologia de imagem UV é utilizada para detectar a descarga na superfície dos isoladores de postes de disjuntores de vácuo ao ar livre. A relação entre a área de facula nas imagens UV e a quantidade de descarga parcial é explorada através do método de máquina de vetores de suporte de mínimos quadrados, oferecendo uma nova abordagem para o diagnóstico de falhas de isolamento em disjuntores de vácuo ao ar livre baseado em imagens ultravioleta.

A. Processamento de Imagem e Definição de Parâmetros

Após realizar a segmentação por limiar do componente L e operações de morfologia matemática em imagens UV, a parte do ponto da imagem UV é extraída, permitindo o cálculo da área de facula. Três parâmetros são definidos para quantificar a intensidade da descarga: a área média de facula, a área de facula intermitente e as vezes de repetição de facula intermitente.

B. Aquisição e Análise de Dados

Uma vez capturados os vídeos UV e medida a quantidade de descarga parcial (DP) de forma sincronizada, a umidade relativa e os três parâmetros de características de imagem UV são usados como variáveis de entrada. Através da análise de regressão via máquina de vetores de suporte de mínimos quadrados, juntamente com a otimização dos parâmetros do kernel usando um algoritmo genético (GA), a quantidade de DP pode ser determinada com precisão.

C. Precisão Diagnóstica e Significado

Ao conduzir a análise de regressão para estabelecer a relação entre a quantidade de descarga na superfície do isolador e sua área de facula na imagem UV, constata-se que a quantidade de DP diagnosticada apenas a partir de imagens UV tem um erro inferior a 6% em comparação com a quantidade de DP medida. Este nível de precisão atende aos requisitos de aplicações práticas e fornece um novo método não invasivo para o diagnóstico de falhas de isolamento externo em disjuntores de vácuo ao ar livre baseado em imagens ultravioleta.

Esta pesquisa foi financiada pela Fundação Nacional de Ciências Naturais da China e pelo Laboratório Estatal Chave de Isolamento Elétrico e Equipamentos de Energia. Os autores gostariam de expressar sua sincera gratidão a todos aqueles que forneceram apoio para este projeto.