Utomhusdäckningsbrytare (hädanefter kallade brytare) används vidt och brett i distributionsnätet på grund av sina fördelar som liten storlek, lätt vikt, brandsäkerhet, explosionsärvighet, smidig drift, låg buller, liten kontaktklappning, korta bågningstider och enkel underhåll. När atmosfäriska föroreningar blir alltmer allvarliga, kan det i otillräckliga väderförhållanden som tätt dimma, duggregn, kondensation eller issmältning inträffa partiell utsläppning (PD) på ytan av brytarens stolpeisolator. Detta kan till och med leda till fläktövergångar, vilket förkortar brytarnas livslängd och påverkar det säkra och stabila driftsättet av elsystemet.
I denna artikel används ZW32-12 utomhusmonterad högspänningsvakuumdäckningsbrytare (hädanefter kallad HV ZW32-12-brytare) som exempel, genomgår tester i olika klimatiska förhållanden. Ytutsläppningsprocessen för stolpeisolatorn av ZW32-12-brytaren fångas av en UV-kamera, samtidigt som dess utsläppningsmängd mäts. Efter bildbehandling av UV-bilderna extraheras karaktäristiska parametrar för att beskriva bildernas egenskaper. Därefter beräknas utsläppningsmängden med hjälp av metoden minsta kvadrat-supportvektormaskin, vilket möjliggör kalibrering av UV-bilderna. Detta representerar en ny kontaktlös upptäcktsteknik för partiell utsläppning av brytare.
ZW32-12-brytaren är en trefas, 50Hz, 12kV AC-utomhuseldistributionsenhet. Den används huvudsakligen för att avbryta och stänga belastningsström, överbelastningsström och kortslutningsström. Dess struktur visas i Fig. 1.

För att samtidigt fånga in utsläppnings-UV-bilden av stolpeisolatorn och mäta partiell utsläppningsmängd (PD), har ett provsystem för ytutsläppning av isolatorn designats, som visas i Fig. 2. I Fig. 2 representerar T spänningsregulatorn, B är stegupptransformatorn, R₁ är begränsningsresistorn, och C₂ är kopplingskondensatorn, vilken används för att ta prover av PD-mätningen.

Transformatorn som används i systemet är en YDWT-10kVA/100kV-modell, som visas i Fig. 3-a. Den används för att generera den höga spänningen som krävs för isolatorn.
En OFIL Superb UV-kamera används för att fånga in UV-bilder av ytutsläppning från isolatorn, som visas i Fig. 3-b. Provsamplarna är stolpeisolatorn från en ZW32-12-brytare, som har varit i drift i tre år, som visas i Fig. 3-c. Provsamplarna placeras i en artificiell klimatkammare, där relativ luftfuktighet kan stabil kontrolleras.
I detta system används pulsspänningsmetoden för att mäta partiell utsläppningsmängd (PD). Kontrollpanelen styr spänningsregulatorn och transformatorn för att generera önskad spänning. Sedan skickas PD-signalen till PD-detektorn JFD-3 via en kopplingskondensator och en detektionsimpedans.
Genom intermittenta fukthandlingar kan den relativa luftfuktigheten i den artificiella klimatkammaren hållas på ett stabilt nivå. Isolatorer exponeras för spänning i två timmar för att säkerställa att de är fullständigt våta. Därefter appliceras en 12kV-spänning på isolatorn i 5 minuter. Under denna period tas UV-bilder, och PD-mängden mäts. Avståndet för UV-kameran är 5 meter, med en vinkel på 0° och en vinst på 110%. Upprepade tester utförs vid varje nivå av relativ luftfuktighet, vilket ligger mellan 70% och 90%, med en stegvis process på 5%.
UV-kameran registrerar en video, så bildbehandling av enskilda ramar är nödvändig för att erhålla successiva ramar av UV-videon för vidare analys. Varje bildram är en RGB-sannfärgsbild [3]. Ytutsläppningen från isolatorn återspeglas på UV-bilden som en ljusfläck. Ju intensivare ytutsläppningen, desto större blir fläckens area. Därför är bildförbehandling och bildsegmentering nödvändiga steg för att filtrera bort bildens bakgrund och extrahera fläckdelen.

Eftersom röd komponent (R), grön komponent (G) och blå komponent (B) i RGB-färgrymden endast anger färgförhållandet mellan rött, grönt och blått och inte kan representera bildens ljusstyrka, analyserar vi varje bildram i HSL-färgrymden. HSL står för Hue, Saturation och Luminance. HSL-komponenterna för en bildram visas i Fig. 4. Enligt Fig. 4 kan vi fastställa att H- eller S-komponenten inte kan skilja fläcken från bakgrunden, medan L-komponenten kan utföra denna diskriminering [4].

Som syns i Fig. 4-c, är L-komponenten av fläckdelen större än den av bakgrunden. Därför är tröskelsegmentering en effektiv metod för att extrahera fläckdelen. Nyckeln ligger i att välja ett lämpligt L-komponenttröskelvärde. Här använder vi Otsu's tröskelvärdesmetod för att beräkna L-komponenttröskelvärdet [5]. Efter implementering av Matlab-kodning för Otsu's metod fastställs det optimala L-komponenttröskelvärdet till 216, och segmenteringsresultatet presenteras i Fig. 5-c. Det är uppenbart att bakgrunden har filtrerats bort, med endast UV-fläckdelen kvar.
Som visas i Fig. 5-c, finns det fortfarande många små bruspunkter utöver UV-fläckdelen. För att hantera detta tillämpar vi matematiska morfologiska operationer med en strukturelement i form av en cirkel med en radie på 4 pixlar för att ta bort dessa bruspunkter [6]. Efter matematisk morfologisk behandling visas resultatet i Fig. 5-d. Alla bruspunkter har tagits bort, och endast fläckdelen finns kvar. Vi definierar antalet pixlar i fläckdelen som "facula area" för denna UV-bild.


Efter beräkning av facula area för successiva ramar i en UV-video, kan vi erhålla facula areakurvan. Facula areakurvan vid 85% luftfuktighet visas i Fig. 6. Som indikerat i Fig. 6, svänger facula area inom en liten omfattning, med ibland en stor fläck som dyker upp. Därför definieras tre parametrar för att karakterisera utsläppningsintensiteten: genomsnittlig facula area, intermittenta facula area och upprepningstider för intermittenta facula respektive [7]. Vi väljer 100 successiva ramar efter uppkomsten av partiell utsläppning som objekt för studie. Genomsnittlig facula area är medelvärdet av areorna för 100 ramars facula. Intermittenta facula area är medelvärdet av areorna för facula som är större än genomsnittlig facula area, medan upprepningstider för intermittenta facula är antalet facula med en area som är större än genomsnittlig facula area. Enligt Fig. 6, är genomsnittlig facula area 665 pixlar. Intermittenta facula area är 902 pixlar. Upprepningstider för intermittenta facula är 32.
När de tre karaktäristiska parametrarna har beräknats och partiell utsläppningsmängd (PD) mäts samtidigt, försöker vi bestämma PD-mängden med hjälp av dessa tre UV-bildparametrar genom minsta kvadrat-supportvektormaskinmetoden.

Nittio prover av UV-videor väljs. För varje ram av dessa prover beräknas tre UV-bildparametrar, och motsvarande partiell utsläppningsmängd (PD) registreras av JFD3 PD-detektorn. Inmatningsargumenten för vektormaskinen väljs som genomsnittlig facula area, intermittenta facula area, upprepningstider för intermittenta facula och relativ luftfuktighet. Utmatningsargumentet är PD-mängd. Radial Basis Function (RBF) väljs som kärnfunktion. Efter normalisering används 80 prover för träning. Både kärnparametrarna och straffparametrarna för vektormaskinen sätts till standardvärden. Träningsresultatet visas i Fig. 7.
Som visas i Fig. 7, är felet jämfört med den mätta PD-mängden relativt litet för de flesta träningsproven. Men för vissa proven överskrider felet 20%. Medelfelet (MSE) beräknas enligt följande:

För att minimera medelfelet (MSE) av regressionsresultatet och förbättra vektormaskinens noggrannhet, används en genetisk algoritm (GA) för att optimera kärnparametrarna och straffparametrarna. [8-9]
Avslutningsgenerationen sätts till 100, och populationsstorleken sätts till 20. Optimeringsprocessen visas i Fig. 8. Som visas i Fig. 8, minskar MSE från 0,07 till 0,01 efter 30 generationers evolution, vilket indikerar att den genetiska algoritmen har nått sitt optimala punkt. [10] De optimerade kärn- och straffparametrarna är 0,2861 och 82,65 respektive.
Efter parametertoptimering med hjälp av genetisk algoritm (GA), omskolas samma 80 prover, och regressionsresultatet presenteras i Fig. 9. Som syns i Fig. 9, visar nästan alla prover ett mycket litet fel jämfört med den mätta partiella utsläppningsmängden (PD). Medelfelet (MSE) är nu 10, vilket är betydligt mindre än värdet 80 innan parametertoptimeringen. Därför är det uppenbart att GA-parametertoptimering effektivt kan minska MSE av regressionsresultatet och förbättra vektormaskinens noggrannhet.


De sista 10 proven används för att utföra en test på modellen. Regressionsresultaten presenteras i Tabell 1. Det kan tydligt observeras att felet mellan regressionsresultaten och den faktiska partiella utsläppningsmängden (PD) är mindre än 6,1%. Detta resultat indikerar att den tränade modellen visar utmärkt generaliseringsförmåga.

UV-bildteknik används för att upptäcka ytutsläppning av utomhusvakuumdäckningsbrytarens stolpeisolator. Relationen mellan facula area i UV-bilder och partiell utsläppningsmängd undersöks genom minsta kvadrat-supportvektormaskinmetoden, vilket erbjuder en ny metod för isolationsfel diagnostik av utomhusvakuumdäckningsbrytare baserat på ultraviolett bildning.
Efter genomförd L-komponenttröskelsegmentering och matematiska morfologiska operationer på UV-bilder, extraheras fläckdelen av UV-bilden, vilket möjliggör beräkning av facula area. Tre parametrar definieras för att kvantifiera utsläppningsintensiteten: genomsnittlig facula area, intermittenta facula area och upprepningstider för intermittenta facula.
När UV-videor har insamlats och partiell utsläppningsmängd (PD) mäts samtidigt, används den relativa luftfuktigheten och de tre UV-bildens egenskapsparametrar som inmatningsvariabler. Genom regressionsanalys via minsta kvadrat-supportvektormaskin, tillsammans med kärnparametertoptimering med hjälp av en genetisk algoritm (GA), kan PD-mängden bestämmas med hög precision.
Genom att genomföra regressionsanalys för att etablera relationen mellan isolatorns ytutsläppningsmängd och dess UV-bilds facula area, konstateras att PD-mängden diagnostiserad enbart från UV-bilder har ett fel på mindre än 6% jämfört med den mätta PD-mängden. Denna nivå av precision uppfyller kraven för praktiska tillämpningar och ger en ny icke-invasiv metod för att diagnostisera externa isolationsfel i utomhusvakuumdäckningsbrytare baserat på ultraviolett bildning.
Detta forskningsarbete finansierades av Kinas Nationala Naturvetenskapliga Fond och Statens Nyckellaboratorium för Elektrisk Isolation och Elutrustning. Författarna vill härmed uttrycka sin uppriktiga tacksamhet till alla som gav stöd till detta projekt.