Pagtuklas ng Surface Discharge sa Panlabas na Insulasyon ng Outdoor Vacuum Circuit Breaker Batay sa Ultraviolet Imaging

Ang mga outdoor vacuum circuit breakers (na tinatawag na breakers sa kasunod) ay malawakang ginagamit sa distribution network dahil sa kanilang mga pangunahing katangian tulad ng maliit na sukat, maikling bigat, fire - at explosion - proof na kalikasan, mulat na operasyon, mababang ingay, maliit na bukas na contact clearance, maikling arcing time, at madaling pagmamanage. Dahil sa lumalala na polusyon sa hangin, sa mga masamang kondisyon ng panahon tulad ng makapal na ulap, misty, condensation, o pagsunog ng yelo, maaaring mangyari ang partial discharge (PD) sa ibabaw ng post insulator ng breaker. Ito ay maaaring magresulta sa flashovers, na nagpapakurta ng serbisyo ng mga breakers at nakakaapekto sa ligtas at matatag na operasyon ng power system.

Sa sanaysay na ito, ang ZW32 - 12 outdoor - pole - mounted high - voltage vacuum circuit breaker (sa kasunod na tinatawag na HV ZW32 - 12 breaker) ay ginagamit bilang halimbawa, na sumasailalim sa mga pagsusulit sa iba't ibang kondisyon ng klima. Ang proseso ng surface discharge ng post insulator ng ZW32 - 12 breaker ay inuulat ng UV imager, habang ang halaga ng discharge nito ay sinusukat nang parehistro. Pagkatapos ng pagproseso ng imahe ng UV images, ang mga karakteristikong parametro ay inililipat upang ilarawan ang mga tampok ng mga imahe na ito. Sa pagkakasunod, ang halaga ng discharge ay inuulat gamit ang least - square support vector machine method, na nagbibigay-daan sa calibration ng mga UV images. Ito ay isang bagong non - contact detection technique para sa partial discharge ng mga breakers.

Ang ZW32 - 12 breaker ay isang three - phase, 50Hz, 12kV AC outdoor power - distribution device. Ito ay pangunahing ginagamit upang putulin at buksan ang load current, overload current, at short - circuit current. Ang kanyang estruktura ay ipinapakita sa Fig. 1.

Upang sabay-sabay na iulat ang discharge UV image ng post insulator at sukatin ang halaga ng partial discharge (PD), isang insulator surface discharge test system ang idinisenyo, tulad ng ipinapakita sa Fig. 2. Sa Fig. 2, T ay kumakatawan sa voltage regulator, B ay ang step - up transformer, R₁ ay ang limiting resistor, at C₂ ay ang coupling capacitor, na ginagamit para sa sampling ng PD measurement. 

Ang transformer na ginagamit sa sistema ay isang YDWT - 10kVA/100kV model, tulad ng ipinapakita sa Fig. 3 - a. Ito ay ginagamit upang lumikha ng high - voltage source na kailangan para sa insulator.

Isang OFIL Superb UV imager ang ginagamit upang iulat ang UV images ng insulator surface discharge, tulad ng ipinapakita sa Fig. 3 - b. Ang sample na itinest ay ang post insulator mula sa isang ZW32 - 12 breaker, na may tatlong taon na serbisyo, tulad ng ipinapakita sa Fig. 3 - c. Ang sample ay inilagay sa loob ng artificial climate chamber, kung saan ang relative humidity ay maaring kontrolin nang matatag.

Sa sistema na ito, ang pulse current method ang ginagamit upang sukatin ang halaga ng partial discharge (PD). Ang console ay kontrolador ng voltage regulator at transformer upang lumikha ng kinakailangang voltage. Pagkatapos, ang PD signal ay ipinapadala sa PD detector JFD - 3 sa pamamagitan ng coupling capacitor at detecting impedance.

Sa pamamagitan ng intermitenteng paghumidify, ang relative humidity sa loob ng artificial climate chamber ay maaaring panatilihin sa matatag na antas. Ang mga insulators ay inilapat sa voltage ng dalawang oras upang siguruhin na lubusan silang nalibutan. Pagkatapos, ang 12kV voltage ay inilapat sa insulator ng 5 minuto. Sa panahong ito, ang UV images ay ikinukuha, at ang halaga ng PD ay sinusukat. Ang shooting distance ng UV imager ay 5 metro, na may angle ng 0° at gain na 110%. Mga paulit-ulit na pagsusulit ay isinasagawa sa bawat antas ng relative humidity, na may range mula 70% hanggang 90%, na may step - up process ng 5%.

 Proseso ng mga UV images

Ang UV imager ay kumuha ng video, kaya ang frame processing ay kinakailangan upang makakuha ng sunod-sunod na mga frame ng UV video para sa mas malalim na analisis. Ang bawat imahe frame ay isang RGB true - color image [3]. Ang surface discharge ng insulator ay napapakita sa UV image bilang isang bright spot. Ang mas malakas ang surface discharge, ang mas malaking spot area. Kaya, ang image pre - processing at image segmentation ay mahalagang hakbang upang ilayo ang background ng imahe at i-extract ang bahagi ng spot.

Dahil ang red component (R), green component (G), at blue component (B) sa RGB color space ay lamang nagpapakita ng ratio ng kulay ng red, green, at blue at hindi maaaring ilarawan ang brightness ng imahe, kami ay pinag-aralan ang bawat frame ng imahe sa HSL color space. Ang HSL ay nangangahulugang Hue, Saturation, at Luminance. Ang HSL components ng isang frame ng imahe ay ipinapakita sa Fig. 4. Ayon sa Fig. 4, maaari nating maging sigurado na ang H o S component ay hindi maaaring mapaghiwalay ang spot mula sa background, samantalang ang L component ay maaaring gawin ito [4].

Tulad ng ipinapakita sa Fig. 4 - c, ang L component ng bahagi ng spot ay mas malaki kaysa sa background. Kaya, ang threshold segmentation ay isang epektibong pamamaraan upang i-extract ang bahagi ng spot. Ang susi rito ay ang tamang L - component threshold. Dito, ginagamit namin ang Otsu's thresholding method upang kalkulahin ang L - component threshold [5]. Matapos mag-implement ng Matlab coding para sa Otsu's method, ang optimal na L - component threshold ay natuklasan na 216, at ang resulta ng segmentation ay ipinapakita sa Fig. 5 - c. Evidente na ang background ay na-filter out, na-wala na ang UV spot part.

Tulad ng ipinapakita sa Fig. 5 - c, bukod sa UV spot part, mayroon pa ring maraming small noise points. Upang tugunan ito, ginagamit namin ang mathematical morphology operations na may structural element sa anyo ng circle na may radius ng 4 pixels upang alisin ang mga noise points [6]. Matapos ang mathematical morphology processing, ang resulta ay ipinapakita sa Fig. 5 - d. Lahat ng noise points ay naalis, at ang tanging spot part lang ang natitira. Inilalarawan namin ang bilang ng pixels sa spot part bilang ang "facula area" ng UV image na ito.

Matapos kalkulahin ang facula area para sa sunod-sunod na mga frame sa isang UV video, maaari nating makuhang ang facula area curve. Ang facula area curve sa 85% humidity ay ipinapakita sa Fig. 6. Ayon sa Fig. 6, ang facula area ay nagbabago sa maliit na range, na may malaking spot na lumilitaw kapag-kapag. Kaya, tatlong parameter ang inilalarawan upang ilarawan ang lakas ng discharge: ang mean facula area, ang intermittent facula area, at ang repetition times ng intermittent facula respectively [7]. Pinili namin ang 100 sunod-sunod na mga frame pagkatapos ng pag-occur ng partial discharge bilang object ng pag-aaral. Ang mean facula area ay ang average ng areas ng 100 frames' faculae. Ang intermittent facula area ay ang average ng areas ng mga faculae na mas malaki kaysa sa mean facula area, samantalang ang repetition times ng intermittent facula ay ang bilang ng mga faculae na may area na mas malaki kaysa sa mean facula area. Ayon sa Fig. 6, ang mean facula area ay 665 pixels. Ang intermittent facula area ay 902 pixels. Ang repetition times ng intermittent facula ay 32.

Kapag ang tatlong characteristic parameters ay nakalkula at ang halaga ng partial discharge (PD) ay sinusukat nang sabay, sinusubukan namin na tuklasin ang halaga ng PD gamit ang tatlong UV image parameters sa pamamagitan ng least - square support vector machine method.

Ninety samples ng UV videos ang pinili. Para sa bawat frame ng mga sampol na ito, tatlong UV image parameters ang nakalkula, at ang kasaganaang partial discharge (PD) quantity ay na-record ng JFD3 PD detector. Ang input arguments para sa vector machine ay pinili bilang ang mean facula area, ang intermittent facula area, ang repetition times ng intermittent facula, at ang relative humidity. Ang output argument ay ang PD quantity. Ang Radial Basis Function (RBF) ay pinili bilang kernel function. Matapos ang normalization, 80 samples ang ginamit para sa pagsasanay. Ang kernel parameters at punishment parameters ng vector machine ay itinakda sa default values. Ang resulta ng pagsasanay ay ipinapakita sa Fig. 7.

Tulad ng ipinapakita sa Fig. 7, para sa karamihan ng mga training samples, ang error sa paghahambing sa measured PD quantity ay maliit. Gayunpaman, para sa ilang samples, ang error ay lumampas sa 20%. Ang Mean Square Error (MSE) ay kalkulahin gayon:

Upang mabawasan ang Mean Square Error (MSE) ng resulta ng regression at mapataas ang accuracy ng vector machine, ginagamit ang genetic algorithm (GA) upang i-optimize ang kernel parameters at punishment parameters. [8 - 9]

Ang termination generation ay itinakda sa 100, at ang population size ay itinakda sa 20. Ang proseso ng optimization ay ipinapakita sa Fig. 8. Tulad ng ipinapakita sa Fig. 8, pagkatapos ng 30 generations ng evolution, ang MSE ay bumaba mula 0.07 hanggang 0.01, na nagpapahiwatig na ang genetic algorithm ay umabot sa kanyang optimal point. [10] Ang optimized kernel at punishment parameters ay 0.2861 at 82.65 respectively.

Pagkatapos ng pag-optimize ng parameters gamit ang genetic algorithm (GA), ang parehong 80 samples ay retrained, at ang resulta ng regression ay ipinapakita sa Fig. 9. Tulad ng makikita sa Fig. 9, halos lahat ng samples ay nagpapakita ng napakaliit na error sa paghahambing sa measured partial discharge (PD) quantity. Ang Mean Square Error (MSE) ngayon ay 10, na napakaliit kaysa sa value na 80 bago ang parameter optimization. Kaya, malinaw na ang pag-optimize ng GA parameters ay maaaring epektibong mabawasan ang MSE ng resulta ng regression at mapataas ang accuracy ng vector machine.

Ang huling 10 samples ay ginamit upang gawin ang test sa modelo. Ang resulta ng regression ay ipinapakita sa Table 1. Malinaw na makikita na ang error sa pagitan ng resulta ng regression at ang aktwal na partial discharge (PD) quantity ay mas mababa kaysa 6.1%. Ito ay nagpapahiwatig na ang na-train na modelo ay nagpapakita ng mahusay na generalization ability.

Ang UV imaging technology ay ginagamit upang detektonin ang surface discharge ng outdoor vacuum breaker post insulators. Ang relasyon sa pagitan ng facula area sa UV images at ang halaga ng partial discharge ay sinisiyasat sa pamamagitan ng least - square support vector machine method, na nagbibigay ng bagong paraan para sa insulation fault diagnosis ng outdoor vacuum circuit breakers batay sa ultraviolet imaging.

A. Image Processing at Parameter Definition

Pagkatapos gumawa ng L - component threshold segmentation at mathematical morphology operations sa UV images, ang bahagi ng spot ng UV image ay inililikha, na nagbibigay-daan sa kalkulasyon ng facula area. Tatlong parameter ang inilalarawan upang kwentahin ang lakas ng discharge: ang mean facula area, ang intermittent facula area, at ang repetition times ng intermittent faculae.

B. Data Acquisition at Analysis

Kapag ang UV videos ay kinuha at ang halaga ng partial discharge (PD) ay sinusukat nang sabay, ang relative humidity at ang tatlong UV image feature parameters ay ginagamit bilang input variables. Sa pamamagitan ng regression analysis via least - square support vector machine, kasama ang pag-optimize ng kernel parameter gamit ang genetic algorithm (GA), ang halaga ng PD ay maaaring makuha nang wasto.

C. Diagnostic Accuracy at Significance

Sa pamamagitan ng paggawa ng regression analysis upang itatag ang relasyon sa pagitan ng halaga ng surface discharge ng insulator at ang facula area ng kanyang UV image, natuklasan na ang halaga ng PD na na-diagnose nang solo mula sa UV images ay may error na mas mababa kaysa 6% sa paghahambing sa measured PD quantity. Ang antas ng accuracy na ito ay tumutugon sa mga pangangailangan ng praktikal na aplikasyon at nagbibigay ng bagong non - invasive method para sa pag-diagnose ng external insulation faults sa outdoor vacuum circuit breakers batay sa ultraviolet imaging.

Ang pag-aaral na ito ay binansagan ng National Natural Science Foundation of China at ang State Key Laboratory of Electrical Insulation and Power Equipment. Ang mga may-akda ay gustong ipahayag ang kanilang tunay na pasasalamat sa lahat ng mga nagbigay ng suporta para sa proyektong ito.