電力設備外絕緣放電聲-光協同檢測及診斷技術

楊代勇,劉 赫,林海丹,于群英,列劍平 ,李 易

(1.國網吉林省電力有限公司電力科學研究院,長春 130021;2.西安交通大學電氣工程學院,西安 710049)

0 引言

隨著電力系統電壓等級的提高和設備接入量的增加,對設備和系統的運行可靠性要求也越來越高。如何更精準、更高效、更快捷地進行設備在線監測或狀態評估,是當前設備運行維護工作的核心目標,也是保障供電可靠性的關鍵[1-2]。設備或線路外絕緣的異常電暈放電通常由絕緣子表面臟污、絕緣開裂、電接觸不良、局部電場異常等潛在絕緣缺陷引起,其不但是絕緣加速老化的重要誘因,也是過電壓下引起設備外絕緣失效的前期征兆,因此對異常電暈放電的有效檢測是設備和線路故障預防的重要環節[3-4]。電暈放電通常伴隨著一系列的聲、光等現象,因而相應地產生了超聲檢測法和紫外檢測法[5-8]。為了提高巡檢效率和直觀性,日盲紫外成像技術和聲成像技術也為應用于設備和線路外絕緣的可視化檢測中。其中,日盲紫外成像基于光學孔徑成像原理,采用紫外光學鏡頭將日盲波段放電紫外光子收集并經過微通道板進行光電倍增,最終采用光電面陣進行灰度成像,并與可見視場進行疊加,以此獲得放電光源位置[9]。研究者們詳細研究了電暈放電過程中紫外成像的光子數、光斑面積與放電強度、距離等影響因素的關系,為基于紫外成像的故障表征提供了依據[10];然而,受光學成像原理限制[11],日盲紫外成像在實際應用中存在一定局限性,例如,對于放電源被遮擋(或處在視覺明場范圍之外)的情況,紫外光子將難以被有效捕捉,導致形成檢測盲區或定位失敗,并對絕緣子內部缺陷引起的放電難以發現。近年來,聲學成像技術[12]因其具有較強的聚焦能力、高分辨率以及寬頻段靈敏度,而被引入對放電超聲源的定位[13]。應用中結合對定位算法的改進和傳感陣列的優化設計,增強了聲學檢測的指向性、抗干擾性和準確性,羅勇芬等以經典旋轉子空間算法(RSS)與高階累積量為基礎,提出改進RSS算法實現了更強的寬帶聚焦、定向增強和噪聲抑制等處理能力[14]。李濟深等通過傳感器陣列的設計與高階量累積量展開,實現了虛擬陣列擴展,提高了陣列的方向銳度與定位精度[15]。由于聲學信號具有較強的固體媒介穿透能力,其受視場遮擋的影響較小,彌補了紫外成像檢測的不足。表1中總結了紫外成像和聲成像在放電源可視化定位應用的特點[13,16]。由對比可知,超聲成像易受環境噪聲的影響導致定位精度下降,但除設備外絕緣的局部放電外,超聲成像對常見的機械結構損傷、零件松動和充氣設備的氣體泄漏也存在故障判別效果;紫外成像技術在障礙物遮擋情況下,難以實現有效定位。

表1 不同檢測方法的應用特點

研究表明,聯合檢測系統可以利用多種檢測方法的優勢實現互補,克服單一檢測方法的不足[10]。此外,隨著圖像信息融合技術在醫學檢測、軍事衛星和紅外遙感等方面的應用,多圖像聯合檢測技術發展更加成熟[17-19]。鑒于紫外成像和超聲成像各自的技術特點,本研究將兩種方法進行硬件和算法上的融合,一起發揮聲、光兩種原理的協同優勢,實現更高定位精度、更廣的檢測視場和更強的缺陷檢出能力,同時進一步提升設備和線路巡檢效率和故障研判能力。

本研究基于靜態方向圖完成了單螺旋超聲陣列結構設計,評估了陣列的聲學性能;在單螺旋陣列的硬件基礎上,提出了一種具有高聚焦精度的改進多重信號分類算法,增加了陣列在90°附近時的定位精度,實現了局部放電的超聲定位可視化;然后在聲成像有效視場內引入由紫外鏡頭模組、微通道板和CCD構成的日盲紫外成像系統,提出了一種非中心視場的圖像融合標定方法,實現了局部放電的紫外定位可視化;同時考慮周圍環境噪聲的影響,提出了一種可變權重的聲-光協同可視化信息融合方法,將聲學強度點陣、紫外強度點陣和可見光像素視場的空間信息譜融合,實現超聲-紫外可視化協同診斷。最后,采用本裝置對實際模擬電暈放電和變電站內電暈放電進行了實際檢測,并通過相對誤差分析驗證了聲-光可視化診斷的效果。

1 局部放電的超聲定位可視化

1.1 單螺旋陣列的設計

本研究受UHF檢測領域螺旋天線結構的啟發。所設計的單螺旋超聲陣列由31個超聲傳感器組成,滿足式(1)。

r=r0eαφ

(1)

其中,r為螺旋線上一點與原點之間的距離,r0為螺旋線上最遠點與原點之間距離,即內徑;φ是螺旋的旋轉角,s為螺旋增長率,由式(2)決定。

(2)

其中,α是螺旋臂上一點切線與同一點徑向線之間的角度。

31陣元單螺旋陣列傳感器的布置見圖1(a),圖1(b)為相應的傳感器陣列PCB板。由圖1(b)可知,相機口位于傳感器陣列的PCB上,靠近陣列中心,與單螺旋結構排列的31個MEMS傳感器中心對齊。

圖1 單螺旋陣列的理論結構和PCB實物

本研究通過靜態方向圖對單螺旋陣列的聲學性能進行評估。方向圖表示了陣列的輸出絕對值與來波方向之間的關系。研究表明,陣列方向圖的主瓣越窄,聲學性能越好,定位效果越準確[12]。陣列的靜態方向圖由式(3)～(4)計算可得。

(3)

(4)

式中,Y(θ)表示來波方向θ上所有傳感器接收信號的能量和;τl表示每個陣元到參考點的信號時延;m表示陣元數,文中m=31;ωl表示每個陣元的權重;g0表示來波的復振幅;G(θ)表示Y(θ)的相對值。

單螺旋陣列從形狀上看近似于若干圓環組成的陣列,因此其方向圖與圓環相似,但陣列的靜態方向圖受陣元的形狀、角度影響較大,直接影響其定位精度。為此,筆者將提出的陣列與常見的31陣元圓環陣列、31陣元平均分布的無轉角同心圓陣列相比較,得到的靜態方向圖與方向性切面圖見圖2[20]。

圖2 超聲陣列靜態方向圖

方向性切面圖選取了最能代表陣列方向性的靜態方向圖的切面圖。選取典型陣列的切面主瓣零點寬度(BW0)與半功率點寬度(BW0.5)見表2。

表2 典型陣列的主瓣與旁瓣寬度

由圖2和表2可知,隨著陣列形狀的變化,從圓環陣列到單螺旋陣列,主瓣寬度逐漸變窄,旁瓣逐漸減小,表明陣列的聲學性能逐漸提升,證明了提出單螺旋陣列具有良好的聲學性能。

1.2 定位算法

窄帶信號的數學模型見式(5)。

X(t)=AS(t)+N(t)

(5)

式中,X(t)表示陣列輸出的M×1維信號矢量,A表示陣列的M×N維方向矢量陣列,S(t)表示空間信號的N×1維矢量,N(t)表示陣列的一維信號。

陣列的協方差矩陣見式(6)。

R=E(XXH)=AE(SSH)AH+σ2I=ARSAH+σ2I

(6)

其中,RS表示信號的協方差矩陣,ARSARH表示信號本身。由于信號和噪聲相互獨立,協方差矩陣可以分解為信號和噪聲兩部分。

矩陣R經特征值分解為噪聲子空間US和信號子空間UN兩部分,見式(7)。

(7)

傳統的多重信號分類(MUSIC)算法[21-22]基于以下假設:

1)信源數小于陣元數。

2)噪聲是零均值高斯噪聲,陣元的噪聲相互獨立,噪聲和信號也相互獨立。

3)信號源為遠場信號。

(8)

通過改變方向角和俯仰角來尋找光譜峰值,功率PMUSIC取最大值時的方向角和俯仰角即為聲源的方向角與俯仰角。

由于空間位置的差異性,陣列上的不同傳感器接收信號誤差不同,對定位結果產生的影響也不盡相同。因此,為進一步提高空間譜的定位精度,擴大定位角度范圍,對傳統MUSIC算法提出改進策略。針對不同的陣列結構,考慮引入不同的加權矩陣來改變傳感器接收信號的作用權重。設W是陣列信號作用的加權系數矩陣,對不同傳感器的噪聲子空間進行重要性加權,當W為單位矩陣時,該空間譜函數即為經典MUSIC算法空間譜函數。

對于提出的單螺旋陣列,實驗發現外側陣元接收到的信號定位誤差較小。因此,通過提高外側傳感器接收信號的作用權重來進一步提升陣列的定位精度。初始矩陣為31行31列的單位矩陣,依次將權重賦在主對角線的31個元素上,得到本研究引入的加權矩陣W。改進加權的MUSIC算法見式(9)。

(9)

將采集得到的31路超聲信號導入到MATLAB中,分別使用傳統MUSIC算法和改進MUSIC算法進行定位測試,其中聲源采用D型21 kHz超聲換能器。定位過程中測得聲源相對傳感陣列中心的方位角與俯仰角為(94°,81°),得到兩種算法的定位空間譜見圖3。

圖3 實驗優化前后的定位空間譜

由圖3中的仿真結果可知,經系數矩陣加權作用后,改進的MUSIC定位算法突出了90°附近方向角的空間譜峰值,擴大了原有的定位角度范圍,明顯增加了定位精度。

1.3 空間譜的融合與可視化

為了直觀地觀察到局部放電的位置,文中通過圖像融合技術實現了超聲定位結果的可視化。首先,采用針-板放電模型模擬變電站內的電暈放電,標定得到放電模型相對傳感陣列中心的方位角與俯仰角為(65°,18°)。利用單螺旋陣列與改進MUSIC算法進行超聲定位,得到了放電源附近的聲強分布點陣,見圖4(a);同時結合可見光相機視場(FOV)(見圖4(b))獲取了現場的可見光圖像。然后,假設圖4(a)為前景,圖4(b)為背景,前景和背景的RGB矩陣分別由A(x)和B(x)表示,進一步由式(10)計算融合圖像的矩陣C(x)。

圖4 圖像融合過程

Cr(x)=Ar(x)·α+Br(x)·(1-α)

Cg(x)=Ag(x)

Cb(x)=Ab(x)

(10)

式中,α為不透明系數,取值介于0到1之間。

計算融合圖像的RGB矩陣后,得到局部放電定位的超聲可視化結果,見圖4(c)。從超聲成像的結果中直觀地觀察到局部放電的發生位置,具有良好的定位精度,驗證了提出算法的有效性。

2 紫外成像融合與可視化

2.1 紫外成像系統的設計

分光式日盲紫外-可見雙光譜相機的結構見圖5,其主要由分光系統、紫外鏡頭、微通道板紫外CCD、可見光CCD和圖像處理模塊等部分組成[23]。電暈放電的紫外光和背景光穿過紫外鏡頭和日盲紫外濾光片照射到紫外成像微通道板上,激發出的光電子經光電倍增后轟擊到后端屏幕,產生可見光圖像;再經過光錐耦合,照射到CCD像面上成像,構成雙光譜相機的紫外光路;另一部分光經過反光鏡1和反光鏡2的兩次反射,進入可見光鏡頭。日盲雙光譜相機經上述過程的協同工作,實現紫外信號的實時采集與顯示。

圖5 分光式紫外相機系統結構示意圖

2.2 紫外-可見光圖像融合的標定

由于紫外鏡頭和可見光鏡頭的焦距和尺寸不同,導致獲取的圖像視場并不重合,見圖6(a)。本研究提出了一種新方法解決非中心視場的圖像融合標定問題,利用紫外和可見光學系統存在的數學關系進行坐標點轉換,表達式見(11)～(12)。選取原點(0,0)為紫外和光學系統的中心像素點,經式(11)～(12)變換,視場中的(mi,ni)標定后得到:

圖6 紫外圖像視場標定結果

(11)

(12)

經視場標定后,獲取的新紫外圖像將與可見光視場重疊,見圖6(b)。

2.3 紫外-可見光圖像融合算法

假設可見光圖像為背景圖像,紫外圖像為前景圖像,紫外成像系統首先將采集到的視頻信號轉化為數字信號碼流輸入圖像處理部分;再對數字信號進行仿射變換,與可見光視頻信號共同處理后得到帶顯示的視頻信號;最后在OpenCV環境下顯示視頻信號,具體的成像算法流程圖見圖7。為保證順利融合,首先利用前述方法將兩視場范圍大小調整一致;在融合過程中,對圖中像素點逐一計算,如果紫外圖像的像素點灰度值為0,那么融合圖像灰度值為可見光圖像灰度值;如果灰度值不為0,則融合圖像灰度值調整為(255,0,0),即顯示為紅色。

圖7 紫外成像算法流程圖

紫外圖像融合結果見圖8,前景圖像中灰色表示紫外相機監測到光子密集出現的區域,背景圖像是由可見光相機拍攝的實景。由定位結果圖明顯看出,經過紫外相機的處理,現場工作人員可以精確地定位故障點。

圖8 紫外成像融合效果圖

3 超聲-紫外可視化協同診斷

3.1 超聲-紫外可視化協同信息融合算法研究

由日盲紫外成像的原理可知,當局部放電源與紫外鏡頭間的傳播路徑存在遮擋時,紫外鏡頭采集的光子數將明顯減少,直接影響定位結果;同時,有研究表明在環境噪聲較大的情況下,超聲定位算法的精度將明顯下降[24-25]?；诔暫妥贤鈾z測技術的局限性,本研究提出一種可變權重的聲-光可視化協同信息融合算法。通過可變權重將超聲成像和紫外成像的定位結果有機融合,既有效利用了聲學信號較強的固體媒介穿透能力,又高效結合了光學信號不受噪聲干擾的能力,進一步提升了現場的缺陷檢出能力。

3.1.1 權重計算

(13)

(14)

(15)

JF值意味著特征的可分離性,JF值越大則數據的可分離性越強。

計算不同信噪比情況下的JF(k)值,則不同信噪比下的權重為

(16)

最終,需要得到的超聲-可見光聯合檢測信息由式(17)計算可得

(17)

3.1.2 基于變權的超聲-紫外可視化協同檢測信息融合方法

在實驗和數據分析的基礎上,提出了基于變權的超聲-紫外可視化協同信息融合方法,整體流程見圖9。主要步驟為

2.選擇合適的課堂教學模式。高中英語教師在課堂教學中要重視學生的主體地位，根據學生特點設計各個教學環節，以學生活動為主，加強情景創設，多聯系生活實際，活化教材和課堂。使用網絡增加課堂教學容量，使學生積極參與并展示他們的語言才華和計算機使用才華，同時也加強了課堂的吸引性。在必修1 Unit3 Travel journal的教學過程中，學生利用網絡查閱了他們想去旅游的地方和已經旅游過的地方并且把國慶節期間拍的照片帶到課堂，“英語課要總這樣上就好了?！闭n后學生興奮的抒發著他們對多元話英語閱讀課程的興趣。

圖9 可變權重信息融合算法流程圖

圖10 神經網絡模型訓練示意圖

1)在協同診斷之前,需進行神經網絡模型[28-29]訓練為正式診斷做準備,模型訓練過程見10圖,樣本集通過實驗缺陷模型獲取。首先對缺陷模型施加10 kV左右的電壓,保證局放信號的產生;采集過程中紫外圖像以25幀/秒的幀率錄制視頻,錄制時間為60 s,拍攝距離限定在20 m～30 m范圍內,儀器增益為100%;超聲圖像的拍攝距離同樣限制在20 m～30 m的范圍內,拍攝時以正對物體所在的位置為法向,選取相機、物體的連線與法向形成的角度進行拍攝,每間隔20°拍攝一組,范圍在(-40°,40°)內;接收頻率范圍設置為20 kHz～60 kHz,對采集的超聲信號手動添加高斯白噪聲。其步驟為

a)獲取每種檢測圖像的100個樣本。

b)通過式(13)、(14)和(15)計算JF值。

d)建立兩個BP神經網絡,BP神經網絡的輸入分別是紫外圖像光子數vn和超聲聲強Us,同時也需提供對應采集環境的信噪比SNR;輸出為局放融合信息Yul和Yuv。隱藏層為1,每層有10個神經細胞,訓練精度為1×10-5。

2)拍攝待檢測對象的可見光圖像、超聲成像結果和紫外視頻;同時檢測環境的信噪比。

3)處理圖像并提取圖像特征點,包括可見光圖像、紫外圖像光子數vn和超聲定位的聲強Us。

4)根據提取的可見光圖像、紫外圖像光子數vn、聲強矩陣Us和信噪比一起輸入訓練好的BP神經網絡中,得到局部放電信息輸出Yul與Yuv。

5)通過式(17)完成信息融合并計算最終的局放信息結果Yfu。

3.2 超聲-紫外可視化協同診斷的現場應用

綜合上述系統結構設計與診斷算法,本研究完成了相應的超聲-紫外可視化協同檢測裝置的開發,見圖11。應用開發的協同檢測裝置進行變電站現場實測,并從檢測效果、檢測誤差方面與超聲檢測、紫外成像檢測效果作對比,檢驗提出算法的有效性。

圖11 超聲-紫外可視化協同檢測裝置

3.2.1 超聲檢測現場應用結果

對設計的單螺旋陣列與提出的改進MUSIC算法進行現場應用效果的試驗驗證。檢測結果發現變電站內的懸式絕緣子連接處和變壓器套管連接處存在電暈放電現象,超聲定位圖像見圖12。

圖12 單螺旋陣列定位成像變電站現場檢測結果

從圖中明顯觀察到設計的單螺旋陣列與提出的定位算法直觀的將設備與線路的連接處存在電暈放電顯示在可見光圖像上。在現場應用中,有效解決了設備排列緊密造成的難以準確辨識電暈放電位置的問題,提升了檢測效率。

3.2.2 紫外檢測現場應用結果

通過現場巡檢驗證日盲紫外成像系統的可行性,結果發現開關套管連接處存在放電現象,現場效果見圖13。

圖13 日盲紫外成像變電站現場檢測結果

從可見光圖像中明顯觀察到開關連接處的電暈放電現象,基本實現了較準確定位,但由于測量距離原因,現場應用過程中接收的光子數較少,導致成像位置稍有偏移。

3.2.3 超聲-紫外可視化協同檢測結果

根據提出的可變權重超聲-紫外可視化協同信息融合方法,實現了超聲圖像、紫外和可見光圖像的信息融合,有效提升了定位精度,實現了超聲、紫外檢測技術的優勢互補,其結果見圖14。

圖14 超聲-紫外可視化協同檢測成像結果圖

在變電站巡檢過程中發現了一個電暈放電定位的典型案例,此處母線、絕緣子和支架在視場范圍內排列緊密,現場典型故障的檢測結果見圖15。在應用紫外成像檢測過程中,發現某視場存在較為分散的紫外光子分布,且由于母線的遮擋和視線中兩絕緣子的交匯,導致難以判斷具體的故障位置;更換超聲成像的方式檢測同樣位置,由于精度問題導致存在較大的紅色陰影,同樣難以精確判斷故障位置。此故障位置較高,且存在于變電站內難以深入的部分,給檢修人員排查帶來困難。采用超聲-紫外可視化協同信息融合方法明顯縮小了定位范圍,精確定位了電暈放電位置,大大降低了檢修難度。

圖15 現場典型故障的檢測結果

3.2.4 定位誤差分析

本節從定位圖像中定位點和實際放電點得圖像像素位置(px)出發,對超聲成像檢測、紫外成像和超聲-紫外可視化協同檢測的定位精度對比分析,定位誤差見表3。

表3 定位誤差分析

表中RMS表示定位點與實際放電點在圖像上的距離,即誤差距離(px)。表中顯示,超聲定位在檢測過程中的誤差距離為15 px左右,紫外成像為65 px左右,超聲-紫外協同檢測的誤差距離下降至10 px以下,三者相對誤差由式(18)計算[30]

(18)

其中,Ex為定位相對誤差;xz為定位圖像x軸總像素點;vz為定位圖像y軸總像素點。

經計算,紫外成像定位相對誤差為8.2%,超聲定位成像的相對誤差為3.5%,優化后的超聲-紫外可視化協同診斷算法的相對誤差成功降至1%。

4 結論

本研究提出了一種超聲-紫外協同的戶外絕緣狀態可視化診斷技術。主要結論如下:

1)基于靜態方向圖設計了單螺旋超聲陣列,有效窄化了BW0與BW0.5,提升了定位陣列的聲學性能;結合改進MUSIC算法與透明融合算法,成功地實現了高聚焦精度的超聲定位與結果的可視化展示。

2)基于折射光路紫外成像方法,給出了成像模塊設計的具體思路,提出了一種紫外-可見光視場標定方法,實現了放電的紫外定位可視化。

3)考慮環境噪聲的不同,提出了一種基于變權的超聲-紫外聯合檢測信息融合的方法,給出了具體步驟,將可見光、超聲和紫外檢測信息有機融合,將定位相對誤差下降到1%,提升了復雜環境下的檢測精度。

基于以上研究內容,本研究最終實現了電力設備的超聲-紫外可視化協同診斷,彌補了單一檢測方法的不足,具有更強的檢測能力與更高的檢測精度。