楊代勇,劉 赫,林海丹,于群英,列劍平 ,李 易

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

0 引言

隨著電力系統(tǒng)電壓等級(jí)的提高和設(shè)備接入量的增加,對(duì)設(shè)備和系統(tǒng)的運(yùn)行可靠性要求也越來越高。如何更精準(zhǔn)、更高效、更快捷地進(jìn)行設(shè)備在線監(jiān)測或狀態(tài)評(píng)估,是當(dāng)前設(shè)備運(yùn)行維護(hù)工作的核心目標(biāo),也是保障供電可靠性的關(guān)鍵[1-2]。設(shè)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(shè)備外絕緣失效的前期征兆,因此對(duì)異常電暈放電的有效檢測是設(shè)備和線路故障預(yù)防的重要環(huán)節(jié)[3-4]。電暈放電通常伴隨著一系列的聲、光等現(xiàn)象,因而相應(yīng)地產(chǎn)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(shù)和聲成像技術(shù)也為應(yīng)用于設(shè)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(xué)孔徑成像原理,采用紫外光學(xué)鏡頭將日盲波段放電紫外光子收集并經(jīng)過微通道板進(jìn)行光電倍增,最終采用光電面陣進(jìn)行灰度成像,并與可見視場進(jìn)行疊加,以此獲得放電光源位置[9]。研究者們?cè)敿?xì)研究了電暈放電過程中紫外成像的光子數(shù)、光斑面積與放電強(qiáng)度、距離等影響因素的關(guān)系,為基于紫外成像的故障表征提供了依據(jù)[10];然而,受光學(xué)成像原理限制[11],日盲紫外成像在實(shí)際應(yīng)用中存在一定局限性,例如,對(duì)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(dǎo)致形成檢測盲區(qū)或定位失敗,并對(duì)絕緣子內(nèi)部缺陷引起的放電難以發(fā)現(xiàn)。近年來,聲學(xué)成像技術(shù)[12]因其具有較強(qiáng)的聚焦能力、高分辨率以及寬頻段靈敏度,而被引入對(duì)放電超聲源的定位[13]。應(yīng)用中結(jié)合對(duì)定位算法的改進(jìn)和傳感陣列的優(yōu)化設(shè)計(jì),增強(qiáng)了聲學(xué)檢測的指向性、抗干擾性和準(zhǔn)確性,羅勇芬等以經(jīng)典旋轉(zhuǎn)子空間算法(RSS)與高階累積量為基礎(chǔ),提出改進(jìn)RSS算法實(shí)現(xiàn)了更強(qiáng)的寬帶聚焦、定向增強(qiáng)和噪聲抑制等處理能力[14]。李濟(jì)深等通過傳感器陣列的設(shè)計(jì)與高階量累積量展開,實(shí)現(xiàn)了虛擬陣列擴(kuò)展,提高了陣列的方向銳度與定位精度[15]。由于聲學(xué)信號(hào)具有較強(qiáng)的固體媒介穿透能力,其受視場遮擋的影響較小,彌補(bǔ)了紫外成像檢測的不足。表1中總結(jié)了紫外成像和聲成像在放電源可視化定位應(yīng)用的特點(diǎn)[13,16]。由對(duì)比可知,超聲成像易受環(huán)境噪聲的影響導(dǎo)致定位精度下降,但除設(shè)備外絕緣的局部放電外,超聲成像對(duì)常見的機(jī)械結(jié)構(gòu)損傷、零件松動(dòng)和充氣設(shè)備的氣體泄漏也存在故障判別效果;紫外成像技術(shù)在障礙物遮擋情況下,難以實(shí)現(xiàn)有效定位。

表1 不同檢測方法的應(yīng)用特點(diǎn)

研究表明,聯(lián)合檢測系統(tǒng)可以利用多種檢測方法的優(yōu)勢實(shí)現(xiàn)互補(bǔ),克服單一檢測方法的不足[10]。此外,隨著圖像信息融合技術(shù)在醫(yī)學(xué)檢測、軍事衛(wèi)星和紅外遙感等方面的應(yīng)用,多圖像聯(lián)合檢測技術(shù)發(fā)展更加成熟[17-19]。鑒于紫外成像和超聲成像各自的技術(shù)特點(diǎn),本研究將兩種方法進(jìn)行硬件和算法上的融合,一起發(fā)揮聲、光兩種原理的協(xié)同優(yōu)勢,實(shí)現(xiàn)更高定位精度、更廣的檢測視場和更強(qiáng)的缺陷檢出能力,同時(shí)進(jìn)一步提升設(shè)備和線路巡檢效率和故障研判能力。

本研究基于靜態(tài)方向圖完成了單螺旋超聲陣列結(jié)構(gòu)設(shè)計(jì),評(píng)估了陣列的聲學(xué)性能;在單螺旋陣列的硬件基礎(chǔ)上,提出了一種具有高聚焦精度的改進(jìn)多重信號(hào)分類算法,增加了陣列在90°附近時(shí)的定位精度,實(shí)現(xiàn)了局部放電的超聲定位可視化;然后在聲成像有效視場內(nèi)引入由紫外鏡頭模組、微通道板和CCD構(gòu)成的日盲紫外成像系統(tǒng),提出了一種非中心視場的圖像融合標(biāo)定方法,實(shí)現(xiàn)了局部放電的紫外定位可視化;同時(shí)考慮周圍環(huán)境噪聲的影響,提出了一種可變權(quán)重的聲-光協(xié)同可視化信息融合方法,將聲學(xué)強(qiáng)度點(diǎn)陣、紫外強(qiáng)度點(diǎn)陣和可見光像素視場的空間信息譜融合,實(shí)現(xiàn)超聲-紫外可視化協(xié)同診斷。最后,采用本裝置對(duì)實(shí)際模擬電暈放電和變電站內(nèi)電暈放電進(jìn)行了實(shí)際檢測,并通過相對(duì)誤差分析驗(yàn)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(shè)計(jì)

本研究受UHF檢測領(lǐng)域螺旋天線結(jié)構(gòu)的啟發(fā)。所設(shè)計(jì)的單螺旋超聲陣列由31個(gè)超聲傳感器組成,滿足式(1)。

r=r0eαφ

(1)

其中,r為螺旋線上一點(diǎn)與原點(diǎn)之間的距離,r0為螺旋線上最遠(yuǎn)點(diǎn)與原點(diǎn)之間距離,即內(nèi)徑;φ是螺旋的旋轉(zhuǎn)角,s為螺旋增長率,由式(2)決定。

(2)

其中,α是螺旋臂上一點(diǎn)切線與同一點(diǎn)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(yīng)的傳感器陣列PCB板。由圖1(b)可知,相機(jī)口位于傳感器陣列的PCB上,靠近陣列中心,與單螺旋結(jié)構(gòu)排列的31個(gè)MEMS傳感器中心對(duì)齊。

圖1 單螺旋陣列的理論結(jié)構(gòu)和PCB實(shí)物

本研究通過靜態(tài)方向圖對(duì)單螺旋陣列的聲學(xué)性能進(jìn)行評(píng)估。方向圖表示了陣列的輸出絕對(duì)值與來波方向之間的關(guān)系。研究表明,陣列方向圖的主瓣越窄,聲學(xué)性能越好,定位效果越準(zhǔn)確[12]。陣列的靜態(tài)方向圖由式(3)～(4)計(jì)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(hào)的能量和;τl表示每個(gè)陣元到參考點(diǎn)的信號(hào)時(shí)延;m表示陣元數(shù),文中m=31;ωl表示每個(gè)陣元的權(quán)重;g0表示來波的復(fù)振幅;G(θ)表示Y(θ)的相對(duì)值。

單螺旋陣列從形狀上看近似于若干圓環(huán)組成的陣列,因此其方向圖與圓環(huán)相似,但陣列的靜態(tài)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(huán)陣列、31陣元平均分布的無轉(zhuǎn)角同心圓陣列相比較,得到的靜態(tài)方向圖與方向性切面圖見圖2[20]。

圖2 超聲陣列靜態(tài)方向圖

方向性切面圖選取了最能代表陣列方向性的靜態(tài)方向圖的切面圖。選取典型陣列的切面主瓣零點(diǎn)寬度(BW0)與半功率點(diǎn)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(huán)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(xué)性能逐漸提升,證明了提出單螺旋陣列具有良好的聲學(xué)性能。

1.2 定位算法

窄帶信號(hào)的數(shù)學(xué)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(hào)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(hào)的N×1維矢量,N(t)表示陣列的一維信號(hào)。

陣列的協(xié)方差矩陣見式(6)。

R=E(XXH)=AE(SSH)AH+σ2I=ARSAH+σ2I

(6)

其中,RS表示信號(hào)的協(xié)方差矩陣,ARSARH表示信號(hào)本身。由于信號(hào)和噪聲相互獨(dú)立,協(xié)方差矩陣可以分解為信號(hào)和噪聲兩部分。

矩陣R經(jīng)特征值分解為噪聲子空間US和信號(hào)子空間UN兩部分,見式(7)。

(7)

傳統(tǒng)的多重信號(hào)分類(MUSIC)算法[21-22]基于以下假設(shè):

1)信源數(shù)小于陣元數(shù)。

2)噪聲是零均值高斯噪聲,陣元的噪聲相互獨(dú)立,噪聲和信號(hào)也相互獨(dú)立。

3)信號(hào)源為遠(yuǎn)場信號(hào)。

(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(shí)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(hào)誤差不同,對(duì)定位結(jié)果產(chǎn)生的影響也不盡相同。因此,為進(jìn)一步提高空間譜的定位精度,擴(kuò)大定位角度范圍,對(duì)傳統(tǒng)MUSIC算法提出改進(jìn)策略。針對(duì)不同的陣列結(jié)構(gòu),考慮引入不同的加權(quán)矩陣來改變傳感器接收信號(hào)的作用權(quán)重。設(shè)W是陣列信號(hào)作用的加權(quán)系數(shù)矩陣,對(duì)不同傳感器的噪聲子空間進(jìn)行重要性加權(quán),當(dāng)W為單位矩陣時(shí),該空間譜函數(shù)即為經(jīng)典MUSIC算法空間譜函數(shù)。

對(duì)于提出的單螺旋陣列,實(shí)驗(yàn)發(fā)現(xiàn)外側(cè)陣元接收到的信號(hào)定位誤差較小。因此,通過提高外側(cè)傳感器接收信號(hào)的作用權(quán)重來進(jìn)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(quán)重賦在主對(duì)角線的31個(gè)元素上,得到本研究引入的加權(quán)矩陣W。改進(jìn)加權(quán)的MUSIC算法見式(9)。

(9)

將采集得到的31路超聲信號(hào)導(dǎo)入到MATLAB中,分別使用傳統(tǒng)MUSIC算法和改進(jìn)MUSIC算法進(jìn)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(duì)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(shí)驗(yàn)優(yōu)化前后的定位空間譜

由圖3中的仿真結(jié)果可知,經(jīng)系數(shù)矩陣加權(quán)作用后,改進(jìn)的MUSIC定位算法突出了90°附近方向角的空間譜峰值,擴(kuò)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(shù)實(shí)現(xiàn)了超聲定位結(jié)果的可視化。首先,采用針-板放電模型模擬變電站內(nèi)的電暈放電,標(biāo)定得到放電模型相對(duì)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(jìn)MUSIC算法進(jìn)行超聲定位,得到了放電源附近的聲強(qiáng)分布點(diǎn)陣,見圖4(a);同時(shí)結(jié)合可見光相機(jī)視場(FOV)(見圖4(b))獲取了現(xiàn)場的可見光圖像。然后,假設(shè)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(jìn)一步由式(10)計(jì)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(shù),取值介于0到1之間。

計(jì)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(jié)果,見圖4(c)。從超聲成像的結(jié)果中直觀地觀察到局部放電的發(fā)生位置,具有良好的定位精度,驗(yàn)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(tǒng)的設(shè)計(jì)

分光式日盲紫外-可見雙光譜相機(jī)的結(jié)構(gòu)見圖5,其主要由分光系統(tǒng)、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(fā)出的光電子經(jīng)光電倍增后轟擊到后端屏幕,產(chǎn)生可見光圖像;再經(jīng)過光錐耦合,照射到CCD像面上成像,構(gòu)成雙光譜相機(jī)的紫外光路;另一部分光經(jīng)過反光鏡1和反光鏡2的兩次反射,進(jìn)入可見光鏡頭。日盲雙光譜相機(jī)經(jīng)上述過程的協(xié)同工作,實(shí)現(xiàn)紫外信號(hào)的實(shí)時(shí)采集與顯示。

圖5 分光式紫外相機(jī)系統(tǒng)結(jié)構(gòu)示意圖

2.2 紫外-可見光圖像融合的標(biāo)定

由于紫外鏡頭和可見光鏡頭的焦距和尺寸不同,導(dǎo)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(biāo)定問題,利用紫外和可見光學(xué)系統(tǒng)存在的數(shù)學(xué)關(guān)系進(jìn)行坐標(biāo)點(diǎn)轉(zhuǎn)換,表達(dá)式見(11)～(12)。選取原點(diǎn)(0,0)為紫外和光學(xué)系統(tǒng)的中心像素點(diǎn),經(jīng)式(11)～(12)變換,視場中的(mi,ni)標(biāo)定后得到:

圖6 紫外圖像視場標(biāo)定結(jié)果

(11)

(12)

經(jīng)視場標(biāo)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(shè)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(tǒng)首先將采集到的視頻信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)碼流輸入圖像處理部分;再對(duì)數(shù)字信號(hào)進(jìn)行仿射變換,與可見光視頻信號(hào)共同處理后得到帶顯示的視頻信號(hào);最后在OpenCV環(huán)境下顯示視頻信號(hào),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(diào)整一致;在融合過程中,對(duì)圖中像素點(diǎn)逐一計(jì)算,如果紫外圖像的像素點(diǎn)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(diào)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(jié)果見圖8,前景圖像中灰色表示紫外相機(jī)監(jiān)測到光子密集出現(xiàn)的區(qū)域,背景圖像是由可見光相機(jī)拍攝的實(shí)景。由定位結(jié)果圖明顯看出,經(jīng)過紫外相機(jī)的處理,現(xiàn)場工作人員可以精確地定位故障點(diǎn)。

圖8 紫外成像融合效果圖

3 超聲-紫外可視化協(xié)同診斷

3.1 超聲-紫外可視化協(xié)同信息融合算法研究

由日盲紫外成像的原理可知,當(dāng)局部放電源與紫外鏡頭間的傳播路徑存在遮擋時(shí),紫外鏡頭采集的光子數(shù)將明顯減少,直接影響定位結(jié)果;同時(shí),有研究表明在環(huán)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(shù)的局限性,本研究提出一種可變權(quán)重的聲-光可視化協(xié)同信息融合算法。通過可變權(quán)重將超聲成像和紫外成像的定位結(jié)果有機(jī)融合,既有效利用了聲學(xué)信號(hào)較強(qiáng)的固體媒介穿透能力,又高效結(jié)合了光學(xué)信號(hào)不受噪聲干擾的能力,進(jìn)一步提升了現(xiàn)場的缺陷檢出能力。

3.1.1 權(quán)重計(jì)算

(13)

(14)

(15)

JF值意味著特征的可分離性,JF值越大則數(shù)據(jù)的可分離性越強(qiáng)。

計(jì)算不同信噪比情況下的JF(k)值,則不同信噪比下的權(quán)重為

(16)

最終,需要得到的超聲-可見光聯(lián)合檢測信息由式(17)計(jì)算可得

(17)

3.1.2 基于變權(quán)的超聲-紫外可視化協(xié)同檢測信息融合方法

在實(shí)驗(yàn)和數(shù)據(jù)分析的基礎(chǔ)上,提出了基于變權(quán)的超聲-紫外可視化協(xié)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(xué)模式。高中英語教師在課堂教學(xué)中要重視學(xué)生的主體地位，根據(jù)學(xué)生特點(diǎn)設(shè)計(jì)各個(gè)教學(xué)環(huán)節(jié)，以學(xué)生活動(dòng)為主，加強(qiáng)情景創(chuàng)設(shè)，多聯(lián)系生活實(shí)際，活化教材和課堂。使用網(wǎng)絡(luò)增加課堂教學(xué)容量，使學(xué)生積極參與并展示他們的語言才華和計(jì)算機(jī)使用才華，同時(shí)也加強(qiáng)了課堂的吸引性。在必修1 Unit3 Travel journal的教學(xué)過程中，學(xué)生利用網(wǎng)絡(luò)查閱了他們想去旅游的地方和已經(jīng)旅游過的地方并且把國慶節(jié)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(xué)生興奮的抒發(fā)著他們對(duì)多元話英語閱讀課程的興趣。

圖9 可變權(quán)重信息融合算法流程圖

圖10 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練示意圖

1)在協(xié)同診斷之前,需進(jìn)行神經(jīng)網(wǎng)絡(luò)模型[28-29]訓(xùn)練為正式診斷做準(zhǔn)備,模型訓(xùn)練過程見10圖,樣本集通過實(shí)驗(yàn)缺陷模型獲取。首先對(duì)缺陷模型施加10 kV左右的電壓,保證局放信號(hào)的產(chǎn)生;采集過程中紫外圖像以25幀/秒的幀率錄制視頻,錄制時(shí)間為60 s,拍攝距離限定在20 m～30 m范圍內(nèi),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(nèi),拍攝時(shí)以正對(duì)物體所在的位置為法向,選取相機(jī)、物體的連線與法向形成的角度進(jìn)行拍攝,每間隔20°拍攝一組,范圍在(-40°,40°)內(nèi);接收頻率范圍設(shè)置為20 kHz～60 kHz,對(duì)采集的超聲信號(hào)手動(dòng)添加高斯白噪聲。其步驟為

a)獲取每種檢測圖像的100個(gè)樣本。

b)通過式(13)、(14)和(15)計(jì)算JF值。

d)建立兩個(gè)BP神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò)的輸入分別是紫外圖像光子數(shù)vn和超聲聲強(qiáng)Us,同時(shí)也需提供對(duì)應(yīng)采集環(huán)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(gè)神經(jīng)細(xì)胞,訓(xùn)練精度為1×10-5。

2)拍攝待檢測對(duì)象的可見光圖像、超聲成像結(jié)果和紫外視頻;同時(shí)檢測環(huán)境的信噪比。

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

4)根據(jù)提取的可見光圖像、紫外圖像光子數(shù)vn、聲強(qiáng)矩陣Us和信噪比一起輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)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(jì)算最終的局放信息結(jié)果Yfu。

3.2 超聲-紫外可視化協(xié)同診斷的現(xiàn)場應(yīng)用

綜合上述系統(tǒng)結(jié)構(gòu)設(shè)計(jì)與診斷算法,本研究完成了相應(yīng)的超聲-紫外可視化協(xié)同檢測裝置的開發(fā),見圖11。應(yīng)用開發(fā)的協(xié)同檢測裝置進(jìn)行變電站現(xiàn)場實(shí)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(duì)比,檢驗(yàn)提出算法的有效性。

圖11 超聲-紫外可視化協(xié)同檢測裝置

3.2.1 超聲檢測現(xiàn)場應(yīng)用結(jié)果

對(duì)設(shè)計(jì)的單螺旋陣列與提出的改進(jìn)MUSIC算法進(jìn)行現(xiàn)場應(yīng)用效果的試驗(yàn)驗(yàn)證。檢測結(jié)果發(fā)現(xiàn)變電站內(nèi)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(xiàn)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(xiàn)場檢測結(jié)果

從圖中明顯觀察到設(shè)計(jì)的單螺旋陣列與提出的定位算法直觀的將設(shè)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(xiàn)場應(yīng)用中,有效解決了設(shè)備排列緊密造成的難以準(zhǔn)確辨識(shí)電暈放電位置的問題,提升了檢測效率。

3.2.2 紫外檢測現(xiàn)場應(yīng)用結(jié)果

通過現(xiàn)場巡檢驗(yàn)證日盲紫外成像系統(tǒng)的可行性,結(jié)果發(fā)現(xiàn)開關(guān)套管連接處存在放電現(xiàn)象,現(xiàn)場效果見圖13。

圖13 日盲紫外成像變電站現(xiàn)場檢測結(jié)果

從可見光圖像中明顯觀察到開關(guān)連接處的電暈放電現(xiàn)象,基本實(shí)現(xiàn)了較準(zhǔn)確定位,但由于測量距離原因,現(xiàn)場應(yīng)用過程中接收的光子數(shù)較少,導(dǎo)致成像位置稍有偏移。

3.2.3 超聲-紫外可視化協(xié)同檢測結(jié)果

根據(jù)提出的可變權(quán)重超聲-紫外可視化協(xié)同信息融合方法,實(shí)現(xiàn)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(shí)現(xiàn)了超聲、紫外檢測技術(shù)的優(yōu)勢互補(bǔ),其結(jié)果見圖14。

圖14 超聲-紫外可視化協(xié)同檢測成像結(jié)果圖

在變電站巡檢過程中發(fā)現(xiàn)了一個(gè)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(nèi)排列緊密,現(xiàn)場典型故障的檢測結(jié)果見圖15。在應(yīng)用紫外成像檢測過程中,發(fā)現(xiàn)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(dǎo)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(dǎo)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(nèi)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(xié)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(xiàn)場典型故障的檢測結(jié)果

3.2.4 定位誤差分析

本節(jié)從定位圖像中定位點(diǎn)和實(shí)際放電點(diǎn)得圖像像素位置(px)出發(fā),對(duì)超聲成像檢測、紫外成像和超聲-紫外可視化協(xié)同檢測的定位精度對(duì)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(diǎn)與實(shí)際放電點(diǎn)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(xié)同檢測的誤差距離下降至10 px以下,三者相對(duì)誤差由式(18)計(jì)算[30]

(18)

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

經(jīng)計(jì)算,紫外成像定位相對(duì)誤差為8.2%,超聲定位成像的相對(duì)誤差為3.5%,優(yōu)化后的超聲-紫外可視化協(xié)同診斷算法的相對(duì)誤差成功降至1%。

4 結(jié)論

本研究提出了一種超聲-紫外協(xié)同的戶外絕緣狀態(tài)可視化診斷技術(shù)。主要結(jié)論如下:

1)基于靜態(tài)方向圖設(shè)計(jì)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(xué)性能;結(jié)合改進(jìn)MUSIC算法與透明融合算法,成功地實(shí)現(xiàn)了高聚焦精度的超聲定位與結(jié)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(shè)計(jì)的具體思路,提出了一種紫外-可見光視場標(biāo)定方法,實(shí)現(xiàn)了放電的紫外定位可視化。

3)考慮環(huán)境噪聲的不同,提出了一種基于變權(quán)的超聲-紫外聯(lián)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(jī)融合,將定位相對(duì)誤差下降到1%,提升了復(fù)雜環(huán)境下的檢測精度。

基于以上研究內(nèi)容,本研究最終實(shí)現(xiàn)了電力設(shè)備的超聲-紫外可視化協(xié)同診斷,彌補(bǔ)了單一檢測方法的不足,具有更強(qiáng)的檢測能力與更高的檢測精度。