徐國(guó)輝，謝宏偉，呂通發(fā)，牟 鑫，鮑明正，呂 超

基于改進(jìn)ANFIS的絕緣子紫外光斑評(píng)估方法

徐國(guó)輝，謝宏偉，呂通發(fā)，牟 鑫，鮑明正，呂 超

（國(guó)網(wǎng)內(nèi)蒙古東部電力有限公司興安供電公司，內(nèi)蒙古 興安盟 137400）

絕緣子運(yùn)行狀態(tài)的評(píng)估關(guān)乎到輸電工程的安全運(yùn)行。紫外成像技術(shù)提供了一種絕緣子評(píng)估的量化手段，為此，提出了一種基于改進(jìn)自適應(yīng)神經(jīng)模糊推理系統(tǒng)（adaptive neuro-fuzzy inference system，ANFIS）的絕緣子紫外光斑評(píng)估方法。首先，搭建了絕緣子污穢放電測(cè)試平臺(tái)，開展了不同測(cè)試距離和增益下的絕緣子放電強(qiáng)度研究。其次，將增益以及紫外光斑面積作為訓(xùn)練數(shù)據(jù)，建立了基于貝葉斯推理的ANFIS模型。最后，進(jìn)行了現(xiàn)場(chǎng)驗(yàn)證測(cè)試。結(jié)果表明，該方法具有良好的預(yù)測(cè)精度和測(cè)試效率，適用于絕緣子紫外成像量化評(píng)估，為絕緣子運(yùn)行狀態(tài)的評(píng)估提供了技術(shù)支撐。

絕緣子；紫外成像；貝葉斯；ANFIS；光斑面積

0 引言

高壓電氣設(shè)備的外絕緣特性關(guān)系到輸變電工程的安全運(yùn)行，絕緣子作為支撐部件，起著重要的電氣隔離作用。絕緣子污閃放電會(huì)造成線路故障，會(huì)嚴(yán)重影響電力系統(tǒng)的安全運(yùn)行[1-2]。傳統(tǒng)的絕緣子異常放電檢測(cè)方法主要包括脈沖電流法、紅外成像法[3-5]，目前取得了一定的效果，但容易受外界環(huán)境的干擾。

紫外成像儀具有非接觸、靈敏度高的優(yōu)點(diǎn)，已廣泛應(yīng)用于輸電線路帶電檢測(cè)中的絕緣子放電評(píng)估[6-10]。文獻(xiàn)[11-13]研究了紫外光斑面積與環(huán)境因素之間的關(guān)系，為放電強(qiáng)度的考核提供了一種新的手段。李煉煉[14]采用數(shù)值擬合的方法，實(shí)現(xiàn)了一種紫外光斑面積應(yīng)用于放電強(qiáng)度的定量評(píng)估方法。

自適應(yīng)神經(jīng)模糊推理系統(tǒng)（adaptive neuro-fuzzy inference system，ANFIS）采用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)機(jī)制，克服了傳統(tǒng)評(píng)估主觀性強(qiáng)的缺點(diǎn)。文獻(xiàn)[15]結(jié)合ANFIS和SOM技術(shù)，實(shí)現(xiàn)了主變壓器的狀態(tài)監(jiān)測(cè)和評(píng)估。ANFIS依據(jù)詳盡的模糊推理規(guī)則，同樣可用于紫外測(cè)量法獲得的絕緣子放電強(qiáng)度評(píng)估[16]，但評(píng)估效率較低。為此，本文以復(fù)合絕緣子為研究對(duì)象，基于貝葉斯推理的ANFIS技術(shù)，對(duì)絕緣子的紫外光斑面積開展相關(guān)研究。

1 原理介紹

1.1 普通ANFIS

典型的ANFIS結(jié)構(gòu)如圖1所示，表現(xiàn)為雙輸入單輸出。

圖1 ANFIS結(jié)構(gòu)

其中1和2是系統(tǒng)的輸入，是推理系統(tǒng)的輸出，整個(gè)結(jié)構(gòu)有5層。

第一層為模糊化層，完成1和2的模糊化，第一次的輸出為：

第二層為模糊推理層，第二層節(jié)點(diǎn)的輸出為：

式中：對(duì)應(yīng)第條規(guī)則的激活函數(shù)，即所有輸入信號(hào)的算術(shù)乘積。

第三層為歸一化層，計(jì)算過(guò)程為：

第四層為去模糊化層，每個(gè)節(jié)點(diǎn)的輸出為：

式中：{p,q,r}是第個(gè)節(jié)點(diǎn)的參數(shù)集，該層中的每個(gè)節(jié)點(diǎn)均連接到各自的歸一化節(jié)點(diǎn)上，同時(shí)接收初始輸入1和2。

第五層為輸出層，節(jié)點(diǎn)是一個(gè)固定節(jié)點(diǎn)，計(jì)算所有逆模糊化神經(jīng)元輸出的總和，并產(chǎn)生最后的ANFIS輸出：

1.2 改進(jìn)后的ANFIS

為了改善ANFIS網(wǎng)絡(luò)的魯棒性和測(cè)試效率，引入貝葉斯推理技術(shù)。修正后的誤差性能函數(shù)為：

式中：、為正則化參數(shù)；為樣本總數(shù)；i為誤差；W為網(wǎng)絡(luò)權(quán)值；D為普通ANFIS的誤差性能函數(shù)。

和的后驗(yàn)分布為：

式中：為樣本集；為權(quán)值向量，(/,)為閾值的先驗(yàn)分布，服從高斯分布，滿足：

(/,,)為似然函數(shù)，滿足：

2 現(xiàn)場(chǎng)測(cè)試

2.1 平臺(tái)搭建

參照GB/T 2317.2[17]，搭建220kV復(fù)合絕緣子的污穢放電試驗(yàn)平臺(tái)，工頻電壓逐漸升高，當(dāng)出現(xiàn)微弱的放電，繼續(xù)升高電壓，直至穩(wěn)定的放電，同時(shí)通過(guò)紫外成像儀捕捉放電光斑，如圖2所示。

圖2 絕緣子污穢放電試驗(yàn)

2.2 試驗(yàn)方案

改變工頻電壓數(shù)值，分別取100kV、140kV、180kV、220kV，紫外成像儀增益值取70%，觀測(cè)距離分別設(shè)置為6m、10m、15m、20m、25m、30m，存儲(chǔ)不同電壓等級(jí)和觀測(cè)距離下放電光斑的圖像，通過(guò)圖像處理后，繪制其光斑面積曲線，如圖3所示。將紫外光斑面積與觀測(cè)距離之間的關(guān)系式采用冪指數(shù)擬合，不同電壓等級(jí)下的表達(dá)式見(jiàn)表1。

圖3 光斑面積隨觀測(cè)距離的變化

表1 光斑面積和觀測(cè)距離的擬合表達(dá)式

由表1可知，不同電壓等級(jí)下，光斑面積與觀測(cè)距離近似呈冪指數(shù)關(guān)系，擬合度接近1。

式中：表示物距，即觀測(cè)距離；表示像距；為透鏡焦距。

由三角形相似關(guān)系可知：

r￠＝vrd－1 (12)

實(shí)際測(cè)試中，物距較大，可近似認(rèn)為像距不變，所以光電陰極上像的面積i為：

i＝p￠2＝p22－2(13)

進(jìn)一步，光斑面積o與觀測(cè)距離成冪指數(shù)關(guān)系。

o＝2Sd－2(14)

式中：為比例系數(shù)；所以理論計(jì)算和實(shí)際測(cè)算是一致的，為此，可對(duì)不同的觀測(cè)距離進(jìn)行歸一化計(jì)算，以10m的觀測(cè)距離為標(biāo)準(zhǔn)，經(jīng)過(guò)大量數(shù)據(jù)統(tǒng)計(jì)分析，則有：

式中：10為當(dāng)前測(cè)試距離o折算至10m處的光斑面積。

3 數(shù)據(jù)分析

紫外成像儀光斑面積與增益和觀測(cè)距離均有一定的關(guān)系，觀測(cè)距離可以歸一化，但增益無(wú)法通過(guò)傳統(tǒng)的統(tǒng)計(jì)分析和數(shù)值擬合，這里采用貝葉斯推理的ANFIS模型，光斑面積評(píng)估流程如圖5所示。

首先對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理，1為光斑面積，2為增益，為最后的ANFIS輸出，以此構(gòu)建基于貝葉斯推理的ANFIS光斑面積評(píng)估模型；接著，優(yōu)化貝葉斯ANFIS網(wǎng)絡(luò)權(quán)重值，并訓(xùn)練模型，直至最終滿足終止條件；最后，輸入測(cè)試數(shù)據(jù)，輸出模型的最終結(jié)果。光斑面積的論域?yàn)閇150,10000]，為提高預(yù)測(cè)精度，采用自然對(duì)數(shù)進(jìn)行轉(zhuǎn)換，1?[5.01,9.21]，紫外成像儀增益值分別取50%、60%、70%、80%，所以2?[0.5,0.8]。

圖5 基于貝葉斯推理的ANFIS流程

3.1 預(yù)測(cè)精度分析

為考核本文方法的預(yù)測(cè)精度和泛化能力，統(tǒng)計(jì)不同樣本量下的光斑面積實(shí)際值和預(yù)測(cè)值，繪制曲線如圖6所示。本文方法得到的預(yù)測(cè)數(shù)據(jù)與實(shí)際數(shù)據(jù)基本重合，說(shuō)明基于貝葉斯推理的ANFIS算法具有良好的預(yù)測(cè)精度，適用于不同增益下的光斑面積預(yù)測(cè)。

圖6 光斑面積的預(yù)測(cè)值與實(shí)際值

3.2 不同算法的效率對(duì)比

為進(jìn)一步考核本文算法的效率，對(duì)比BP神經(jīng)網(wǎng)絡(luò)模型、普通ANFIS模型，對(duì)原始數(shù)據(jù)進(jìn)行測(cè)試計(jì)算，誤差精度設(shè)置為1‰，統(tǒng)計(jì)結(jié)果見(jiàn)表2。

表2 不同算法的效率對(duì)比

由表2可知，本文方法僅迭代119次，誤差精度達(dá)到0.92‰，滿足誤差精度的要求，BP神經(jīng)網(wǎng)絡(luò)模型和普通ANFIS模型的迭代次數(shù)大于200次，所以基于貝葉斯推理的ANFIS算法收斂性更好，可短時(shí)間內(nèi)滿足誤差精度效果，說(shuō)明通過(guò)貝葉斯推理確定權(quán)重，可提高ANFIS算法的非線性擬合能力，從而提升其測(cè)試效率。

4 結(jié)論

針對(duì)復(fù)合絕緣子的放電強(qiáng)度，基于貝葉斯推理的ANFIS模型，進(jìn)行了紫外光斑面積的預(yù)測(cè)分析，結(jié)論如下：

1）本文方法具有良好的預(yù)測(cè)精度，適用于不同增益下的光斑面積預(yù)測(cè)。

2）相對(duì)于BP神經(jīng)網(wǎng)絡(luò)模型和普通ANFIS模型，本文方法收斂性更好，測(cè)試效率更高。

本結(jié)論為復(fù)合絕緣子的放電強(qiáng)度預(yù)測(cè)提供了一種新的技術(shù)手段，為絕緣子運(yùn)行狀態(tài)的評(píng)估提供了技術(shù)支撐。

[1] 張重遠(yuǎn), 閆康, 汪佛池, 等. 基于圖像特征提取與BP神經(jīng)網(wǎng)絡(luò)的絕緣子憎水性識(shí)別方法[J]. 高電壓技術(shù), 2014, 40(5): 1446-1452．

ZHANG Zhongyuan, YAN Kang, WANG Fochi, et al. Insulator hydrophobic identification based on image feature extraction and BP neural network[J]., 2014, 40(5): 1446-1452．

[2] 黃俊杰, 阮羚, 馬黎莉, 等. 采用多維度數(shù)據(jù)技術(shù)對(duì)已掛網(wǎng)絕緣子的分析與故障診斷應(yīng)用研究[J]. 電瓷避雷器, 2014(4): 17-20．

HUANG Junjie, RUAN Ling, MA Lili, et al．Research on hung network insulator analysis and failure diagnosis based on multidimensional data technology[J]., 2014(4): 17-20．

[3] 王夢(mèng). 基于絕緣子圖像的缺陷檢測(cè)方法研究[D]. 武漢: 華中科技大學(xué), 2019.

WANG Meng. A Thesis Submitted in Partial Fulfillment of the Requirements for the Degree for the Master of Engineering[D]. Wuhan: Huazhong University of Science & Technology, 2019.

[4] 彭向陽(yáng), 梁福遜, 錢金菊, 等. 基于機(jī)載紅外影像紋理特征的輸電線路絕緣子自動(dòng)定位[J]. 高電壓技術(shù), 2019, 45(3): 922-928.

PENG Xiangyang, LIANG Fuxun, QIAN Jinju, et al. Automatic recognition of insulator from UAV infrared image based on periodic textural feature[J]., 2019, 45(3): 922-928.

[5] 汪佛池, 馬建橋, 律方成, 等. 污穢和水分對(duì)瓷支柱絕緣子發(fā)熱的影響[J]. 高電壓技術(shù), 2015, 41(9): 3054-3060.

WANG Fochi, MA Jianqiao, Lü Fangcheng, et al. Pollution and water molecule effects on porcelain post insulator heating[J]., 2015, 41(9): 3054-3060.

[6] 鄧久艷, 張宏杰, 李若斕. 基于紫外成像的憎水性表面電暈起始放電研究[J]. 絕緣材料, 2016, 49(4): 50-54.

DENG Jiuyan, ZHANG Hongjie, LI Ruolan. Study on initial discharge of hydrophobic surface corona based on UV imaging[J]., 2016, 49(4): 50-54.

[7] 金立軍, 陳俊佑, 張文豪, 等. 基于圖像處理技術(shù)的電力設(shè)備局部放電紫外成像檢測(cè)[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(8): 43-48.

JIN Lijun, CHEN Junyou, ZHANG Wenhao, et al. Partial discharge detection of power equipment by ultraviolet imaging based on image processing technology[J]., 2013, 41(8): 43-48.

[8] 張滿, 蔣興良, 舒立春, 等. 混合凇對(duì)分裂導(dǎo)線起暈電壓影響[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(3): 258-267.

ZHANG Man, JIANG Xingliang, SHU Lichun, et al. The influences of mixed-phase ice on corona inception voltage of bundle conductor[J].y, 2015, 30(3): 258-267.

[9] 陳磊, 周仿榮, 馬儀, 等. 懸式復(fù)合絕緣子電暈放電紫外圖像光斑面積[J]. 高壓電器, 2013, 49(8): 60-67.

CHEN Lei, ZHOU Fangrong, MA Yi, et al. Ultraviolet image facular area vary characteristic and apparent discharge estimation of suspension composite insulator corona[J]., 2013, 49(8): 60-67.

[10] LI Heming, DAI Rijun, LI Man. Insulator ultraviolet discharge feature extraction based on level set[C]//, 2011: 2283-2286.

[11] 黃文武, 賀振華, 蔡煒, 等. 基于紫外成像技術(shù)的棒-板間隙放電環(huán)境因素研究[J]. 高電壓技術(shù), 2015, 41(8): 2788-2794.

HUANG Wenwu, HE Zhenhua, CAI Wei, et al. Study on the environmental factors of rod-plane gap discharge based on UV imaging[J]., 2015, 41(8): 2788-2794.

[12] 齊磊, 符瑜科, 李小萌, 等. 氣壓和濕度對(duì)復(fù)合電壓下?lián)Q流閥高壓電極起暈電壓影響試驗(yàn)[J]. 高電壓技術(shù), 2019, 45(1): 82-90.

QI Lei, FU Yuke, LI Xiaomeng, et al. Effects of air pressure and humidity on corona onset voltage of high voltage electrode of converter valve under combined ac and dc voltage[J]., 2019, 45(1): 82-90.

[13] 黃榮輝, 張宏釗, 李勛, 等. 基于紫外成像法的絕緣子電暈放電影響因素試驗(yàn)研究[J]. 水電能源科學(xué), 2015, 33(11): 180-182.

HUANG Ronghui, ZHANG Hongzhao, LI Xun, et al. Test study on factors influencing insulator corona discharge with ultraviolet imagery method[J].r, 2015, 33(11): 180-182.

[14] 李煉煉, 孟剛, 鄧慰, 等. 輸變電設(shè)備電暈放電紫外圖譜量化參數(shù)提取[J]. 高壓電器, 2017, 53(12): 229-235.

LI Lianlian, MENG Gang, DENG Wei, et al. Quantification parameters extraction from ultraviolet image of corona discharge of power transmission and transformation equipment[J]., 2017, 53(12): 229-235.

[15] 陳磊, 趙日升, 矯镕達(dá), 等. 基于ANFIS和SOM的抽水蓄能電站主變壓器健康狀態(tài)監(jiān)測(cè)[J]. 水電能源科學(xué), 2020, 38(3): 179-180.

CHEN Lei, ZHAO Risheng, JIAO Rongda, et al. Health condition monitoring of main transformer in pumped storage power station based on adaptive neural fuzzy inference system and self-organizing map[J]., 2020, 38(3): 179-180.

[16] 汪金剛, 張作鵬, 龍震澤, 等. 采用模糊推理對(duì)絕緣子放電紫外檢測(cè)結(jié)果進(jìn)行外絕緣放電狀況評(píng)估[J]. 電工電能新技術(shù), 2011, 30(2): 79-83.

WANG Jingang, ZHANG Zuopeng, LONG Zhenze, et al. Discharge status evaluation on external insulation of insulator based on results of ultra-violet radiation measurement and fuzzy reasoning[J]., 2011, 30(2): 79-83.

[17] 王來(lái), 谷莉莉, 易輝, 等. 電力金具試驗(yàn)方法第2部分: 電暈和無(wú)線電干擾試: GB/T 2317.2-2008[S].北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2008.

WANG Lai, GU Lili, YI Hui, et al. Test method for electric power fittings-Part 2:Corona and RIV tests for electric power fittings: GB/T 2317.2-2008[S].Beijing: State Grid Corporation of China, 2008.

[18] 賀振華, 王瑋, 黃文武, 等. 兩種紫外成像儀檢測(cè)電暈放電的對(duì)比研究[J]. 高壓電器, 2014, 50(8): 80-86.

HE Zhenhua, WANG Wei, HUANG Wenwu, et al. Comparative study on corona discharge detection with two ultraviolet imagers[J]., 2014, 50(8): 80-86.

Assessment Method of Ultraviolet Spot Area for Insulators Based on Improved ANFIS

XU Guohui，XIE Hongwei，LYU Tongfa，MOU Xin，BAO Mingzheng，LYU Chao

(.,,137400,)

Evaluation of insulator operation is important for safely operating transmission lines. Ultraviolet (UV) imaging is a quantitative method for evaluating insulators. Therefore, a UV spot area assessment method based on an improved ANFIS for insulators was proposed. First, an insulator pollution discharge test platform was built to study the discharge intensity of the insulators at different test distances and gains. Second, an ANFIS(adaptive neuro-fuzzy inference system) model based on Bayesian inference is established using the gain and ultraviolet spot area as training data. Finally, a field verification test was conducted. The results show that this method has good prediction accuracy and test efficiency and is suitable for the quantitative evaluation of ultraviolet imaging for insulators, which provides technical support for the evaluation of the operating state of insulators.

insulator, ultraviolet imaging, Bayesian inference, ANFIS, spot area

TM2

A

1001-8891(2023)12-1346-05

2021-03-09；

2021-05-24.

徐國(guó)輝（1974-），碩士，高級(jí)工程師，主要研究方向?yàn)殡姎夤こ碳捌渥詣?dòng)化。E-mail: xuguohui1898@163.com。

國(guó)網(wǎng)內(nèi)蒙古東部電力有限公司科技項(xiàng)目（52664020001S）。