趙云龍,劉占雙,李 巖,潘 超,賈明輝,任 明,夏昌杰

(1.國網(wǎng)青海省電力公司檢修公司,西寧 810021;2.西安交通大學(xué)電氣工程學(xué)院,西安 710049)

0 引言

絕緣子在高壓輸配電系統(tǒng)中承擔(dān)著機械支撐和電氣絕緣的重要作用,但是由于絕緣子長期暴露在大氣環(huán)境中,其表面不可避免地會積累污穢[1-5],進而造成污穢閃絡(luò)。相關(guān)數(shù)據(jù)表明,由于污穢缺陷在短時間內(nèi)無法消除將導(dǎo)致污閃后自動重合閘失敗,因此造成的經(jīng)濟損失遠高于雷擊閃絡(luò)事故[6-11]。準(zhǔn)確評價絕緣子的污穢程度及分布對于防止污閃事故的發(fā)生和維護電力系統(tǒng)的可靠運行具有重要意義。

為了滿足對污穢程度檢測的迫切需要,國際大電網(wǎng)組織推薦了5種絕緣子表面污穢狀態(tài)表征方法[12-16],分別是等值鹽密法,污穢層電導(dǎo)率法,泄漏電流法,泄漏電流脈沖技術(shù)法和污穢閃絡(luò)電壓梯度法。等值鹽密法應(yīng)用最為廣泛且準(zhǔn)確度最高,但是其難以實現(xiàn)在線監(jiān)測和大面積普測,并且會丟失污穢的分布信息。污穢層電導(dǎo)率法可以表征污穢層的濕潤狀態(tài)但其同樣難以實現(xiàn)在線監(jiān)測,并且受環(huán)境溫度和濕度的影響較大。對于泄漏電流法和泄漏電流脈沖技術(shù)法,現(xiàn)場運行條件下對小電流信號的準(zhǔn)確監(jiān)測是該方法面臨的主要挑戰(zhàn)。而污穢閃絡(luò)電壓梯度法則是離線條件下的破壞性試驗,難以大面積開展?？偟膩砜?傳統(tǒng)污穢檢測方法盡管具有較高的準(zhǔn)確度,但是在在線應(yīng)用方面均面臨著挑戰(zhàn)。

光學(xué)成像技術(shù)在非接觸式檢測方面的優(yōu)勢為絕緣子污穢狀態(tài)在線檢測提供了一種新的研究思路。以可見光波段下顏色特征[17]、紅外波段下異常發(fā)熱檢測[18]和紫外波段下電暈放電檢測方法[19]得到了眾多學(xué)者的關(guān)注。然而,可見光圖像在實際應(yīng)用中診斷模型準(zhǔn)確率較低,紅外圖像和紫外圖像的檢測結(jié)果不僅受到了絕緣子污穢狀態(tài)的影響,還受到了其運行電壓以及運行負載的影響。為了進一步提高污穢檢測模型的可靠性,部分學(xué)者提出了以可見光波段、紅外波段和紫外波段聯(lián)合診斷的“多光譜檢測方法”,該方法通過信息融合有效地提高了診斷模型的精度,但是其仍未能充分利用光譜信息維度蘊含的豐富信息[20-22]。

為了進一步發(fā)揮光譜信息維度在精細化檢測中的優(yōu)勢,高光譜成像技術(shù)即高分辨率光譜成像技術(shù)應(yīng)運而生,該技術(shù)是一種利用幾百個極窄的電磁波周期來獲取從可見光到近紅外光的連續(xù)光譜和圖像的探測方法。由于兼具了一維光譜信息和二維空間圖像信息,因此可以準(zhǔn)確地描繪被測物體的反射光譜并結(jié)合圖像信息實現(xiàn)檢測結(jié)果的可視化。高光譜成像技術(shù)具有優(yōu)異的識別被測對象物質(zhì)類型和結(jié)構(gòu)的能力,該技術(shù)已廣泛應(yīng)用于傳統(tǒng)的遙感遙測領(lǐng)域和各類無損檢測領(lǐng)域[23-25]。本研究將基于高光譜成像技術(shù)建立絕緣子污穢程度檢測評估方法。首先通過開展人工染污方法制備出3種類型絕緣子的污穢樣品,并搭建高光譜成像平臺完成污穢絕緣子高光譜圖像數(shù)據(jù)采集;其次在高光譜圖像中選擇感興區(qū)域提取出受污區(qū)域的反射率光譜曲線,通過光譜校正和預(yù)處理后獲得絕緣子表面反射率曲線;最后利用PCA-kmeans算法對提取出的反射率光譜曲線開展降維和聚類分析,從而實現(xiàn)絕緣子表面污穢等級的評估和可視化展示,為后續(xù)高光譜成像技術(shù)的現(xiàn)場應(yīng)用提供基礎(chǔ)。

1 高光譜成像原理及污穢樣品制備

1.1 高光譜成像原理

高光譜成像技術(shù)結(jié)合了光譜技術(shù)和成像技術(shù)的優(yōu)勢,通過在光譜維度進行細致分割(數(shù)以百計的波段數(shù)量)實現(xiàn)了光譜信息的獲取,同時在每個窄波段光譜通道下采集圖像信息,從而同步獲取了一維光譜信息和二維空間信息,即具有高光譜分辨率的連續(xù)的窄波段圖像集,也被稱為高光譜三維數(shù)據(jù)立方[23],高光譜三維數(shù)據(jù)立方體可以在增強空間圖像表達的同時提供更高的光譜分辨率,見圖1。

圖1 高光譜三維數(shù)據(jù)立方Fig.1 Hyperspectral 3D data cube

1.2 高光譜成像系統(tǒng)

高光譜成像系統(tǒng)見圖2,主要由以下5個部分組成:1)推掃型高光譜成像儀Gaifield-pro-V10,該成像儀可實現(xiàn)自動曝光、對焦匹配等功能,其光譜分辨率為2.8 nm,光譜范圍為400 nm ～1 000 nm,共176個光譜波段。2)2個功率為100 W的鹵素?zé)?其具有輸出光譜波段寬、光譜平滑等特點。3)光學(xué)暗室,為了有充足的內(nèi)部空間放置絕緣子樣品,搭建的光學(xué)暗室尺寸為1.5 m×1.5 m×1.5 m,用以屏蔽外界光源干擾。4)安裝有高光譜成像儀控制軟件及數(shù)據(jù)分析軟件的計算機。5)工作臺,用以放置待測樣品并且可以根據(jù)需要啟動機械活動平臺。

圖2 高光譜成像系統(tǒng)Fig.2 Hyperspectral imaging system

1.3 人工污穢試驗與樣本制備

分別選擇XWP2-70型瓷絕緣子、LXP-70型玻璃絕緣子和FZSW1-12/4型復(fù)合絕緣子作為試驗對象探究不同基底材料絕緣子染污后的高光譜數(shù)據(jù),其中為了染污和測量過程的方便將FZSW1-12/4復(fù)合絕緣子硅橡膠傘裙裁下。絕緣子結(jié)構(gòu)圖見圖3,基本參數(shù)見表1。

表1 絕緣子基本技術(shù)參數(shù)Table 1 Main dimensions and parameters of samples

圖3 絕緣子結(jié)構(gòu)圖Fig.3 Insulator structure drawing

參照IEC 60507:2013標(biāo)準(zhǔn)進行了人工污染試驗,用等值鹽密(ESDD)和等值灰密(NSDD)表示絕緣子的污染程度。其中,NaCl被選為可溶性污染物,高嶺土被選為不溶性污染物。染污步驟如下:

1)計算每個樣本的表面污染面積。

2)根據(jù)設(shè)定的污穢等級及對應(yīng)的ESDD、NSDD(見表2)和表面積計算每個樣品所需的NaCl和高嶺土的重量。

表2 試驗設(shè)定的ESDD及NSDDTable 2 ESDD and NSDD set mg·cm-2

3)用天平稱取NaCl和高嶺土,加入適量的水充分溶解后,將污穢溶液均勻地涂抹在樣品上。染污結(jié)果見圖4。

圖4 絕緣子染污樣品Fig.4 The contaminated insulator samples

2 高光譜圖像數(shù)據(jù)處理

2.1 黑白校正

依次將污穢絕緣子樣品放置于工作臺,調(diào)節(jié)合適的曝光時間和焦距,避免數(shù)據(jù)采集過程中出現(xiàn)過度曝光導(dǎo)致高光譜成像儀輸出飽和。

為了克服各波段光源強度不均勻和暗電流的影響,對采集的高光譜圖像進行黑白校準(zhǔn)。校準(zhǔn)時,首先將標(biāo)準(zhǔn)聚四氟乙烯反射率校正白板(反射率大于99%)放置在工作臺,保持與樣本采集時相同的曝光時間和焦距,采集標(biāo)準(zhǔn)白板的全白色反射校準(zhǔn)圖像;隨后將鏡頭蓋蓋上,采集暗場環(huán)境下全黑色反射校準(zhǔn)圖像;根據(jù)式(1)完成黑白校正,得到校正后的高光譜反射率圖像I。

(1)

式中,I0為原始高光譜圖像,B為全黑色定標(biāo)圖像,W為全白色定標(biāo)圖像。

2.2 污穢區(qū)域選擇及光譜提取

高光譜數(shù)據(jù)提取和分析采用遙感圖像處理軟件ENVI 5.3和MATLAB 2021b進行。首先通過人工選擇感性區(qū)域(region of interest,ROI),從原始高光譜圖像中選擇出絕緣子樣品區(qū)域提取反射光譜。在本研究中,在每個污穢樣品圖像中提取50個數(shù)據(jù)點求取平均光譜。圖5展示了瓷絕緣子在0污穢狀態(tài)下取得的50條反射率光譜曲線。

圖5 0污穢狀態(tài)瓷絕緣子反射率光譜曲線Fig.5 Reflectance spectral curve of 0 pollution grade porcelain insulator

2.3 平滑降噪

采用Savitzky-Golay濾波器實現(xiàn)平滑和噪聲去除,該濾波器是一種基于時域局部多項式最小二乘擬合的濾波方式,通過不斷平移窗口實現(xiàn)數(shù)據(jù)中的噪聲去除,同時保證原始信號的形狀和寬度不變[26]。設(shè)窗口寬度為2m+1,即每個窗口內(nèi)的數(shù)據(jù)點依次為x=[-m,-m+1,…,0,1,…,m,m+1],采用k-1次多項式對數(shù)據(jù)進行擬合,則

y=a0+a1x+a2x2+…+ak-1xk-1

(2)

假設(shè)共有n個窗口則構(gòu)成了共有n個方程的k次方程組,為使方程有解需滿足n≥k。則通過最小二乘擬合確定擬合參數(shù)A:

Y(2m+1)×k=X(2m+1)×k·Ak×1+E(2m+1)×k

(3)

(4)

(5)

3 高光譜圖像數(shù)據(jù)分析

3.1 不同污穢狀態(tài)下絕緣子高光譜數(shù)據(jù)

為了分析不同基底材料的絕緣子在不同污穢等級下的反射率特征,分別在3類絕緣子高光譜數(shù)據(jù)中選取不同等級的污穢區(qū)域提取反射率光譜數(shù)據(jù)并求取平均值,提取結(jié)果見圖6。

圖6 污穢絕緣子反射率光譜曲線Fig.6 Reflectance spectral curve of polluted insulators

由圖6(a)可知,對于玻璃絕緣子來說,隨著污穢等級的升高,全波段反射率值與污穢等級表現(xiàn)出了正相關(guān)性,并且在III級和IV級污穢時上升趨勢相較于低污穢等級時較緩慢。從反射率曲線波形上看,I～IV級污穢狀態(tài)下反射率曲線在675 nm附近出現(xiàn)了反射峰,在620 nm附近存在一個吸收峰。對于未染污區(qū)域(即0級污穢區(qū)域)來說,未出現(xiàn)明顯的吸收和反射峰。

由圖6(b)可知,對于瓷絕緣子來說,同樣存在全波段下反射率值隨污穢等級升高而明顯升高的現(xiàn)象,并且在較高污穢等級時反射率值上升更為明顯。在反射率波形上各個污穢等級下反射率曲線形狀較為相似,在675 nm附近存在明顯的反射峰。

由圖6(c)可知,對于復(fù)合絕緣子來說,反射率值也保持了和污穢等級一致的變化趨勢,但當(dāng)污穢等級較高時反射率值較為接近。而對于反射率波形來說,低污穢狀態(tài)和高污穢狀態(tài)存在明顯差異。

總的來看,絕緣子表面反射率隨污穢程度的增加表現(xiàn)出了上升的趨勢,其中玻璃絕緣子和瓷絕緣子的反射率波形在不同污染程度下比較相似,但在污染程度較低時不同材料的反射率曲線相似度較低。這是因為當(dāng)污穢程度較低時,污穢層并沒有完全覆蓋絕緣子表面,因此反射率曲線反映的是污穢層和基底材料的共同特性。光在不同介電常數(shù)和磁導(dǎo)率介質(zhì)中的相互作用將嚴(yán)格遵循麥克斯韋方程和電磁輻射定律,入射光與空氣、污染層、基底材料等多層結(jié)構(gòu)相互作用,經(jīng)過反射、折射、吸收后被成像儀檢測到,這個過程可用圖7描述。

圖7 污穢絕緣子表面光線傳輸過程Fig.7 Transmission process of light on insulator surface

3.2 基于PCA-kmeans的污穢狀態(tài)識別

為了驗證各污穢狀態(tài)反射光譜數(shù)據(jù)的可分離性,采用主成分分析對低維數(shù)據(jù)進行可視化。PCA的主要思想是將n階特征映射到k階特征(n>>k)。新的k階特征稱為k主成分,是原始特征的線性組合。在此基礎(chǔ)上,定義主成分得分為原始數(shù)據(jù)代入k個主成分的結(jié)果,前兩個主成分得分可以構(gòu)成一個二維特征空間實現(xiàn)二維可視化。進一步的,在特征空間上引入k-means空間聚類算法,可以有效實現(xiàn)數(shù)據(jù)的分類和識別[27-29],見圖8。

圖8 PCA-kmeans流程圖Fig.8 The flow chart of PCA-kmeans

具體步驟如下:

第一步:原始數(shù)據(jù)標(biāo)準(zhǔn)化處理:

(6)

式中,RS是為減去平均值后的光譜矩陣,Rij是第i個光譜的第j個波段值,n是波段數(shù)。

第二步:計算RS的協(xié)方差矩陣C:

C=RSRST/d

(7)

式中,d=樣品數(shù)-1。

第三步:計算協(xié)方差矩陣C的特征值及對應(yīng)的特征向量:

(8)

式中,v是特征值,x是特征向量,E是單位矩陣。

第四步:根據(jù)特征值大小對特征向量進行排序,取前k個行組成主成分矩陣K。圖9展示了前5個主成分的累計貢獻率,累計貢獻率可解釋為主成分分量對原始變量的代表能力,計算結(jié)果顯示對于3類絕緣子其在第2主成分即PC2時累計貢獻率已到達95%以上,因此可以選用第1主成分和第2主成分代表原始數(shù)據(jù)[30]。

圖9 主成分累計貢獻率Fig.9 Cumulative contribution rate of principal component

圖10 基于PCA-kmeans的污穢狀態(tài)識別Fig.10 Pollution state recognition based on PCA-kmeans

第五步:計算第k個主成分得分:

Y=K·R

(9)

式中,R是原始光譜數(shù)據(jù),K是前k個主成分對應(yīng)的特征向量組成的矩陣。取前兩個主成分得分可構(gòu)成一個二維特征空間。

第六步:根據(jù)建立的二維特征空間,利用同類數(shù)據(jù)的相似性可以實現(xiàn)數(shù)據(jù)的聚類和分析,從而達到污穢等級分類識別的目的。本研究中,在PCA得分的計算結(jié)果上將進一步引入kmeans聚類算法進行模式識別。根據(jù)污穢等級分類情況將確定聚類中心為5個,并隨機選取5個聚類中心。

第七步:計算數(shù)據(jù)集中各點與各聚類中心的歐式距離,根據(jù)最小歐式距離可將數(shù)據(jù)點歸于各個類別中,從而實現(xiàn)數(shù)據(jù)分類。重復(fù)第六和第七步直至聚類中心不再改變,獲得最終的聚類結(jié)果。聚類結(jié)果見圖9。

3種絕緣子表面污穢狀態(tài)識別準(zhǔn)確度結(jié)果見圖11,PCA-kmeans分類算法可以準(zhǔn)確地實現(xiàn)污穢狀態(tài)的分類和識別,識別準(zhǔn)確度均在93%以上,其中復(fù)合絕緣子的污穢等級識別率最高到達了96.5%。

圖11 3類絕緣子的污穢狀態(tài)識別準(zhǔn)確率Fig.11 Identification accuracy of pollution state of three types of insulators

3.3 污穢狀態(tài)可視化

光譜信息維度上的主成分分析實現(xiàn)了污穢狀態(tài)的識別,而在空間圖像信息維度上主成分分析則實現(xiàn)了將連續(xù)窄波段圖像進行數(shù)據(jù)降維和圖像融合。筆者選取圖像融合后的第1主成分作為PCA的計算結(jié)果,根據(jù)其圖像灰度值進行偽彩顯示表征污穢的分布狀態(tài),結(jié)果見圖12。

圖12 3類絕緣子的污穢狀態(tài)識別準(zhǔn)確率Fig.12 Identification accuracy of pollution state of three types of insulators

4 討論

本研究在實驗室條件下建立了基于絕緣子圖譜特征的非接觸式污穢狀態(tài)評估方法,該方法在實驗室條件下對于不同基底材料的絕緣子污穢狀態(tài)評估均表現(xiàn)出了較高的識別準(zhǔn)確度,具有廣闊的應(yīng)用前景。在未來的應(yīng)用中,還需要解決和考慮以下問題:

1)抗電磁干擾問題。電磁干擾是輸電線路的在線檢測必須考慮和面臨的挑戰(zhàn),高光譜成像技術(shù)盡管實現(xiàn)了非接觸式遙測并且檢測對象為非電量參數(shù)具有較強的抗電磁干擾能力,但高光譜成像系統(tǒng)本身依然面臨著電磁干擾的影響,因此在后續(xù)開發(fā)電力巡檢專用設(shè)備時應(yīng)從可靠接地、精準(zhǔn)濾波、信噪分離和金屬屏蔽等方面加強高光譜成像系統(tǒng)的抗電磁干擾能力。

2)現(xiàn)場應(yīng)用問題。高光譜成像平臺的現(xiàn)場應(yīng)用存在兩種方式:第一種是在線檢測,即通過在待測絕緣子附近安裝設(shè)置高光譜成像系統(tǒng)從而實現(xiàn)絕緣子污穢狀態(tài)的在線檢測;第二種是帶電巡檢,即將高光譜成像平臺與無人機進行結(jié)合實現(xiàn)機載檢測。對于在線監(jiān)測方式,該方法的優(yōu)點在于可以結(jié)合無線通信技術(shù)遠程實現(xiàn)絕緣子污穢狀態(tài)的檢測,但其難點在于高光譜成像平臺的能量獲取和黑白校準(zhǔn)的開展,此外難以實現(xiàn)大面積普測。對于結(jié)合無人機載平臺的帶電巡檢方式,該方式也是現(xiàn)階段高光譜成像技術(shù)在各無損檢測領(lǐng)域中主要應(yīng)用方式,無人機載平臺的靈活性可以實現(xiàn)更大范圍內(nèi)的絕緣子污穢狀態(tài)檢測,這也是未來本技術(shù)的最有可行性的應(yīng)用方式,也是本研究的后續(xù)主要研究方向。

3)現(xiàn)場校準(zhǔn)問題?，F(xiàn)場應(yīng)用中,光照條件是影響檢測結(jié)果最主要的因素,因此需要考慮現(xiàn)場環(huán)境下的黑白校準(zhǔn)問題。校準(zhǔn)時可以將標(biāo)準(zhǔn)聚四氟乙烯反射率校正白板(反射率大于99%)放置在水平地面采集全白色定標(biāo)圖像,蓋上鏡頭蓋采集全黑色定標(biāo)圖像。若圖像采集時間間隔較短日光變化較小時,可以在連續(xù)獲得多張高光譜圖像后再進行校準(zhǔn)。但如果圖像采集間隔時間較長,則需要在每次圖像采集前進行一次黑白校準(zhǔn)。在后續(xù)的應(yīng)用中,可根據(jù)現(xiàn)場試驗結(jié)果制定標(biāo)準(zhǔn)化工作流程,以此建立具有推廣意義的高光譜技術(shù)現(xiàn)場應(yīng)用方法。

5 結(jié)語

本研究提出了一種基于高光譜成像技術(shù)的非接觸式絕緣子污穢狀態(tài)評估方法。首先通過人工污穢試驗制備了5種污穢等級下的玻璃絕緣子、瓷絕緣子以及復(fù)合絕緣子樣品,然后以高光譜成像技術(shù)為基礎(chǔ)分別分析了5個污穢等級下各絕緣子染污后的反射率光譜特征,最后結(jié)合PCA-kmeans實現(xiàn)了絕緣子污穢等級的準(zhǔn)確評估和可視化顯示,結(jié)果顯示本研究所提出的污穢狀態(tài)評估方法準(zhǔn)確度均在93%以上,其中對于復(fù)合絕緣子的識別準(zhǔn)確率最高到96.5%,根據(jù)第1主成分分析結(jié)果圖結(jié)合偽彩處理可以直觀地表征絕緣子表面污穢的分布狀態(tài)。本研究結(jié)果可以為絕緣子污穢狀態(tài)的在線監(jiān)測提供一種新的技術(shù)手段,并且為高光譜成像技術(shù)在現(xiàn)場應(yīng)用提供了研究基礎(chǔ),后續(xù)的研究中將進一步考慮現(xiàn)場環(huán)境因素對高光譜圖像數(shù)據(jù)采集及分析的影響。