ПРОГРАММНО-АППАРАТНЫЙ КОМПЛЕКС ДИАГНОСТИКИ СОСТОЯНИЯ ЭЛЕКТРИЧЕСКИХ ИЗОЛЯТОРОВ НА ОСНОВЕ ТЕХНИЧЕСКОГО ЗРЕНИЯ Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. 2022. Ля 3

ISSN2072-9502 (print), ISSN2224-9761 (online) Vestnik AS TU. Seríes: Management, computer science and informatics. 2022. № 3

ISSN2072-9502 (print), ISSN2224-9761 (online)

КОМПЬЮТЕРНОЕ ОБЕСПЕЧЕНИЕ И ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА

COMPUTER SOFTWARE AND COMPUTING EQUIPMENT

Научная статья УДК 004.67

https://doi.org/10.24143/2072-9502-2022-3-30-37

Программно-аппаратный комплекс диагностики состояния электрических изоляторов на основе технического зрения

Сергей Владимирович ГоловкоЮлия Александровна Головко2

'Астраханский государственный технический университет, Астрахань, Россия, g_s_y_2007@mail.riP

2Астраханский государственный университет им. В. Н. Татищева, Астрахань, Россия

Аннотация. Контроль состояния внешней изоляции электрооборудования является одним из основных видов диагностики при эксплуатации электрических сетей, т. к. дефекты приводят к ионизации воздушных пустот и образованию частичных коронных разрядов. Указанные разрядные процессы постепенно разрушают изоляцию, вызывая потери энергии, радиопомехи, и влияют на пожарную безопасность эксплуатируемого электрооборудования. Распространенными неисправностями электрических изоляторов являются пробои, перекрытия и механические повреждения. Необходимость определения стойкости к поверхностным частичным разрядам возрастает в случае использования новых полимерных материалов в связи с их свойствами. Одним из вариантов осуществления автоматизированного контроля количества и площади коронных разрядов является разработка систем с компьютерным (техническим) зрением. Накопленный специалистами многолетний опыт диагностики с помощью ультрафиолетовых дефектоскопов и тепловизоров продемонстрировал высокую эффективность проверки наличия повреждений высоковольтного оборудования и линии электропередач. Применение технологий технического зрения в программно-аппаратном комплексе позволит устранить ошибки при подсчете и анализе вспышек, а также минимизировать участие человека в ряде монотонных операций, уменьшить потери рабочего времени, связанных с человеческим фактором, защитить жизнь и здоровье работников.

Ключевые слова: электрические изоляторы, диагностика, электрический разряд, система технического зрения, программно-аппаратный комплекс, алгоритм принятия решений

Для цитирования: Головко С. В., Головко Ю. А. Программно-аппаратный комплекс диагностики состояния электрических изоляторов на основе технического зрения // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2022. № 3. С. 30-37. https://doi.org/10.24143/2072-9502-2022-3-30-37.

© Головко С. В., Головко Ю. А., 2022

Original article о

Software and hardware complex based on technical vision for diagnosing electrical insulators

Astrakhan, Russia

0

1

О

0

1

Sergey V. Golovkom, Julia A. Golovko2 o

Astrakhan State Technical University, j,.

Astrakhan, Russia, g_s_v_2007@mail.rum «

2 f

Astrakhan State University name of V. N. Tatishcheva, g

I

CT-

Abstract Control of the equipment dielectric insulation is one of the most important types of diagnostics in operation of the electrical networks, because the defects cause ionization of voids and partial corona discharges. These discharges gradually destroy the insulation causing the energy loss, radio interference and decreasing the fire safety of the operated electrical equipment. Common failures of electrical insulators are breakdowns, overlaps and mechanical damage. The need to determine the resistance against the surface discharges increases in case of using the new polymer materials due to their characteristics. Developing the systems with computer (technical) vision is one of the 8 ways for implementing automated control of the quantity and the area of corona discharges. The long-term experience of diagnostics accumulated by the specialists by using the ultraviolet flaw detectors and thermovision cameras has B. demonstrated the high efficiency in checking the damages in the high-voltage equipment and power lines. Application В of vision technologies in the hardware and software complex will eliminate errors in checking and analyzing the о flares, as well as minimize human participation in a number of monotonous operations, reduce the loss of working time caused by the human factor, protect the life and health of workers. ь

Keywords: electrical insulators, diagnostics, electric discharge, technical vision system, hardware and software com- о' plex, decision making algorithm g>

For citation: Golovko S. V., Golovko Ju. A. Software and hardware complex based on technical vision for diagnos- s1 ing electrical insulators. Vestnik of Astrakhan State Technical University. Series: Management, Computer Science and g Informatics. 2022;3:30-37. (In Russ.) https://doi.org/10.24143/2072-9502-2022-3-30-37. g-

0Q CD CD

Введение ствие влияния человеческого фактора. Автомата- s

К распространенным неисправностям электри- зация рассматриваемого процесса позволит исклю- е.

ческих изоляторов (ЭИ) относятся пробои, пере- чить ошибки при анализе и подсчете вспышек,

крытая и механические повреждения. Механиче- а также освободить персонал от ряда монотонных в"

ские повреждения конструкции изоляторов возни- операций, потери рабочего времени и влияния а

кают в результате атмосферных перенапряжений, вредных факторов.

попадания посторонних предметов, обледенения, Актуальность рассматриваемой темы заключа-

загрязнений площади поверхности, ионизации воз- ется в повышении экономической эффективности

духа вокруг изолятора, отключения разъедините- производителей электрической энергии за счет

лей под нагрузкой, внутреннего разрушения фар- снижения ее потерь во внешнюю среду, фора из-за химической коррозии пестиков, разру- Целью исследования является своевременное

шения птицами и т. п. [1]. определение неисправностей ЭИ с применением

Существуют различные методы диагностиро- разработанного программно-аппаратного комплек-

вания ЭИ, среди которых можно выделить кон- са диагностики электрооборудования на основе

тактный и дистанционный. При контактном методе технического зрения, определяется напряжение на ИЭ с помощью измерительной штанги. Дистанционные ультрафиоле- Разработка математической модели для про-

товый (УФ) и инфракрасный методы имеют значи- гиозироваиия состояния изоляторов тельное преимущество, т. к. они не только указы- Экспертная система прогнозирования состоя-

вают направление обнаружения неисправности или ния изоляторов должна решать задачи, которые

дефекта, но и визуализируют его локацию, измеряя направлены на повышение подлинности результа-

интенсивность излучения в инфракрасном или тов электродиагностики. Предполагается выполне-

УФ спектре для определения степени опасности ние следующих этапов действия системы: имеющейся неисправности [2, 3]. — обработка результатов обследования;

Основным недостатком аналоговых устройств — сравнительный анализ с предыдущими ре-

является ручная обработка полученных результа- зультатами диагностирований при различных ре-

тов, что приводит к ошибкам и неточностям вслед- жимах работы;

3

о се М я о

е-

— вычисление нечеткости в численном виде;

— конечный вывод.

В качестве преимущества диагностической системы с использованием элементов нечеткой логики выделяется возможность формирования базы правил с помощью лингвистического языка. Таким образом, корректировать базу правил может человек, который не имеет профессиональной подготовки в области программирования. Процесс дополнения или изменения характеристик потребует

повышенных знаний в указанной области, однако работа с существующими элементами возможна и на начальном уровне.

Эффективным итогом работы диагностической системы является итоговый отчет, содержащий описание каждой рассматриваемой ситуации, результаты математического анализа полученных данных, а также сведения о степени их адекватности для каждого ответа (рис. 1).

Вход: нечеткая величина (терм)

Выход: остаточный ресурс (четкая величина)

Вход: четкая величина

i

Приведение к нечеткости (фаззификатор) База правил Приведение к четкости (дефаззификатор)

Рис. 1. Структурная схема экспертной системы диагностики электрических изоляторов Fig. 1. Structural diagram of the expert system for diagnosing electrical insulators

&

о &

<

9

§

я о в о

и И

Ü

Случайный характер диагностических признаков позволяет использовать модифицированные функции, которые основываются на гауссовом распределении:

ц(и)= ехр

2с2

2 Л

где и — абсцисса; Ъ - координата максимума; с — коэффициент концентрации.

Полученные в результате математических расчетов степени значимости различных параметров для оценки состояния изоляторов уже позволяют эксперту сделать выводы об их состоянии, однако можно получить значительно более точную экспертную оценку, основываясь на методах нечеткой логики. Для разработки такой системы нами была выбрана программа SciLab, являющаяся, по сути, бесплатным аналогом системы Matlab. Для работы с инструментами нечеткой логики в SciLab существует специальная надстройка Fuzzy Logic Toollbox.

Для определения степени повреждения ЭИ задаются лингвистические значения переменных, соответствующие степени механического повреждения, площади, интенсивности и расположению разрядов. Дополнительно, для повышения точности оценки состояния изоляторов, переоценим данные характеристики по 10-балльной шкале.

При этом для разных типов изоляторов будут установлены определенные лингвистические значения. Например, для фарфоровых изоляторов правила будут следующие:

- механическое повреждение: сильное и слабое;

- площадь разрядов: большая и маленькая;

- расположение разрядов: некритическое, значимое, критическое;

- интенсивность разрядов: слабая, средняя, сильная.

После ввода всех необходимых данных и задания правил, связывающих входы и выходы, возможно провести агрегирование и дефаззификацию с целью получения точного значения вероятности замены изолятора. Этот этап представляет собой получение численного значения для каждой определяемой переменной, используемой внешними исполнительными механизмами системы автоматического управления, на основе суммирования выходных лингвистических переменных.

Процедура перехода от значения аккумуляции

функции принадлежности результирующей

лингвистической переменной к значению выходной переменной происходит следующим образом:

- Centre of Gravity, закаляющийся в расчетах

центроида площади у = J* х min х max хц(х)й6с, где [xmax;xmin] — носитель нечеткого множества;

- методы модальных значении: у - х mm , у = х max.

Полученные результаты позволяют сделать вывод об адекватности используемых подходов, основанных на применении нечеткой логики, к решению задачи экспертной диагностики состояния изоляторов.

Программно-аппаратный интеллектуальный комплекс на основе УФ-камеры для определения состояния ЭИ

Программно-аппаратный комплекс включает в себя Raspberry Pi Camera Module vl.3. Работа

камеры PiCam основана на CMOS-датчике с использованием оптики Omnivision OV5647, которая представлена 1/4-дюймовым 5-мегапиксельным модулем и CMOS с 8/10-битным выводом картинки RGB/RAW. Выбор камеры PiCam основывается на упрощенном процессе фиксирования данных и обработке изображений с применением плат Raspberry Pi и языка программирования Python. Популярное использование компьютеров Raspberry Pi в различных сенсорных приложениях связано с их низкозатратным энергопотреблением и доступной ценой [4] (рис. 2).

Рис. 2. Внешний вид программно-аппаратного комплекса для диагностики состояния изоляторов

Fig. 2. Appearance of the software and hardware complex for diagnosing the insulators

Одним из первых этапов в разработке УФ-камеры для повышения чувствительности датчика к диапазону длин волн от 100 до 400 нм является использование микролинз и оптических фильтров Байера, которые будут располагаться над датчиком в пластиковом корпусе. Фильтр Байера позволяет замаскировать датчик в виде мозаики RGB и ослабить большую часть излучения. Указанный процесс изменяет характеристики PiCam-камеры, превращая ее в монохромный датчик [5].

Для фиксации изображения необходимо извлекать данные с датчика в расширении RAW, а не в стандартном выводе изображений JPEG. Вначале изображения сохраняются на камеру в метаданных 8-битного изображения JPEG, затем

эти двоичные данные извлекаются и сохраняются в виде изображений PNG для сохранения формата 10-битного цифрового числа RAW. Эти изображения могут быть непосредственно обработаны и проанализированы.

Разработка программы для определения признаков повреждения изоляторов

В представленном ниже алгоритме оценки состояния изоляторов приведена только одна из трех последовательностей проведения работы с получаемыми данными, а именно система принятия решений на основе данных о площади вспышки коронного разряда (рис. 3) [6].

Начало

X

Подключение необходимых библиотек

Захват видео

Применение фильтров

Г

Организация цикла i' = 0

•

i = +1

Вывод сообщения «Пробой не обнаружен»

Вывод сообщения «Качество удовлетворительное»

Вывод сообщения «Качество неудовлетворительное»

Конец

Рис. 3. Алгоритм программы оценки состояния электрических изоляторов Fig. 3. Algorithm for the program of assessing the state of electrical insulators

Для определения положения пятен относительно изолятора алгоритм дополняется ветвлениями, связанными с несколькими вариантами расположения. В соответствии с алгоритмом выполняется операция захвата видеоизображения УФ-камеры, определяется дистанция до изолятора и запускается процесс регистрации вспышек. Аппаратное решение комплекса должно располагаться на неподвижном штативе для исключения искажения изображения, на рекомендуемом для установки устройства расстоянии. Данный критерий обусловлен необходимостью обеспечения достаточного

Карта памяти

База данных параметров изоляторов

для правильной идентификации угла, под которым наблюдается изолятор [7, 8].

Основными элементами функциональной схемы программно-аппаратного комплекса являются УФ-камера, модуль обработки сигнала и модуль принятия решений. Обработка видеосигнала включает в себя операции по выделению контуров изолятора и светящихся в УФ-диапазоне пятен на фоне остальных объектов, что позволяет идентифицировать положение коронных разрядов относительно изолятора, а также операции по подсчету их количества и площади (рис. 4).

F

Raspberry Pi

0 о"

1

О

0

1

о

о

г

а.

er

I

X CT-

В.

S.

и

о" в

3>

S.

0

Ь 5"

и

С

1 a

Рис. 4. Функциональная схема программно-аппаратного комплекса регистрации повреждений электрических изоляторов

Fig. 4. Functional diagram of the hardware-software complex for recording damages in electrical insulators

Далее информация поступает в модуль принятия решений, где оценивается степень повреждения изолятора. На дисплей комплекса в режиме реального времени выводится графическая информация о положении, количестве и площади коронных разрядов и текстовая информация о степени повреждения, которая формируется на основе алгоритма обучения [9].

Контурный анализ отличается довольно слабой устойчивостью к внешним факторам. Частичное перекрытие или плохая видимость объекта диагностирования может привести к невозможности детектирования или к ложным срабатываниям. Однако быстродействие данного типа анализа и простота его реализации позволяют успешно

применять данный метод при оценке степени повреждения изоляторов.

На рис. 5 показан один из этапов работы программы, а именно выделение контуров изолятора

для подсчета элементов и результат работы алгоритма для определения его границ соответственно.

Рис. 5. Этап видеозахвата {а) и обработки (б) изображения с изолятором Fig. 5. Stage of video capture (a) and image processing (6) with insulator

После программного захвата изоляторов осуществляется процедура определения центра колонны изоляторов, количества элементов и периодичности их расположения, расстояния до изолятора. Такие данные предоставляют возможность для определения абсолютного положения разрядов.

Настройки параметров определения площади разряда автоматически корректируются с учетом расстояния до исследуемого объекта.

На следующем этапе применяется оптическая фильтрация и изолятор выделяется на фоне неба и окружающих объектов, а также применяется контурный анализ:

- принимается, что форма контура содержит достаточную диагностическую информацию об объекте;

- пренебрегают внутренними точками объекта диагностирования.

Перечисленные положения ограничивают область применения контурного метода, которые, в большей степени, связаны со сложностями получения контура на изображениях:

- в связи с одинаковой яркостью с фоном объект диагностирования не всегда имеет четкую границу или может быть зашумлен внешними факторами, что является одной из причин невозможного получения контура;

- взаимное перекрытие объектов диагностирования или их групповое расположение приводит

к тому, что контур образуется неправильно и расходится с границами объекта.

Однако контурный метод диагностирования объектов позволяет перейти от пространственного изображения к пространству контуров, а это приводит к существенному снижению сложности математических вычислений и алгоритмов принятия решений.

Заключение

В результате работы была сформирована обширная база основных признаков неисправностей электрических изоляторов, на основании которых прошло обучение интеллектуальной системы принятия решений, являющейся неотъемлемой частью разработанного программно-аппаратного комплекса.

Для работы диагностической системы используются данные о линейных размерах электрических изоляторов, поступающих от видеокамеры или задающихся по справочным данным. Данная процедура необходима для детальной оценки площади разрядов и их расположения.

Эффективность применения разработанной методики доказана посредством проведения экспериментальных исследований на участке линии электропередачи от АИИЭ КУЭ ПС-110 кВ «Бу-занская» до ПС-110 кВ «Сеитовка» Красноярсого района Астраханской области, на опорах № 90 и № 419 В Л 110 кВ.

Список источников

1. Методические указания по дистанционному оптическому контролю изоляции воздушных линий электропередачи и распределительных устройств переменного тока напряжением 35-1150 кВ СТО. URL: https://www.fsk-ees.ru/upload/docs/56947007-29.240.003-2008.pdf (дата обращения: 16.04.2022).

2. Ильина Е. В., Растегняев Д. Ю. Опыт применения приборов ультрафиолетового контроля в электросетевой компании // Энергоэксперт. 2014. № 4. С. 70-71.

3. Плотников Ю. К, Скороходов Д. А, Герасимов В. П., Федоригиин Ю. М., Грачев В. Ф. Перспективы создания компьютеризированной системы диагностирования изоляторов контактной сети по УФ излучению // Железные дороги мира. 2004. № 7. С. 50-53.

4. Солем Я. Э. Программирование компьютерного зрения на языке Python. М.: ДМК Пресс, 2016. 312 с.

5. Закируллин Р. С. Оптические фильтры для смарт-окон // Вестн. Оренбург, гос. ун-та. 2017. № 7. С. 83-92.

6. Катулев А. Н., Северцев Н. А. Математические методы в системах поддержки принятия решений: учеб. пособие. М.: Абрис, 2012. 311 с.

7. Назарычев А. Н. Справочник инженера по наладке, совершенствованию технологии и эксплуатации электрических станций и сетей / под ред. А. Н. Назары-чева. М.: Инфра-Инженерия, 2016. 928 с.

8. Коиспаева О. Г., Головко С. В., Надеев М. А. Технологическое видеонаблюдение как инструмент защиты интеллектуального прибора учета электроэнергии от сторонних лиц // Вестн. Астрахан. гос. техн. ун-та. 2020. №2(70). С. 7-13.

9. Федосов В. П., Нестеренко А. К. Цифровая обработка сигналов в Lab VIEW: учеб. пособие / под ред. В. П. Федосова. М.: ДМК Пресс. 456 с.

References

1. Metodicheskie ukazaniia ро distantsionnomu optich-eskomu kontroliu izoliatsii vozdushnykh linii el-ektroperedachi i raspredelitel'nykh ustroistv peremennogo toka napriazheniem 35-1150 kV STO [Guidelines for remote optical monitoring insulation of overhead power lines and AC switchgears 35-1150 kV STO]. Available at: https://www.fsk-ees.ru/upload/docs/56947007-29.240.003-2008.pdf (accessed: 16.04.2022).

2. Il'ina E. V., Rastegniaev D. Iu. Opyt primeneniia priborov ul'trafioletovogo kontrolia v elektrosetevoi kompanii [Experience in using ultraviolet control devices in electric grid company]. Energoekspert, 2014, no. 4, pp. 70-71.

3. Plotnikov lu. I., Skorokhodov D. A., Gerasimov V. P., Fedorishin lu. M., Grachev V. F. Perspektivy sozdaniia komp'iuterizirovannoi sistemy diagnostirovaniia izoliatorov kontaktnoi seti po UF izlucheniiu [Prospects for creating computerized system for diagnosing contact network insulators by UV radiation]. Zheleznye dorogi mira, 2004, no. 7, pp. 50-53.

4. Solem la. E. Programmirovanie komp'iuternogo zre-niia na iazyke Python [Computer vision programming in Python language]. Moscow, DMK Press, 2016. 312 p.

5. Zakirullin R. S. Opticheskie fil'try dlia smart-okon [Optical filters for smart windows]. Vestnik Orenburgskogo gosudarstvennogo universiteta, 2017, no. 7, pp. 83-92.

Статья поступила в редакцию 18.05.2022; одобрена после рецензирования 01.07.2022; принята к публикации 07.07.2022 The article was submitted 18.05.2022; approved after reviewing 01.07.2022; accepted for publication 07.07.2022

6. Katulev A. N., Severtsev N. A. Matematicheskie metody v sistemakh podderzhki priniatiia reshenii: uchebnoe posobie [Mathematical methods in decision support systems: textbook]. Moscow, Abris Publ., 2012. 311 p.

7. Nazarychev A. N. Spravochnik inzhenera po nalad-ke, sovershenstvovaniiu tekhnologii i ekspluatatsii elektrich-eskikh stantsii i setei [Handbook of engineer on adjustment, improvement of technology and operation of electric stations and networks]. Pod redaktsiei A. N. Nazarycheva. Moscow, Infra-Inzheneriia Publ., 2016. 928 p.

8. Koispaeva O. G., Golovko S. V., Nadeev M. A. Tekhnologicheskoe videonabliudenie kak instrument zash-chity intellektual'nogo pribora ucheta elektroenergii ot stor-onnikh lits [Technological video surveillance as tool to protect intelligent electricity meter from third parties]. Vestnik Astrakhanskogo gosudarstvennogo tekhnicheskogo universiteta, 2020, no. 2 (70), pp. 7-13.

9. Fedosov V. P., Nesterenko A. K. Tsifrovaia obrabot-ka signalov v LabVIEW: uchebnoe posobie [Digital signal processing in LabVIEW: tutorial]. Pod redaktsiei V. P. Fedosova. Moscow, DMK Press. 456 p.

Информация об авторах / Information about the authors

Сергей Владимирович Головко - кандидат технических наук; доцент кафедры электрооборудования и автоматики судов; Астраханский государственный технический университет; g_s_v_2007@mail.ru

Юлия Александровна Головко - кандидат технических наук; доцент кафедры информационной безопасности и цифровых технологий; Астраханский государственный университет им. В. Н. Татищева; р]иНа2014@yandex.ru

Sergey V. Golovko - Candidate of Technical Sciences; Assistant Professor of the Department of Electrical Equipment and Automation of Ships; Astrakhan State Technical University; g_s_v_2007@mail.ru

Julia A. Golovko - Candidate of Technical Sciences; Assistant Professor of the Department of Information Security and Digital Technologies; Astrakhan State University name of V. N. Tatishcheva; pjulia2014@yandex.ru