基于改進ANFIS的絕緣子紫外光斑評估方法

徐國輝，謝宏偉，呂通發(fā)，牟 鑫，鮑明正，呂 超

基于改進ANFIS的絕緣子紫外光斑評估方法

徐國輝，謝宏偉，呂通發(fā)，牟 鑫，鮑明正，呂 超

（國網(wǎng)內蒙古東部電力有限公司興安供電公司，內蒙古 興安盟 137400）

絕緣子運行狀態(tài)的評估關乎到輸電工程的安全運行。紫外成像技術提供了一種絕緣子評估的量化手段，為此，提出了一種基于改進自適應神經(jīng)模糊推理系統(tǒng)（adaptive neuro-fuzzy inference system，ANFIS）的絕緣子紫外光斑評估方法。首先，搭建了絕緣子污穢放電測試平臺，開展了不同測試距離和增益下的絕緣子放電強度研究。其次，將增益以及紫外光斑面積作為訓練數(shù)據(jù)，建立了基于貝葉斯推理的ANFIS模型。最后，進行了現(xiàn)場驗證測試。結果表明，該方法具有良好的預測精度和測試效率，適用于絕緣子紫外成像量化評估，為絕緣子運行狀態(tài)的評估提供了技術支撐。

絕緣子；紫外成像；貝葉斯；ANFIS；光斑面積

0 引言

高壓電氣設備的外絕緣特性關系到輸變電工程的安全運行，絕緣子作為支撐部件，起著重要的電氣隔離作用。絕緣子污閃放電會造成線路故障，會嚴重影響電力系統(tǒng)的安全運行[1-2]。傳統(tǒng)的絕緣子異常放電檢測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，已廣泛應用于輸電線路帶電檢測中的絕緣子放電評估[6-10]。文獻[11-13]研究了紫外光斑面積與環(huán)境因素之間的關系，為放電強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，實現(xiàn)了一種紫外光斑面積應用于放電強度的定量評估方法。

自適應神經(jīng)模糊推理系統(tǒng)（adaptive neuro-fuzzy inference system，ANFIS）采用神經(jīng)網(wǎng)絡的自學習機制，克服了傳統(tǒng)評估主觀性強的缺點。文獻[15]結合ANFIS和SOM技術，實現(xiàn)了主變壓器的狀態(tài)監(jiān)測和評估。ANFIS依據(jù)詳盡的模糊推理規(guī)則，同樣可用于紫外測量法獲得的絕緣子放電強度評估[16]，但評估效率較低。為此，本文以復合絕緣子為研究對象，基于貝葉斯推理的ANFIS技術，對絕緣子的紫外光斑面積開展相關研究。

1 原理介紹

1.1 普通ANFIS

典型的ANFIS結構如圖1所示，表現(xiàn)為雙輸入單輸出。

圖1 ANFIS結構

其中1和2是系統(tǒng)的輸入，是推理系統(tǒng)的輸出，整個結構有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)點的輸出為：

式中：對應第條規(guī)則的激活函數(shù)，即所有輸入信號的算術乘積。

第三層為歸一化層，計算過程為：

第四層為去模糊化層，每個節(jié)點的輸出為：

式中：{p,q,r}是第個節(jié)點的參數(shù)集，該層中的每個節(jié)點均連接到各自的歸一化節(jié)點上，同時接收初始輸入1和2。

第五層為輸出層，節(jié)點是一個固定節(jié)點，計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 改進后的ANFIS

為了改善ANFIS網(wǎng)絡的魯棒性和測試效率，引入貝葉斯推理技術。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)絡權值；D為普通ANFIS的誤差性能函數(shù)。

和的后驗分布為：

式中：為樣本集；為權值向量，(/,)為閾值的先驗分布，服從高斯分布，滿足：

(/,,)為似然函數(shù)，滿足：

2 現(xiàn)場測試

2.1 平臺搭建

參照GB/T 2317.2[17]，搭建220kV復合絕緣子的污穢放電試驗平臺，工頻電壓逐漸升高，當出現(xiàn)微弱的放電，繼續(xù)升高電壓，直至穩(wěn)定的放電，同時通過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

2.2 試驗方案

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%，觀測距離分別設置為6m、10m、15m、20m、25m、30m，存儲不同電壓等級和觀測距離下放電光斑的圖像，通過圖像處理后，繪制其光斑面積曲線，如圖3所示。將紫外光斑面積與觀測距離之間的關系式采用冪指數(shù)擬合，不同電壓等級下的表達式見表1。

圖3 光斑面積隨觀測距離的變化

表1 光斑面積和觀測距離的擬合表達式

由表1可知，不同電壓等級下，光斑面積與觀測距離近似呈冪指數(shù)關系，擬合度接近1。

式中：表示物距，即觀測距離；表示像距；為透鏡焦距。

由三角形相似關系可知：

r￠＝vrd－1 (12)

實際測試中，物距較大，可近似認為像距不變，所以光電陰極上像的面積i為：

i＝p￠2＝p22－2(13)

進一步，光斑面積o與觀測距離成冪指數(shù)關系。

o＝2Sd－2(14)

式中：為比例系數(shù)；所以理論計算和實際測算是一致的，為此，可對不同的觀測距離進行歸一化計算，以10m的觀測距離為標準，經(jīng)過大量數(shù)據(jù)統(tǒng)計分析，則有：

式中：10為當前測試距離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距離均有一定的關系，觀測距離可以歸一化，但增益無法通過傳統(tǒng)的統(tǒng)計分析和數(shù)值擬合，這里采用貝葉斯推理的ANFIS模型，光斑面積評估流程如圖5所示。

首先對原始數(shù)據(jù)進行歸一化處理，1為光斑面積，2為增益，為最后的ANFIS輸出，以此構建基于貝葉斯推理的ANFIS光斑面積評估模型；接著，優(yōu)化貝葉斯ANFIS網(wǎng)絡權重值，并訓練模型，直至最終滿足終止條件；最后，輸入測試數(shù)據(jù)，輸出模型的最終結果。光斑面積的論域為[150,10000]，為提高預測精度，采用自然對數(shù)進行轉換，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 預測精度分析

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

圖6 光斑面積的預測值與實際值

3.2 不同算法的效率對比

為進一步考核本文算法的效率，對比BP神經(jīng)網(wǎng)絡模型、普通ANFIS模型，對原始數(shù)據(jù)進行測試計算，誤差精度設置為1‰，統(tǒng)計結果見表2。

表2 不同算法的效率對比

由表2可知，本文方法僅迭代119次，誤差精度達到0.92‰，滿足誤差精度的要求，BP神經(jīng)網(wǎng)絡模型和普通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，可短時間內滿足誤差精度效果，說明通過貝葉斯推理確定權重，可提高ANFIS算法的非線性擬合能力，從而提升其測試效率。

4 結論

針對復合絕緣子的放電強度，基于貝葉斯推理的ANFIS模型，進行了紫外光斑面積的預測分析，結論如下：

1）本文方法具有良好的預測精度，適用于不同增益下的光斑面積預測。

2）相對于BP神經(jīng)網(wǎng)絡模型和普通ANFIS模型，本文方法收斂性更好，測試效率更高。

本結論為復合絕緣子的放電強度預測提供了一種新的技術手段，為絕緣子運行狀態(tài)的評估提供了技術支撐。

[1] 張重遠, 閆康, 汪佛池, 等. 基于圖像特征提取與BP神經(jīng)網(wǎng)絡的絕緣子憎水性識別方法[J]. 高電壓技術, 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)技術對已掛網(wǎng)絕緣子的分析與故障診斷應用研究[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. 基于絕緣子圖像的缺陷檢測方法研究[D]. 武漢: 華中科技大學, 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, 梁福遜, 錢金菊, 等. 基于機載紅外影像紋理特征的輸電線路絕緣子自動定位[J]. 高電壓技術, 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. 污穢和水分對瓷支柱絕緣子發(fā)熱的影響[J]. 高電壓技術, 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. 基于圖像處理技術的電力設備局部放電紫外成像檢測[J]. 電力系統(tǒng)保護與控制, 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. 混合凇對分裂導線起暈電壓影響[J]. 電工技術學報, 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. 基于紫外成像技術的棒-板間隙放電環(huán)境因素研究[J]. 高電壓技術, 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. 氣壓和濕度對復合電壓下?lián)Q流閥高壓電極起暈電壓影響試驗[J]. 高電壓技術, 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研究[J]. 水電能源科學, 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, 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[J]. 水電能源科學, 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. 采用模糊推理對絕緣子放電紫外檢測結果進行外絕緣放電狀況評估[J]. 電工電能新技術, 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, 谷莉莉, 易輝, 等. 電力金具試驗方法第2部分: 電暈和無線電干擾試: GB/T 2317.2-2008[S].北京: 中國標準出版社, 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電暈放電的對比研究[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.

徐國輝（1974-），碩士，高級工程師，主要研究方向為電氣工程及其自動化。E-mail: xuguohui1898@163.com。

國網(wǎng)內蒙古東部電力有限公司科技項目（52664020001S）。