絕緣礙子洩漏電流與氣候分類器測試結果

因為兩座輸電鐵塔中共有 4 種不同材料的絕緣礙子，因此本論文在做 SVM 模 型分類辨識時，是將四種不同材料的絕緣礙子來做 SVM 分類辨識模型，其絕緣礙 子材料為塗 PRTV 絕緣礙子、塗 HVIC 絕緣礙子，塗矽油膏絕緣礙子與聚合礙子，

但如上小節所述，資料收集時間為非鹽霧害期間以及遇到颱風天和下雨天，有某 幾串型式的絕緣礙子幾乎沒有明顯的洩漏電流情形發生，因此以下的分類模型只 分析有洩漏電流情形發生且發生頻率高的絕緣礙子，並從二個氣候參數逐步加到 四個氣候參數且利用不同的組合來建立分類模型，並一一測試不同組合的懲罰常

數 C 與核心函數中的 ，再逐一顯示各個分類模型的訓練準確率與分類準確率，

其不同的氣候排列組合如表 5.8 所示。

表 5.8 同氣候排列組合分類模型 Model-1：濕度、雨量

Model-2：風速、露點 Model-3：濕度、風速 Model-4：雨量、露點

Model-5：濕度、雨量、風速 Model-6：雨量、風速、露點 Model-7：濕度、風速、露點 Model-8：濕度、雨量、露點

Model-9：濕度、雨量、風速、露點 Model-10：濕度、雨量、風速、溫度

108

首先進行塗 PRTV 絕緣礙子洩漏電流資料以及氣候資料作 SVM 分類器分析，

其分析結果如表 5.9 示，在此測試集合當中，可看到 Model-1～Model-4 只取兩個 氣候參數來做分類，其分類準確率不高，大約只有 79％左右，證明只有兩個氣候 參數來預測洩漏電流是不夠的。而 Model-5～Model-8 外加了一個氣候參數，並使 用不同的組合方式，能夠看到其準確率比只有二個氣候參數的分類器要來的高，

大約 84％。最後將四個天氣因素都加入之後，發現其訓練準確率提升到了 87％～

88％，再利用 Model-9 與 Model-10 進行分類辨識，其分類效果如表 5.10～表 5.11 所示，其中 SVM-1 為第 1 段洩漏電流等級分類器，SVM-2 為第 2 段，而“實際結 果”為某一段天氣當中所出現的洩漏電流等級，比較 Model-9～10 的分類準確率，

其 Model-9 的分類準確率比較高。

表 5.9 塗 PRTV 絕緣礙子於不同天氣組合之 SVM 分類器

模型 C

懲罰常數 γ 訓練準確率

（％）

分類準確 率（％）

Model-1：濕度、雨量 2 0.0625 79.0647 77.15 Model-2：風速、露點 2 1 78.126 76.21 Model-3：濕度、風速 2 2 79.1 78.745 Model-4：雨量、露點 2 0.25 79.3 75.325 Model-5：濕度、雨量、風速 4 0.632 84.56 84.78 Model-6：雨量、風速、露點 4 0.25 84.12 84.521 Model-7：濕度、風速、露點 4 0.25 83.11 85.125 Model-8：濕度、雨量、露點 4 0.5 85.0647 85.41 Model-9：濕度、雨量、風速、

露點 64 2 88.138 87.045 Model-10：濕度、雨量、風速、

溫度 16 0.15 87.547 86.412

109

在 SVM-1 中，預測結果為“1”時，即代表該氣候資料對將會發生洩漏電流等級 1 的狀況；若預測結果為“-1”時，表示該資料對會發生超過洩漏電流等級 1 的狀況，

因此需要再將預測結果為“-1”的資料對放入 SVM-2 中繼續進行分類，同樣的，預 測結果為“1”時，代表該資料對會發生洩漏電流等級 2 的狀況，若為“-1”時，再繼 續放入 SVM-3 中進行分類，依此類推。

表 5.10 塗 PRTV 絕緣礙子之 SVM 分類器預估分類效果（Model-9）

SVM-1（counter1） SVM-2（counter2）

實際結果 預測結果 實際結果 預測結果

1 1 1 1

1 1 1 1

1 -1 1 -1

1 1 1 -1

1 1 1 1

1 1 1 1

1 1 1 1

1 -1 1 1

1 1 1 -1

1 1 1 1

1 1 1 1

-1 -1 - -

-1 -1 - -

-1 -1 - -

-1 1 - -

-1 1 - -

-1 -1 - -

-1 -1 - -

-1 -1 - -

-1 -1 - -

-1 -1 - -

-1 1 - -

-1 -1 - -

110

表 5.11 塗 PRTV 絕緣礙子之 SVM 分類器預估分類結果（Model-10）

SVM-1（counter1） SVM-2（counter2）

實際結果 預測結果 實際結果 預測結果

1 1 1 1

1 1 1 1

1 1 1 1

1 1 1 -1

1 -1 1 -1

1 1 1 1

1 1 1 -1

1 1 1 1

1 -1 1 1

1 1 1 -1

1 1 - -

-1 1 - -

-1 -1 -

-1 -1 - -

-1 -1 - -

-1 -1 - -

-1 -1 - -

-1 -1 - -

-1 1 - -

-1 1 - -

-1 -1 - -

-1 1 - -

-1 -1 - -

1 1 - -

再來是以塗 HVIC 絕緣礙子的洩漏電流與氣候之資料作 SVM 分類器分析，其 分析結果如表 5.12 所示，Model-1～Model-4 的分類器的與塗 PRTV 絕緣礙子準確 率差不多，再加入一個氣候因素之後，其準確率也提升至 84％左右，最後於 Model-9

111

時，其訓練準確率為 87％，再次使用 Model-9 與 Model-10 進行預估分類，同樣的 在“預測結果”的欄位當中，與實際結果幾乎都相符，偶有分類錯誤之情形，但機率 不高，研判是等級 1 與等級 2 的氣候狀態比較相近，因此會發生狀況，而兩個分 類模型的分類準確率較高者為 Model-9。

表 5. 12 塗 HVIC 絕緣礙子於不同天氣組合之 SVM 分類器

模型 C

懲罰常數

訓練準確率

（％）

分類準確率

（％）

Model-1：濕度、雨量 2 0.313 81.32 79.51 Model-2：風速、露點 2 0.5 79.872 78.413 Model-3：濕度、風速 2.65 2 80.22 79.01 Model-4：雨量、露點 4 16 79.21 77.26 Model-5：濕度、雨量、風速 16 12.235 84.3418 85.774 Model-6：雨量、風速、露點 16 5 85.874 84.21 Model-7：濕度、風速、露點 16.54 5.12 84.55 84.685 Model-8：濕度、雨量、露點 18.35 625 84.2911 85.16 Model-9：濕度、雨量、風速、

露點

128.6 0.0016 87.6544 87.078

Model-10：濕度、雨量、風速、

溫度

125 0.15 87.158 85.854

112

接下來是以塗矽油膏絕緣礙子的洩漏電流與氣候之資料進行 SVM 分類器分 析，其分析結果如表 5.13 所示，塗矽油膏絕緣礙子於 4 月至 6 月時，其洩漏電流 大約都在第一段以及第二段等級，由下表可得知氣候參數只有二個的時候，其訓 練準確率為 74％左右，加入四個氣候參數後，分類器的訓練準確率相對的提升，

最後再進行分類預估，其預測結果與實際洩漏電流等級級別幾乎相同，且 Model-9 與 Model-10 兩個不同的分類模型之準確率是差不多的。

表 5.13 塗矽油膏絕緣礙子於不同天氣組合之 SVM 分類器

模型 C

懲罰常數

訓練準確率

（％）

分類準確率

（％）

Model-1：濕度、雨量 0.125 0.0117 75.73 72.26 Model-2：風速、露點 0.125 0.0514 75.2774 73.48 Model-3：濕度、風速 0.125 0.02268 76.6426 75.284 Model-4：雨量、露點 0.125 0.4762 75.3723 72.87 Model-5：濕度、雨量、風速 0.5 2.1 82.83 80.54 Model-6：雨量、風速、露點 1 0.0117 83.7372 80.413 Model-7：濕度、風速、露點 0.125 85.7661 81.1002 78.38 Model-8：濕度、雨量、露點 0.25 85.7661 84.927 83.15 Model-9：濕度、雨量、風速、

露點

16.12 2 87.936 86.52

Model-10：濕度、雨量、風速、

溫度

16.85 4.6 87.15 85.426

113

最後以聚合礙子的洩漏電流與氣候資訊建立分類模型，分析結果如表 5.14 所 示，由於聚合礙子本身具有一定的撥水性，因此表面的潔淨程度相當高，從洩漏 電流收集資料來看，洩漏電流等級大多出現等級 1 與等級 2，而在 Model-1～Model-4 中的訓練準確率達到約 75％，與塗矽油膏絕緣礙子的訓練準確率差不多，中間加 入至三個氣候因素之後，其訓練準確率達到約 80％，最後加入至 4 個氣候參數之 後，Model-9 與 Model-10 訓練準確率亦提升，再利用這兩個分類模型進行實際分 類預測，其分類準確率達 85％。

表 5.14 聚合絕緣礙子於不同天氣組合之 SVM 分類器

模型

C 懲罰常數

訓練準確率

（％）

分類準確率

（％）

Model-1：濕度、雨量 3.2 0.0313 76.83 72.26 Model-2：風速、露點 2.36 1 74.218 73.48 Model-3：濕度、風速 4 2 75.51 75.284 Model-4：雨量、露點 2.125 2.3 74.31 72.87 Model-5：濕度、雨量、風速 2 16 80.2185 80.54 Model-6：雨量、風速、露點 2.55 4.14 79.63 80.413 Model-7：濕度、風速、露點 2.65 8.3 80.452 78.38 Model-8：濕度、雨量、露點 3.21 4.38 81.383 83.15 Model-9：濕度、雨量、風速、

露點

0.125 0.0156 86.872 85.62 Model-10：濕度、雨量、風速、

溫度 1.265 2.874 85.158 85.36

114

以上四種不同型式的絕緣礙子洩漏電流分類辨識器中，加入不同的氣候參數 時，其分類器的訓練準確率以及分類準確率會完全不相同，由 Model-1～Model-10 的訓練情形能夠發現輸入參數的多寡以及參數之間的關聯性，會影響最後訓練出 來的分類辨識模型，當氣象參數為四項時，四個絕緣礙子的訓練準確率落於 85％

～87％的範圍中，其中 Model-9 與 Model-10 相較之下，Model-9（濕度、雨量、風 速、露點）的分類辨識效果較佳，相對地驗證了在本論文的第三章當中所分析出 之影響絕緣礙子洩漏電流的氣候因素，也驗證了本論文所建立的洩漏電流分類辨 識器的分類效果，在未來能夠利用中央氣象局所供的氣候資料進行洩漏電流分類 辨識，得知未來幾天中洩漏電流的等級，且只需對輸電鐵塔當中的其中一串絕緣 礙子進行分類辨識即可，若分類出來的洩漏電流級別偏高時，維護人員就必須開 始注意該區域的絕緣礙子的表面絕緣狀況，進而決定是否執行礙掃。

以目前本論文所建立的洩漏電流分類辨識模型只適用於非鹽霧害期間（10 月 至次年 3 月），其資料完整度較不齊全，待未來收集到各種不同洩漏電流等級資料 時，方能建立出更完整的洩漏電流分類辨識系統，使輸電線路維護人員有能夠依 此分類辨識系統為參考依據，以此方式代替夜間觀測機制。