基于相位分辨統(tǒng)計(jì)技術(shù)的局部放電類型分析

王鳳林，楊俊英，孫煥均

（國(guó)網(wǎng)天津市電力公司武清供電分公司，天津 301700）

1 引言

局部放電是絕緣與導(dǎo)體之間發(fā)生的不完全放電，不同的局部放電類型對(duì)絕緣性能的影響不同。對(duì)局部放電類型進(jìn)行分類和分析對(duì)于評(píng)價(jià)放電的危害性具有重要意義，在現(xiàn)場(chǎng)也有助于檢修人員對(duì)電力設(shè)備缺陷的排查[1]。

檢修人員一般通過局放測(cè)量?jī)x獲取被測(cè)電力設(shè)備（如GIS、電纜和開關(guān)柜）的相位分辨數(shù)據(jù)，其基本參數(shù)包括相位角φ,局放電荷大小q和局放脈沖數(shù)n，相位分辨數(shù)據(jù)通常采用（φ-q）和（φ-n）的組合并以圖譜方式顯示給檢修人員，檢修人員可以通過圖譜中脈沖的相位特征來分析是否存在局部放電，但對(duì)進(jìn)一步分析局部放電類型缺乏分析依據(jù)[2]。

大量的局部放電檢測(cè)結(jié)果表明，不同局放類型的相位分辨數(shù)據(jù)所生成的（φ-q）和（φ-n）圖譜分布具有不同的對(duì)稱程度和方向，根據(jù)這個(gè)特點(diǎn)，本文將引入分布統(tǒng)計(jì)中偏度和峰度作為局部放電相位分辨數(shù)據(jù)的重要統(tǒng)計(jì)參量，用于判定相位分辨數(shù)據(jù)分布的不對(duì)稱程度以及方向，計(jì)算方法如下文所示[3][4]。

2 相位分辨數(shù)據(jù)的統(tǒng)計(jì)參量的計(jì)算方法

2.1 （φ-q）相位分辨數(shù)據(jù)統(tǒng)計(jì)參量的計(jì)算方法

圖1 （φ-q）相位分辨數(shù)據(jù)統(tǒng)計(jì)分析示意圖

局部放電的脈沖周期與電網(wǎng)工頻周期對(duì)應(yīng)，每個(gè)周期包含0-360度相位角，局放測(cè)量?jī)x將0-360度相位角劃分成一定數(shù)量的相位窗數(shù)，并在每個(gè)相位窗數(shù)上記錄當(dāng)前窗的脈沖幅值，生成（φ-q）相位分辨數(shù)據(jù),以相位角φ為橫軸，以局放電荷幅值q為縱軸，可以生成（φ-q）二維圖譜[5]。如果對(duì)多個(gè)工頻周期的局放數(shù)據(jù)進(jìn)行累計(jì)觀測(cè)，則采用相位窗口幅值平均值Hqn（φ）作為（φ-q）二維圖譜相位窗口的幅值。對(duì)于單個(gè)缺陷，（φ-q）相位分辨數(shù)據(jù)分布均可以用正態(tài)分布來描述，其偏度和峰度統(tǒng)計(jì)參賽量如公式（1）和公式（2）所示[6][7]。

其中：

Vi為各個(gè)相位窗口的局放幅值Hqn（φ）；

m為局放幅值Hqn（φ）的平均值，可參考公式（3）[6]；

σ為局放幅值Hqn（φ）的標(biāo)準(zhǔn)差。

偏度和峰度是參照正態(tài)分布來評(píng)價(jià)的，偏度是局放相位分辨數(shù)據(jù)對(duì)稱性程度指標(biāo)，Sk=0表示其數(shù)據(jù)分布形態(tài)與正態(tài)分布的偏斜程度相同；Sk＞0表示其數(shù)據(jù)分布形態(tài)與正態(tài)分布相比為右偏，數(shù)據(jù)右端有較多的極端值；Sk＜0表示其數(shù)據(jù)分布形態(tài)與正態(tài)分布相比為左偏，數(shù)據(jù)左端有較多的極端值。偏度的絕對(duì)值數(shù)值越大表示其分布形態(tài)的偏斜程度越大。

峰度是局放相位分辨數(shù)據(jù)分布尖銳程度指標(biāo)，Ku=0表示該總體數(shù)據(jù)分布與正態(tài)分布的陡緩程度相同；Ku＞0表示該總體數(shù)據(jù)分布與正態(tài)分布相比較為陡峭；Ku＜0表示該總體數(shù)據(jù)分布與正態(tài)分布相比較為平坦。峰度的絕對(duì)值數(shù)值越大表示其分布形態(tài)的陡緩程度與正態(tài)分布的差異程度越大。

2.2 相位分辨數(shù)據(jù)統(tǒng)計(jì)參量計(jì)算方法

圖2 （φ-n）相位分辨數(shù)據(jù)統(tǒng)計(jì)分析示意圖

局放測(cè)量?jī)x在每個(gè)相位窗數(shù)上記錄當(dāng)前窗累計(jì)的脈沖數(shù)量，生成（φ-n）相位分辨數(shù)據(jù),以相位角φ為橫軸，以累計(jì)的局放脈沖數(shù)n為縱軸，可以生成（φ-n）二維圖譜。

（φ-n）相位分辨數(shù)據(jù)分布偏度和峰度的計(jì)算可參考公式（1）和公式（2），其中Vi為各個(gè)相位窗口的局放脈沖累計(jì)值n，m為各個(gè)相位窗口的局放脈沖累計(jì)值n的平均值，σ為局放幅值各個(gè)相位窗口的局放脈沖累計(jì)值n的標(biāo)準(zhǔn)差。

圖3

3 相位分辨數(shù)據(jù)的統(tǒng)計(jì)參量實(shí)例計(jì)算分析

為了驗(yàn)證分布統(tǒng)計(jì)參量偏度和峰度對(duì)于分析局放類型具有較大價(jià)值的判斷依據(jù)，本文將從已知局放類型和未知局放類型的相位分辨數(shù)據(jù)中計(jì)算出偏度和峰度值，并通過數(shù)值和圖譜比較，推斷出未知局放類型的相位分辨數(shù)據(jù)所屬的局放類型。

已知局放類型的相位分辨數(shù)據(jù)包括氣隙放電、沿面放電、電暈放電三種局放類型，未知局放類型的相位分辨數(shù)據(jù)有三個(gè)，分別是數(shù)據(jù)1，數(shù)據(jù)2，數(shù)據(jù)3。

3.1 （φ-q）相位分辨數(shù)據(jù)統(tǒng)計(jì)參數(shù)實(shí)例計(jì)算

圖3為已知和未知放類型相位分辨數(shù)據(jù)的（φ-q）局圖，其數(shù)據(jù)經(jīng)過計(jì)算，其統(tǒng)計(jì)參量偏度和峰度值如表1所示，其中H代表0-180度正半周相位窗口幅值平均值代表180-360度負(fù)半周相位窗口幅值平均值。

表1 局部放電（φ-n）相位分辨數(shù)據(jù)統(tǒng)計(jì)參量計(jì)算值

3.2 （φ-n）相位分辨數(shù)據(jù)統(tǒng)計(jì)參數(shù)實(shí)例計(jì)算

圖4為已知和未知局放類型相位分辨數(shù)據(jù)的（φ-n）圖，其數(shù)據(jù)經(jīng)過計(jì)算，其統(tǒng)計(jì)參量偏度和峰度值如表2所示，其中n+（φ）代表0-180度正半周相位窗口累計(jì)脈沖數(shù)，n-（φ）代表180-360度負(fù)半周相位窗口累計(jì)脈沖數(shù)。

表2 局部放電（φ-n）相位分辨數(shù)據(jù)統(tǒng)計(jì)參量計(jì)算值

3.3 局放數(shù)據(jù)的統(tǒng)計(jì)參數(shù)實(shí)例分析

本文將所計(jì)算出的相位分辨數(shù)據(jù)統(tǒng)計(jì)參量值，以圖表的形式表示并進(jìn)行交叉比較分析，如圖5,圖6所示。

交叉比較分析結(jié)果如下：

①?gòu)膱D5（a）和圖6（a）可知，數(shù)據(jù)3的統(tǒng)計(jì)參量曲線與氣隙放電的相位數(shù)據(jù)統(tǒng)計(jì)參量曲線相近，因此可較為確定推測(cè)數(shù)據(jù)3為氣隙放電；

②從圖 5（a）（b）和圖 6（a）（b）可知數(shù)據(jù) 2 的統(tǒng)計(jì)參量曲線與氣隙和沿面的放電的相位數(shù)據(jù)的統(tǒng)計(jì)參量曲線相近，因此可推測(cè)數(shù)據(jù)2可能是氣隙放電或沿面放電中的一種，其中是氣隙放電的概率更大；

圖4

圖5 相位分辨數(shù)據(jù)的統(tǒng)計(jì)參量比較圖

圖6 相位分辨數(shù)據(jù)的統(tǒng)計(jì)參量比較圖

③從圖5（b）和圖6（b）可知，數(shù)據(jù)1的統(tǒng)計(jì)參量與氣隙放電的相位數(shù)據(jù)的統(tǒng)計(jì)參量相近，因此可較為確定推測(cè)數(shù)據(jù)1的放電類型為沿面放電；

④從圖5和圖6可知，數(shù)據(jù)1、數(shù)據(jù)2和數(shù)據(jù)3的統(tǒng)計(jì)參量曲線均與電暈放電的相位數(shù)據(jù)統(tǒng)計(jì)參量相差較大，所以數(shù)據(jù)1，數(shù)據(jù)2和數(shù)據(jù)3均可確定不是電暈放電類型。

分析結(jié)果與數(shù)據(jù)1、數(shù)據(jù)2及數(shù)據(jù)3的實(shí)際所屬放電類型一致。

4 結(jié)論

①上文的分析結(jié)果表明采用分布統(tǒng)計(jì)技術(shù)進(jìn)一步處理和的相位分辨數(shù)據(jù)，能為分析和判斷局部放電類型提供有價(jià)值判斷依據(jù)。

②僅僅采用分布統(tǒng)計(jì)技術(shù)還不能完全實(shí)現(xiàn)局部放電類型的自動(dòng)分析和判斷，但由本文提出和的相位分辨數(shù)據(jù)偏度和峰度統(tǒng)計(jì)參量計(jì)算方法，其結(jié)果可以作為人工智能算法（如神經(jīng)網(wǎng)絡(luò)算法）處理的重要特征參數(shù)，得到進(jìn)一步的分析和處理。