基于GK聚類的變壓器局部放電信號(hào)識(shí)別與分類

邱俊宏 陳可柯 李金芳

摘 要：針對(duì)變壓器運(yùn)行過程中出現(xiàn)的各種局部放電現(xiàn)象，提出一種基于GK聚類的變壓器局部放電識(shí)別與分類的方法。搭建懸浮放電、針板放電、氣隙放電、沿面放電等局部放電模型模擬變壓器局部放電信號(hào)，并利用廣義S變換對(duì)放電信號(hào)進(jìn)行時(shí)頻分析，獲取各種放電信號(hào)的特征向量?；贕K聚類算法具有較高的伸縮性、較強(qiáng)的處理異常數(shù)據(jù)干擾和高維數(shù)據(jù)的能力，文中在廣義S變換提取局部放電信號(hào)特征向量的基礎(chǔ)上，利用GK聚類算法對(duì)四種信號(hào)進(jìn)行識(shí)別。仿真結(jié)果表明，GK聚類算法能夠?qū)崿F(xiàn)各種局放信號(hào)的準(zhǔn)確分類。

關(guān)鍵詞：局部放電;廣義S變換;信號(hào)識(shí)別;GK聚類;分類

中圖分類號(hào)：TM76 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

作為電力系統(tǒng)的重要組成環(huán)節(jié)，電力變壓器安全、可靠運(yùn)作為電力系統(tǒng)的正常運(yùn)行提供了保障。絕緣狀況是反映變壓器運(yùn)行狀態(tài)的關(guān)鍵因素之一。電力變壓器絕緣水平下降會(huì)直接造成變壓器的不正常運(yùn)行，而局部放電作為導(dǎo)致變壓器絕緣老化、失效的重要原因，在絕緣故障中占一定的比例。變壓器局部放電發(fā)生時(shí)，并不會(huì)立即造成絕緣整體擊穿，但會(huì)侵蝕其附近的絕緣介質(zhì)，不斷降低絕緣材料的電氣、機(jī)械性能，進(jìn)而導(dǎo)致絕緣系統(tǒng)擊穿。因此，對(duì)局部放電的故障進(jìn)行檢測(cè)與分類，可有效反映當(dāng)前變壓器的絕緣水平、狀況，保證電力變壓器的正常運(yùn)行[1-3]。

近幾年，變壓器局部放電故障信號(hào)的處理分析大多是基于傳統(tǒng)分析法和時(shí)域分析法實(shí)現(xiàn)的，文獻(xiàn)[4]利用二代小波和信息熵將小波能譜熵和系數(shù)熵作為特征量輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、分類，文獻(xiàn)[5]利用小波包數(shù)據(jù)分析技術(shù)把局放信號(hào)各頻段的分形維數(shù)倒數(shù)輸入到多分類最小二乘支持向量機(jī)實(shí)現(xiàn)對(duì)待分類樣本的分類。上述分類雖都取得一定成效，但人工神經(jīng)網(wǎng)絡(luò)的收斂速度相對(duì)較慢，容易陷入局部極小點(diǎn);支持向量機(jī)對(duì)信號(hào)進(jìn)行分析計(jì)算時(shí)需進(jìn)行核變換，數(shù)據(jù)量較大時(shí)會(huì)直接影響計(jì)算效率[6]。探索合適的方法對(duì)局部放電模式進(jìn)行識(shí)別分析直接關(guān)系著變壓器能否安全、可靠地運(yùn)行。

針對(duì)上述方法的不足，文中從變壓器局部放電信號(hào)發(fā)生時(shí)的時(shí)域波形為出發(fā)點(diǎn)，利用廣義S變換對(duì)采集數(shù)據(jù)進(jìn)行時(shí)頻分析作為信號(hào)分析的特征參量，并通過GK聚類算法對(duì)提取的特征量進(jìn)行模式識(shí)別，確定局部放電的類型，為變壓器的故障診斷提供判斷依據(jù)。

1 基于廣義S變換的特征量提取

針對(duì)變壓器內(nèi)部的絕緣特征，可將局部放電類型分為如下4類：

（1）因變壓器內(nèi)懸浮電位體產(chǎn)生的懸浮放電;

（2）因變壓器內(nèi)某些部件棱角和變壓器油中繞組、金屬屑彎折產(chǎn)生的毛刺引起的針板放電;

（3）因變壓器運(yùn)行過程中油中釋放的氣體在絕緣紙內(nèi)聚集和絕緣紙加工過程中排氣不徹底產(chǎn)生的氣隙放電;

（4）因變壓器沿面場(chǎng)強(qiáng)較低、高壓端電場(chǎng)較為集中引起的沿面方面。

四種放電信號(hào)的典型波形如圖1所示。

為便于實(shí)現(xiàn)采樣信號(hào)的綜合處理與分析，選取廣義S變換的模時(shí)頻矩陣作為分析對(duì)象，對(duì)變壓器局部放電信號(hào)的特征向量進(jìn)行提取。令離散廣義S變換參數(shù)、，對(duì)上述信號(hào)進(jìn)行分析得到的時(shí)域波形如圖2所示。

由圖2可得每種放電信號(hào)經(jīng)過廣義S變換取模時(shí)頻矩陣后得到的時(shí)域波形在空間上存在明顯差異，數(shù)據(jù)取值范圍也不盡相同，以此作為每種信號(hào)特征向量的數(shù)據(jù)支撐可實(shí)現(xiàn)局部放電信號(hào)的準(zhǔn)確識(shí)別與分類。

為了驗(yàn)證文中所提方法的有效性，實(shí)驗(yàn)室中，設(shè)計(jì)四種放電模型分別模擬生成懸浮放電、針板放電、氣隙放電、沿面放電四種變壓器局部放電信號(hào)，通過不斷調(diào)整試驗(yàn)電壓的大小使每類放電信號(hào)產(chǎn)生100組樣本數(shù)據(jù)，利用廣義S變換對(duì)所有產(chǎn)生的數(shù)據(jù)進(jìn)行取模取時(shí)間均值分析，并用不同的符號(hào)對(duì)不同的信號(hào)進(jìn)行標(biāo)記區(qū)分，得到的所有信號(hào)的特征參數(shù)分別圖如圖3所示。

由圖3顯示內(nèi)容可得，對(duì)于同種類型的局部放電信號(hào)，其分布較為集中，而不同種類型的放電信號(hào)之間空間分布存在較大差異，且彼此之間互相不重合。因此，可以以此作為特征參數(shù)對(duì)放電信號(hào)進(jìn)行識(shí)別與分類。

2 GK聚類

若要將待分析信號(hào)x分成c類，即可獲取c個(gè)聚類中心向量M={m1，m2，…，mc}，令為隸屬度矩陣，樣本數(shù)據(jù)點(diǎn)的隸屬度在矩陣中用元素ujk∈[0，1]表示，定義為第個(gè)樣本對(duì)第類的隸屬度，且滿足。若對(duì)樣本數(shù)據(jù)用GK聚類算法對(duì)其分類，即對(duì)隸屬度矩陣和聚類中心向量矩陣不斷調(diào)整迭代使式（3）所示目標(biāo)函數(shù)的值達(dá)到最小值[9]。

根據(jù)上述的計(jì)算步驟，用GK聚類算法實(shí)現(xiàn)樣本數(shù)據(jù)的分類過程如下所示：

具體的實(shí)現(xiàn)步驟可歸納為：

（1）初始化聚類數(shù)目、加權(quán)指數(shù)、迭代次數(shù)、迭代終止條件、模糊劃分矩陣;

（2）更新聚類中心;

（3）由式（6）對(duì)模糊協(xié)方差矩陣進(jìn)行計(jì)算;

（4）將計(jì)算結(jié)果代入式（5）獲取正定矩陣的計(jì)算值;

（5）提取步驟（4）計(jì)算得到的值對(duì)式（4）進(jìn)行計(jì)算得到，獲取待分析樣本數(shù)據(jù)的相似度;

（6）將相似度度量函數(shù)的值代入式（7）中，對(duì)模糊劃分矩陣進(jìn)行更新;

（7）計(jì)算的值，若小于ε則終止運(yùn)算，否則增加迭代次數(shù)，使，轉(zhuǎn)至步驟（2）重復(fù)上面的內(nèi)容，直至<。

3 基于GK聚類的局部放電信號(hào)分類

為實(shí)現(xiàn)GK聚類算法對(duì)樣本數(shù)據(jù)進(jìn)行識(shí)別分類，需在廣義S變換基礎(chǔ)上選用能夠反映數(shù)據(jù)特征的參量對(duì)數(shù)據(jù)進(jìn)行提取分析，實(shí)現(xiàn)同類數(shù)據(jù)的集中顯示，不同類數(shù)據(jù)之間的差異顯示。一般情況下，方差、均值、能量均能達(dá)到要求，文中選取方差作為參量對(duì)四種局部放電信號(hào)進(jìn)行分析。

分別設(shè)置GK聚類初始分類數(shù)為2、3、4，模擬產(chǎn)生四種放電信號(hào)，當(dāng)待分析樣本信號(hào)中包含任意兩種放電信號(hào)時(shí)（以懸浮放電和針板放電為例），GK聚類的分類效果如圖4-（a）所示。當(dāng)待分析樣本信號(hào)中包含任意三種放電信號(hào)時(shí)（以懸浮放電、氣隙和沿面放電為例），GK聚類的分類效果如圖4-（b）所示。當(dāng)待分析樣本信號(hào)中包含四種放電信號(hào)時(shí)，GK聚類的分類效果如圖4-（c）所示。

由圖4可得任何放電信號(hào)的組合利用GK聚類算法均能夠較好完成放電信號(hào)樣本數(shù)據(jù)的識(shí)別與分類，且準(zhǔn)確率較高，進(jìn)而驗(yàn)證了文中所提分類方法的有效性。

4 結(jié)論

文中在論述廣義S變換和GK聚類算法基本理論知識(shí)基礎(chǔ)之上提出一種基于GK聚類算法的變壓器局部放電信號(hào)識(shí)別與分類方法。搭建模型仿真懸浮放電、針板放電、氣隙放電、沿面放電等四種變壓器局部放電信號(hào)各100組，對(duì)信號(hào)組進(jìn)行廣義S變換取模取方差均值計(jì)算，并以計(jì)算結(jié)果作為特征參量利用GK聚類算法對(duì)四種放電進(jìn)行分類，驗(yàn)證文中所提方法的可靠性與準(zhǔn)確性。圖形分類結(jié)果表明文中所提方法在實(shí)現(xiàn)局部放電信號(hào)識(shí)別與分類方面具有分類規(guī)則清晰、簡單、易于理解，且能夠根據(jù)分類效果較好的優(yōu)點(diǎn)。

參考文獻(xiàn)：

[1]趙建利，劉海峰，劉婷，等.變壓器局部放電信號(hào)檢測(cè)與類型識(shí)別[J].現(xiàn)代電子技術(shù)，2016，39（06）：166-170.

[2]王曉文，鐘曉宇.電氣設(shè)備局部放電檢測(cè)方法綜述[J].沈陽工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2017，13（04）：331-339.

[3]劉嘉林，董明，安珊，等.電力變壓器局部放電帶電檢測(cè)及定位技術(shù)綜述[J].絕緣材料，2015，48（08）：1-7.

[4]鄧雨榮，郭麗娟，郭飛飛，等.引入二代小波的自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)局部放電故障識(shí)別[J].電力建設(shè)，2013，34（06）：87-91.

[5]任先文，薛雷，宋陽，等.基于分形特征的最小二乘支持向量機(jī)局部放電模式識(shí)別[J].電力系統(tǒng)保護(hù)與控制，2011，39（14）：143-147.

[6]朱永利，王劉旺.并行EEMD算法及其在局部放電信號(hào)特征提取中的應(yīng)用[J].電工技術(shù)學(xué)報(bào)，2018，33（11）：2508-2519.

[7]劉宇舜，周文俊，李鵬飛，等.基于廣義S變換模時(shí)頻矩陣的局部放電特高頻信號(hào)去噪方法[J].電工技術(shù)學(xué)報(bào)，2017，32（09）：211-220.

[8]劉文杰，舒勤，韓曉言.基于廣義S變換和TEO的配電網(wǎng)故障定位方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，2019，31（01）：12-18.

[9]李成榕，王彩雄，唐志國，等.基于聚類分析的變壓器局部放電智能診斷的研究[J].華北電力大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，35（06）：7-12.