基于小波分析診斷和支持向量機(jī)的避雷器在線監(jiān)測(cè)數(shù)據(jù)故障分析

詹仲?gòu)?qiáng)，陳文濤，李金良

(國(guó)網(wǎng)新疆電力有限公司電力科學(xué)研究院，新疆 烏魯木齊 830011)

0 引 言

金屬氧化避雷器(metal oxide arrester，MOA)作為線路和設(shè)備的過(guò)電壓保護(hù)元件在電力系統(tǒng)中得到廣泛應(yīng)用，因此大量在線監(jiān)測(cè)系統(tǒng)被部署在變電站對(duì)MOA健康狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)[1]。

目前國(guó)內(nèi)對(duì)MOA在線監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)分析診斷集中在3個(gè)方面：1)針對(duì)在線監(jiān)測(cè)采樣缺點(diǎn)設(shè)計(jì)新型在線監(jiān)測(cè)裝置。文獻(xiàn)[2]設(shè)計(jì)了一種直流避雷器在線監(jiān)測(cè)裝置，通過(guò)對(duì)泄漏電流和動(dòng)作次數(shù)實(shí)時(shí)采集，對(duì)MOA健康進(jìn)行監(jiān)測(cè)。文獻(xiàn)[3]采用GPRS公共遠(yuǎn)程數(shù)據(jù)平臺(tái)傳輸避雷器在線監(jiān)測(cè)數(shù)據(jù)，當(dāng)泄漏電流超過(guò)閾值即報(bào)警確定雷擊線路的位置。2)對(duì)已有在線監(jiān)測(cè)采集數(shù)據(jù)進(jìn)行濾波，配合報(bào)警閾值對(duì)MOA進(jìn)行故障分析診斷。文獻(xiàn)[4]將小波閾值去噪和形態(tài)學(xué)去噪進(jìn)行融合得到新型自適應(yīng)去噪方法，有效濾除了在線監(jiān)測(cè)系統(tǒng)中的噪聲干擾。文獻(xiàn)[5]將廣義S變換結(jié)合譜熵理論在時(shí)頻分布上設(shè)計(jì)了一種新型時(shí)頻濾波器，取得良好濾波效果。3)對(duì)在線數(shù)據(jù)進(jìn)行特征提取，采用人工智能等手段進(jìn)行故障診斷。文獻(xiàn)[6]對(duì)MOA數(shù)據(jù)進(jìn)行諧波分析得到故障特征，利用多層矢量向量機(jī)對(duì)監(jiān)測(cè)數(shù)據(jù)進(jìn)行故障診斷。文獻(xiàn)[7]將MOA的檢修、帶電檢測(cè)、在線監(jiān)測(cè)信息進(jìn)行融合，采用模糊合集結(jié)合最優(yōu)權(quán)重方法得到避雷器綜合診斷模型。

由于西北大部分MOA在線監(jiān)測(cè)裝置采集頻率很低，無(wú)法對(duì)信號(hào)進(jìn)行高次諧波分析，下面針對(duì)實(shí)際情況以及國(guó)內(nèi)缺少避雷器在線監(jiān)測(cè)數(shù)據(jù)分析與故障診斷相關(guān)研究，提出一種基于小波分析和支持向量機(jī)的避雷器在線監(jiān)測(cè)數(shù)據(jù)故障診斷方法。首先，利用軟閾值和小波包分析對(duì)原始在線監(jiān)測(cè)數(shù)據(jù)進(jìn)行濾波；然后，針對(duì)在線監(jiān)測(cè)數(shù)據(jù)采樣時(shí)間長(zhǎng)，提出采用統(tǒng)計(jì)方法計(jì)算信號(hào)的特征量；最后，使用支持向量機(jī)對(duì)信號(hào)進(jìn)行故障診斷取得良好效果。

1 信號(hào)去噪

避雷器在線監(jiān)測(cè)系統(tǒng)一般采集全電流和阻性電流數(shù)據(jù)，由于現(xiàn)場(chǎng)傳感器自身測(cè)量誤差和相鄰的高壓帶電設(shè)備干擾，導(dǎo)致數(shù)據(jù)存在噪聲。這里使用小波包Penalized軟閾值對(duì)原始信號(hào)進(jìn)行濾波處理，小波包能夠?qū)⑿盘?hào)分解成低頻和高頻分量，選擇適當(dāng)?shù)姆纸鈱訑?shù)和軟閾值，可以得到高頻分量的分布，通過(guò)Penalized軟閾值去除以高斯分布為主要特征的噪聲分量得到去噪后的平滑數(shù)據(jù)。圖1為3層小波包分解示意圖，圖中S為避雷器全電流或阻性電流數(shù)據(jù)，數(shù)字部分的首下標(biāo)代表分解層數(shù)，逗號(hào)之后的下標(biāo)代表該層的節(jié)點(diǎn)回構(gòu)信號(hào)。

圖1 經(jīng)過(guò)3層分解的避雷器在線監(jiān)測(cè)數(shù)據(jù)

采用二叉樹(shù)分解后的2n層信號(hào)節(jié)點(diǎn)的小波包分解和回購(gòu)的信號(hào)計(jì)算方法見(jiàn)式(1)和式(2)。

(1)

(2)

(3)

式中：THR為閾值；c(k)為按絕對(duì)值從大到小排列的小波包系數(shù)；n為系數(shù)的個(gè)數(shù)；為零均值的高斯白噪聲標(biāo)準(zhǔn)偏差；t為經(jīng)分解后的信號(hào)數(shù)值；為給定的懲罰系數(shù)。采用Penalized法能夠有效將原始信號(hào)中的噪聲信號(hào)去除，另數(shù)據(jù)平滑同時(shí)保留局部細(xì)節(jié)信息。

2 特征提取與故障分類(lèi)

這里所采用的某750 kV變電站的避雷器在線監(jiān)測(cè)數(shù)據(jù)采樣時(shí)間為15 min。根據(jù)采樣定理無(wú)法對(duì)信號(hào)中的高次諧波進(jìn)行分析，尤其是避雷器的閥片劣化與三次全電流和阻性電流具有密切關(guān)系，故只能采用常規(guī)統(tǒng)計(jì)量，包括均值、有效值、方差、標(biāo)準(zhǔn)差、裕度、歪度、峭度作為樣本特征。

支持向量機(jī)(support vector machine，SVM)是一種根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化的機(jī)器學(xué)習(xí)分類(lèi)器，在小樣本的情況下具有良好的分類(lèi)性能[8]。給定樣本S={(x1,y1),(x2,y2)…(xn,yn)}，其中xn為實(shí)數(shù)樣本數(shù)據(jù)，yn為對(duì)應(yīng)的樣本分類(lèi)標(biāo)簽，通過(guò)求解式(4)得到最優(yōu)超平面。

(4)

式中：ω為線性權(quán)值向量；D為懲罰參數(shù)；i為松弛因子；yi為樣本分類(lèi)標(biāo)簽；xi為樣本特征值；b為閾值；i為樣本編號(hào)。

分類(lèi)函數(shù)如式(5)所示：

f(x)=sgn{∑αiyiKnel(xi,x)+b}

(5)

式中：α為拉格朗日乘子；Knel為核函數(shù)。

3 算例仿真

選用某750 kV變電站主變壓器避雷器在線監(jiān)測(cè)數(shù)據(jù)，選用時(shí)間段為2019年5月15日至2020年2月25日，其中有些數(shù)據(jù)點(diǎn)因?yàn)樵诰€監(jiān)測(cè)裝置故障，因此將無(wú)效數(shù)據(jù)進(jìn)行刪除，得到每相的全電流和阻性電流分別為11 038點(diǎn)，三相全電流和阻性電流原始數(shù)據(jù)見(jiàn)圖2。

圖2中A相全電流最大3.417 mA，最小2.861 mA；B相全電流最大3.27 mA，最小2.72 mA；C相全電流最大4.184 mA，最小2.936 mA。A相阻性電流最大0.502 mA，最小-0.624 mA；B相阻性電流最大1.095 mA，最小-2.908 mA；C相阻性電流最大2.996 mA，最小-3.332 mA。由圖2(a)中可以看出曲線毛刺較多，其中C相全電流在6000點(diǎn)之后有一次向下階躍，表示C相避雷器發(fā)生故障，將其更換之后監(jiān)測(cè)數(shù)據(jù)正常，從圖2(b)的C相阻性電流數(shù)據(jù)也可以進(jìn)行佐證。圖2(b)中前期數(shù)據(jù)出現(xiàn)正負(fù)階躍是由于在投運(yùn)初期，在線監(jiān)測(cè)裝置還在調(diào)試過(guò)程中出現(xiàn)信號(hào)數(shù)據(jù)接反、未校對(duì)等原因，未將其剔除是因?yàn)樵诒芾灼鏖L(zhǎng)期運(yùn)行中。這種在線監(jiān)測(cè)故障也屬于避雷器故障的一種，只是由于其不影響避雷器正常運(yùn)行，且對(duì)長(zhǎng)期監(jiān)測(cè)數(shù)據(jù)進(jìn)行計(jì)算時(shí)，這種錯(cuò)誤可以從統(tǒng)計(jì)計(jì)算角度進(jìn)行消除。

圖2 避雷器在線監(jiān)測(cè)數(shù)據(jù)

對(duì)圖2數(shù)據(jù)采用基于Penalized閾值的小波包算法去噪后，數(shù)據(jù)見(jiàn)圖3。

將圖2(a)與圖3(a)中A相全電流數(shù)據(jù)的細(xì)節(jié)進(jìn)行對(duì)比，對(duì)比區(qū)間取橫坐標(biāo)[2000,4000]，見(jiàn)圖4。從圖4中可以看出，經(jīng)過(guò)基于Penalized閾值的小波包濾波后效果非常好，將原始數(shù)據(jù)中的毛刺全部濾除，這樣做能夠避免那些毛刺噪聲數(shù)據(jù)經(jīng)過(guò)誤差累計(jì)之后影響樣本的統(tǒng)計(jì)特征提取，造成故障特征失真。以每266點(diǎn)為一個(gè)區(qū)間，將11 038個(gè)點(diǎn)分成42個(gè)區(qū)間，分別對(duì)避雷器三相全電流、阻性電流數(shù)據(jù)進(jìn)行均值、有效值、方差、標(biāo)準(zhǔn)差、裕度、歪度、峭度統(tǒng)計(jì)。因?yàn)槭芷拗?，無(wú)法將三相總共42組數(shù)據(jù)全部附上，因此選取最具代表性的C相(故障相)全電流、阻性電流統(tǒng)計(jì)繪制成圖5。

圖3 去噪后的避雷器在線監(jiān)測(cè)數(shù)據(jù)

圖4 A相全電流濾波前和濾波后的細(xì)節(jié)對(duì)比

圖5中的C相除了阻性電流方差在21號(hào)區(qū)間點(diǎn)波動(dòng)不明顯外，其余無(wú)論全電流還是阻性電流都在21號(hào)區(qū)間出現(xiàn)明顯增長(zhǎng)或者下降。在圖5(a)中一階統(tǒng)計(jì)量中均值和有效值相比裕度波動(dòng)較小，而裕度計(jì)算采用信號(hào)峰峰值除以均值所有波動(dòng)較均值和有效值變大，二階統(tǒng)計(jì)量中的方差、標(biāo)準(zhǔn)差和三階統(tǒng)計(jì)量峰度將信號(hào)的細(xì)微波動(dòng)進(jìn)行放大，對(duì)比一階統(tǒng)計(jì)量在21號(hào)區(qū)間的波動(dòng)幅度而言更加劇烈。

圖5 C相在線監(jiān)測(cè)數(shù)據(jù)的統(tǒng)計(jì)數(shù)據(jù)

圖5(b)中前期數(shù)據(jù)點(diǎn)的波動(dòng)是因?yàn)樵诰€監(jiān)測(cè)裝置自身采樣出現(xiàn)問(wèn)題導(dǎo)致，從圖3(b)中的C相阻性電流數(shù)據(jù)可以進(jìn)行佐證。均值、有效值、方差、標(biāo)準(zhǔn)差皆不靈敏，然而裕度、歪度、峰度卻對(duì)故障變化信息非常敏感。

從圖5(a)和圖5(b)中對(duì)比一階和二階統(tǒng)計(jì)量的區(qū)別，全電流數(shù)據(jù)敏感而阻性電流數(shù)據(jù)不敏感，可以結(jié)合避雷器結(jié)構(gòu)推斷出C相避雷器的電容電流分量超前于阻性電流分量發(fā)生巨變，意味著避雷器的均壓結(jié)構(gòu)出現(xiàn)故障，導(dǎo)致內(nèi)部放電擴(kuò)散將故障擴(kuò)散至阻性閥片，阻性電流出現(xiàn)波動(dòng)。

圖5中的6號(hào)至8號(hào)區(qū)間為正常情況，根據(jù)故障發(fā)生對(duì)象和時(shí)間為C相2019年10月2日，以21號(hào)至23號(hào)區(qū)間為故障情況，分別將兩種情況作為正常特征、故障特征的訓(xùn)練集，見(jiàn)表1。以此訓(xùn)練集對(duì)圖3中的三相全電流、阻性電流數(shù)據(jù)進(jìn)行故障分類(lèi)，得到結(jié)果見(jiàn)圖6所示。

圖6 三相避雷器的全電流和阻性電流故障分類(lèi)結(jié)果

圖6中1代表正常，-1代表故障，三相的阻性電流在1至3號(hào)區(qū)間出現(xiàn)故障，根據(jù)前面所述為在線監(jiān)測(cè)系統(tǒng)故障。A相全電流數(shù)據(jù)從18號(hào)區(qū)間開(kāi)始，絕大多數(shù)點(diǎn)判斷為故障，大致時(shí)間為2019年9月2日開(kāi)始出現(xiàn)故障特征；A相阻性電流數(shù)據(jù)在22至28號(hào)區(qū)間判斷為故障，29至42號(hào)區(qū)間非故障判斷占絕大多數(shù)，22至28號(hào)區(qū)間對(duì)應(yīng)故障時(shí)間段為2019年9月25日至2019年11月5日。B相全電流數(shù)據(jù)從26至42號(hào)區(qū)間判斷為故障，對(duì)應(yīng)故障起始時(shí)間為2019年10月30日；B相阻性電流數(shù)據(jù)在26至29號(hào)區(qū)間判斷為故障。C相全電流數(shù)據(jù)從1至20號(hào)區(qū)間判斷無(wú)故障，21號(hào)至24號(hào)區(qū)間為故障，25號(hào)至42號(hào)區(qū)間為無(wú)故障，對(duì)應(yīng)故障時(shí)間段為2019年9月20日至2019年10月12日，避雷器故障發(fā)現(xiàn)時(shí)間為2019年10月2日，在此時(shí)間段內(nèi)；C相阻性電流數(shù)據(jù)從1至20號(hào)區(qū)間判斷為無(wú)故障，21號(hào)至26號(hào)區(qū)間判斷為故障，27號(hào)至42號(hào)區(qū)間判斷為無(wú)故障，故障時(shí)間段對(duì)應(yīng)為2019年9月20日至2019年10月24日，避雷器故障發(fā)現(xiàn)時(shí)間為2019年10月2日，在此時(shí)間段內(nèi)。

表1 正常特征樣本和故障特征樣本

A相和B相避雷器經(jīng)過(guò)返廠解體后各自發(fā)現(xiàn)不同程度的閥片劣化和均壓電容損壞。由于三相避雷器屬于同一批次產(chǎn)品，結(jié)合C相故障時(shí)間可以判斷三相避雷器大致在2019年9月就開(kāi)始出現(xiàn)不同程度的失效，但沒(méi)有達(dá)到故障程度，對(duì)應(yīng)的全電流和阻性電流的統(tǒng)計(jì)特征數(shù)據(jù)開(kāi)始出現(xiàn)波動(dòng)。

4 結(jié) 語(yǔ)

所提出的基于小波分析和支持向量機(jī)的避雷器在線監(jiān)測(cè)數(shù)據(jù)故障模型能夠有效將在線監(jiān)測(cè)數(shù)據(jù)的噪聲進(jìn)行濾除。首先，對(duì)去噪信號(hào)使用統(tǒng)計(jì)計(jì)算得到從一階至三階的7種統(tǒng)計(jì)參數(shù)；然后進(jìn)行正常和故障的特征提??；最后，使用支持向量機(jī)對(duì)故障進(jìn)行分類(lèi)判斷，能夠在避雷器失效前提出故障判斷和報(bào)警，有效避免因意外停電造成線路負(fù)荷丟失，提高了線路運(yùn)行的安全。