基于KBS的高壓設備局部放電數(shù)據(jù)分析方法

王英潔， 曹鐵男

(中國南方電網(wǎng)有限責任公司 科學研究院， 廣州 510663)

電氣設施普遍需要進行狀態(tài)監(jiān)測和自動診斷，以便設備在出現(xiàn)故障時能夠識別，進而安排工作人員進行維護，并提高其可靠性.只有有效捕獲指示設備健康狀況信息才能為自動化診斷系統(tǒng)提供依據(jù)，而分析設施局部放電(PD)數(shù)據(jù)是獲取設備健康狀況信息的一種主要方法[1-4].

局部放電是不完全橋接兩個電極之間的間隙放電[5]，其可導致光、聲、熱或化學反應的產(chǎn)生.在局部放電過程中，發(fā)出的各種信號意味著存在各種檢測其發(fā)生的方法，可由電、聲、熱、化學及最近的超高頻(UHF)進行監(jiān)測.本文將集中討論UHF與電氣技術，并分析基于知識庫系統(tǒng)如何通過識別代表專家，尋找到特征相位分解模式的描述符，得出了利用這兩種技術捕獲的局部放電數(shù)據(jù)缺陷診斷的通用方法.

1 局部放電超高頻檢測

超高頻傳感器是在20世紀80年代為氣體絕緣變電站(GIS)開發(fā)的[6]，其設計目的是捕捉由局部放電電流脈沖發(fā)出的超高頻(300 MHz～3 000 MHz)電磁波，現(xiàn)有3種不同類型的超高頻傳感器來捕獲PD信號，如圖1所示.圖1a為排水閥傳感器，其在變壓器油閥運行時插入其中；圖1b傳感器是安裝在特殊電介質(zhì)窗上的窗耦合器，該傳感器更適合新的變壓器，需要在運行中移除變壓器來安裝此傳感器；圖1c傳感器是制造時內(nèi)置在油箱中的內(nèi)部連接器.局部放電超高頻監(jiān)測由于其對噪聲的敏感性和相對抗擾性，已成為公認的監(jiān)測技術.

圖1 3種電力變壓器用超高頻耦合器Fig.1 Three UHF couplers for power transformers

IEC 60270標準提供了測量方法，即是通過使用專用設備測量電流的微小變化以獲得明顯的電荷水平.電場測量通常需要利用傳感器與測量電路的相關變化來記錄電流脈沖，例如利用高壓套管(和抽頭)作為耦合.

2 相位分辨模式

要從IEC或UHF傳感器捕獲的局部放電數(shù)據(jù)中診斷出故障，首先需要將其轉(zhuǎn)換為通用的可操作格式.一種顯示局部放電數(shù)據(jù)的方法是繪制絕緣缺陷在3D相位分辨模式上產(chǎn)生的連續(xù)脈沖，在由脈沖的相對振幅、脈沖出現(xiàn)的周期數(shù)和電壓周期中脈沖的相位組成的三維軸上繪制每個脈沖，如圖2所示；或在IEC數(shù)據(jù)已知的情況下，繪制表觀電荷的峰值振幅來實現(xiàn)[7].圖2為突出缺陷的相位分辨模式的示例，該模式以50×64浮點數(shù)矩陣的形式表示電壓周期的64個相窗口中50個連續(xù)周期內(nèi)的PD活動.首先出現(xiàn)正半周期，介于0°～180°之間；然后出現(xiàn)負半周期，介于180°～360°之間.

圖2 局部放電活動快照相位解析模式Fig.2 Phase analysis mode of partial discharge activity snapshots

利用上述數(shù)據(jù)形式，文獻[8]描述了基于知識庫的系統(tǒng)自動缺陷分類的方法，并且知識庫系統(tǒng)還提供了一種存儲有價值PD診斷專家知識的方法.基于增量知識的局部放電數(shù)據(jù)分析方法最初是利用與超高頻傳感器數(shù)據(jù)相關的知識創(chuàng)建的，然而，由于高壓設備中局部放電的共同物理性質(zhì)[9]，基于知識庫系統(tǒng)提供了一種通用的方法：從IEC或UHF傳感器產(chǎn)生的任何相位分辨模式中分類缺陷.本文通過一組IEC數(shù)據(jù)中盲診斷的案例，突出該應用，該診斷使用來自UHF相位分辨模式中獲取的數(shù)據(jù).由于不同高壓設備局部放電物理特性的一致性，該系統(tǒng)具有診斷各種高壓設備(包括電力變壓器、GIS和電纜)缺陷的潛力.

3 基于知識庫的系統(tǒng)

高壓絕緣設備可能會出現(xiàn)不同類型的缺陷，基于知識庫系統(tǒng)主要檢測原理為：由于絕緣層內(nèi)發(fā)生的物理過程不同，每個缺陷均會產(chǎn)生不同的局部放電信號[10].

先前的研究集中在使用超高頻傳感器來檢測絕緣層內(nèi)可能出現(xiàn)的7種局部放電缺陷[11].此后，專家根據(jù)相位分辨模式進一步對缺陷進行分類，因此，目前基于知識庫的系統(tǒng)能夠識別的缺陷為：接觸不良、彈跳粒子、浮動電極、浮動組件、滾動粒子、表面放電和空洞.

有限的專家可以查看不同缺陷的階段解決模式并解釋特征.有關缺陷診斷的知識是使用知識工程技術獲得的，如文獻[8]所述.隱性知識是專家可能了解或可能不了解的上下文信息，難以獲得.知識引出技術被用來識別與相位分辨模式和局部放電現(xiàn)象診斷缺陷相關的隱性知識.所得到的知識用統(tǒng)一建模語言(UML)模型[12]表示，以便專家作為規(guī)則在系統(tǒng)中實現(xiàn)驗證.

基于知識庫的系統(tǒng)分為5個階段，以模擬專家根據(jù)階段解決模式診斷缺陷時遵循的過程，如圖3所示.將知識分為5個獨立的知識庫，可以方便地添加更多知識，從而提供一個不斷擴充的知識庫.當系統(tǒng)進行診斷時，其可以提供不同程度的解釋，專家通過實驗數(shù)據(jù)和反饋，對這些知識庫中的知識進行驗證.

圖3 PD診斷的UML活動圖Fig.3 UML activity diagram of PD diagnosis

在知識工程任務中，建立代表專家知識的語義網(wǎng)絡模型.知識與5個階段中的每一項相關聯(lián)，需要構造“先條件后行動”規(guī)則，并在基于規(guī)則實現(xiàn)的系統(tǒng)中[13]提供分類.將語義網(wǎng)絡模型的左側(cè)轉(zhuǎn)換為條件，將右側(cè)轉(zhuǎn)換為操作，例如語義網(wǎng)絡模型左側(cè)為“在電壓和零點之間的位置”以及“過零流量”，右側(cè)為“空間電荷問題”，則可以轉(zhuǎn)化為如果“在電壓和零點之間的位置出現(xiàn)過零流量后”，然后認定“空間電荷問題”.

為了確定應觸發(fā)的規(guī)則，需使用推理引擎.推理機的推理部分由兩種基本策略之一完成，即前鏈(數(shù)據(jù)驅(qū)動)或后鏈(目標導向).Drools是一個前向鏈推理引擎的案例[14-16]，并被用于構建本文描述的基于知識庫的系統(tǒng).Drools的前向鏈引擎通過匹配規(guī)則的前提條件來提供結(jié)果.為了實現(xiàn)這種數(shù)據(jù)驅(qū)動方法，Drools使用Rete算法遍歷數(shù)據(jù)，直到得到較少的匹配結(jié)果便給出結(jié)論.這些規(guī)則存儲在5個知識庫中，而推理引擎匹配的事實則放在工作內(nèi)存中.在工作內(nèi)存中，可以進一步調(diào)用其匹配新規(guī)則.

4 案例研究

為證明基于知識庫系統(tǒng)的有效性與通用性，本文給出了案例研究.案例研究顯示了實驗室測試中記錄的突出缺陷(導線上固定的尖銳金屬物體)的診斷結(jié)果.采用超高頻傳感器，對金屬包殼變壓器通電后的420 kV GIS母線短段內(nèi)的局部放電進行監(jiān)測.

大多數(shù)類型的放電通常與50 Hz電壓周期特征相位相關，突出物(嚴格說是點對平面的幾何結(jié)構)就是典型的例子.施加高電壓(50 Hz)的突出物在尖頭處產(chǎn)生最大的幾何場圖案.由于尖端的電場與瞬時交流電壓成正比，因此PD通常出現(xiàn)在90°和270°相位處的電壓峰值附近，如圖2所示.當這些脈沖被具有相位分辨能力的測量系統(tǒng)捕獲時，可以被傳遞到基于知識庫的系統(tǒng)中進行分類.下文將詳細說明如何通過圖3中所示的5個階段來為圖2的突出示例導出分類.

階段1的輸入是一種相位分辨模式，該模式由超高頻傳感器捕獲的局部放電數(shù)據(jù)創(chuàng)建.使用Gulski的一些統(tǒng)計特征來確定描述符，描述符統(tǒng)計圖形顯示界面如圖4所示，這些描述符包括：相位、幅值、形狀、起始對稱性、幅值對稱性、形狀對稱性、密度對稱性、脈沖分布等.描述符通過統(tǒng)計分析(參見圖4的左側(cè))自動識別，并放置在工作內(nèi)存中，以便在后期使用.

在識別相位分辨模式的描述符前，通常需要消除主相位區(qū)域之外的小隨機脈沖，自動去除噪聲，模擬專家的噪聲去除過程.例如在計算脈沖形狀前，系統(tǒng)已自動去除圖2中正半周期內(nèi)隨機脈沖.但值得注意的是，若所分析的模式被認為是隨機的，則不會執(zhí)行此過程；否則，有效數(shù)據(jù)可能會丟失.或者用戶可以通過在系統(tǒng)圖形用戶界面(GUI)中選擇一個選項，從模式中手動刪除低于噪聲閾值的脈沖.

基于知識庫系統(tǒng)的第2個階段是確定PD行為，從而創(chuàng)建階段1中標識的描述符.推理引擎通過將行為規(guī)則庫中的前提條件與工作內(nèi)存中的描述符匹配來實現(xiàn)這一目標.一旦調(diào)用這些行為規(guī)則，其結(jié)論也將被放置在階段3的工作內(nèi)存中，而輸出將顯示在圖4 GUI的“行為”選項卡中.

圖4 描述符統(tǒng)計圖形顯示界面Fig.4 Graphic display interface of descriptor statistics

階段3匹配了相關的缺陷特征.為了理解分類的來源，有必要檢查在第2階段中確定的PD行為相關的缺陷特征.這些缺陷特征告知用戶金屬部件的物理存在，或放電發(fā)生在何種類型的材料之間.階段3的輸出顯示在圖形用戶界面的“特征”選項卡中.

階段4為缺陷分類.將圖2中的階段解析模式傳遞到基于知識庫的系統(tǒng)中，即可得到如表1所示的分類情況.系統(tǒng)匹配5種不同的情況，表明缺陷是突出物.如表1第4行所示，專家也可以根據(jù)自己的知識識別突出物的嚴重性.

表1 PD源分類Tab.1 Classification of PD sources

在診斷故障時，缺陷的位置確定尤為重要，第5階段利用專家知識通知用戶第4階段發(fā)現(xiàn)缺陷所在設備的子系統(tǒng).先前的研究著眼于“飛行時間”技術來識別位置，但基于知識庫的系統(tǒng)也可以向用戶提供關于缺陷位置的部分信息.通過調(diào)用已診斷缺陷的識別特征，實現(xiàn)識別缺陷位置的規(guī)則.本案例研究結(jié)果表明，由于缺陷是一個突出物，具有高電位金屬部件的特性，因此可以得出結(jié)論：在高壓導體上發(fā)現(xiàn)突出物.此描述將顯示在圖4所示的GUI“位置”選項卡中.

圖4的GUI顯示了基于知識庫的系統(tǒng)輸出.為了實現(xiàn)與分類相關的解釋，圖形用戶界面分為多個部分.圖形用戶界面的左側(cè)顯示使用統(tǒng)計運算符從相位解析模式計算出的描述符.這些描述符允許用戶查看從階段解析模式中提取的特性，專家在從階段解析模式手動診斷缺陷時會查找這些特性.右側(cè)顯示放電脈沖的3D相位分辨模式，并顯示從3D模式計算的平均和最大脈沖，以及直接視圖的2D平均和最大圖形.GUI右上角選項卡允許具有不同專業(yè)水平的用戶根據(jù)其需求顯示不同的診斷階段.

經(jīng)過多次實驗表明，采用本方法所測得的缺陷類型、位置與實際中缺陷類型、位置吻合率高達98%，證明了該方法的有效性.

5 結(jié) 論

本文介紹了一種基于知識庫的局部放電數(shù)據(jù)分析方法，其可將相變模式用作知識庫系統(tǒng)的輸入，并根據(jù)IEC 60270或UHF傳感器數(shù)據(jù)對缺陷進行分類.由于與PD行為相關的知識和設備類型無關，因此該知識可用于各種設備，包括變壓器和GIS.利用該方法可以構成通用系統(tǒng)，可以通過多種類型高壓設備的各種傳感數(shù)據(jù)來診斷缺陷.