基于超聲波的GIS組合電器局部放電識別方法

呂順倫

（深圳媽灣電力有限公司，廣東 深圳 518066）

1 基于超聲波的GIS組合電器局部放電識別方法

1.1 基于超聲波的局部放電信號預處理

由于氣體絕緣金屬封閉開關設備（Gas Insulated Switchgear，GIS）組合電器局部放電信號具有不穩(wěn)定、多變性等特點，為了便于對其進行準確識別，需要先對局部放電信號進行預處理操作[1-4]。具體思路是利用超聲波傳感器檢測組合電器內部的超聲波信號，再將局部超聲放電信號截取成片段的形式，在每個片段中提取對應的特征參量，將所有的特征參量進行組合，形成超聲信號時序數據。超聲波局部放電檢測示意如圖1所示。

圖1 超聲波局部放電檢測示意

為了減少噪聲干擾，檢測前可以在超聲波傳感器上涂抹超聲波高溫耦合劑，以提高檢測的準確率。將超聲波傳感器貼在GIS組合電器的上部，當組合電器內部發(fā)生局部放電時，氣體分子受到電流的影響而互相碰撞產生超聲波脈沖，超聲波傳感器可捕捉該部分脈沖，并將其轉化為超聲波信號，以數據的形式呈現在顯示屏幕中[5]。

在利用超聲波傳感器捕捉到超聲信號后，即可對捕捉的信號進行截取工作，將信號截取為一個個的片段的形式。由于截取時會出現兩個部分信號重疊的情況，為了減小截取誤差，需要對其進行補幀，可采用矩形加權函數對信號數據進行處理，具體公式為

式中：L為截取信號的長度；n為信號值。當捕捉的信號長度較短，可以用Hann加權函數或Hamming加權函數進行處理，具體公式為

通過上述加權函數即可完成對超聲信號的補幀處理。在選擇加權函數的過程中，除了要考慮信號的長短，還需考慮頻率的分辨率需求[6]。矩形加權函數因為分析帶寬較窄，所以分辨率相對較高，但存在一定程度上的信號泄露風險。而后兩種加權函數的抗干擾性較強，但是頻率的分辨率會受到影響，在實際計算的過程中可以根據頻率的需求進行不同的選擇。

在對超聲信號進行補幀處理后，通過時域方法對信號進行特征參數的提取。首先對分割后的信號提取出頻譜分布特征，即

式中：Xi(k)為信號的頻譜分布特征；N為頻譜變換點數；e為時頻參數；xi(n)為片段數為i時的信號值。則可求得該片段下信號功率譜值，即

式中：pi(k)為片段數為i時的局部放電信號的功率譜值；b為功率系數最大值。則即可對超聲信號進行時序組合，即

根據上述計算過程即可完成對局部放電信號的預處理，得到局部放電信號的時序組合數據。

1.2 生成分類識別模型

將上述得到的局部放電信號時序數據利用分類識別算法進行處理，即可生成分類識別模型[7]。具體步驟如下文所述。

利用類型特征空間將時序組合數據拆分成向量的形式，將時序數據作為矩陣進行計算，求得降維后的信號特征向量，具體公式為

式中：yT為轉化后的時序矩陣數據；ya為降維后的信號特征向量。將降維后的向量進行組合得到向量組，則可計算出向量組與向量之間的距離，具體公式為

式中：yb為超聲信號向量組；λ為向量與向量組之間的距離。由于GIS組合電器內部發(fā)生局部放電反應時，分子之間的距離會與正常情況下的距離有所不同，通過利用快速傅里葉變換（Fast Fourier Transform，FFT）函數對該距離進行判定，即可構建出分類識別模型，具體表達式為

通過上述計算步驟即可構建出局部放電信號的分類識別模型，將該模型與上述提到的局部放電信號預處理步驟進行結合，即可完成對局部放電信號的有效識別。至此，基于超聲波的GIS組合電器局部放電識別方法設計完成。

2 實驗驗證

2.1 實驗環(huán)境描述

本次實驗選用了一種常規(guī)的局部放電識別方法作為對比對象，設計了364 kV的專業(yè)局部放電實驗仿真平臺作為實驗載體。同時為了提高實驗過程中SF6氣體的使用率，通過使用立式絕緣子將放電空間分割成小型氣室，保證氣室內部氣壓在0.8 MPa以內。將局部放電信號的檢測頻段調至400～1 800 MHz，傳感器的檢測頻率調至50 kHz，實驗平臺的具體結構如圖2所示。

圖2 局部放電平臺結構

為了提高實驗結果的準確性，本次實驗針對GIS的局部放電特點共設計了4種不同的故障模型，分別是尖端放電模型、內部放電模型、懸浮放電模型以及沿面放電模型，具體模型結構如圖3所示。

圖3 絕緣故障模型結構示意

其中，尖端放電模型的針尖曲率半徑為5 mm，針尖錐度設置為45°，將上電極與下電極之間的距離設置為13 mm。在內部放電模型的上電極與下電極之間注入厚度為5 mm的固體樹脂，并在最上方進行開孔處理，直徑為15 mm。懸浮放電模型的電極間距控制在10 mm，并在兩側各放置一個長度為8 mm的立柱。沿面放電模型在上電極與下電極之間之間放置一個長度為10 mm的固體樹脂圓柱。將文獻[3]提出的基于小波變換與方向梯度直方圖（Histogram of Oriented Gradients，HoG）算法的變壓器局部放電識別方法作為對比方法，與本文設計的基于超聲波的識別方法，共同對4種變壓器局部放電故障模型進行識別，比較不同方法的識別準確率。

2.2 實驗結果

實驗結果如表1所示。

表1 實驗結果

根據上述實驗結果可得，針對不同的故障類型，不同的識別方法的準確率也會有所不同。文獻[3]方法的GIS組合電器局部放電識別方法的識別準確率一般保持在85%左右，會有不同程度的波動，并且識別準確率會受到樣本數據的增多而降低，這對于GIS組合電器識別檢修是非常不利的。而本文提出的基于超聲波的GIS組合電器局部放電識別方法，其識別的準確率始終保持在90%以上，應用效果較好，并且不會受到識別數量的影響，這說明提出的局部放電識別方法在準確率和穩(wěn)定性上優(yōu)于傳統(tǒng)的識別方法。這是由于提出的局部放電識別方法與超聲波技術進行了結合，通過分類識別模型對不同的故障均能進行有效的識別，可用于GIS組合電器的局部放電識別工作當中。

3 結 論

本文所提出的GIS組合電器局部放電識別方法與超聲波技術進行了有效結合，通過對超聲波傳感器提取出的局部放電信號進行預處理，得到信號的時序數據，再建立起分類識別模型，可實現對局部放電信號的準確識別。該識別方法通過構建模型的方式，提高了識別的準確率，可應用于GIS組合電器的局部放電識別工作當中，能夠對電信號進行準確捕捉與識別，對檢測與維修GIS組合電器的工作狀態(tài)提供了較大幫助，有利于提高檢測的效率與檢測準確性，對工作人員做出檢測診斷提供有效支持。