10 kV電纜接頭局部放電趨勢分析及預(yù)警方法研究

趙洪山,孟航,王奎,張則言,張峻豪

(華北電力大學(xué) 電氣與電子工程學(xué)院,河北 保定 071003)

0 引 言

電力電纜承擔(dān)著電能的輸送與分配任務(wù),對保障電網(wǎng)安全穩(wěn)定運(yùn)行起著重要作用。在電纜系統(tǒng)中,電纜接頭是最薄弱的環(huán)節(jié),是絕緣故障頻繁發(fā)生的位置[1-2]。局部放電既是引發(fā)絕緣劣化的主要因素,又是絕緣缺陷的重要表征,是電纜絕緣狀態(tài)評估的重要指標(biāo)[3-4]。暫態(tài)地電壓(Transient Earth Voltage, TEV) 具有外界干擾信號(hào)少的特點(diǎn),因而檢測系統(tǒng)受外界干擾影響小,具有較高的可靠性和靈敏度,且TEV傳感器易于安裝,在配網(wǎng)設(shè)備的局部放電在線監(jiān)測、診斷與定位中得到了良好地運(yùn)用[5-6]。通過TEV傳感器對電纜接頭的局部放電進(jìn)行在線監(jiān)測,可以及時(shí)有效地了解其絕緣運(yùn)行狀態(tài)。

相比局部放電的數(shù)值,研究其趨勢變化能為局部放電評估提供更多的信息[7]。目前,關(guān)于局部放電變化趨勢的定量計(jì)算研究還較少。文獻(xiàn)[8]通過加壓老化試驗(yàn),從能量及特征譜圖層面揭示了局部放電趨勢發(fā)展的特征規(guī)律,但是其基于能量的趨勢分析過程復(fù)雜,計(jì)算量較大。文獻(xiàn)[7,9]采用價(jià)量趨勢(Price Volume Trend, PVT)對局部放電變化趨勢進(jìn)行研究,而通過PVT研究局部放電還沒有適用的標(biāo)準(zhǔn)。文獻(xiàn)[10]運(yùn)用移動(dòng)平均法對局部放電量進(jìn)行處理,通過計(jì)算局部放電序列的線性增長率來判斷趨勢升降。而實(shí)際運(yùn)行中的電纜接頭局部放電影響因素多、波動(dòng)性大,線性增長率是對局部放電趨勢的一種長期整體性的粗略評估,忽略了趨勢變化的突變點(diǎn)和局部變動(dòng)特征,在分析時(shí)可能遺失關(guān)鍵的特征信息。Mann-Kendall檢驗(yàn)法不僅可以反映時(shí)間序列的上升與下降的趨勢,還可以定量計(jì)算各時(shí)間序列點(diǎn)的趨勢升降程度及進(jìn)行突變點(diǎn)檢測[11-12],相較于線性擬合法,能更加準(zhǔn)確地揭示時(shí)間序列的趨勢變化特征。

傳統(tǒng)的電力電纜預(yù)警是通過判斷監(jiān)測的特征量越限來預(yù)警電纜故障[13],這種被動(dòng)監(jiān)控的方法不僅難以提前預(yù)防電纜故障的發(fā)生,而且預(yù)警指標(biāo)只考慮了參量幅值大小而忽略了重要的趨勢信息。因此,為了能夠事前預(yù)防故障,可通過對監(jiān)測的局部放電數(shù)據(jù)進(jìn)行預(yù)測形成主動(dòng)預(yù)警。長短期神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory, LSTM)是一種改進(jìn)的循環(huán)神經(jīng)網(wǎng)絡(luò)[14](Recurrent Neural Network, RNN),解決了普通RNN長期記憶力不足的缺點(diǎn)。與傳統(tǒng)的預(yù)測方法相比,LSTM在分析多因素、不穩(wěn)定問題中具有更強(qiáng)的適應(yīng)性,在風(fēng)速、光伏功率以及汽車能耗等各類時(shí)間序列的預(yù)測上表現(xiàn)出良好的性能[15]。

鑒于此,文中提出一種基于LSTM神經(jīng)網(wǎng)絡(luò)和Mann-Kendall檢驗(yàn)法的電力電纜接頭局部放電預(yù)警方法。運(yùn)用采集的變電站開關(guān)柜中電纜接頭局部放電特征量,首先利用LSTM對局部放電序列進(jìn)行預(yù)測,然后通過Mann-Kendall檢驗(yàn)法進(jìn)行趨勢分析,綜合考慮局部放電序列幅值大小和趨勢參數(shù)兩個(gè)指標(biāo)實(shí)現(xiàn)電纜接頭局部放電的預(yù)警。最后利用實(shí)際現(xiàn)場數(shù)據(jù)驗(yàn)證了文中算法和模型的有效性。

1 Mann-Kendall檢驗(yàn)法

Mann-Kendall檢驗(yàn)法是一種非參數(shù)檢驗(yàn)法,其優(yōu)點(diǎn)是不需要樣本遵循一定分布,也不受少數(shù)異常值干擾,可以定量地計(jì)算出時(shí)間序列的變化趨勢。文中將Mann-Kendall檢驗(yàn)法引入局部放電時(shí)間序列的趨勢分析中,定量計(jì)算局部放電數(shù)據(jù)的趨勢變化。

Mann-Kendall檢驗(yàn)法的原理如下：

對于樣本數(shù)為n的時(shí)間序列x,構(gòu)造一秩序列：

(1)

其中：

(2)

式中Sk是第i時(shí)刻數(shù)值大于第j時(shí)刻數(shù)值個(gè)數(shù)的累計(jì)數(shù)。

在時(shí)間序列隨機(jī)獨(dú)立的假定下定義統(tǒng)計(jì)量：

(3)

在x1,x2,…,xn相互獨(dú)立時(shí),Sk的均值和方差具有相同連續(xù)分布,定義如下：

(4)

(5)

式中當(dāng)k=1時(shí),UFk=0;E(Sk)和var(Sk)分別為Sk的均值和方差。

計(jì)算分析統(tǒng)計(jì)參量UFk和UBk來揭示局部放電數(shù)據(jù)的變化趨勢和突變時(shí)間。UFk為標(biāo)準(zhǔn)正態(tài)分布,是按時(shí)間序列順序x1,x2,…,xn計(jì)算出的統(tǒng)計(jì)量序列;再按時(shí)間序列逆序xn,…,x2,x1,重復(fù)上述過程,并且令UBk=-UFk(n,…,1,2),UB1=0。給定顯著性水平α,一般取顯著性水平a=0.05,則臨界值U0.05=±1.96[11]。若趨勢參數(shù)UFk的值大于0,表明序列呈現(xiàn)上升趨勢;若小于0,則表明序列呈現(xiàn)下降趨勢;當(dāng)曲線UF越過臨界線時(shí),即UFk≥1.96或UFk≤-1.96,則表明上升或下降趨勢顯著,超過臨界線范圍確定為出現(xiàn)突變的時(shí)間區(qū)域。如果UF和UB這2條曲線有交點(diǎn),且交點(diǎn)在臨界線之間,則交點(diǎn)對應(yīng)的時(shí)刻即為突變開始的時(shí)間。

因此,文中利用Mann-Kendall檢驗(yàn)法對局部放電數(shù)據(jù)進(jìn)行分析,以便清晰地揭示局部放電趨勢變化情況。

2 長短期記憶神經(jīng)網(wǎng)絡(luò)

LSTM神經(jīng)網(wǎng)絡(luò)是在RNN基礎(chǔ)上改進(jìn)的一種深度神經(jīng)網(wǎng)絡(luò)。通過在隱含層各神經(jīng)元中增加記憶單元,從而使時(shí)間序列上的記憶信息可控,有效解決了RNN在訓(xùn)練過程中會(huì)引起梯度消失或梯度爆炸等缺點(diǎn)[14]。

2.1 LSTM網(wǎng)絡(luò)結(jié)構(gòu)

在 LSTM網(wǎng)絡(luò)構(gòu)架中,信號(hào)序列在隱藏層神經(jīng)元間傳遞時(shí)通過3個(gè)可控門-即輸入門(input gate)、遺忘門(forget gate)及輸出門(output gate),如圖1所示。

圖1 LSTM門控單元結(jié)構(gòu)圖

其中,it表示輸入門,用來控制信息輸入;ot表示輸出門,用來控制信息的輸出;ft表示遺忘門,用來控制歷史信息的保留。門控結(jié)構(gòu)使用sigmoid激活函數(shù),用“σ”表示,其作用是將變量映射至區(qū)間[0,1]中,即定義了信息通過的程度。

單元狀態(tài)的更新可分為以下幾個(gè)步驟。

遺忘門、輸入門和輸出門的計(jì)算如式(6)～式(8)所示：

ft=σ(Wf·[ht-1,xt]+bf)

(6)

it=σ(Wi·[ht-1,xt]+bi)

(7)

ot=σ(Wo·[ht-1,xt]+bo)

(8)

式中xt為當(dāng)前輸入;ht-1為前一時(shí)刻的隱含層狀態(tài);ft、it和ot分別為t時(shí)刻遺忘門、輸入門和輸出門的狀態(tài)值;Wf、Wi和Wo分別為遺忘門、輸入門和輸出門的權(quán)重矩陣;bf、bi和bo分別為遺忘門、輸入門和輸出門的偏置項(xiàng)。

最終的輸出由輸出門狀態(tài)值ot和單元狀態(tài)ct共同確定：

(9)

(10)

ht=ot?tanh(ct)

(11)

2.2 LSTM網(wǎng)絡(luò)的訓(xùn)練過程

在LSTM網(wǎng)絡(luò)構(gòu)架中,LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)具有循環(huán)機(jī)制,在序列的演進(jìn)方向進(jìn)行遞歸且所有節(jié)點(diǎn)按鏈?zhǔn)竭B接。LSTM的時(shí)序展開圖如圖2所示,每個(gè)框內(nèi)都是一個(gè)LSTM單元結(jié)構(gòu)。

圖2 LSTM時(shí)序展開圖

LSTM神經(jīng)網(wǎng)絡(luò)處理時(shí)序數(shù)據(jù),采用隨時(shí)間反向傳播算法[16],即將LSTM按照時(shí)間順序展開成一個(gè)深層前饋神經(jīng)網(wǎng)絡(luò),再運(yùn)用誤差反向傳播算法(BP)進(jìn)行訓(xùn)練。網(wǎng)絡(luò)的基本訓(xùn)練步驟如下：

(1)前向計(jì)算各神經(jīng)元的輸出值,即ft、it、ct、ot和ht五個(gè)參數(shù),計(jì)算方法如2.1所述;

(2)反向計(jì)算各神經(jīng)元的誤差值,包括按時(shí)間的反向傳播和將誤差向網(wǎng)絡(luò)上一層傳播兩個(gè)方向;

(3)基于對應(yīng)的誤差項(xiàng),計(jì)算各權(quán)重的梯度,通過梯度下降法對權(quán)重進(jìn)行更新。

3 局部放電預(yù)警閾值和預(yù)警模型的確定

局部放電是評判電力設(shè)備絕緣性能的重要手段。通常局部放電程度是很小的,不影響設(shè)備發(fā)揮其功用,然而這個(gè)不斷積累的過程最終也會(huì)引起絕緣層的損壞,導(dǎo)致設(shè)備出現(xiàn)功能性缺陷[17]。因此,及早發(fā)現(xiàn)設(shè)備的異常狀況尤為重要。鑒于Mann-Kendall檢驗(yàn)法和LSTM在處理時(shí)間序列上的良好表現(xiàn),基于二者建立了一種電纜接頭局部放電預(yù)警模型。

在預(yù)警模型中,預(yù)警閾值的選取和預(yù)警機(jī)制的建立都尤為關(guān)鍵,所以文中首先在3.1通過模擬電纜接頭的典型缺陷的局部放電試驗(yàn)來確定TEV預(yù)警閾值,然后基于確定的閾值,在3.2中構(gòu)建了局部放電預(yù)警模型。

3.1 基于局部放電試驗(yàn)的TEV預(yù)警閾值

3.1.1 局部放電試驗(yàn)設(shè)計(jì)

(1)放電缺陷模擬

為了能有效檢測到電纜接頭剛好出現(xiàn)局部放電時(shí)對應(yīng)的TEV幅值,模擬了10 kV電纜接頭的主絕緣劃傷、主絕緣表面污穢、絕緣表面有金屬尖端及半導(dǎo)電口剝離不整齊這4種典型放電模型[18-19]。各缺陷的制作方法如下：主絕緣有劃傷,在距離半導(dǎo)電層斷口8 cm的主絕緣外表面劃一道深約2 mm的刀痕;主絕緣表面有污穢,在主絕緣表面涂抹導(dǎo)電漆;主絕緣有金屬尖端,在距離半導(dǎo)電層斷口4 cm的主絕緣上插入一個(gè)小鐵釘;半導(dǎo)電層斷口剝切不平整,在斷口處剝切出一個(gè)長1 cm、高1 cm的齒狀尖端。

(2)試驗(yàn)裝置搭建

圖3為試驗(yàn)系統(tǒng)的接線示意圖。

圖3 實(shí)驗(yàn)回路示意圖

試驗(yàn)中,將分別把幾種典型的電力電纜接頭缺陷模型置于開關(guān)柜內(nèi)部,因電纜絕緣終端等部位不連續(xù),局部放電的高頻信號(hào)會(huì)由此傳輸?shù)皆O(shè)備屏蔽外殼形成暫態(tài)地電壓[20]。電纜試樣的型號(hào)為高壓冷縮電纜終端頭10 kV戶內(nèi)終端,型號(hào)NLS-10-3.2,電纜截面70 mm2～120 mm2;試驗(yàn)采用KYN28-12高壓柜,柜體尺寸(W×D×H)為800×1 500×2 300,單位mm。利用調(diào)壓器和升壓變壓器將0～380 V交流電升高至0～10 kV,作為試驗(yàn)電壓。為確定TEV預(yù)警閾值,采用某的SL-TEV3100型號(hào)的TEV傳感器(分辨率1 dB mV)進(jìn)行監(jiān)測,將傳感器安裝在靠近電纜倉側(cè)面接縫處[21],確保獲得較為準(zhǔn)確的局部放電信息。示波器用來顯示局部放電脈沖,Micro終端用于顯示放電穩(wěn)定后TEV幅值大小,存儲(chǔ)裝置用于存放局部放電數(shù)據(jù)。

3.1.2 局部放電測試

實(shí)驗(yàn)步驟：首先對實(shí)驗(yàn)室開關(guān)柜進(jìn)行背景噪聲測量,得到背景噪聲的TEV測量結(jié)果;然后將電力電纜幾種典型的放電模型依次接入試驗(yàn)回路中進(jìn)行試驗(yàn)。試驗(yàn)前期通過調(diào)壓器緩慢升壓直至出現(xiàn)局部放電現(xiàn)象后,記錄起始放電電壓,并記錄此電壓下放電信號(hào)穩(wěn)定后Micro終端顯示裝置的TEV幅值;繼續(xù)升高電壓,記錄各種缺陷在10 kV下對應(yīng)的局部放電TEV幅值。

通過試驗(yàn)測定,背景噪聲4 dB。電纜接頭4種典型缺陷局部放電參數(shù)如表1所示。

表1 典型缺陷的局部放電TEV參數(shù)

由表1可知,經(jīng)SL-TEV3100傳感器測定,4種電纜接頭典型缺陷起始局部放電(剛好可以檢測到局部放電脈沖的最小放電程度值)的TEV幅值均大于或等于25 dB,故將SL-TEV3100測量電纜接頭局部放電狀態(tài)的TEV預(yù)警閾值定為25 dB。參考某公司研發(fā)的Ultra TEV plus、PDL1等TEV檢測設(shè)備局部放電閾值判斷標(biāo)準(zhǔn)[22],以5 dB為一個(gè)間隔進(jìn)行狀態(tài)劃分,故將|TEV|≥25 dB定為預(yù)警狀態(tài),20 dB≤|TEV|<25 dB定為關(guān)注狀態(tài),|TEV|<20 dB則為正常狀態(tài)。

3.2 電纜接頭局部放電預(yù)警模型

文中依據(jù)3.1確定的TEV狀態(tài)閾值,利用LSTM預(yù)測方法和Mann-Kendall趨勢分析方法進(jìn)行局部放電預(yù)警機(jī)制的構(gòu)建,預(yù)警模型同時(shí)考慮TEV在線監(jiān)測數(shù)據(jù)的幅值大小和趨勢變化,如圖4所示。

圖4 局部放電趨勢預(yù)警流程圖

(1)記局部放電特征參量序列x1,x2,…,xn,將其進(jìn)行歸一化處理;

(2)通過LSTM 神經(jīng)網(wǎng)絡(luò)預(yù)測模型對局部放電數(shù)據(jù)進(jìn)行預(yù)測,得到預(yù)測值y1,y2,…,ym,m為局部放電數(shù)據(jù)的預(yù)測步長;

(3)在特征參量預(yù)測的過程中,取3次預(yù)測值的平均值作為最終預(yù)測值,將局部放電監(jiān)測數(shù)據(jù)和預(yù)測數(shù)據(jù)組成[x1,x2,…,xn,y1,y2,…,ym]序列,對序列及其逆序運(yùn)用Mann-Kendall檢驗(yàn)法進(jìn)行分析,定量計(jì)算局部放電數(shù)據(jù)的趨勢參數(shù)UFk;

(4)為綜合考量TEV的幅值大小和變化趨勢,將TEV大小和趨勢參數(shù)UFk一起作為預(yù)警標(biāo)準(zhǔn)。當(dāng)TEV幅值超過預(yù)警值(即|TEV|≥25 dB)或當(dāng)TEV參量同時(shí)滿足幅值大小超過關(guān)注值(即|TEV|≥20 dB)且趨勢顯著上升(即UFk≥1.96),則進(jìn)行電力電纜局部放電預(yù)警。

4 算例分析

文中選取某變電站開關(guān)柜對應(yīng)測點(diǎn)的SL-TEV3100傳感器采集的電纜接頭TEV在線監(jiān)測數(shù)據(jù)作為研究對象(背景噪聲6 dB),此電纜接頭TEV監(jiān)測參量指標(biāo)高于其他電纜接頭監(jiān)測數(shù)據(jù)。

文中在4.1對Mann-Kendall檢驗(yàn)法在局部放電序列趨勢分析中的效果進(jìn)行了驗(yàn)證分析;在4.2.1中對LSTM在局部放電時(shí)間序列的預(yù)測性能上進(jìn)行了對比分析;在4.2.2中對文中所提預(yù)警模型有效性進(jìn)行了工程實(shí)用分析和預(yù)警模型效果對比驗(yàn)證。

4.1 局部放電趨勢實(shí)驗(yàn)分析

采集的局部放電TEV序列和對其移動(dòng)平均處理后的趨勢變化如圖5所示,TEV序列每6 min在監(jiān)測系統(tǒng)上完成一次傳遞顯示。

圖5 局部放電強(qiáng)度趨勢及其移動(dòng)平均趨勢

由圖5可知,TEV局部放電幅值大小在13 dB～22 dB范圍內(nèi)波動(dòng),遠(yuǎn)大于背景噪聲。為了抑制短期波動(dòng)因素對局放強(qiáng)度的影響,使用移動(dòng)平均法對TEV數(shù)據(jù)進(jìn)行平滑處理,其計(jì)算公式為：

(12)

取k=3,即7點(diǎn)移動(dòng)平均,經(jīng)移動(dòng)平均處理后,在一定程度削弱了原序列中的不規(guī)則變動(dòng),但TEV強(qiáng)度仍處于大幅波動(dòng)之中,未能清晰地揭示局部放電的趨勢變化。

對移動(dòng)平均后的局部放電序列采用線性擬合法計(jì)算時(shí)間序列的線性增長率,計(jì)算公式如下：

(13)

式中ti為第i個(gè)時(shí)間序號(hào);yi為第i個(gè)序列數(shù)值。

通過計(jì)算,圖5中的局部放電TEV序列的線性增長率kl=0.010 7,即其整體性趨勢隨著時(shí)間呈現(xiàn)上升趨勢。由此可知,kl在趨勢分析方面,可簡單直觀的展現(xiàn)局部放電特征量的整體性的遞增或遞減趨勢,但未能揭示TEV序列的局部趨勢變動(dòng)情況,可能引起關(guān)鍵趨勢信息的遺漏。

基于Mann-Kendall檢驗(yàn)法得到的TEV序列的趨勢變化UF和UB曲線如圖6所示。根據(jù)UF曲線的變化可知,在第0～120個(gè)監(jiān)測數(shù)據(jù),UF曲線對應(yīng)的TEV序列的趨勢參數(shù)UFk值有正有負(fù),即表明局部放電序列的趨勢變化是有增有減的,部分TEV序列對應(yīng)的UF參量超過了U0.05=±1.96臨界線,此時(shí)TEV大小上升或下降趨勢顯著,波動(dòng)幅度較大;在第120～150個(gè)TEV序列,趨勢參數(shù)UFk的值均大于0,TEV序列有上升的趨勢,且趨勢上升的程度在逐漸增加,但未超過顯著上升臨界線U0.05=+1.96;在第150～180個(gè)TEV序列,UF曲線在U0.05=+1.96臨界線附近上下波動(dòng),且多次超過臨界線,上升趨勢顯著。進(jìn)一步觀察局部放電趨勢的突變點(diǎn),在U0.05=±1.96臨界線之間,TEV序列的UF和UB兩條曲線共有4個(gè)交點(diǎn),分別為第114、129、159及168個(gè)點(diǎn),即TEV序列的趨勢發(fā)生了4次突變,4個(gè)突變點(diǎn)即為對應(yīng)的突變時(shí)刻。由此可知,Mann-Kendall檢驗(yàn)法能夠清晰地揭示TEV序列在各時(shí)間段的變化趨勢,且趨勢參數(shù)UFk能準(zhǔn)確、定量地度量其趨勢升降程度。此外,Mann-Kendall檢驗(yàn)法還能識(shí)別TEV序列的趨勢突變點(diǎn),在局部放電的趨勢分析中表現(xiàn)良好。

圖6 局部放電TEV序列的Mann-Kendall檢驗(yàn)

因此,與線性擬合法相比,Mann-Kendall檢驗(yàn)法更能實(shí)現(xiàn)對局部放電數(shù)據(jù)趨勢變化的準(zhǔn)確跟蹤和分析,所以趨勢參數(shù)UFk相較于線性增長率kl,更適合作為趨勢預(yù)警指標(biāo)。

4.2 預(yù)警模型的實(shí)驗(yàn)分析

4.2.1 預(yù)測結(jié)果分析

局部放電參量的準(zhǔn)確預(yù)測是成功預(yù)警的關(guān)鍵。為了驗(yàn)證LSTM神經(jīng)網(wǎng)絡(luò)在局部放電時(shí)間序列預(yù)測上的性能,基于4.1中的1～180個(gè)TEV序列,將LSTM與傳統(tǒng)的BP、SVM及GM算法進(jìn)行了對比分析。將第1～145個(gè)的TEV數(shù)據(jù)作為訓(xùn)練樣本xtrain,第146～180個(gè)的TEV數(shù)據(jù)作為測試樣本xtest。文中選取均方根誤差(Root Mean Square Error, RMSE)、平均絕對誤差(Mean Absolute Error, MAE)和平均絕對百分比誤差(Mean Absolute Percentage Error, MAPE)作為預(yù)測結(jié)果的評價(jià)指標(biāo),計(jì)算公式如下：

(14)

(15)

(16)

式中N表示實(shí)驗(yàn)預(yù)測個(gè)數(shù);20 dB≤|TEV|<25 dB為TEV強(qiáng)度預(yù)測值;yn為真實(shí)值。

LSTM、BP、SVM及GM這4種算法對局部放電序列預(yù)測結(jié)果的誤差指標(biāo)如表2所示。根據(jù)表2中的3種誤差指標(biāo)可得,相較于BP、SVM和GM算法的預(yù)測結(jié)果,LSTM神經(jīng)網(wǎng)絡(luò)的RMSE分別降低了66.09%、50.51%和31.80%,MAE分別降低了75.36%、57.86%和29.21%,MAPE指標(biāo)分別降低了54.81%、 30.27%和18.02%。LSTM預(yù)測結(jié)果的3項(xiàng)誤差評價(jià)指標(biāo)均最小,說明LSTM在局部放電時(shí)間序列的預(yù)測中效果良好。

表2 4種預(yù)測方法評價(jià)指標(biāo)比較

4.2.2 預(yù)警模型有效性驗(yàn)證

為驗(yàn)證模型的有效性,將文中預(yù)警模型方法在某公司的在線監(jiān)測平臺(tái)進(jìn)行實(shí)際應(yīng)用研究,用于河北滄州某變電站的電纜接頭局部放電預(yù)警?；谖闹蓄A(yù)警模型,在2020年9月6日準(zhǔn)確預(yù)警,成功排除電纜接頭處一個(gè)潛伏性故障,預(yù)警效果如圖7所示。

圖7 預(yù)警模型效果圖

在圖7中,圖(a)和圖(b)分別展示了預(yù)警模型的TEV序列的幅值大小及其趨勢參數(shù)UFk,圖(a)和圖(a)中虛線分別對應(yīng)|TEV|=20 dB的注意值臨界線和趨勢參數(shù)顯著上升,即U0.05=+1.96臨界線。由圖7可知,第14～18這5個(gè)TEV序列,|TEV|>20 dB且UFk>1.96,在文中構(gòu)建的預(yù)警機(jī)制下連續(xù)5次進(jìn)行預(yù)警。因此,檢修人員基于系統(tǒng)預(yù)警信息,對開關(guān)柜電纜倉進(jìn)行檢查,排查故障原因發(fā)現(xiàn)電纜接頭處有少量污穢并及時(shí)處理,避免了污穢進(jìn)一步累積而導(dǎo)致電纜發(fā)生功能性缺陷。

在圖7中,文中模型在TEV幅值大小未達(dá)到預(yù)警狀態(tài)閾值25 dB時(shí),通過有效地利用趨勢變化特征信息,實(shí)現(xiàn)主動(dòng)預(yù)警電纜故障。

為進(jìn)一步驗(yàn)證文中預(yù)警模型的有效性,與文獻(xiàn)[23-24]中的故障預(yù)警模型進(jìn)行了對比分析,以文中數(shù)據(jù)作為樣本,將準(zhǔn)確預(yù)警次數(shù)計(jì)為正例(PT),沒有正確預(yù)警的計(jì)為反例(NT),準(zhǔn)確率計(jì)算公式如式(17)所示：

(17)

通過1 000次仿真實(shí)驗(yàn),得到的結(jié)果如表3所示。

表3 3種預(yù)警模型有效性比較

文獻(xiàn)[23]中是基于相似度模型的預(yù)警模型,主要是通過對比期望值與當(dāng)前測量值的差異,以判斷機(jī)組的振動(dòng)狀態(tài)是否發(fā)生異常。文獻(xiàn)[24]中是基于分布模型的預(yù)警模型,主要通過對數(shù)據(jù)進(jìn)行分類建立預(yù)警機(jī)制。但是上述算法主要依靠局部放電的幅值信息,缺乏趨勢信息,而本文的預(yù)警模型綜合考慮了幅值大小和趨勢特征,所以在表3的對比分析中表現(xiàn)出更優(yōu)的結(jié)果。

5 結(jié)束語

(1)文中利用Mann-Kendall檢驗(yàn)法對局部放電TEV序列進(jìn)行分析,清晰地反映了其上升或下降的趨勢,定量地計(jì)算了其趨勢變化程度,并且準(zhǔn)確地找出趨勢的突變時(shí)刻;

(2)文中構(gòu)建的電纜接頭局部放電預(yù)警模型,借助LSTM 神經(jīng)網(wǎng)絡(luò)在局部放電時(shí)間序列預(yù)測上的良好性能和Mann-Kendall檢驗(yàn)法對局部放電數(shù)據(jù)趨勢變化定量計(jì)算及特征揭示上的良好表現(xiàn),將TEV的幅值大小和趨勢參數(shù)共同作為預(yù)警指標(biāo)。通過和其他預(yù)警模型對比分析以及在監(jiān)測系統(tǒng)上的工程應(yīng)用研究,有效驗(yàn)證了趨勢信息在預(yù)警方面的重要性,能實(shí)現(xiàn)對局部放電的主動(dòng)預(yù)警。

后續(xù)在局部放電趨勢分析中,將通過多種局部放電特征量監(jiān)測手段繼續(xù)研究電纜接頭典型缺陷局部放電的狀態(tài)特征。