深圳供電局有限公司 518020

摘要：采用超聲波檢測(cè)技術(shù)對(duì)GIS設(shè)備進(jìn)行診斷及定位是簡(jiǎn)單有效的，本文介紹了基于人工神經(jīng)網(wǎng)絡(luò)的方法來對(duì)超聲波信號(hào)進(jìn)行處理，對(duì)故障的類型進(jìn)行智能識(shí)別。

關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；超聲波檢測(cè)；GIS故障

GIS設(shè)備是電力系統(tǒng)中的關(guān)鍵設(shè)備，保證GIS設(shè)備安全可靠運(yùn)行對(duì)國(guó)家經(jīng)濟(jì)發(fā)展具有重要意義。超聲波檢測(cè)GIS設(shè)備的絕緣故障是通過檢測(cè)絕緣局部放電的輻射信號(hào)來進(jìn)行的，因而采用超聲波檢測(cè)技術(shù)的儀器操作簡(jiǎn)單，實(shí)用有效，靈敏度高，因而在GIS設(shè)備絕緣診斷及故障定位方面得到了廣泛使用，對(duì)電力系統(tǒng)中GIS的安全穩(wěn)定運(yùn)行起到了很好的監(jiān)視作用。

1.GIS缺陷及超聲波檢測(cè)

1.1 GIS 缺陷

GIS絕緣系統(tǒng)中的缺陷可能是單元在工廠制造過程產(chǎn)生的或在現(xiàn)場(chǎng)安裝過程產(chǎn)生的，也可能是在正常運(yùn)行中產(chǎn)生的（例如快速接地開關(guān)或斷路器的操作產(chǎn)生的顆粒）。最典型的缺陷類型有：毛刺放電、顆粒故障、電位懸浮、機(jī)械振動(dòng)等。

1.2 GlS超聲波檢測(cè)

超聲診斷法就是通過GIS外部安放特制的傳感器，捕捉GIS內(nèi)部放電產(chǎn)生的超聲信號(hào)。GIS發(fā)生局部放電時(shí)分子間劇烈碰撞并在宏觀上瞬間形成一種壓力，產(chǎn)生超聲波脈沖。GIS超聲波檢測(cè)儀就是通過將這種超聲信號(hào)轉(zhuǎn)換成電信號(hào)進(jìn)行診斷。常規(guī)的超聲波局部放電測(cè)試儀基本功能有連續(xù)測(cè)量、脈沖方式、相位方式三種測(cè)量方式：

1）連續(xù)測(cè)量模式：圖1是連續(xù)測(cè)量方式下的一個(gè)實(shí)例。它以有效值（RMS value）、周期峰值（Periodic peak value）、50Hz頻率成分（Frequency1 content）和100Hz頻率成分（Frequency 2 content）四個(gè)特征參數(shù)的水平柱給出超聲信號(hào)信息，其尺寸與信號(hào)成分成正比。

圖2 連續(xù)測(cè)量方式的顯示實(shí)例

2）脈沖方式（顆粒的幅度與飛行時(shí)間的關(guān)系）；

3）相位方式（放電的幅度與相位關(guān)系）。

另外儀器廠家還提供了故障的診斷、識(shí)別的方法和判據(jù)，見表1。

表1 故障識(shí)別的方法和判據(jù)表

缺陷類型GIS顆粒缺陷電暈缺陷局放缺陷

信號(hào)水平高低高

峰值有效值高低高

50Hz頻率相關(guān)性無有有

100Hz頻率相關(guān)性無無有

2.GIS故障類型識(shí)別

由于超聲波檢測(cè)技術(shù)易受周圍環(huán)境的影響，當(dāng)周圍環(huán)境比較嘈雜或者周圍有工廠機(jī)器運(yùn)轉(zhuǎn)時(shí)，通常測(cè)量時(shí)連續(xù)模式下的有效值、周期峰值、100Hz頻率成分、50Hz頻率成分等四個(gè)特征量都有。在這種情況下廠家給的故障診斷識(shí)別方法（見表1）就不能發(fā)揮作用。另外，對(duì)于故障信號(hào)（有效值、周期峰值、100Hz頻率成分、50Hz頻率成分）的大小和故障類型的對(duì)應(yīng)關(guān)系也很難把握。為此，本文試圖尋找有效值、周期峰值、100 Hz頻率成分、50Hz頻率成分等四個(gè)特征量之間的相互大小關(guān)系和故障類型之間的內(nèi)在某種對(duì)應(yīng)關(guān)系。然后通過這種潛在的對(duì)應(yīng)關(guān)系來判斷GIS設(shè)備的故障情況。

2.1 思路方法

利用人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力來尋找超聲波信號(hào)和故障類型的潛在對(duì)應(yīng)關(guān)系。利用這種潛在的關(guān)系來判斷現(xiàn)場(chǎng)測(cè)試中所出現(xiàn)的超聲波信號(hào)所對(duì)應(yīng)的故障類型，從而提高故障診斷的準(zhǔn)確性。采用超聲波信號(hào)的中有效值、周期峰值、100Hz頻率成分、50Hz頻率成分等四個(gè)信號(hào)特征量（作為神經(jīng)網(wǎng)絡(luò)輸入）和故障類型（作為網(wǎng)絡(luò)輸出）的潛在關(guān)系來判斷故障類型。

2.2 網(wǎng)絡(luò)設(shè)計(jì)

神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別是模擬人腦的思維過程，因此具有極高的智能性。反向傳播（back propagation，BP）網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò)，它使用誤差反向傳播學(xué)習(xí)算法即BP算法，具有優(yōu)良的非線性逼近能力，是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型。本文采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別，BP網(wǎng)絡(luò)采用三層，即輸入層、隱含層（也稱中間層）和輸入層，各層之間實(shí)行權(quán)連接。網(wǎng)絡(luò)結(jié)構(gòu)為4輸入單元，10個(gè)隱含單元，1個(gè)輸出單元。數(shù)據(jù)的處理方法為：將采集到的 GIS 設(shè)備超聲波信號(hào)數(shù)據(jù)，去掉背景噪聲的影響，然后進(jìn)行歸一化處理，將毛刺放電、電位懸浮、機(jī)械振動(dòng)等故障類型依次編碼為：1、2、3。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)：先使用歷史樣本數(shù)據(jù)序列訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值等參數(shù)，中心思想是調(diào)整連接權(quán)值使網(wǎng)絡(luò)總誤差最小。

神經(jīng)網(wǎng)絡(luò)的測(cè)試：使用訓(xùn)練好的網(wǎng)絡(luò)，利用實(shí)際信號(hào)特征量進(jìn)行測(cè)試，并與實(shí)際結(jié)果對(duì)照，計(jì)算故障識(shí)別準(zhǔn)確率，結(jié)果顯示識(shí)別準(zhǔn)確率高達(dá)95%以上。

需要說明的是，由于自由顆粒在連續(xù)模式下的超聲波信號(hào)有效值和峰值都會(huì)很大且很不穩(wěn)定，不能得到穩(wěn)定信號(hào)特征量數(shù)據(jù)，因而上述方法不適用，但這種故障最容易識(shí)別。表2給出了本文設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)輸入輸出的部分樣本數(shù)據(jù)。

表2 超聲波信號(hào)特征量和故障類型對(duì)應(yīng)關(guān)系（部分樣本）

樣本信號(hào)特征量/mV故障類型

有效值峰值頻率1頻率2

10.210.20.090.041

22161.41.451

34200.053.12

41.85.70.0150.272

50.62.150.10.213

注：故障類型：1—毛刺放電，2—懸浮放電，3—機(jī)械松動(dòng)。

3.案例分析

利用前面設(shè)計(jì)的網(wǎng)絡(luò)，以一起GIS設(shè)備內(nèi)部故障識(shí)別為例，說明該方法的實(shí)用性。2011年6月在對(duì)110kV GIS設(shè)備進(jìn)行例行測(cè)試時(shí)，在母線筒手孔附近測(cè)得超聲信號(hào)連續(xù)模式下的四個(gè)參數(shù)（如圖3所示）為：其有效值為19.2mV，峰值為107mV，100Hz頻率成分為0.75mV、50Hz頻率成分1.05mV遠(yuǎn)遠(yuǎn)超出背景值（其有效值為0.2mV，峰值為0.4mV，100Hz頻率成分、50Hz頻率成分基本沒有），初步判斷里面母線筒內(nèi)部存在局部放電。由于信號(hào)穩(wěn)定且出現(xiàn)100Hz頻率成分、50Hz頻率成分，可排除自由顆粒發(fā)生放電，但由于兩種頻率成分?jǐn)?shù)值差不多，難以斷定是尖峰放電還是電位懸浮造成的局部放電。為此采用設(shè)計(jì)好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障類型識(shí)別，識(shí)別結(jié)果為尖峰放電。由于超聲放電信號(hào)較強(qiáng)急需處理，現(xiàn)場(chǎng)進(jìn)行了開殼檢查，檢查發(fā)現(xiàn)GIS的罐體內(nèi)和手孔蓋處均有雜質(zhì)（可能由于殼體干燥過熱所產(chǎn)生的氧化物碎屑引起的），見圖2、圖3。這與用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果一致。該方法為故障類型的識(shí)別提供了一種有效途徑，也便于GIS故障的檢修。

圖2 連續(xù)測(cè)量方式下的超聲信號(hào)

圖3 開罐后發(fā)現(xiàn)手孔蓋內(nèi)有雜質(zhì)

4.結(jié)論

1）采用人工神經(jīng)網(wǎng)絡(luò)對(duì)GIS設(shè)備出現(xiàn)的典型故障能有效的識(shí)別，但是對(duì)自由顆粒導(dǎo)致的局部放電有局限性。另外訓(xùn)練神經(jīng)網(wǎng)絡(luò)所采用的樣本數(shù)據(jù)或多或少受現(xiàn)場(chǎng)環(huán)境的影響，難免會(huì)影響識(shí)別準(zhǔn)確性，為提高故障類型識(shí)別的準(zhǔn)確率，建議樣本數(shù)據(jù)最好通過試驗(yàn)室模擬的方法取得。

2）對(duì)GIS設(shè)備故障類型的識(shí)別只是定性的分析，如何對(duì)故障危險(xiǎn)程度的進(jìn)行定量評(píng)估需要進(jìn)一步研究，因?yàn)樗乾F(xiàn)場(chǎng)故障處理的有效依據(jù)。

參考文獻(xiàn)：

[1]李立學(xué)，滕樂天，黃成軍，等.GIS局部放電超高頻信號(hào)的包絡(luò)分析與缺陷識(shí)別[J].高電壓技術(shù)，2009，35（2）.

[2]胡平，林介東，馬慶增.聲發(fā)射技術(shù)在變壓器局部放電測(cè)量中的應(yīng)用[J].無損檢測(cè)，2004，26（10）：502-505.

[3]黎大健，梁基重，步科偉，等.GIS 中典型缺陷局部放電的超聲波檢測(cè)[J].高壓電器，2009，45（1）：72-75.