趙亞征 張旭 楊揚(yáng) 楊海玉 臧立志

（西安博源電氣有限公司 陜西西安 710043）

基于Labview的電纜局部放電模式識別

趙亞征 張旭 楊揚(yáng) 楊海玉 臧立志

（西安博源電氣有限公司 陜西西安 710043）

為實(shí)現(xiàn)高壓電纜局部放電故障檢測和缺陷的模式識別，針對高壓電纜的典型絕緣缺陷及其放電特點(diǎn)，設(shè)計(jì)了三種典型的高壓電纜局部放電模型并進(jìn)行放電試驗(yàn)。采用小波包變換對局部放電信號進(jìn)行分解，將計(jì)算的局部放電信號的能量譜圖作為特征提取，輸入到BP神經(jīng)網(wǎng)絡(luò)分類器中進(jìn)行判別，平均識別率均在90%以上。

局部放電；小波包；BP神經(jīng)網(wǎng)絡(luò)；模式識別；LabVIEW

引言

局部放電既是高壓電纜絕緣劣化的表征之一，根據(jù)IEC、GB等標(biāo)準(zhǔn)，局部放電檢測是高壓電纜帶電檢測一個(gè)重要的參量，檢測到的局部放電可能來自電纜本體、電纜接頭或交叉互聯(lián)接地線等，由于不同來源的PD信號，對電力設(shè)備的危害不同，其預(yù)防和檢修的方式也不同，因此PD信號的識別就顯得尤為重要[1～2]。

傳統(tǒng)的局部放電模式識別是基于PRPD譜圖基礎(chǔ)上，也是所謂的φ-N-Q譜圖。將φ-N-Q譜圖的放電特征統(tǒng)計(jì)因子作為局部放電模式識別的特征量，但是特征統(tǒng)計(jì)因子中都涉及到了PD相位，導(dǎo)致采集數(shù)據(jù)運(yùn)算量大[3]，而我們在實(shí)驗(yàn)中采用快速幀技術(shù)，將一個(gè)局部放電脈沖片段定義為一幀，以局部放電脈沖作為觸發(fā)源，僅采集脈沖信號短時(shí)域波形，連續(xù)采集設(shè)定幀數(shù)后，一次性將存儲(chǔ)在采集卡ROM數(shù)據(jù)返回，保證兩次采集時(shí)間間隔極小，可達(dá)μs量級，因此對于局部放電選用時(shí)域波形進(jìn)行小波包變換特征提取。小波包變換具有可將信號按任意時(shí)頻分辨率分解的特點(diǎn)，對高頻部分可以進(jìn)行精細(xì)地分解，并能根據(jù)被分析信號的特征，自適應(yīng)的選擇相應(yīng)頻帶，使之與信號頻譜相匹配，從而提取更多的特征信息[4]。

本文設(shè)計(jì)了三種電纜接頭的典型的電暈、內(nèi)部和沿面放電模型，對采集的局部放電進(jìn)行小波包分解，得到不同尺度小波包分解系數(shù)，采用基于小波包分析的“頻帶-能量”信號作為局部放電特征向量，并采用BP神經(jīng)網(wǎng)絡(luò)對放電類型進(jìn)行辨識，試驗(yàn)表明平均識別率均在90%以上。

1 信號小波包分解

采用小波包分析“頻帶-能量”特征提取信號的方法如下[5]：

（1）對局部放電信號進(jìn)行小波包分析，在某尺度上對信號分解，以3層分解為例，得出各頻帶的分解節(jié)點(diǎn)系數(shù)X3i，i=0，1…7。

（2）分別計(jì)算出各頻帶信號的能量E3i，計(jì)算公式如下：

式中：xij（j=1，2…，n）表示重構(gòu)信號各離散點(diǎn)的值。

（3）對各頻帶信號的能量E3i進(jìn)行歸一化，歸一化能量為E′3i，計(jì)算公式如下：

（4）信號的特征向量為 T=[E′30，…，E′37]。

2 BP神經(jīng)網(wǎng)絡(luò)

小波包分解提取的信號特征向量與局部放電類型之間的對應(yīng)關(guān)系是一種復(fù)雜的、非線性映射，通過BP神經(jīng)網(wǎng)絡(luò)建立一種理想的分類器（如圖1）。

圖1 BP網(wǎng)絡(luò)神經(jīng)結(jié)構(gòu)圖

BP神經(jīng)網(wǎng)絡(luò)一般由輸入層、隱層和輸出層構(gòu)成，輸入層即輸入信號的特征向量，特征向量維數(shù)決定輸入層的節(jié)點(diǎn)數(shù)；隱層的節(jié)點(diǎn)數(shù)目不確定，節(jié)點(diǎn)數(shù)越多則非線性映射能力越強(qiáng)，神經(jīng)網(wǎng)絡(luò)越穩(wěn)健；輸出層根據(jù)映射關(guān)系得出信號的模式。BP神經(jīng)網(wǎng)絡(luò)首先經(jīng)過大量樣本學(xué)習(xí)和訓(xùn)練，使得網(wǎng)絡(luò)本身的權(quán)值、閾值等參數(shù)達(dá)到最優(yōu)化，訓(xùn)練結(jié)束后，當(dāng)輸出新的信號時(shí)，BP網(wǎng)絡(luò)神經(jīng)可以對其進(jìn)行分類和識別[6]。

3 Labview軟件

Labview是一種程序開發(fā)環(huán)境，由美國國家儀器（NI）公司研制開發(fā)，使用的是圖形化編輯語言G編寫程序，產(chǎn)生的程序是框圖的形式。Labview開發(fā)環(huán)境集成了工程師和科學(xué)家快速構(gòu)建各種應(yīng)用所需的所有工具，圖2所示的是Labview自帶的BP神經(jīng)網(wǎng)絡(luò)工具包截圖。

圖2 BP神經(jīng)網(wǎng)絡(luò)工具包

4 實(shí)驗(yàn)與分析

圖3 局部放電模式識別演示程序

采用LabVIEW虛擬儀器開發(fā)軟件設(shè)計(jì)局部放電模式識別軟件，控制數(shù)據(jù)采集、分析、顯示，模式識別、存儲(chǔ)等功能。

在試驗(yàn)中，首先分別對不同的放電模型在不同電壓下進(jìn)行大量的試驗(yàn)，將試驗(yàn)計(jì)算出的波形特征能量譜存儲(chǔ)在放電樣本庫中，然后再對放電模型進(jìn)行試驗(yàn)，判別放電類型，表1為一組局部放電統(tǒng)計(jì)分析數(shù)據(jù)，顯示出模式識別軟件的識別情況。

表1 局部放電識別結(jié)果

從表1中可以看出，該系統(tǒng)對三種不同的放電類型，具有良好的識別率，平均識別率均在90%以上。該系統(tǒng)基本滿足現(xiàn)場應(yīng)用的要求，后續(xù)對于數(shù)據(jù)的分析和處理仍是研究的重點(diǎn)，有待更加深入的學(xué)習(xí)和研究。

5 結(jié)論

設(shè)計(jì)了三種電纜接頭的典型的電暈、內(nèi)部和沿面放電模型，對采集的局部放電進(jìn)行小波包分解，得到不同尺度小波包分解系數(shù)，然后將小波包分解的“頻帶-能量”信號作為局部放電特征向量，并采用BP神經(jīng)網(wǎng)絡(luò)對放電類型進(jìn)行辨識，試驗(yàn)表明平均識別率均在90%以上。該系統(tǒng)在電力設(shè)備局部放電檢測等領(lǐng)域有一定的應(yīng)用前景。

[1]羅新，牛海清，胡日亮，等.基于小波包分解的XLPE配電電纜局部放電波形特征提取與識別[J].高電壓技術(shù)，2013，49（11）：110～115.

[2]張周勝，馬愛清.XLPE電力電纜局部放電信號識別法及其關(guān)鍵技術(shù)[J].上海電力學(xué)院學(xué)，2012，4（28）：301～304.

[3]夏云峰，高勝友，陳錫陽，等.波形特征與統(tǒng)計(jì)特征相結(jié)合的局部放電脈沖分類方法[J].高壓電器，2015，51（8）：146～150.

[4]李振恩，陳昆鵬，高雄偉.基于小波包變換的局部放電包絡(luò)信號模式識別[J].工業(yè)儀表與自動(dòng)化裝置，2014，4：108～112.

[5]劉新宇，何峰，鄭義，等.局部放電典型模型試驗(yàn)及模式識別的分析[J].電子測量，2014，9：65～67.

[6]楊孝華，廖瑞金，胡建林.基于BP人工神經(jīng)網(wǎng)絡(luò)的XLPE電力電纜局部放電的模式識別[J].高壓電器，2003，19（4）：35～37.

TM246

A

1004-7344（2016）14-0089-02

2016-4-29

趙亞征（1984-）男，本科，研究方向?yàn)殡娮赢a(chǎn)品設(shè)計(jì)及軟件開發(fā)。

張旭（1986-），男，本科，主要從事高壓局部放電檢測開發(fā)工作。

楊揚(yáng)（1984-），男，碩士研究生，主要研究方向?yàn)楣怆婎惍a(chǎn)品設(shè)計(jì)及應(yīng)用軟件開發(fā)。