曾　虎， 李　川， 李英娜， 陳武奮， 高立慧

(昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院, 云南 昆明 650500)

?

聯(lián)合高頻脈沖與超聲波信號(hào)的局放估計(jì)*

曾虎， 李川， 李英娜， 陳武奮， 高立慧

(昆明理工大學(xué) 信息工程與自動(dòng)化學(xué)院, 云南 昆明 650500)

局部放電是引起絕緣劣化的重要因素。選取高頻脈沖電流與超聲波信號(hào)作為局部放電的監(jiān)測(cè)參量，采用超聲波和高頻電流傳感器網(wǎng)絡(luò)系統(tǒng)對(duì)開(kāi)關(guān)柜局部放電的變化情況進(jìn)行在線監(jiān)測(cè)，利用支持向量回歸(SVR)與反向傳播(BP)神經(jīng)網(wǎng)絡(luò)分別對(duì)開(kāi)關(guān)柜局部放電量進(jìn)行建模分析。實(shí)驗(yàn)表明：基于SVR的局放估計(jì)模型決定系數(shù)為0.867，基于BP神經(jīng)網(wǎng)絡(luò)的局放估計(jì)模型決定系數(shù)為0.375。SVR的局放估計(jì)值與實(shí)際值的曲線趨勢(shì)基本一致，選用SVR模型對(duì)開(kāi)關(guān)柜局放量進(jìn)行估計(jì)。

超聲波傳感器； 高頻電流傳感器； 支持向量機(jī)； 反向傳播神經(jīng)網(wǎng)絡(luò)； 局部放電

0　引　言

電力設(shè)備的多數(shù)故障都是絕緣性故障，電應(yīng)力作用引發(fā)絕緣材料劣化，在機(jī)械力、熱和電場(chǎng)的共同作用下，劣化缺陷最終將發(fā)展成為絕緣性故障[1～3]。局部放電是導(dǎo)致絕緣老化和絕緣故障的主要原因[4,5],因此,檢測(cè)局部放電可及時(shí)有效地發(fā)現(xiàn)開(kāi)關(guān)柜內(nèi)部存在的絕緣故障缺陷[6,7]。1975年,美籍法國(guó)數(shù)學(xué)家曼德?tīng)柌剂_特(Mandelbrot B B)提出分形理論，其后，Satish L和Zaeng W S對(duì)分形理論應(yīng)用于局部放電特征提取進(jìn)行了深入研究，并結(jié)合反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)對(duì)模擬的局部放電信號(hào)進(jìn)行模式識(shí)別實(shí)驗(yàn)和理論分析[8];2010年,英國(guó)的南安普敦大學(xué)托尼戴維斯高電壓實(shí)驗(yàn)室谷歌研究員Hao L和Lewin R L等人將支持向量回歸(support vector regression，SVR)用于局部放電多類型識(shí)別，采用實(shí)驗(yàn)室放電數(shù)據(jù)對(duì)SVR分類器進(jìn)行訓(xùn)練，并通過(guò)射頻電流變送器(radio frequency current transducer,RFCT)采集到的現(xiàn)場(chǎng)放電數(shù)據(jù)對(duì)分類器進(jìn)行有效測(cè)試，有效識(shí)別出了空氣電暈放電、空氣沿面放電和油中內(nèi)部放電三種放電類型[9]。

本文以云南楚雄35 kV腰站變電站作為研究試點(diǎn)，對(duì)開(kāi)關(guān)柜局部放電進(jìn)行實(shí)時(shí)在線監(jiān)測(cè)，選取在線監(jiān)測(cè)系統(tǒng)所測(cè)得超聲波及高頻脈沖電流的數(shù)據(jù)作為樣本數(shù)據(jù)，利用SVR與BP神經(jīng)網(wǎng)絡(luò)分別對(duì)局部放電量進(jìn)行建模分析，選取最優(yōu)模型進(jìn)而仿真出局放估計(jì)值。

1　傳感器檢測(cè)局部放電原理

超聲波傳感器被放置在開(kāi)關(guān)柜表面，當(dāng)開(kāi)關(guān)柜內(nèi)部發(fā)生放電時(shí)，會(huì)產(chǎn)生聲波信號(hào)，此時(shí)超聲波傳感器會(huì)捕捉到信號(hào)，將聲波信號(hào)轉(zhuǎn)換為電信號(hào)，然后通過(guò)放大器放大后傳送到采集系統(tǒng)。圖1為超聲波方法檢測(cè)開(kāi)關(guān)柜局部放電示意圖。

圖1　超聲波方法檢測(cè)開(kāi)關(guān)柜局部放電示意圖Fig 1　Diagram of switchgear partial discharge detected by ultrasonic method

高頻脈沖電流傳感器(又稱射頻電流互感器或HFCT)是專門為測(cè)量局部放電信號(hào)設(shè)計(jì)的非入侵式傳感器，適合在6.3 kV及以上不同電壓等級(jí)的現(xiàn)場(chǎng)條件下安裝。通過(guò)在開(kāi)關(guān)柜接頭接地線上或電纜本體上安裝高頻電流傳感器可以耦合高頻脈沖電流流經(jīng)通路上所產(chǎn)生的電磁場(chǎng)信號(hào)。高頻電流法的檢測(cè)頻帶通常在幾百kHz 到幾十MHz，能夠有效地獲取局部放電信號(hào)。高頻脈沖電流傳感器檢測(cè)原理圖2。

圖2　高頻脈沖電流傳感器檢測(cè)原理圖Fig 2　Principle diagram of high frequency pulse current sensor detecting

2　傳感網(wǎng)絡(luò)的布設(shè)與應(yīng)用

局部放電監(jiān)測(cè)傳感網(wǎng)絡(luò)主要由無(wú)線傳感節(jié)點(diǎn)、無(wú)線通信基站、通信網(wǎng)關(guān)通過(guò)自組織網(wǎng)絡(luò)搭建，傳感網(wǎng)絡(luò)每個(gè)傳感器通過(guò)Modbus總結(jié)連接到各自的無(wú)線傳感網(wǎng)基站，通過(guò)無(wú)線傳感網(wǎng)實(shí)現(xiàn)無(wú)線自組網(wǎng)連接。開(kāi)關(guān)柜局部放電無(wú)線傳感網(wǎng)拓?fù)浣Y(jié)構(gòu)圖參見(jiàn)圖3。

圖3　開(kāi)關(guān)柜局部放電無(wú)線傳感網(wǎng)結(jié)構(gòu)圖Fig 3　Architecture of WSNs of partial discharge of switchgear

結(jié)合當(dāng)前楚雄腰站變電站的35 KV開(kāi)關(guān)柜局部放電的監(jiān)測(cè)需求，將超聲波傳感器與高頻脈沖電流傳感器安裝在開(kāi)關(guān)柜及電纜溝之間的接頭處進(jìn)行局部放電的實(shí)時(shí)監(jiān)控。開(kāi)關(guān)柜內(nèi)部發(fā)生局部放電時(shí)，放電產(chǎn)生的電磁波大部分被開(kāi)關(guān)設(shè)備的金屬外殼所屏蔽，小部分通過(guò)金屬箱體的接縫處，同時(shí)產(chǎn)生一個(gè)瞬態(tài)對(duì)地電壓。在開(kāi)關(guān)柜與電纜溝之間接頭處布置多個(gè)超聲波傳感器，同步開(kāi)展連續(xù)監(jiān)測(cè)，即可實(shí)現(xiàn)對(duì)開(kāi)關(guān)柜內(nèi)部局部放電源的定位。在超聲波傳感器選擇上選擇中心頻率40 kHz；每個(gè)高頻電流傳感器通過(guò)Modbus總結(jié)連接到各自的無(wú)線傳感網(wǎng)基站，通過(guò)無(wú)線傳感網(wǎng)實(shí)現(xiàn)無(wú)線自組網(wǎng)連接。

3　開(kāi)關(guān)柜局部放電量估計(jì)試驗(yàn)與分析

局部放電估計(jì)模型的基本思想是:以所測(cè)得的各個(gè)局放值所對(duì)應(yīng)的超聲波傳感器及高頻脈沖電流傳感器的原始數(shù)為基礎(chǔ)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理作為輸入樣本訓(xùn)練集的數(shù)據(jù)，通過(guò)訓(xùn)練數(shù)據(jù)分別創(chuàng)建合適的SVR與BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)，構(gòu)造估計(jì)模型，對(duì)模型進(jìn)行性能評(píng)價(jià)，選取最佳模型，再輸入測(cè)試數(shù)據(jù)來(lái)估計(jì)開(kāi)關(guān)柜局部放電量。

BP網(wǎng)絡(luò)是一類多層的前饋神經(jīng)網(wǎng)絡(luò)。單隱層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參見(jiàn)圖4。x1,x2...xn為輸入層，y1,y2...ym為隱含層，w1,w2...wk為輸出層；SVR的結(jié)構(gòu)與BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)較為類似，SVR的結(jié)構(gòu)參見(jiàn)圖5。輸出是中間節(jié)點(diǎn)的線性組合，每個(gè)中間節(jié)點(diǎn)對(duì)應(yīng)一個(gè)支持向量。

圖4　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig 4　Structure diagram of BP neural network

圖5　SVR結(jié)構(gòu)圖Fig 5　Structure diagram of SVR

選用決定系數(shù)R2作為評(píng)價(jià)SVR與BP神經(jīng)網(wǎng)絡(luò)模型性能的參數(shù)，具體的計(jì)算公式如下

(1)

通過(guò)電火花發(fā)生器連續(xù)打火模擬連續(xù)放電脈沖信號(hào)的實(shí)驗(yàn)，測(cè)得250個(gè)放電量所對(duì)應(yīng)的高頻脈沖電流傳感器的原始數(shù)和超聲波傳感器樣本數(shù)據(jù)，特征項(xiàng)為2項(xiàng)(包括超聲波信號(hào)值、高頻脈沖電流值)。選擇前200個(gè)樣本數(shù)據(jù)作為訓(xùn)練集，用于模型訓(xùn)練及參數(shù)選擇，剩余的50個(gè)樣本數(shù)據(jù)作為測(cè)試集，用于估計(jì)結(jié)果的對(duì)比分析。

利用Matlab軟件分別對(duì)SVR模型和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行創(chuàng)建、訓(xùn)練及仿真測(cè)試，仿真的結(jié)果參見(jiàn)圖6。

圖6　訓(xùn)練集估計(jì)結(jié)果對(duì)比圖Fig 6　Comparison of training set estimation results

運(yùn)用式(1)中給出的決定系數(shù)的計(jì)算方法得出：SVR模型的訓(xùn)練集測(cè)試的決定系數(shù)為0.921，BP模型的訓(xùn)練集測(cè)試的決定系數(shù)為0.471。

為了比較SVR與BP神經(jīng)網(wǎng)絡(luò)的性能，同時(shí)用SVR與BP神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行測(cè)試，仿真結(jié)果參見(jiàn)圖7。

圖7　基于SVR與BP神經(jīng)網(wǎng)絡(luò)放電量測(cè)試集估計(jì)結(jié)果對(duì)比圖Fig 7　Comparison chart of discharge capacity test set estimation results based on SVR and BP neural networks

運(yùn)用式(1)中給出的決定系數(shù)的計(jì)算方法得出：基于SVR算法的局放估計(jì)模型決定系數(shù)為0.867，基于BP神經(jīng)網(wǎng)絡(luò)的局放估計(jì)模型決定系數(shù)為0.375。局放估計(jì)模型運(yùn)用SVR算法要比運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法的測(cè)試集決定系數(shù)高出許多，SVR性能優(yōu)于BP神經(jīng)網(wǎng)絡(luò)性能。而且由圖7可以看出:基于SVR模型的局放估計(jì)值與實(shí)際值的曲線趨勢(shì)基本一致，因此選用SVR模型對(duì)開(kāi)關(guān)柜局放量進(jìn)行估計(jì)。

根據(jù)腰站變電站的實(shí)際情況選取了1#開(kāi)關(guān)柜在2014.9.20-2014.11.21所采集到的63個(gè)超聲波及高頻脈沖電流傳感器的數(shù)據(jù)，得到數(shù)據(jù)變化曲線參見(jiàn)圖8。

圖8　1#開(kāi)關(guān)柜超聲波傳感器與高頻脈沖電流傳感器變化曲線圖Fig 8　Graph of change of switchgear ultrasonic and high frequency pulse current sensors of 1#

將采集到的63個(gè)原始數(shù)據(jù)作為一個(gè)輸入量，利用SVR模型對(duì)開(kāi)關(guān)柜局部放電量進(jìn)行仿真估計(jì)，仿真估計(jì)值參見(jiàn)圖9。

4　結(jié)　論

電力設(shè)備的多數(shù)故障都是絕緣性故障，電應(yīng)力作用引發(fā)絕緣材料劣化，在機(jī)械力、熱和電場(chǎng)的共同作用下，劣化缺陷最終發(fā)展成為絕緣性故障，對(duì)開(kāi)關(guān)柜的絕緣狀況及發(fā)展趨勢(shì)進(jìn)行檢測(cè)分析，判斷絕緣內(nèi)部是否存在局部缺陷故障。本文利用SVR模型與BP神經(jīng)網(wǎng)絡(luò)模型為實(shí)現(xiàn)途徑，構(gòu)建了基于SVR局部放電估計(jì)模型與BP神經(jīng)網(wǎng)絡(luò)局部放電估計(jì)模型。監(jiān)測(cè)結(jié)果表明:基于SVR的局放估計(jì)模型決定系數(shù)為0.867，基于BP神經(jīng)網(wǎng)絡(luò)的局放估計(jì)模型決定系數(shù)為0.375，基于SVR的局放估計(jì)值與實(shí)際值的曲線趨勢(shì)基本一致，選用SVR模型對(duì)開(kāi)關(guān)柜局放量進(jìn)行估計(jì)。仿真估計(jì)值的曲線走勢(shì)反映開(kāi)關(guān)柜局部放電的變化，為進(jìn)一步的電力故障預(yù)報(bào)提供了有效的支持。

[1]ShafiqaMuhammad,HussainaGhulamA.Partialdischargediagnosticsystemforsmartdistributionnetworksusingdirectionallycalibratedinductionsensors[J].ElectricPowerSystemsResearch，2015，119：447-461.

[2]李川，張以謨，趙永貴.光纖光柵原理、技術(shù)與傳感應(yīng)用[M].北京：科學(xué)出版社，2005:105-113．

[3]司利云，林輝.支持向量回歸機(jī)模型結(jié)構(gòu)及性能的研究[J].計(jì)算機(jī)工程與應(yīng)用,2008,44(32):53-59.

[4]張宇鵬，楊永明，楊承河，等.電氣設(shè)備局部放電的超聲波檢測(cè)方法[J].壓電與聲光，2010，32(3):414-416.

[5]林立鋒.GIS特高頻局部放電在線監(jiān)測(cè)與診斷系統(tǒng)研究與應(yīng)用[D].成都：電子科技大學(xué)，2012.

[6]MangeretR，F(xiàn)arenceJ，AB，etal.Opticaldetectionofpartialdischargesusingfluorescentfiber[J].RevSciInstrum，1994，26(4):783-789.

[7]陳武奮，劉愛(ài)蓮，李英娜，等.無(wú)線超聲傳感網(wǎng)在開(kāi)關(guān)柜局部放電中的在線監(jiān)測(cè)研究[J].傳感器與微系統(tǒng)，2015，34(3):249-252.

[8]SatishL,ZaenglWS.Canfractalfeaturesbeusedforrecognizing3Dpartialdischargepatterns[J].IEEETransactiononDielectricsandElectricalInsulation,1995,2(3):352-359.

[9]HaoL,LewinRL.Partialdischargesourcediscriminationusingasupportvectormachine[J].IEEETransactionsonDielectricsandElectricalInsulation,2010,17(1):189-197.

Partial discharge estimation of jointed high-frequency pulse and ultrasonic signal*

ZENG Hu, LI Chuan, LI Ying-na, CHEN Wu-fen, GAO Li-hui

(School of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China)

Partial discharge is an important factor to cause insulation aging.Ultrasonic signal and high-frequency pulse current are selected as partial discharge monitoring parameters,a system based on ultrasonic and high-frequency current sensor network systems are adopted to on-line monitor changes in switchgear partial discharge,and support vector regression(SVR) and back propagation(BP) neural networks is respectively used for modeling analysis on amount of switchgear partial discharge.Experimental result data show that coefficient of determination of partial discharge estimation model based on SVR is 0.867; coefficient of determination of partial discharge estimation model based on BP neural networks is 0.375.The value of partial discharge estimation based on SVR is consistent with actual value,so SVR model is selected to estimate magnitude of switchgear partial discharge.

ultrasonic sensor; high frequency current sensor; support vector machine; back propagation(BP) neural networks; partial discharge

2015—11—23

昆明理工大學(xué)人才培養(yǎng)基金資助項(xiàng)目(KKSY201303044);中國(guó)博士后科學(xué)基金面上資助(一等資助)項(xiàng)目(2014M552552XB)

TP 212

A

1000—9787(2016)08—0037—03

曾虎(1990-)，男，湖北武漢人，碩士研究生，研究方向?yàn)槲锫?lián)網(wǎng)技術(shù)，無(wú)線傳感網(wǎng)及其應(yīng)用等。

DOI:10.13873/J.1000—9787(2016)08—0037—03