袁 晶, 黃均才

(廣東電網(wǎng)有限責(zé)任公司 廣州供電局，廣州 廣東 510000)

氣體絕緣開關(guān)(Gas Insulated Switchgear,GIS)設(shè)備由于占地面積小、可靠性高、成本低和受外界環(huán)境影響小等優(yōu)點(diǎn)被廣泛使用[1]。GIS設(shè)備將不同類型的電氣設(shè)備封閉在一個(gè)接地的金屬外殼內(nèi)部，所以有著“免維護(hù)”的美譽(yù)[2]。但近年來，國內(nèi)外GIS安全事故頻發(fā)，GIS的故障率遠(yuǎn)大于國際電工委員會(huì)和國際大電網(wǎng)會(huì)議規(guī)定的0.1次/100間隔/年。GIS設(shè)備一旦發(fā)生故障，由于其具有封閉性，導(dǎo)致其檢修周期較長、檢修過程復(fù)雜、檢測費(fèi)用高、停電時(shí)間長，因而給國民經(jīng)濟(jì)帶來嚴(yán)重?fù)p失[3-7]。

GIS設(shè)備故障主要由內(nèi)部絕緣缺陷引起，造成設(shè)備的局部放電(Partial Discharge,PD)而產(chǎn)生特高頻(Ultra-High Frequency,UHF)信號(hào),通常采用UHF法對(duì)PD進(jìn)行檢測，因?yàn)閁HF法具有抗干擾能力強(qiáng)的優(yōu)點(diǎn)[8-9]。通過UHF傳感器對(duì)PD信號(hào)進(jìn)行監(jiān)測并提取出局放UHF信號(hào)，對(duì)采集的信號(hào)進(jìn)行處理，完成對(duì)GIS設(shè)備的局放類型的識(shí)別與分析，評(píng)估GIS設(shè)備的運(yùn)行狀態(tài)，并對(duì)后續(xù)檢修提供了可行性依據(jù)[6,10]。

局部放電UHF信號(hào)的提取和分析具有重要意義，文獻(xiàn)[11]表明PD的模式識(shí)別包含4種分類器的設(shè)計(jì)，即距離分類器、統(tǒng)計(jì)分類器、模糊邏輯分類器和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)。文獻(xiàn)[12]采用分布統(tǒng)計(jì)方法，根據(jù)局放相位數(shù)據(jù)的分布統(tǒng)計(jì)參量，從而篩選出局部放電的類型。文獻(xiàn)[13]采用概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network,PNN)對(duì)GIS設(shè)備PD的UHF信號(hào)進(jìn)行分類，提取出信號(hào)與統(tǒng)計(jì)的特征參量。文獻(xiàn)[14]采用PD矩特征，來提取出PD特征參量并判斷絕緣老化程度。文獻(xiàn)[15]采用二元樹復(fù)小波變換的時(shí)頻域特征提取方法，構(gòu)造出完整的局部放電UHF信號(hào)的特征空間，又采用徑向基函數(shù)(Radial Basis Function,RBF)組合神經(jīng)網(wǎng)絡(luò)分類器,從而達(dá)到模式識(shí)別的效果。文獻(xiàn)[16]采用主成分分析(Principal Component Analysis，PCA)對(duì)統(tǒng)計(jì)參量進(jìn)行分析,得到不同局部放電類型的特征信息，從而達(dá)到PD模式識(shí)別的效果。

結(jié)合上述所分析的問題，筆者提出了一種基于局部放電UHF信號(hào)的多尺度特征提取以及線性判別分析(Linear Discriminant Analysis,LDA)的識(shí)別方法，根據(jù)GIS設(shè)備內(nèi)部結(jié)構(gòu)，設(shè)計(jì)了4種絕緣缺陷模型模擬GIS設(shè)備局部放電現(xiàn)象，通過UHF傳感器對(duì)局部放電UHF信號(hào)進(jìn)行監(jiān)測并提取出數(shù)據(jù)，將采集的數(shù)據(jù)進(jìn)行小波包多尺度變換，又對(duì)局部放電UHF信號(hào)進(jìn)行了線性判別分析的設(shè)計(jì)，實(shí)現(xiàn)了特征提取與模式識(shí)別。

1 GIS設(shè)備局部放電機(jī)理

由于GIS設(shè)備結(jié)構(gòu)復(fù)雜，形成了多種形式的絕緣缺陷。GIS設(shè)備主要缺陷示意圖如圖1所示。典型的形式包括：絕緣器件中存在氣隙或雜質(zhì)造成擊穿場強(qiáng)不同、兩導(dǎo)體間接觸不良的連接處形成電位差、無電氣連接的金屬件形成浮動(dòng)電極體放電、絕緣體表面臟污形成的電場分布不勻、導(dǎo)體尖端的場強(qiáng)達(dá)到了空氣或SF6的擊穿場強(qiáng)等[17]。

局部放電是一種脈沖放電，當(dāng)發(fā)生局部放電時(shí)，將會(huì)存在一系列聲、光和振動(dòng)等物理和化學(xué)變化[18]。由于UHF法具有不停電、在線實(shí)時(shí)監(jiān)測和抗干擾能力強(qiáng)的優(yōu)點(diǎn)而被廣泛使用。因此，采用UHF法對(duì)GIS設(shè)備局部放電進(jìn)行采集，采用內(nèi)置和外置UHF天線對(duì)局部放電UHF信號(hào)進(jìn)行采集，UHF法的檢測示意圖如圖2所示。

圖1 GIS設(shè)備主要缺陷示意圖

圖2 UHF法檢測示意圖

2 局部放電試驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集

根據(jù)GIS設(shè)備的內(nèi)部結(jié)構(gòu)，設(shè)計(jì)了4種絕緣缺陷模型模擬GIS設(shè)備局部放電現(xiàn)象。其中尖刺放電模型如圖3(a)所示，模擬高壓導(dǎo)管外表面由于劃傷和刮削等毛刺引起的缺陷，為保持放電穩(wěn)定性，其尖刺采用繡花針，針長為33 mm，板電極為鋁合金材料。懸浮放電模型如圖3(b)所示，模擬高低壓導(dǎo)體或屏蔽罩連接件接觸不良而引起的絕緣缺陷，其上下電極間采用絕緣材料(如圖3(b)黑色部分所示)，上電極為鈍/尖形電極。自由金屬顆粒放電模型如圖3(c)所示，模擬水平腔體外殼上的雜質(zhì)顆粒的絕緣缺陷，內(nèi)部放置金屬顆粒(如圖3(c)黑色部分所示)。絕緣子氣隙放電模型如圖3(d)所示，模擬在施工過程中存在的工藝不良而存在的氣孔導(dǎo)致的絕緣缺陷，上下電極之間為環(huán)氧樹脂絕緣材料，通過該方式防止沿面放電現(xiàn)象的發(fā)生。

圖4為實(shí)驗(yàn)室局部放電信號(hào)監(jiān)測試驗(yàn)接線圖。在圖4的高壓試驗(yàn)腔體中放置上述4種缺陷模型。試驗(yàn)中采用自制的UHF傳感器采集PD信號(hào)，選擇的UHF傳感器為Peano分形天線，示波器通過同軸電纜與UHF傳感器相連，由于局部放電UHF信號(hào)的頻帶為300 MHz～1.5 GHz，因此將示波器的采樣率設(shè)置為5 GS/s。

圖3 GIS設(shè)備內(nèi)部4種局部放電模型

圖4 實(shí)驗(yàn)室局部放電監(jiān)測試驗(yàn)接線圖

3 基于小波包分析的局部放電特征提取

3.1 小波包多尺度特征提取

針對(duì)局部放電UHF信號(hào)數(shù)據(jù)進(jìn)行處理與分析，首先采用小波變換技術(shù)對(duì)檢測的UHF局部放電信號(hào)進(jìn)行多分辨率分析，將不同頻率成分的信號(hào)分解成不同的小波尺度[19]。以圖5所示的小波樹的三層分解為例，上一個(gè)節(jié)點(diǎn)為下一個(gè)節(jié)點(diǎn)的濾波器，其中左節(jié)點(diǎn)為低通濾波，右節(jié)點(diǎn)為高通濾波。局部放電UHF信號(hào)通過小波包分解后可得到對(duì)應(yīng)多尺度能量的信號(hào)分量，進(jìn)一步計(jì)算出各能量信號(hào)分量參數(shù)，即得到信號(hào)的多尺度特征參數(shù)。

圖5 三層分解的小波包數(shù)示意圖

3.2 特征參數(shù)提取

特征參數(shù)提取主要提取能量特征，能量特征提取的流程圖如圖6所示。首先要設(shè)置小波包參數(shù)，并對(duì)4種放電模型設(shè)置能量參數(shù)。循環(huán)遍歷文件夾的數(shù)據(jù)，這些數(shù)據(jù)包含了天線1的4種放電模型，提取600組數(shù)據(jù)，600次循環(huán)包含了3層循環(huán)，第1個(gè)大循環(huán)對(duì)應(yīng)了4個(gè)放電模型，第2個(gè)循環(huán)對(duì)應(yīng)3個(gè)試驗(yàn)，每個(gè)試驗(yàn)匯總50個(gè)數(shù)據(jù)。從第1組提取的數(shù)據(jù)開始循環(huán)，一共600次，每一次循環(huán)時(shí)會(huì)生成1個(gè)小波包樹。最后提取能量參數(shù)，保存數(shù)據(jù)源新建的文件夾，以方便下一個(gè)程序使用。

圖6 特征參數(shù)提取流程圖

3.3 能量參數(shù)特征提取

利用小波包分解提取多尺度空間能量特征的基本思路為：局部放電UHF信號(hào)的能量在不同的分解層數(shù)具有不同的形式，根據(jù)分解的能量值所呈現(xiàn)的特征向量，從而能夠達(dá)到模式識(shí)別的效果。PD信號(hào)要經(jīng)過多尺度小波分析。每個(gè)空間的總能量如式(1)所示，各子空間的能量特征可以構(gòu)成局部放電辨識(shí)的特征空間。

(1)

式中：l為小波包分解層數(shù)；n為此時(shí)分解層的節(jié)點(diǎn)；dl,k,n為節(jié)點(diǎn)(l,k)第n個(gè)小波包系數(shù)。

小波包的分解是由于稀缺性而產(chǎn)生的，小波包法可以用于低頻和高頻信號(hào)處理[20-21]；小波包的能量提取需要計(jì)算每層每個(gè)節(jié)點(diǎn)的能量，列出第l層能量，求出第l層第n個(gè)節(jié)點(diǎn)的系數(shù)，并找到參數(shù)方的第n個(gè)節(jié)點(diǎn)的平方，即求它的平方和以及每個(gè)節(jié)點(diǎn)的概率。

每個(gè)頻段的信號(hào)特征可以用小波分析方法提取出來?；谛〔ㄗ兓亩喑叨瓤臻g能量分布特征提取方法將信號(hào)分為多個(gè)頻段，并將每個(gè)頻段的估計(jì)能量作為特征向量。

信號(hào)f(t)的二進(jìn)小波分解可表示為

f(t)=Aj+∑Dj

(2)

式中：A為低頻部分；D為高頻部分；Dj為分解后的高頻信號(hào)；信號(hào)的總能量為

E=EAj+∑EDj

(3)

選擇第j層的A和各層的D的能量作為特征，構(gòu)造特征向量為

F=[EAj,EDI,ED2,…,EDj]

(4)

利用小波變換提取出可以代表局放信號(hào)的向量數(shù)據(jù)，即完成從局放信號(hào)向其特征向量數(shù)據(jù)的變換。利用小波函數(shù)對(duì)局部放電特高頻信號(hào)進(jìn)行分解，得到5個(gè)層次的小波系數(shù)。

根據(jù)小波系數(shù)求出單個(gè)能量值，作為信號(hào)的特征數(shù)據(jù)。經(jīng)小波包分解得到的全部系數(shù)為w={wj,k:j=1,2,…,n;k=0,1,…, 2n-1}，其中，wj,k為節(jié)點(diǎn)(j,k)在小波包分解后得到的系數(shù)，其總能量et為

(5)

多尺度能量參數(shù)定義為

(6)

特高頻信號(hào)樣本小波包分解的多尺度能量參數(shù)如圖7所示。將試驗(yàn)中獲得的600組樣本數(shù)據(jù)進(jìn)行5層小波包分解，提取出16個(gè)能量特征，再將參數(shù)進(jìn)行歸一化計(jì)算。

4 特高頻信號(hào)線性判別分析識(shí)別

4.1 線性判別分析方法

LDA的目標(biāo)是進(jìn)行數(shù)據(jù)降維，將高維特征空間投影到低維空間，從而使樣本數(shù)據(jù)分開。一個(gè)n維的X空間向低維的Y空間進(jìn)行數(shù)學(xué)轉(zhuǎn)換時(shí)，假設(shè)在n維空間中，X={Xi,i=1,2,…,n}為n維訓(xùn)練樣本集，其中Xi有n個(gè)樣本且xi∈Rp，樣本的類間散度矩陣Sw、類內(nèi)散度矩陣Sb分別為

(7)

(8)

圖7 特高頻信號(hào)樣本小波包分解的多尺度能量參數(shù)

式中：xim為第i模式類樣本中的第m個(gè)樣本。

LDA具有數(shù)據(jù)降維特性，它是根據(jù)某一投影方向上的矩陣w∈Rp，使得Fisher準(zhǔn)則最大為

(9)

其中，wk∈Rp(k=1,2,…,r)必須滿足：

Sbwk=λkSwwk

(10)

式中：λk為最大本征值;wk為與λk對(duì)應(yīng)的本征矢量。由于Sb的秩小于或等于z=C-1，因此特征變量空間的維數(shù)為r=min(p,z)，并且經(jīng)LDA降維后的局部放電信號(hào)特征的映射結(jié)果為相對(duì)量，具有無量綱屬性。

Fisher判別標(biāo)準(zhǔn)函數(shù)時(shí)極其巧妙地將樣本的類間和類內(nèi)離散性融合在投影適配性上，為選擇最佳投影方向提供了一個(gè)非常好的標(biāo)準(zhǔn)。讓目標(biāo)函數(shù)達(dá)到最高值的向量被選為投影方向，其物理意義是，投影的樣本具有最大的類間離散性和最小的類間離散性。

4.2 線性判別分析模式識(shí)別

為了對(duì)局部放電類型進(jìn)行模式識(shí)別處理，將局部放電信號(hào)的能量特征參數(shù)輸入到模式識(shí)別分類器中[22]。選用30組放電信號(hào)的特征量為訓(xùn)練樣本，其余的放電信號(hào)的特征量為測試樣本。此外，分類器識(shí)別效率Pj為

Pj=yj/yt

(11)

式中：yj與yt分別為第j類局部放電超高頻信號(hào)識(shí)別正確數(shù)目與測試樣本總數(shù)目。

圖8為經(jīng)LDA降維后的PD信號(hào)三維特征量，圖中4個(gè)顏色分別代表了將4種類型的PD模型。從圖8中可以看出4種PD類型被明顯區(qū)分開，懸浮放電和氣隙放電則是完全分離，且尖刺放電和金屬顆粒放電完全分離。

圖8 經(jīng)LDA降維后的局放信號(hào)三維特征量

圖9為LDA降維后的放電信號(hào)的特征量二維映射結(jié)果。從圖9中可以看出，4種類型的放電都以各自所屬的類型分在了一起，懸浮放電和氣隙放電則是與尖刺放電和金屬顆粒放電完全分離。

圖9 經(jīng)LDA降維后的局放信號(hào)特征的二維映射結(jié)果

為了驗(yàn)證分類器的正確率，在局部放電信號(hào)特征量中隨機(jī)選取30組進(jìn)行10次采樣，然后對(duì)其訓(xùn)練分類，并對(duì)特高頻局部放電信號(hào)進(jìn)行模式識(shí)別，會(huì)得到10個(gè)結(jié)果，然后取其平均值。試驗(yàn)最終獲得30組訓(xùn)練樣本，正確率平均值分別為99.00%、98.67%、99.33%和97.33%，計(jì)算4種放電類型的平均正確率為98.58%。針對(duì)600組測試樣本正確率平均值分別為94.33%、91.17%、93.67%和91.92%，計(jì)算4種放電類型的平均正確率為92.77%?？梢钥闯鲎罱K的30組訓(xùn)練樣本和600組測試樣本的正確率均達(dá)到了90%以上，可以說明線性判別分類器在很大的程度上能夠有效地將4種局部放電模型分開。

5 結(jié)束語

基于GIS設(shè)備局部放電UHF信號(hào)的模式識(shí)別方法，設(shè)計(jì)了4種絕緣缺陷模型模擬GIS設(shè)備局部放電現(xiàn)象。利用UHF法對(duì)局部放電信號(hào)進(jìn)行采集，再采用小波包分解PD信號(hào)，提取其多尺度能量參數(shù)特征，并且采用線性判別分析方法對(duì)特征值進(jìn)行模式識(shí)別，從而實(shí)現(xiàn)了GIS設(shè)備局部放電UHF信號(hào)的線性判別分析分類器的設(shè)計(jì)。采用了線性判別分析的方法，對(duì)其數(shù)據(jù)進(jìn)行數(shù)據(jù)降維處理，可以有效地將4種放電模型分開。最后，通過算法檢驗(yàn)出該線性判別分類器的正確率，訓(xùn)練樣本的正確率達(dá)到了98.58%，測試樣本的正確率達(dá)到了92.77%，滿足設(shè)計(jì)要求。