王世林，桑仲慶,*，徐敏，梁煜健，易鵬

（1.廈門理工學(xué)院 電氣工程與自動化學(xué)院，廈門 361024；2.龍巖市廈龍工程技術(shù)研究院，龍巖 364000；3.廣東電網(wǎng)有限責(zé)任公司肇慶供電局，肇慶 526000）

0 引言

開關(guān)柜是電網(wǎng)系統(tǒng)中的一種關(guān)鍵設(shè)備。據(jù)權(quán)威統(tǒng)計其絕緣故障占37.3%，占有很大的比重，因此開展如何檢測PD信號對全面深入了解開關(guān)柜運行狀態(tài)及其“健康”檢測具有重要意義[1～5]。

開關(guān)柜并非密閉腔體，運行環(huán)境本身就有50pC～100pC的放電量乃至更高，對于UHF/AE這類靈敏度很高、TEV這類對接地要求比較高的檢測方法[6～13]。誤報率極高，反而對開關(guān)柜正常準確的智能運維和狀態(tài)檢修造成了極大的困擾。

開關(guān)柜的運行環(huán)境，決定了開關(guān)柜的智能運檢對局放測量的精度無特別高的要求[14]，但對可靠性要求較高。根據(jù)上述智能運檢的工程要求，以及開關(guān)設(shè)備在PD時的音紋特性，本文提出一種基于音紋特征分析開關(guān)柜局放智能識別方法，替代運維專家的耳朵，應(yīng)用于開關(guān)柜的在智能運檢中。仿真機現(xiàn)場應(yīng)用結(jié)果表明，本文所提方法可準確識別開關(guān)柜PD且具有更好的泛化性能，且工程應(yīng)用性強。

1 基于工頻特征的音紋能量特征提取

現(xiàn)有的基于音紋的設(shè)備狀態(tài)分析，基于大數(shù)據(jù)及樣本訓(xùn)練，總結(jié)一般規(guī)律的方法居多，但這種方法的總結(jié)的是設(shè)備音紋信息的一般規(guī)律，針對開關(guān)柜運行環(huán)境，外部噪音多，短暫的，持續(xù)的均有，開關(guān)柜的局放音紋特征的提取，采用大數(shù)據(jù)分析作為基礎(chǔ)算法，不能滿足實際的精確度要求。

PD一般在外施電壓幅值絕對值上升部分產(chǎn)生，電壓高到某特定程度，在一周可能發(fā)生多次放電，且電壓越高放電次數(shù)越多，并且每次放電間隔不是固定的[15]。局放強度直接決定了振動的程度和聲波的相度,間接影響音紋的強度[16]。在工頻電壓的波峰和波谷附近因放電而引起的震蕩波幅度較大，形成的音紋信號強度、頻譜信息相對能夠體現(xiàn)局放的特征。

本文依據(jù)上述原理和推論，設(shè)計基于工頻識別的局放檢測算法，提取開關(guān)柜絕緣劣化過程中，音紋信息中的各種頻次諧波的含量和比例，制定出基于音紋識別的開關(guān)柜局放識別方案。

1.1 自適應(yīng)波濾波器原理

開關(guān)柜運行時,工頻電流是長期存在的，對于音紋信息而言,交變工頻源是最大的干擾源,為了便于特征提取以及提高識別精度，因而要設(shè)計一個濾波器,濾除采取到的信號中的工頻干擾信號和隨機白噪音。對于前后時刻變化平穩(wěn)的噪音信號降噪通常采用自適應(yīng)濾波器，自適應(yīng)濾波器能根據(jù)噪聲變化動態(tài)地調(diào)整自身參數(shù)，以適應(yīng)實際去噪情況，自適應(yīng)濾波器原理圖如圖1所示。

圖1 自適應(yīng)濾波器原理圖

其中，x(k)表示輸入信號，d(k)表示期望信號，w(k)表示濾波器系數(shù)，e(k)表示x(k)與d(k)的誤差，y(k)表示輸出信號。

最小均方誤差（LMS）算法在自適應(yīng)濾波器應(yīng)用廣泛[17]?；谧疃赶陆捣ǖ腖MS算法的迭代公式如下：

其中，X(k)=[x1(k),x2(k),...,xM(k)]T,是k時刻輸入信號的適量形式，W(k)=[w1(k),w2(k),...,wM(k)]T,是第k時刻濾波器系數(shù)的矢量形式。M是LMS自適應(yīng)濾波器階數(shù)。μ是步長因子，并且滿足，λmax是輸入自相關(guān)矩陣的最大特征值。

1.2 工頻能量特征的提取原理

音紋信號經(jīng)過自適應(yīng)濾波后,濾除隨機白噪音和低頻干擾,特別是工頻干擾信號。音紋信號的能量隨時間變化明顯,在背景噪聲不大的情況下,短時能量能較好地表現(xiàn)音紋特征。

離散信號能量公式如式(4)所示：

式(4)中，x(k)為離散信號,N為每幀的采樣序列。即對每幀采樣序列所含采樣點幅值的平方進行求和,所得的和為短時幀能量（幀能量特征）。

根據(jù)短時幀能量變化特性，設(shè)定脈沖能量門限比較邏輯，并獲取脈沖幀特征。若脈沖幀具備10ms/20ms的間隔規(guī)律,則認為能量脈沖具備工頻特性。

2 基于工頻特征的音紋頻率特征提取

根據(jù)電力系統(tǒng)的工頻特性,設(shè)計數(shù)據(jù)短窗對工頻局放波峰或波谷附近進行頻譜和強度分析,建立基于音紋的開關(guān)柜局放頻域特性模型。

依據(jù)本文1中所述的工頻特性,分析音紋的頻域特性,首先需要對數(shù)據(jù)進行頻率的切片。

為避免相鄰數(shù)據(jù)窗之間的數(shù)據(jù)干擾，頻域通過頻率切片函數(shù)進行時域無重疊窗移分析，進而獲取工頻PD處的頻譜信息變化規(guī)律。如圖2所示是在工頻局放信號單個周波的5ms短時窗無重疊窗移，以工頻局放信號的波峰或波谷前2.5ms為起點，連續(xù)窗移一個周波（即4個數(shù)據(jù)短窗），圖2為數(shù)據(jù)窗移示意圖，數(shù)據(jù)短窗在工頻PD的波峰和波谷處交替出現(xiàn)。

圖2 數(shù)據(jù)窗移示意圖

設(shè)P(W)為P(t)的Fourier變換，稱為頻率切片函數(shù)頻率切片,函數(shù)需滿足條件：

3）P(±∞)＜0。

4）丨P(w)丨≤丨P(0)丨或丨P(t)丨≤丨P(0)丨。

常用的兩種頻率切片函數(shù)及其時域表達式為：

由于P(w)=e-0.5w2具有最佳時頻聚集性，故本文選其作為頻率切片函數(shù)[18]。

其次，通過切片函數(shù)，得到頻域的數(shù)據(jù)窗后，對數(shù)據(jù)窗內(nèi)的頻譜含量定量分析。由于DFT算法其變換點可任意選定相對變換比較靈活，故本文選用DFT算法對短窗數(shù)據(jù)進行頻域分析，為探究PD音紋信息所含各次諧波含量在工頻電壓周波上的短時變化規(guī)律提供了基礎(chǔ)。

DFT在頻域的離散序列X(m)的指數(shù)形式定義為:

式(7)中:x(n)是時域連續(xù)變量x(t)的離散采樣值,e是自然對數(shù)的基，

DFT在頻域的離散序列X(m)的直角坐標形式為:

把式(6)中的復(fù)指數(shù)分解為實部和虛部,其中X(m)是第m個梯度值的輸出,如X(0)，X(1)，X(2),…,X(N)。其中m是頻域DFT輸出序列的指標,n=0,1,2,3,…,N-1，N是輸入序列的樣點數(shù)和DFT輸出序列的頻率點個數(shù)[19]。用其實部與虛部表示任意DFT復(fù)輸出值X(m)的梯度值為：

根據(jù)梯度值求得頻點對應(yīng)的幅值表達式為：

3 音紋局放識別的仿真

依據(jù)本文1，2節(jié)所述的音紋PD兩類特征的提取算法，利用MATALB仿真和試驗室的測試數(shù)據(jù)，仿真驗證音紋PD的頻域特征分布和工頻能量識別的閾值。

試驗室中，分別采用球形和尖端模式，通過升壓形成對不同地點的柜壁和相互之間的局部放電。按96k/s的采樣率，采集音紋放電數(shù)據(jù)。采集樣本為1000次，每次15s。

3.1 短時能量工頻特征的提取

首先，對音紋數(shù)據(jù)濾波、分幀預(yù)處理，每幀對應(yīng)一個幀能量，然后求得所有幀的幀能量之和除以總的幀數(shù)的商為平均幀能量，平均幀能量乘以能量因子α得到脈沖幀能量門限。最后,進行脈沖幀特征提取。若當(dāng)前幀的幀能量值大于脈沖幀能量門限，則將此幀置為1；若當(dāng)前幀能量值小于脈沖幀能量門限，則把此幀置為0，并記錄幀索引，相應(yīng)得取出了所有脈沖幀（脈沖幀特征）。

所有脈沖幀的幀能量之和除以總幀數(shù)得到平均脈沖幀能量，脈沖信噪比SIR和能量因子α定義式為：

工頻局放信號特征提取步驟具體如下：

1）采集并導(dǎo)入工頻信號；

2）對導(dǎo)入的工頻信號進行濾波、分幀預(yù)處理；

3）根據(jù)能量公式提取幀能量特征；

4）將幀能量特征與脈沖幀能量門限做比較，提取所有脈沖幀能量特征。四個步驟分別與圖3局放信號工頻特征提取示意圖中的波形相對應(yīng)。（其中能量波形圖中上方的實線為脈沖能量門限曲線，中間實線為脈沖幀能量曲線，下方虛線為平均幀能量曲線）。

圖3 工頻特征提取示意圖

3.2 頻域特征的提取

提取音紋的工頻特征后，以提取的工頻脈沖為中心，采用圖2模式進行短時數(shù)據(jù)窗移，分析PD音紋的頻域特征。

首先，對工頻局放信號進行一個周波的數(shù)據(jù)短窗窗移，如圖4為工頻放電600pC的情況，圖4(a)為工頻電壓波波峰處的頻譜信息，從中可以看出4kHz頻點所對應(yīng)的能量值最大，3～7kHz頻段內(nèi)頻點所對應(yīng)的能量值明顯高于其他頻段。圖4(b)為非波峰（谷）處的頻譜信息。從中可以看出5kHz頻點所對應(yīng)的能量值最大，高能量頻點都也集中在3～7kHz頻段，但其能量值小的多。

圖4 DFT-5ms工頻局放信號時頻能量波形圖

通過對比分析發(fā)現(xiàn)：波峰（谷）處所對應(yīng)的頻點最大能量值比非波峰（谷）處的頻點最大能量值明顯要大，最大能量值所對應(yīng)的頻點均在5KHz附近。此頻段為音紋局放的特征頻段。為了驗證本工頻PD信號模型頻譜規(guī)律的普遍性，后續(xù)對不同放電模式、放電位置、放電強度的1000組數(shù)據(jù)進行頻譜分析，均滿足上述結(jié)論。

對非局放音紋信號，即背景干擾，如風(fēng)機、人畜聲、汽車、音樂等音紋信息，工頻特征的提取是不成功的，不能直接進入音紋局放的判別邏輯，診斷為非局放。對非局放音紋信號單個周波頻譜分析如圖5所示，非工頻PD信號的各數(shù)據(jù)短窗最大特征能量所對應(yīng)得頻點分布差異較大，幾乎貫穿整個頻段，相比工頻PD信號而言無規(guī)律可尋。

圖5 DFT-5ms非局放信號時能量波形圖

3.3 音紋局放的判別邏輯

根據(jù)上述仿真分析可知音紋局放特征頻段為3～7kHz。對10kV高壓開關(guān)柜的500ms音紋局放信號片段進行5ms音紋數(shù)據(jù)短窗分析。每窗中的最大能量特征點展示如圖6所示。其中橫坐標代表5ms音紋數(shù)據(jù)短窗的窗索引，縱坐標為該數(shù)據(jù)短窗內(nèi)最大的能量特征值，圖中下面的橫線代表平均能量值，上方的橫線為平均能量值的120%(設(shè)為能量閾值)。工頻信號的周期為20ms，故橫坐標窗索引相差為4的脈沖能量特征（代表相鄰兩個波峰或波谷能量較大）記為20ms脈沖，橫坐標窗索引相差為2的脈沖能量特征（代表相鄰的波峰與波谷之間能量較大）記為10ms脈沖。以大于能量閾值的10ms脈沖和20ms脈沖個數(shù)為依據(jù)，可有效判別局放的音紋特性。

圖6 工頻局放信號能量波形圖

若局放音紋片段所含10ms脈沖和20ms脈沖總數(shù)大于脈沖總閾值，并且20ms脈沖個數(shù)和10ms脈沖個數(shù)都分別大于其對應(yīng)的脈沖閾值，SIR也達到其閾值，則判定為有局放信號，若出現(xiàn)以下狀況：

1）總脈沖數(shù)或20ms及10ms脈沖數(shù)小于所對應(yīng)閾值（脈沖過少）。

2）SNR小于閾值（脈沖不明顯）。

以上出現(xiàn)任意一種情況，則判定為非局放信號。

4 結(jié)語

本文根據(jù)PD的過程中的工頻特性的原理，對音紋信息的工頻特征進行提取，再結(jié)合DFT算法設(shè)計短數(shù)據(jù)窗，在短數(shù)據(jù)窗內(nèi)分析音紋的頻譜特征能量變化規(guī)律，獲取局放判別的頻域參數(shù)及其能量閾值。依據(jù)本文方法設(shè)計的音紋局放檢測裝置在鋼鐵、電力、鐵路行業(yè)已經(jīng)現(xiàn)場應(yīng)用并正確判別現(xiàn)場的局放特性，有效驗證了本文方法的有效性和可靠性。

本文方法適用于配電網(wǎng)數(shù)據(jù)巨大的開關(guān)柜的智能運維，可有效監(jiān)測因設(shè)備老化或制造工藝問題引起的設(shè)備絕緣問題。本文目前的方法的測量精度有比較大的提升空間，后續(xù)通過細化時間窗切片模式和優(yōu)化算法，并與超聲波傳感器結(jié)合，完成放電點的定位和精度的提升，并可作為設(shè)備的絕緣劣化趨勢分析的依據(jù)。