曹璞璘，申忠友，2，束洪春，馬御棠，韓一鳴，朱夢夢

（1.昆明理工大學電力工程學院，云南省 昆明市 650500；2.國網(wǎng)四川省電力公司瀘州供電局，四川省 瀘州市 646000；3.云南電網(wǎng)有限責任公司電力科學研究院，云南省 昆明市 650217）

0 引言

能源電力安全是新型電力系統(tǒng)的基本前提，尤其是大規(guī)模新能源的接入，導致電網(wǎng)故障后的穩(wěn)定性大幅下降，因此，快速檢測與排除故障點尤為重要［1］。輸電線路作為電力系統(tǒng)故障率較高的元件，如何在線路出現(xiàn)早期絕緣薄弱點時進行及時排查以降低線路故障率，將會是未來新型電力系統(tǒng)繼電保護技術研究的重要方向。在雷暴天氣較為頻繁的地區(qū)，部分線路會在短時間內(nèi)多次遭受雷擊，當雷電流較小時，雷擊輸電線路不足以引起絕緣子閃絡，不會造成繼電保護動作，導致雷擊線路干擾事件難以檢測，僅能通過巡線人員進行現(xiàn)場確認［2-3］。但是，此類雷擊事件會對絕緣子、導線造成永久性損傷，降低絕緣性能，導致雷擊點成為故障隱患，極易在后續(xù)雷擊等事件中引起絕緣進一步損壞進而導致故障。而雷擊干擾波形的辨識，也有助于超高速行波保護在受到雷擊干擾后盡快進行識別，防止保護誤動作。

近年來，以行波測距裝置為代表的高速采集裝置已經(jīng)基本覆蓋220 kV 及以上電壓等級電網(wǎng)［4-6］。為提高對高阻故障和小故障起始角等弱暫態(tài)信號故障［7］的檢測能力，高速暫態(tài)采集裝置普遍采用低門檻突變量啟動，導致大量非故障干擾被記錄與存儲。由于非故障干擾與行波測距裝置的本職任務無關，在過去亦缺乏其他維度的數(shù)據(jù)進行信息補充與驗證，且極易與高頻采集數(shù)據(jù)中易出現(xiàn)的異常離群點混淆，往往作為雜波被舍棄。但是，從雷擊線路干擾檢測的角度出發(fā)，對站端行波數(shù)據(jù)進行研究，不僅可以實現(xiàn)對雷擊線路干擾進行檢測與辨識，也可以充分利用因低閾值啟動而被記錄的大量非故障行波數(shù)據(jù)。更為重要的是，不形成故障點的雷擊干擾包含了完整的雷電流信息，可用于對雷擊線路的特點開展進一步研究。

目前，針對雷擊輸電線路的研究主要集中于雷擊故障及其性質辨識［8-15］。隨著電網(wǎng)中大量監(jiān)測系統(tǒng)投入運行，針對海量雜波數(shù)據(jù)中有效擾動數(shù)據(jù)的辨識，也有相關研究。文獻［16］通過主成分分析等手段減少多維度文本信息，最終采用小波特征提取與決策樹進行辨識，但是并未考慮信息壞點問題。文獻［17］分析頻率數(shù)據(jù)的典型異常，構造各類頻率數(shù)據(jù)異常特征，提出改進動態(tài)時間規(guī)整（DTW）法量化異常特征，基于局部離群因子法實現(xiàn)頻率數(shù)據(jù)的異常檢測和類型識別，但易受到系統(tǒng)拓撲結構引起的量測量導致的固定差異影響。文獻［18］通過多維度監(jiān)測信息建立融合數(shù)據(jù)重構模型，有效避免了數(shù)據(jù)壞點與噪聲污染問題，但是該方法需要其他維度與來源的監(jiān)測信息用于輔助構建。文獻［19］針對變壓器監(jiān)測數(shù)據(jù)中容易出現(xiàn)的采樣點缺失問題進行研究，利用異常檢測算法與隨機森林（RF）對其進行分類，但是采樣點缺失問題在行波數(shù)據(jù)中并不常見。文獻［20］同樣采用了異常檢測算法對整個風機的監(jiān)測數(shù)據(jù)進行數(shù)據(jù)清洗，但是其將監(jiān)測數(shù)據(jù)分塊處理的方法極易在本文所處理的對象中引起行波波頭被劃分至兩個時窗，進而出現(xiàn)辨識錯誤。文獻［21］雖然提出了針對低質量數(shù)據(jù)的清洗原則，但是其有效性在擾動與噪聲過于相似的情況下會有所下降。機器學習與人工智能是大數(shù)據(jù)研究的趨勢，但是絕大部分的相關算法都要求數(shù)據(jù)歸一化，導致后續(xù)新加入數(shù)據(jù)如果出現(xiàn)超出原訓練集界限的特征，會存在重新歸一化的問題，嚴重影響篩選進度。

雖然故障、重合閘等多種電磁暫態(tài)波形同樣具備顯著的波形奇異性，但是由于具有完備的跳閘記錄，易于排除。考慮到雷擊干擾引起的電磁暫態(tài)波形與沖擊性電磁噪聲或采集異常離群點極為相似，雷擊干擾的辨識在實際研究中極難開展。本文通過分析線路正常運行、跳閘后、故障后等多種不同狀態(tài)下雷擊干擾引起的電磁暫態(tài)特點，基于中位數(shù)絕對離差法對實測數(shù)據(jù)進行預處理，抑制因采集電路板、背景電磁噪聲帶來的毛刺干擾，再對實測數(shù)據(jù)做形態(tài)學梯度變換，抑制平穩(wěn)數(shù)據(jù)片段波動，放大暫態(tài)突變細節(jié)，提取行波錄波數(shù)據(jù)突變特征值，基于合成少數(shù)類過采樣技術（SMOTE）平衡少數(shù)類樣本，將提取到的特征作為RF 分類器的輸入訓練模型，充分利用RF 無需數(shù)據(jù)歸一化的特點，實現(xiàn)雷電沖擊性特征行波數(shù)據(jù)篩選。最后，結合故障記錄和雷電定位系統(tǒng)對辨識結果進行了驗證。

1 雷擊線路干擾電磁暫態(tài)過程

1.1 雷擊正常運行線路未引起故障

當雷電流較小時，即使雷電擊中線路，也無法造成絕緣子閃絡，從雷擊性質方面，可以將線路遭受的雷擊未故障干擾劃分為雷擊導線未故障與雷擊塔頂未故障。發(fā)生雷擊導線未故障時，由于缺乏入地點，注入導線的雷電流會在導線上多次折反射后衰減殆盡，其等效示意圖如圖1 所示。圖中：Ilight（s）為雷電流；I1（s）、I2（s）為雷電流向線路兩側的分流。雷擊導線時，在I1流向側觀測到的初始電流行波浪涌可以表示為：

圖1 雷擊線路未故障Fig.1 Lightning strikes transmission lines without failure

式中：Iinitial（s）為觀測到的初始行波浪涌；Inormal（s）為線路正常運行電流；γ（s）為線路傳播參數(shù)；β（s）為母線處反射系數(shù)；x為雷擊點到觀測端的距離。

雷擊導線未故障情況下，雷電流引起的行波會在線路上向線路兩端傳播，由于線路上不存在故障引起的波阻抗不連續(xù)點，雷電流只會在線路兩端出現(xiàn)折反射，導線末端多出線接線方式及導線頻變參數(shù)色散與衰減都將逐漸削減行波的幅值，經(jīng)過多次折反射與長距離傳播后，行波能量將消耗殆盡。從波形特點上來看，雷擊導線未故障的波形是正常工頻電流疊加雷電引起的沖擊波形，沖擊前后工頻電流大小基本不變。

如圖2 所示，在雷擊桿塔或避雷線未形成故障后，雷電流都會由雷擊點經(jīng)避雷線流向當前或相鄰桿塔，在流經(jīng)接地裝置瞬間抬高或拉低導線對地電位，在導線上產(chǎn)生感應電壓。圖中：I3（s）、I4（s）為導線上的感應雷電流。

圖2 雷擊桿塔或避雷線未故障Fig.2 Lightning strikes tower or lightning conductor without failure

雷擊未造成閃絡時，線路上的電流行波為正常運行電流和注入導線的雷電流或由反擊引起的感應電流的疊加，反擊時在線路上I3流向側觀測到的電流行波初始浪涌可以表示為［13］：

式中：k為避雷線與導線耦合系數(shù)。

在此情況下，線路兩端觀測到的暫態(tài)電流中既有雷擊引起的沖擊電流，也包含流過線路的工頻正弦波形。由于雷擊塔頂或避雷線后，絕大部分雷電流通過桿塔入地，因此感應產(chǎn)生的行波幅值可能略小，并且三相同時受到電磁感應，三相行波極性相同。線路站端通過高速采集裝置記錄的雷擊線路未故障如附錄A 圖A1 所示，與之相對應的地閃時間記錄為：2015-09-10T18：59：38.614，本文中實測行波數(shù)據(jù)均為二次側電流。雷擊干擾發(fā)生后僅在正常正弦波形上形成一次沖擊，未能形成閃絡點，導線上工頻電流幅值在沖擊前后未發(fā)生明顯變化，且由于工頻電流幅值不大，現(xiàn)場電磁噪聲會較為明顯。

1.2 故障持續(xù)過程中發(fā)生雷擊

絕大部分雷擊地閃都具有一次以上的回擊放電過程，若雷擊造成線路故障后，在線路跳閘前的短時間內(nèi)后續(xù)回擊再次擊中故障線路，則線路兩端能夠檢測到在工頻電流幅值大幅上升后再次出現(xiàn)沖擊性特征。線路故障后再次受到雷電沖擊的等效電路如圖3 所示。圖中：Ilight1（s）、Ilight2（s）e-τ2s分別為第1 次雷擊和經(jīng)過時間τ2后產(chǎn)生的后續(xù)回擊雷電流，τ2一般為十幾至數(shù)百毫秒；Zf（s）為閃絡故障雷電流通道波阻抗；Ifault（s）e-τ1s表示經(jīng)過時間τ1后形成的短路電流。

圖3 故障持續(xù)中再次雷擊等值電路Fig.3 Equivalent circuit of line with repeated lightning strikes in continuous fault

雷擊線路導致絕緣子閃絡以后再次遭到后續(xù)回擊，部分雷電流將通過閃絡點入地，僅部分雷電流會通過導線向線路兩端傳播。在I1流向側觀測到的后續(xù)回擊電流行波浪涌可以表示為：

式中：Isecond（s）為故障后續(xù)回擊電流行波浪涌；If（s）e-τ1s為I1流向側故障后形成的穩(wěn)態(tài)電流；e-τ2s/s為在τ2時刻的階躍函數(shù)拉氏變換。在此情況下，除雷擊產(chǎn)生的沖擊波形外，線路兩端檢測到的暫態(tài)電流還包含工頻故障電流。

發(fā)生于雷擊故障后的雷擊干擾情況，會有部分雷電流通過故障點入地，導致通過導線到達線路兩端的行波更為微弱，由于故障點的存在，此類雷擊干擾的行波會在故障點發(fā)生折反射，形成與雷擊故障相似的行波傳播過程。由于故障后雷擊干擾是雷電后續(xù)回擊引起，而雷電后續(xù)回擊間隔能夠達到十幾甚至數(shù)百毫秒，在此過程中工頻電流已經(jīng)基本到達故障穩(wěn)態(tài)。因此，線路末端所測行波波形呈現(xiàn)大幅值工頻電流與雷電沖擊相疊加的狀態(tài)。

雷擊故障后再次出現(xiàn)雷電回擊的實測波形如附錄A 圖A2 所示，與之相對應的地閃時間為：2018-09-02T01：49：41.093，雷電流幅值為10 kA。能否觀測到故障發(fā)生期間的雷擊干擾和線路保護動作時間與后續(xù)回擊發(fā)生時間間隔有關。

1.3 線路跳閘后發(fā)生雷擊

220 kV 以上線路的主保護通常能夠在故障后40～80 ms 內(nèi)完成跳閘動作，而雷電后續(xù)回擊過程可能持續(xù)數(shù)百毫秒，因此，部分雷電回擊可能發(fā)生于輸電線路跳閘之后。理論上，線路兩端跳閘后線路末端無法形成電流回路，線路末端電流互感器無法檢測到電流，但是部分220 kV 以上電壓等級的線路斷路器會加裝均壓電容，考慮到電容對行波高頻信號的阻礙極小，行波高頻分量依然能夠通過并聯(lián)電容形成回路。因此，在線路已經(jīng)跳閘的部分情況下，行波采集裝置依然能夠通過電流互感器采集到雷擊引起的高頻暫態(tài)信號。斷路器均壓電容與線路組成的等效電路如圖4 所示。圖中：C 為均壓電容；D 為斷路器斷口。

圖4 跳閘后雷擊等效電路Fig.4 Equivalent circuit of lightning after tripping

均壓電容與斷路器為并聯(lián)結構，在連接點處的電流行波折射系數(shù)與反射系數(shù)如下：

式中：Zl（s）為線路波阻抗；1/（sC）為線路波阻抗；α（s）、ρ（s）分別為均壓電容和線路連接點處折射系數(shù)和反射系數(shù)。而線路電流互感器上僅能觀測到雷擊沖擊中頻率較高的部分為：

由式（7）至式（9）可知，電容對各個頻率分量的折射作用不同，雷電流行波傳變到達線路末端通過電容的分量亦僅有頻率分量極高的部分較為顯著，導致檢測到的雷電沖擊幅值極小，難以觀測到后續(xù)的行波浪涌，與其他噪聲的區(qū)分也更加困難。現(xiàn)場采集到的跳閘后雷電流沖擊干擾如附錄A 圖A3 所示，與之相對應的地閃時間記錄為：2012-08-06T03：29：14.988，雷電流幅值為138 kA。

根據(jù)上述3 種雷擊干擾發(fā)生情況的分析，由于雷擊干擾發(fā)生時的線路運行工況難以預測，且雷擊干擾未改變線路當時工況的等效電路結構，因此，無法通過工頻量的變化或其他特征進行辨識，僅能夠依靠雷電沖擊產(chǎn)生的行波過程進行判別。線路正常運行情況下雷擊干擾的發(fā)生通常意味著雷電流幅值偏小無法引起閃絡，而故障后雷擊干擾又面臨著故障點分流問題。此外，跳閘后的雷擊行波又會受到均壓電容阻礙，再加上線路頻變參數(shù)衰減與色散，線路末端能夠觀察到的雷擊干擾行波特征往往僅包含雷擊初瞬形成的沖擊波形，而如何將此沖擊波形與其他會造成奇異點且難以找到其他事件記錄進行佐證的波形干擾進行區(qū)分，將是雷擊干擾數(shù)據(jù)辨識的主要難點。

2 雷擊干擾數(shù)據(jù)辨識難點分析

2.1 高速采集異常離群點

受到早期電子器件工藝水平的限制，高速采集板卡時常會出現(xiàn)異常數(shù)據(jù)點，此類異常點與周圍采集存在明顯的差異，大多僅僅為某一個采集點的數(shù)值偏離，絕大部分記錄的干擾數(shù)據(jù)都包含此類特征。行波錄波裝置大多裝設至無人值守變電站等，此類壞點數(shù)據(jù)在早期的錄波數(shù)據(jù)中難以引起注意，對其運行維護的機會較少，造成長時間在個別錄波站出現(xiàn)大量的此類冗余數(shù)據(jù)，尤其是數(shù)年長期持續(xù)運行后，采集板卡的穩(wěn)定性下降，異常離群點逐漸增多，甚至導致采集數(shù)據(jù)中充斥異常點，部分數(shù)據(jù)完全不可用，成為高速數(shù)據(jù)采集中最為棘手的問題。

異常離群點會在部分采集通道不定時出現(xiàn)，如附錄A 圖A4 和圖A5 所示，此類異常離群點會造成正常波形中出現(xiàn)不應存在的奇異性，難以與雷電沖擊造成的干擾進行區(qū)分。長期運行后，部分采集通道會充斥異常離群點，進而導致整個通道的數(shù)據(jù)損壞，出現(xiàn)成塊狀突變，掩蓋了數(shù)據(jù)整體正弦性，如附錄A 圖A6 所示。

單條行波數(shù)據(jù)中通常包含多個通道，但是損壞通道僅為行波數(shù)據(jù)中的部分通道，因此，在進行數(shù)據(jù)篩選時，不能因部分通道損壞而完全放棄整條數(shù)據(jù)，而應進行數(shù)據(jù)清洗以保留能夠用于數(shù)據(jù)分析的完好通道。

2.2 噪聲干擾

采集板數(shù)字電路因存在高頻的數(shù)字電平會產(chǎn)生電磁輻射和耦合噪聲，而部分變電站內(nèi)也存在較高的電磁噪聲，若高速采集裝置前端電磁屏蔽工藝不過關，高速采集裝置中會出現(xiàn)周期性、高幅值的短暫局部突變波形，呈現(xiàn)三角形、條形等，增加了行波數(shù)據(jù)辨識難度。附錄A 圖A7 所示為電磁噪聲較大時高頻采集裝置捕捉到的現(xiàn)場波形。

3 行波數(shù)據(jù)清洗及預處理

3.1 損壞通道清除

由于高速采集裝置采樣率達到1 MHz 及以上，其A/D 分辨率通常不算太高，主流行波測距裝置分辨率僅為8～10 位，導致實測行波數(shù)據(jù)中單個數(shù)據(jù)點的記錄值有一定極限。附錄A 圖A8 所示為圖A6的局部細節(jié)，在通道損壞后，異常離群點會集中于某些特定值。因此，可以采用通道中的采樣值是否集中于某些特定值對通道是否損壞進行判別，當不重復值的個數(shù)小于適當?shù)拈撝禃r認為此通道全損壞，相應的數(shù)據(jù)剔除判據(jù)和篩選判據(jù)分別如式（10）、式（11）所示。

式中：i為行波數(shù)據(jù)構成的一維數(shù)組；t為索引；n為索引偏移量；Nunique(i)為數(shù)組i中不重復值的個數(shù)；Nmatrix(i)為數(shù)組i中每個值出現(xiàn)的次數(shù)所形成的數(shù)組；Tth1和Tth2為對應的閾值，本文中分別取為10與200。

3.2 異常離群點消除

為消除局部離群點對整體暫態(tài)波形的影響，采用中位數(shù)絕對離差（MAD）法進行數(shù)據(jù)預處理。取原始數(shù)據(jù)分別與數(shù)據(jù)中位數(shù)作差后構成新序列的中位數(shù)作為中位數(shù)絕對離差值，以原始數(shù)據(jù)中位數(shù)的正負3 倍中位數(shù)絕對離差值作為上下限，以適當長度時窗在單通道電流行波數(shù)據(jù)上滑動以檢測片段數(shù)據(jù)的離群點，若片段中存在離群點，則剔除離群點并采用線性插值求該片段數(shù)據(jù)對應數(shù)據(jù)點來替換原始數(shù)據(jù)的離群點［22］。基于MAD 法的離群值預處理步驟可表示如下：

式中：median（·）為求取中位數(shù)；index（·）為求取索引；L為行波數(shù)據(jù)長度；l為時窗長度；Δt為MAD 值；Tt為數(shù)據(jù)波動離群值約束范圍；r為時窗數(shù)據(jù)的索引，且t≤r≤t+l；f為離群值處理后的數(shù)據(jù)。

MAD 法對單一的異常離群點有極為優(yōu)秀的剔除能力，同時不會影響雷擊干擾引起的波形短時連續(xù)變化。MAD 法針對異常離群點與擾動的預處理結果如附錄A 圖A9 和圖A10 所示。

本文選取時窗長度為5。由附錄A 圖A9 和圖A10 可知，產(chǎn)生單個奇異點的離群值能夠在不影響原始波形特征的前提下被線性插值替代，而對于擾動等突變較大、持續(xù)時間長的行波數(shù)據(jù)并未消去其突變點，其細節(jié)特征被完整保留，對后續(xù)的特征提取工作并無影響。

3.3 沖擊性特征的形態(tài)學梯度提取

為表征雷擊擾動產(chǎn)生的數(shù)學形態(tài)學思想在圖像處理上應用廣泛，在推廣到一維的電力系統(tǒng)信號分析時，常被用于信號突變檢測和信號濾波［23］。形態(tài)學梯度可表示為：

式中：⊕為膨脹運算；Θ 為腐蝕運算；g為結構元素；G為提取到的形態(tài)學梯度數(shù)據(jù)。

選取值為零的直線型結構元素和適當?shù)陌霃綄Ω戒汚 圖A1 進行形態(tài)學梯度提取，如圖A11 所示，能夠將突變幅值疊加并保持原有的沖擊性特征，并將所有的突變方向轉換為一致向上，為后續(xù)特征提取過程中的歸算提供便利。本文所使用的行波數(shù)據(jù)為由16 000個點構成的電流行波，采樣間隔1 μs，由于形態(tài)學梯度提取中采用的結構元素長度為16。

4 特征提取和平衡少數(shù)類樣本

4.1 行波數(shù)據(jù)特征提取

1）峭度

峭度是一種衡量分布異常傾向程度的指標，可以計算峭度值來量化行波數(shù)據(jù)梯度波形的突變分布情況和突變大小，其數(shù)學公式如下：

式中：μ為G的平均值；σ為G的標準差；E為求取期望值。

對于附錄A 圖A7 所示的噪聲干擾，雖然具有規(guī)律性突變的特征，但整條數(shù)據(jù)突變的分布較均勻，突變持續(xù)時間較長，導致其峭度值極低。因此，使用峭度即可區(qū)分突變行波與規(guī)律性噪聲干擾。

2）三相行波突變比值

架空線路某條線路故障或干擾時，由于線路之間的耦合作用，三相電流行波在同一位置會有相應程度突變［24］，如附錄A 圖A12 所示。根據(jù)三相行波數(shù)據(jù)梯度在某一位置是否具有相同的突變趨勢，可以用于判別行波數(shù)據(jù)中奇異點是否為遺漏的異常離群點。

假設A 相電流突變值GA最大，計算突變比值：

式中：tA為相最大值對應索引；max 和min 分別為求梯度數(shù)據(jù)最大和最小幅值；n為索引移動范圍；mp為相鄰相突變的最大值，p=B，C，對應B 相和C 相；K1為相鄰相對應一定時刻范圍內(nèi)電流幅值最大值比值。

3）分段最值夾角比

為保證行波初始浪涌能夠被順利捕捉，高速采集裝置通常有數(shù)毫秒的預觸發(fā)時間，通常來說，由于雷擊干擾引起的波形振蕩在短時間內(nèi)與工頻電流疊加會產(chǎn)生波形的畸變，可以利用這種畸變作為擾動或故障發(fā)生的特質之一。將經(jīng)形態(tài)學梯度提取后數(shù)據(jù)等分為G1和G2，則有

式中：L1和L2為兩段數(shù)據(jù)的長度；K2為前后兩段數(shù)據(jù)的反正切角的較大值與較小值的比值。

對附錄A 圖A1 進行計算所得結果如圖A13 所示。圖中：θ1和θ2為前后兩段最值比值正切角。當K2值越大時，等分前后兩段數(shù)據(jù)與橫軸的夾角越大，分段數(shù)據(jù)的變化率越大，前后兩段波形的差異性越大。

4.2 SMOTE 平衡少數(shù)類樣本

海量的實測行波數(shù)據(jù)中故障、擾動等高價值數(shù)據(jù)和雜波數(shù)據(jù)的樣本數(shù)量相差至少100 倍，若進行分類器訓練將出現(xiàn)樣本極度不平衡問題，以總體樣本分類準確率為評估效果的分類器難以取得有效效果。針對訓練樣本不平衡問題，可采用SMOTE 方法解決［25］。該方法針對每個少數(shù)類樣本xa，計算每個樣本到其余樣本的歐氏距離確定其k鄰近，根據(jù)樣本不平衡比例確定采樣倍率，從k鄰近樣本中隨機選取若干樣本xb按照式（21）生成新樣本xnew。

式中：rand（0，1）表示0～1 之間的隨機數(shù)。

5 基于經(jīng)典SMOTE 和RF 的應用實例分析

對于海量的行波數(shù)據(jù)來說，具有突變特征的數(shù)據(jù)占比極小，如何提高篩選正確率是首先應該考慮的因素。RF 基于集成學習從相同的數(shù)據(jù)集中構建一組存在細微差異的子決策樹，分類時所有決策樹投票表決，以降低單個模型的隨機波動所產(chǎn)生的影響。此外，RF 模型無須對樣本進行歸一化，避免了后續(xù)新加入數(shù)據(jù)在某些維度超過原始積累數(shù)據(jù)而導致的歸一化重置，還能對特征重要性排序，應對少數(shù)類突變數(shù)據(jù)篩選的效果優(yōu)良。選取部分變電站近10 年的實測數(shù)據(jù)作為訓練樣本，根據(jù)上述人工提取到的三維特征值作為分類器的輸入搭建RF 分類器模型，訓練樣本總數(shù)為1 152，訓練的準確率為99.39%。整體篩選流程如圖5 所示。

圖5 所提方法流程圖Fig.5 Flow chart of proposed method

5.1 分類器效果

由于本文是對所有歷史存量行波數(shù)據(jù)進行數(shù)據(jù)篩選，未對其中的故障數(shù)據(jù)進行剔除，考慮到后續(xù)可以利用線路故障記錄對故障數(shù)據(jù)進行排除，因此，所有包含沖擊性特征的故障或合閘數(shù)據(jù)均會被視為擾動進行初步篩選，測試結果僅分為擾動數(shù)據(jù)與完全無用的雜波兩類，測試所用41 794 條行波數(shù)據(jù)均為標簽未知的數(shù)據(jù)。

為展示分類器的分類效果，選取1 000 個通道數(shù)據(jù)做展示，如圖6 所示，除極少數(shù)的鄰近樣本出現(xiàn)局部交集外，總體非擾動數(shù)據(jù)和擾動數(shù)據(jù)都具有顯著的聚集性，能夠剔除絕大部分雜波。

圖6 可視化篩選效果Fig.6 Visual filtering effect

5.2 分類效果分析

經(jīng)過本文所提篩選方法后，根據(jù)故障記錄對篩選所得數(shù)據(jù)進行比較，剔除故障、跳閘的暫態(tài)數(shù)據(jù)。然后，根據(jù)行波數(shù)據(jù)對應線路和擾動發(fā)生時刻，對雷電定位系統(tǒng)地閃記錄進行分析，對于在雷擊故障后發(fā)生的雷擊擾動，波形中有明顯的故障點反射波，根據(jù)雷擊記錄與行波數(shù)據(jù)匹配方法［26］進行比較，而對于不存在故障點反射波的部分雷擊擾動，則利用行波裝置記錄的波到時刻與線路全長推導雷擊擾動發(fā)生的時間區(qū)間，并以此為依據(jù)與雷電定位系統(tǒng)進行時間匹配。所得結果如表1 所示。

表1 匹配結果Table 1 Matching results

由表1 可知，需要進行匹配的數(shù)據(jù)變?yōu)樵瓟?shù)據(jù)量的1.26%，大幅降低了雷擊干擾篩選運算量。由于故障、重合閘等波形可以通過跳閘記錄直接進行判別，因此剔除故障與斷路器動作數(shù)據(jù)后，實際需要進一步篩查的剩余擾動數(shù)據(jù)僅為原數(shù)據(jù)量的0.66%。與雷電定位系統(tǒng)地閃記錄能夠匹配精確到毫秒級別的擾動數(shù)據(jù)為36 條，另有27 條數(shù)據(jù)未能與雷電定位系統(tǒng)精確匹配，但是在其線路周圍±5 min 內(nèi)存在雷電地閃記錄，此類擾動大概率也是由雷擊造成，可能因高頻采集裝置的衛(wèi)星授時系統(tǒng)失步或地閃記錄遭系統(tǒng)遺漏等影響導致無法完全匹配。與雷電定位系統(tǒng)不存在匹配可能的不明擾動具有較為明顯的沖擊性特征或低頻波動，可能為站端補償裝置或鄰近線路斷路器動作導致，需要后續(xù)與變電站操作記錄進行排查。而在剩余的雜波部分，多為數(shù)個異常離群點相鄰，造成MAD 法未能實現(xiàn)波形平滑所致。分類結果的典型波形如附錄A 圖A14 所示。

6 結語

1）通過分析不同工況下雷擊線路干擾的電磁暫態(tài)過程，結合現(xiàn)場實測行波數(shù)據(jù)，發(fā)現(xiàn)雷電沖擊性特征是雷擊線路干擾最為顯著的特點，但是該特點極易與高速數(shù)據(jù)采集裝置異常離群點相混淆。

2）采用MAD 法對數(shù)據(jù)進行預處理能有效減少毛刺等異常干擾，形態(tài)學梯度提取可以疊加暫態(tài)突變細節(jié)，更易于提取突變特征。采用波形峭度、三相電流突變比值、分段最值夾角比等3 個維度對行波數(shù)據(jù)進行刻畫，在未對原始數(shù)據(jù)進行任何預先篩選的情況下實現(xiàn)擾動數(shù)據(jù)有效辨識與匹配數(shù)據(jù)量大幅降低。

3）結合雷電定位系統(tǒng)和故障記錄對篩選得到的突變行波數(shù)據(jù)進行匹配，能夠辨識線路各類故障、斷路器動作以及雷擊干擾等各種工況，為輸電線路絕緣薄弱點的尋找提供方向和依據(jù)，有效預防線路下一次因絕緣性能降低或損壞造成更嚴重的雷擊危害。

因高頻采集受到的干擾因素過多，文中對于異常離群點的消除為考慮雷電干擾特征突變時間過于短暫導致最終匹配結果中含有雜波過多，如何提高篩選后雷擊干擾的占比和解決行波數(shù)據(jù)與地閃記錄更好的融合是后續(xù)研究的重要方向。

附錄見本刊網(wǎng)絡版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡全文。